AI kan hjælpe med at skrive kode og finde mulige fejl, men vedligeholderne skal stadig kontrollere resultaterne. I en Linux Foundation undersøgelse blev 25 % af de indsendte ændringsforslag vurderet som lav kvalitet – blandt store projekter var andelen 31 %.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How is AI accelerating open-source development while overwhelming maintainers with low-quality contributions and vulnerability reports, as i. Article summary: AI is making code and potential bug reports faster to produce, but that does not make them faster to validate: the bottleneck is shifting toward maintainers’ review and security judgment. OpenSSL’s report surge and the L. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
AI gør det lettere at skrive kode og finde mulige fejl. Men hvert bidrag og hver sikkerhedsrapport skal stadig gennemgås, og det arbejde kan blive en flaskehals. OpenSSL modtager flere rapporter, samtidig med at en undersøgelse blandt open source-bidragsydere viser, at flere ændringsforslag også betyder mere at gennemgå. 1
21
OpenSSL leverer software, der bruges til at beskytte internetkommunikation. Derfor har kvaliteten og sikkerheden i projektets kode betydning langt ud over selve projektet. 1
5
På OpenSSL-projektets årlige konference i Prag fortalte fondens administrerende direktør, Matt Caswell, at OpenSSL fra maj til juli 2026 i gennemsnit modtog 71 sikkerhedsrapporter og forespørgsler om måneden. I samme periode året før var tallet ni om måneden. I august nåede antallet af forespørgsler op på 108. 1
Tallene dækker indkomne rapporter og forespørgsler – ikke bekræftede sårbarheder. I løbet af det foregående år modtog OpenSSL omkring 500 rapporter om sårbarheder, men 63 førte til offentliggjorte sårbarheder. Mange af indsendelserne var dubletter, mindre fejl eller forhold, der ikke krævede en sikkerhedsadvarsel. De skulle dog stadig vurderes af mennesker. De fleste sårbarheder, som AI-værktøjer fandt, var desuden af lav alvorlighedsgrad og ikke alvorlige sikkerhedsbrister. 1
3
OpenSSL er ikke alene om det stigende reviewarbejde. Vedligeholdere fra Bouncy Castle og cryptlib fortalte også på konferencen, at de havde flere rapporter at gennemgå. Megan Woods fra Bouncy Castle advarede samtidig om risikoen ved kryptografisk kode skrevet af AI. 2
3
OpenSSLs teknologidirektør har peget på, at AI kan hjælpe med blandt andet kodegennemgang, undersøgelse af indrapporterede sårbarheder og udarbejdelse af tests. 3 Værktøjerne kan dermed støtte vedligeholdernes arbejde, men de gør ikke et muligt fund til en bekræftet fejl og fjerner ikke behovet for menneskelig vurdering.
1
3
Det skyldes, at det at finde noget mistænkeligt og at bekræfte, at det er en reel fejl, er to forskellige opgaver. Et værktøj kan udpege et problematisk sted i koden eller formulere en overbevisende rapport. Vedligeholderne skal stadig afgøre, om problemet er reelt og relevant – og hvad der i givet fald skal gøres. Ifølge omtalen af konferencen kan undersøgelse, udvikling af en rettelse og offentliggørelse af en sikkerhedsadvarsel tage seks til otte uger. 3
En undersøgelse fra Linux Foundation Research, støttet af Red Hat og præsenteret på konferencen All Things Open, peger på samme balance mellem højere tempo og større arbejdsbyrde. Her vurderede vedligeholdere, at 25 % af de indkomne pull requests – forslag til ændringer i et projekt – var lavkvalitetsbidrag, omtalt som »AI slop«. I store projekter var andelen 31 %. Undersøgelsen omfattede 234 bidragsydere og vedligeholdere af open source-projekter. 20
21
Samtidig fortalte 59 % af projektvedligeholderne, at antallet af bidrag var steget. 21 Flere forslag kan føre nyttigt arbejde og nye bidragsydere med sig, men de øger også mængden, der skal gennemgås – især når fejl i et forslag først skal findes og forklares af vedligeholderne.
