For et år eller to siden kunne det have været et brugbart ekstra spørgsmål at spørge en ingeniør, om de brugte AI til at skrive kode, men i dag bliver det en normal del af, hvordan software bygges.
Ændringen er sket overraskende hurtigt. JetBrains' 2026 Developer Ecosystem Survey, baseret på mere end 15.000 professionelle udviklere, viste, at 90% af udviklere brugte AI-kodningsagenter på arbejde mindst ugentligt mellem maj og juli 2026, med 68% der brugte dem hver dag. Claude Code alene blev brugt på arbejde af omkring 39% af professionelle udviklere verden over, op fra 18% i januar. I USA nåede det tal 47%.
Det betyder ikke, at enhver udvikler pludselig har stoppet med at skrive kode selv. Det betyder, at måden udviklere arbejder på ændrer sig. I stedet for at skrive hver linje manuelt bruger mange ingeniører nu AI til at udforske idéer, skrive dele af en funktion, reparere fejl, forstå ukendt kode, køre tests og arbejde gennem problemer hurtigere.
For startups skaber det et ret vigtigt spørgsmål: Hvis dine ingeniører allerede arbejder på denne måde, bør din ansættelsesproces stadig evaluere dem, som om AI ikke eksisterede?
AI Har Ændret Måden, Ingeniører Arbejder På
I lang tid var GitHub Copilot det navn, de fleste forbandt med AI-assisteret kodning. Det blev en velkendt del af udviklerens værktøjskasse, især fordi det fungerede direkte inden for de værktøjer, udviklere allerede brugte.
Men markedet har ændret sig hurtigt.
Ifølge JetBrains' seneste survey faldt GitHub Copilots tiltagelse på arbejdspladsen fra 29% et år tidligere til 21% i maj-juli 2026. Claude Code voksede i mellemtiden fra 18% i januar til 39% i samme periode. GitHub Copilot er stadig meget mere kendt, med 79% af udviklere verden over, der har hørt om det, men bevidsthed og faktisk brug er ikke længere det samme.
Det er en vigtig skelnen for alle, der ansætter ingeniører.
Du behøver ikke nødvendigvis at være interesseret i, hvilket AI-værktøj der i øjeblikket er nummer et. Værktøjerne vil blive ved med at ændre sig. Det vigtige er, at AI-kodningsagenter er gået fra noget, udviklere eksperimenterede med, til noget mange nu bruger som en del af deres normale arbejdsdag.
Med andre ord kan værktøjet ændre sig, men den nye arbejdsmåde er allerede her.
Hvad Dette Betyder for Dit Team
Dette betyder endnu mere, når du ansætter til en startup.
Et lille ingeniørteam har ikke det luksus at bruge måneder på at bygge hver funktion manuelt. Du har brug for mennesker, der kan forstå et problem, træffe gode beslutninger, bevæge sig hurtigt og vide, hvornår noget har brug for et nærmere blik.
AI kan hjælpe med noget af det arbejde, men det erstatter ikke personen, der træffer beslutningerne. Det er faktisk den vigtigste del af denne ændring.
En udvikler kan bede en AI-agent om at bygge noget på få minutter. Men overvej, hvad der sker derefter:
1. Hvad sker der, når svaret ser korrekt ud og ikke er det?
2. Hvad sker der, når AI misforstår et vigtigt krav?
3. Hvad sker der, når det ændrer noget i en del af applikationen og stille og roligt bryder noget andre steder?
Det er ingeniørspørgsmål, og de bliver vigtigere, ikke mindre vigtige.
JetBrains' forskning viser, at udviklere, der bruger disse værktøjer, stadig varierer betydeligt i, hvor meget de lader AI gøre. Blandt udviklere, der bruger Claude Code mest, rapporterer omkring 32% for eksempel, at agenter genererer mere end 80% af deres kode. Det betyder, at der ikke er en enkelt "AI-udvikler"-arbejdsgang. Nogle mennesker bruger agenter intensivt, mens andre stadig laver det meste af kodningen selv.