Resultaterne er vurderinger fra en undersøgelse, ikke en optælling af samtlige pull requests i alle open source-projekter. De peger dog på en konkret udfordring: AI kan gøre det lettere at udarbejde et bidrag uden samtidig at gøre det lettere at afgøre, om det er klar til at blive indarbejdet. 20
21
Googles beslutning viser, hvordan flere indsendelser kan påvirke sikkerhedsprogrammer. Den 1. oktober satte virksomheden nye indsendelser om produktsårbarheder til sit Open Source Software Vulnerability Reward Program på pause. Google henviste til flere automatiserede indsendelser, hvoraf langt de fleste ifølge virksomheden var ugyldige, og lovede en opdatering i første kvartal 2027. Pausen gjaldt indsendelser om produktsårbarheder til netop dette program – ikke alle Googles programmer for sikkerhedsbelønninger. 18
For open source-projekter peger erfaringerne på en afbalanceret tilgang: Gør forventningerne til bidrag tydelige, bed om dokumentation, der gør fejl mulige at genskabe, og efterspørg relevante tests. Automatisering kan hjælpe med den indledende sortering, men bør ikke erstatte menneskelig gennemgang. Det er praktiske konsekvenser af rapporteringen, ikke én fast opskrift. 1
18
21
AI kan gøre det hurtigere at skrive kode og finde mulige fejl. Men pålidelig software kræver stadig, at vedligeholderne har tid og støtte til at kontrollere det, der bliver sendt ind.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
AI kan hjælpe med at skrive kode og finde mulige fejl, men vedligeholderne skal stadig kontrollere resultaterne.
AI kan hjælpe med at skrive kode og finde mulige fejl, men vedligeholderne skal stadig kontrollere resultaterne. I en Linux Foundation undersøgelse blev 25 % af de indsendte ændringsforslag vurderet som lav kvalitet – blandt store projekter var andelen 31 %.
AI kan hjælpe med at skrive kode og finde mulige fejl, men vedligeholderne skal stadig kontrollere resultaterne. I en Linux Foundation undersøgelse blev 25 % af de indsendte ændringsforslag vurderet som lav kvalitet – blandt store projekter var andelen 31 %.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: How is AI accelerating open-source development while overwhelming maintainers with low-quality contributions and vulnerability reports, as i. Article summary: AI is making code and potential bug reports faster to produce, but that does not make them faster to validate: the bottleneck is shifting toward maintainers’ review and security judgment. OpenSSL’s report surge and the L. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
AI gør det lettere at skrive kode og finde mulige fejl. Men hvert bidrag og hver sikkerhedsrapport skal stadig gennemgås, og det arbejde kan blive en flaskehals. OpenSSL modtager flere rapporter, samtidig med at en undersøgelse blandt open source-bidragsydere viser, at flere ændringsforslag også betyder mere at gennemgå. 1
21
OpenSSL leverer software, der bruges til at beskytte internetkommunikation. Derfor har kvaliteten og sikkerheden i projektets kode betydning langt ud over selve projektet. 1
5
På OpenSSL-projektets årlige konference i Prag fortalte fondens administrerende direktør, Matt Caswell, at OpenSSL fra maj til juli 2026 i gennemsnit modtog 71 sikkerhedsrapporter og forespørgsler om måneden. I samme periode året før var tallet ni om måneden. I august nåede antallet af forespørgsler op på 108. 1
Tallene dækker indkomne rapporter og forespørgsler – ikke bekræftede sårbarheder. I løbet af det foregående år modtog OpenSSL omkring 500 rapporter om sårbarheder, men 63 førte til offentliggjorte sårbarheder. Mange af indsendelserne var dubletter, mindre fejl eller forhold, der ikke krævede en sikkerhedsadvarsel. De skulle dog stadig vurderes af mennesker. De fleste sårbarheder, som AI-værktøjer fandt, var desuden af lav alvorlighedsgrad og ikke alvorlige sikkerhedsbrister. 1
3
OpenSSL er ikke alene om det stigende reviewarbejde. Vedligeholdere fra Bouncy Castle og cryptlib fortalte også på konferencen, at de havde flere rapporter at gennemgå. Megan Woods fra Bouncy Castle advarede samtidig om risikoen ved kryptografisk kode skrevet af AI. 2
3
OpenSSLs teknologidirektør har peget på, at AI kan hjælpe med blandt andet kodegennemgang, undersøgelse af indrapporterede sårbarheder og udarbejdelse af tests. 3 Værktøjerne kan dermed støtte vedligeholdernes arbejde, men de gør ikke et muligt fund til en bekræftet fejl og fjerner ikke behovet for menneskelig vurdering.