Så målet med dit interview bør ikke være at finde nogen, der lader AI skrive alt. Det skal være at forstå, hvordan de bruger det, og om de ved, hvornår de ikke skal stole på det.
Spørg Ikke Bare Om De Bruger AI, Spørg Hvordan De Bruger Det
Hvis du opdaterer din interviewproces, er en af de nemmeste ændringer også en af de mest brugbare. Stop med at behandle AI-erfaring som et simpelt ja-eller-nej-spørgsmål.
Har du brugt Claude Code?
Ja.
Det fortæller dig ikke meget.
I stedet skal du bede kandidaten fortælle dig om en rigtig situation:
1. Hvor brugte de et AI-kodningsværktøj?
2. Hvad prøvede de at bygge?
3. Hvad lod de værktøjet håndtere?
4. Hvad efterprøvede de selv?
5. Gjorde AI en fejl? Hvordan påviste de det?
Svaret kan fortælle dig langt mere end navnet på det værktøj, de bruger.
Nogen, der siger, "Jeg bruger AI til at generere kode hurtigere," har ikke rigtig fortalt dig, hvordan de arbejder. Men nogen, der siger, "Jeg lod agenten håndtere den første version, men jeg bemærkede, at den gjorde den forkerte antagelse om, hvordan vores databaserelationer fungerede, så jeg stoppede det og skrev den del om selv," giver dig noget meget mere brugbart.
Den person viser dømmekraft — og det er den færdighed, startups bør være interesseret i.
AI-Flydende Betyder Ikke AI-Afhængighed
Der er også en fælde her. Bare fordi nogen bruger AI intensivt betyder det ikke automatisk, at de er en bedre ingeniør. Faktisk kan det modsatte ske, når nogen accepterer alt, hvad et AI-værktøj producerer uden at forstå det.
De bedste ingeniører er ikke nødvendigvis dem, der beder AI om at gøre det meste arbejde. De er dem, der ved, hvilket arbejde de skal give det, hvordan de skal guide det, og hvordan de skal kontrollere, hvad der kommer tilbage. Den skelnen bliver stadig vigtigere, efterhånden som kodningsagenter bliver i stand til at håndtere større dele af arbejdet.
Anthropics analyse af cirka 400.000 Claude Code-sessioner viste, at mennesker generelt træffer planlægningsbeslutninger, såsom at beslutte, hvad der skal gøres, mens Claude håndterer meget af udførelsen. Forskningen viste også, at mennesker med større domæneekspertise har tendens til at få mere arbejde udført pr. instruktion.
Det er en nyttig måde at tænke på fremtiden for ingeniørarbejde. Værdien ligger ikke blot i at skrive kode hurtigere. Det handler om at vide, hvad der skal bygges, give den rigtige retning, få øje på problemer og beslutte, om resultatet faktisk er godt nok til at skibes.
Hvad Burde "Seniior Ingeniør" Betyde Nu?
Denne ændring rejser også et større spørgsmål om senioritet.
Traditionelt var en senior ingeniør nogen, der kunne løse vanskelige tekniske problemer uafhængigt, træffe arkitektoniske beslutninger, gennemgå andre menneskers arbejde og hjælpe et team med at bevæge sig fremad. Det betyder stadig noget, men nu er der et andet lag.
En stærk senior ingeniør bør i stigende grad vide, hvordan man arbejder effektivt med AI-værktøjer uden at overlade deres dømmekraft til dem.
De skal være i stand til at opdele et stort problem i mindre dele, give en AI-agent nyttig retning, gennemgå resultatet, få øje på subtile fejl og forstå, hvornår det at gøre noget manuelt faktisk er mere sikkert eller hurtigere.
Det er en anden færdighed end blot at vide, hvordan man skriver kode, og det er noget din interviewproces faktisk kan teste.
Forskellen Viser Sig Hurtigt
Forestil dig, at du interviewer to udviklere til samme rolle.
Den første kandidat fortæller dig, at de har brugt AI det seneste år, og siger, at det hjælper dem med at "kode meget hurtigere."
Den anden kandidat fortæller dig om et nyligt projekt, hvor de brugte en AI-agent til at arbejde gennem en databasemigrering. Agenten producerede det meste af den indledende implementering, men kandidaten bemærkede, at den havde misforstået, hvordan historiske poster var forbundet. De opdagede problemet under testning, ændrede tilgangen og gennemgik den endelige migrering manuelt, før den blev nær produktion.
Den anden kandidat har ikke bare demonstreret, at de ved, hvordan man bruger et AI-værktøj. De har demonstreret noget meget mere værdifuldt: dømmekraft. De ved, hvornår de skal delegere, hvornår de skal stille spørgsmål ved resultatet, og hvornår de skal tage kontrol selv.
Det er den slags signal, din ansættelsesproces bør lede efter.
Hvad Grundlæggere Bør Ændre
Du behøver ikke at genopbygge din interviewproces helt fra den ene dag til den anden. Start med et par simple ændringer.
Spørg kandidater, hvordan AI passer ind i deres normale arbejdsgang. Giv dem et praktisk problem og tillad dem at bruge de værktøjer, de normalt ville bruge. Fokuser derefter dine spørgsmål på de beslutninger, de tog, ikke blot den kode, de producerede.
Spørg, hvad AI fik forkert, hvad de kontrollerede, og hvad de ikke ville stole på, at en AI-agent håndterede uden overvågning.
Disse spørgsmål giver dig et meget klarere billede af, hvordan nogen faktisk vil arbejde på dit team.
Og gør ikke interviewet til en test af, hvem der kender de fleste AI-værktøjer, da værktøjerne vil ændre sig. Den vigtige færdighed er at lære at arbejde med dem uden at miste evnen til at tænke uafhængigt.
Dette Handler Om Mere End Claude Code
Det største skift er ikke, at Claude Code er blevet populært. Det er, at AI-assisteret udvikling bliver en del af den normale definition af softwareingeniørarbejde.
JetBrains viste, at 90% af professionelle udviklere brugte AI-kodningsagenter på arbejde mindst én gang om ugen midt på 2026. Det betyder ikke, at traditionelle ingeniørfærdigheder er forsvundet. Det betyder, at jobbet nu inkluderer et andet lag med at arbejde med maskiner, der kan håndtere stadig større dele af implementeringen.
Så hvis din ansættelsesproces stadig spørger kandidater til kun at bevise, hvor godt de kan skrive kode uden AI, måler du måske kun en del af, hvordan de faktisk vil arbejde, når de slutter sig til dig.
Spørgsmålet er ikke længere blot: "Kan denne person skrive god kode?"
Det bliver: "Kan denne person bruge alle tilgængelige værktøjer, herunder AI, samtidig med at de stadig træffer gode ingeniørbeslutninger?"
Det er et meget mere brugbart spørgsmål for en startup at besvare.
Og hvis du ikke har tid til at omdesigne din ansættelsesproces omkring den måde, ingeniører faktisk arbejder på i dag, er det her MyNextDeveloper hjælper ved at forbinde startups med vettet ingeniører og AI-talent, der forstår moderne udviklings-workflows og kan bidrage fra dag et.
TL;DR
AI-kodningsværktøjer er hurtigt blevet en normal del af, hvordan udviklere arbejder, især på startups. Det betyder, at ansættelse af ingeniører kun baseret på, hvor godt de koder uden AI, ikke længere fortæller hele historien. Det vigtige nu er, om de ved, hvordan man bruger AI effektivt, påviser dets fejl og træffer gode beslutninger selv. De bedste ingeniører bruger ikke blot AI til at skrive kode hurtigere — de ved, hvornår de skal stole på det, hvornår de skal stille spørgsmål ved det, og hvornår de skal tage over.
Søger du at opbygge et højt præsterende eksternt tech-team?
Tjek MyNextDeveloper, en platform hvor du kan finde de øverste 3% af softwareingeniører, der er dybtsindigt passionerede om innovation. Vores on-demand, dedikerede og grundige softwaretalentløsninger giver en omfattende løsning for alle dine softwarekrav.
Besøg vores websted for at se, hvordan vi kan hjælpe dig med at samle dit perfekte team.