1
3
Det skyldes, at det at finde noget mistænkeligt og at bekræfte, at det er en reel fejl, er to forskellige opgaver. Et værktøj kan udpege et problematisk sted i koden eller formulere en overbevisende rapport. Vedligeholderne skal stadig afgøre, om problemet er reelt og relevant – og hvad der i givet fald skal gøres. Ifølge omtalen af konferencen kan undersøgelse, udvikling af en rettelse og offentliggørelse af en sikkerhedsadvarsel tage seks til otte uger. 3
En undersøgelse fra Linux Foundation Research, støttet af Red Hat og præsenteret på konferencen All Things Open, peger på samme balance mellem højere tempo og større arbejdsbyrde. Her vurderede vedligeholdere, at 25 % af de indkomne pull requests – forslag til ændringer i et projekt – var lavkvalitetsbidrag, omtalt som »AI slop«. I store projekter var andelen 31 %. Undersøgelsen omfattede 234 bidragsydere og vedligeholdere af open source-projekter. 20
21
Samtidig fortalte 59 % af projektvedligeholderne, at antallet af bidrag var steget. 21 Flere forslag kan føre nyttigt arbejde og nye bidragsydere med sig, men de øger også mængden, der skal gennemgås – især når fejl i et forslag først skal findes og forklares af vedligeholderne.
Resultaterne er vurderinger fra en undersøgelse, ikke en optælling af samtlige pull requests i alle open source-projekter. De peger dog på en konkret udfordring: AI kan gøre det lettere at udarbejde et bidrag uden samtidig at gøre det lettere at afgøre, om det er klar til at blive indarbejdet. 20
21
Googles beslutning viser, hvordan flere indsendelser kan påvirke sikkerhedsprogrammer. Den 1. oktober satte virksomheden nye indsendelser om produktsårbarheder til sit Open Source Software Vulnerability Reward Program på pause. Google henviste til flere automatiserede indsendelser, hvoraf langt de fleste ifølge virksomheden var ugyldige, og lovede en opdatering i første kvartal 2027. Pausen gjaldt indsendelser om produktsårbarheder til netop dette program – ikke alle Googles programmer for sikkerhedsbelønninger. 18
For open source-projekter peger erfaringerne på en afbalanceret tilgang: Gør forventningerne til bidrag tydelige, bed om dokumentation, der gør fejl mulige at genskabe, og efterspørg relevante tests. Automatisering kan hjælpe med den indledende sortering, men bør ikke erstatte menneskelig gennemgang. Det er praktiske konsekvenser af rapporteringen, ikke én fast opskrift. 1
18
21
AI kan gøre det hurtigere at skrive kode og finde mulige fejl. Men pålidelig software kræver stadig, at vedligeholderne har tid og støtte til at kontrollere det, der bliver sendt ind.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
AI kan hjælpe med at skrive kode og finde mulige fejl, men vedligeholderne skal stadig kontrollere resultaterne.
AI kan hjælpe med at skrive kode og finde mulige fejl, men vedligeholderne skal stadig kontrollere resultaterne. I en Linux Foundation undersøgelse blev 25 % af de indsendte ændringsforslag vurderet som lav kvalitet – blandt store projekter var andelen 31 %.