AI skriver nu 75% af Googles nye kode – den agentiske kodningsæra er begyndt

Det firedobbelte kapløb om agentisk kodning

Google: Gemini driver en intern revolution

Googles 75%-tal, annonceret af CEO Sundar Pichai ved Google Cloud Next 2026 i Las Vegas, er den mest opsigtsvækkende offentlige milepæl for, hvor hurtigt AI-genereret kode er skaleret inde i en stor ingeniørorganisation . Virksomhedens interne AI-kodningsmodeller, Gemini, er blevet integreret i mål for medarbejdernes præstationsevaluering – i fjerde kvartal af 2025 satte nogle afdelinger som mål, at 55% af kodeændringerne skulle være "Agent-Assisted", og i første halvår af 2026 forventes 65% af ingeniørerne i Googles 'creation org' at skrive mere end 75% af deres committede kode ved hjælp af AI . Virksomheden rapporterede også, at AI-assisterede kodemigrationer blev gennemført seks gange hurtigere, end det var tilfældet et år tidligere, når ingeniører arbejdede alene .

Microsoft: MAI-Code-1-Flash – En in-house udfordrer til GitHub Copilot

Den 2. juni 2026 præsenterede Microsoft ved deres Build-konference modellen MAI-Code-1-Flash . Det er en kodningsmodel med 5 milliarder aktive parametre, bygget fra bunden af Microsoft på licenseret data og uden nogen form for destillering fra OpenAI, Anthropic eller andre eksterne modeller . Modellen bruger en sparsom "Mixture-of-Experts"-arkitektur med i alt 137 milliarder parametre og et 256.000 tokens kontekstvindue. Den blev trænet fra marts til maj 2026 i GitHub Copilots produktionsmiljø – hvilket betyder, at modellen lærte på de samme virkelige udvikler-workflows, som den senere skulle betjene .

Resultatet er en model, der scorer 85,8% på Microsofts egen adversarielle kodningsbenchmark og cirka 51% på SWE-Bench Pro, hvor den overgår Anthropics Claude Haiku 4.5 med 16 procentpoint på sidstnævnte, samtidig med at den bruger op til 60% færre tokens på komplekse opgaver . Udrulningen af MAI-Code-1-Flash til brugere af GitHub Copilot i Visual Studio Code begyndte den 2. juni på tværs af Free-, Pro-, Pro+- og Max-planer, og tredjepartsadgang er mulig via Fireworks AI, Baseten og OpenRouter .

OpenAI: Codex bliver et multi-agent kommandocenter

OpenAI lancerede Codex i april 2025 som en cloud-baseret softwareingeniøragent, der kan arbejde på mange opgaver parallelt . I april 2026 havde platformen over 4 millioner ugentlige aktive brugere . Platformen er siden blevet udvidet til en familie af modeller og grænseflader, der spænder over en app, CLI, IDE-udvidelser og cloud, som gensidigt forstærker hinanden .

Nøglemilepæle i Codex' udvikling:

• GPT-5.2-Codex (december 2025) — optimeret til agentisk kodning og defensiv cybersikkerhed med forbedret håndtering af langstrakte opgaver og bedre understøttelse af Windows-miljøer .
• GPT-5.3-Codex (februar 2026) — 25% hurtigere, der kombinerer frontlinje-kodningsevner med bredere ræsonnement og professionel viden, positioneret som et skridt mod en fuldgyldig "arbejd-på-en-computer"-agent .
• Codex desktop-app (februar/marts 2026) — et "kommandocenter" til at styre flere parallelle agenter på macOS og Windows .
• Codex Security (marts 2026) — en applikationssikkerhedsagent designet til at identificere og udbedre softwaresårbarheder .
• GPT-5.5 i Codex (maj 2026) — den nyeste frontlinjemodel til kompleks kodning, computerbrug, vidensarbejde og forsknings-workflows .

Codex er blevet en produktionsklar infrastruktur, som udviklere beskriver som fundamentalt ændrende for, hvordan de bygger software .

Anthropic: Claude Code – Fra forsknings-preview til et 2,5 milliarder dollars-produkt

Anthropics Claude Code, der blev lanceret ved Code with Claude 2025, har haft den mest dramatiske kommercielle kurve på AI-kodningsmarkedet. Produktet rundede 500 millioner dollars i årlig, omsætningsvægtet omsætning inden for få måneder efter lanceringen i maj 2025, nåede 1 milliard i slutningen af 2025 og oversteg 2,5 milliarder i februar 2026 – en hastighed, der endda overgik den tidlige adoption af ChatGPT . Anthropics samlede omsætning voksede fra cirka 9 milliarder dollars i slutningen af 2025 til mere end 30 milliarder i foråret 2026, primært drevet af Claude Code .

Ser man på tallene, er Claude Codes rækkevidde bemærkelsesværdig :

• Står for 4% af alle offentlige commits på GitHub med en forventning om at nå over 20% af de daglige commits inden udgangen af 2026.
• 80% eller flere af Anthropics egne ingeniører bruger det dagligt.
• Opnåede en "mest elskede"-bedømmelse på 46% blandt udviklere i Pragmatic Engineer-undersøgelsen (15.000 respondenter), langt foran Cursor (19%) og GitHub Copilot (9%).
• Ved Code with Claude 2026 (6. maj) annoncerede Anthropic 'Managed Agents' og dybere integrationer med GitHub, Vercel, Datadog og Bun .

Den 28. maj 2026 udgav Anthropic Claude Opus 4.8 — en hybrid ræsonneringsmodel med et kontekstvindue på 1 million tokens, der flytter grænserne for langvarige agentopgaver. Anthropic rapporterer, at den er cirka fire gange mindre tilbøjelig end Opus 4.7 til at lade fejl i sin egen kode passere ubemærket .

Hvordan ingeniørens rolle ændrer sig

Skiftet fra at skrive kode til at supervisere agenter er ikke en fjern forudsigelse – det er den nuværende arbejdsmodel i verdens største softwareorganisationer. Googles ingeniører, forklarede Pichai, fungerer i stigende grad som korrekturlæsere og orkestratorer snarere end linje-for-linje-kodere og bruger AI-agenter, der planlægger, skriver, tester og eksekverer komplekse opgaver .

Anthropics "2026 Agentic Coding Trends Report" beskrev transformationen klart: I 2025 rykkede kodningsagenter fra at være eksperimentelle værktøjer til at være produktionssystemer, der leverer rigtige features til rigtige kunder. AI håndterer nu hele implementerings-workflows – at skrive tests, debugge fejl, generere dokumentation og navigere i stadigt mere komplekse kodebaser. Rapporten forudsiger, at enkeltstående agenter snart vil blive til koordinerede teams af agenter, og opgaver, der tidligere tog timer eller dage, vil blive udført med minimal menneskelig indgriben .

Denne omdefinering af ingeniørrollen viser sig på tværs af de store platforme:

• OpenAIs Codex understøtter nu parallel agent-eksekvering, så udviklere kan delegere langvarigt arbejde til flere agenter samtidigt og gennemgå deres output i en samlet grænseflade .
• Anthropic introducerede auto-tilstand til Claude Code den 24. marts 2026, hvilket lader agenten selvstændigt beslutte, hvilke handlinger der er sikre at udføre med indbyggede AI-sikkerhedsforanstaltninger, der gennemgår hver handling før eksekvering .
• Microsofts MAI-Code-1-Flash blev trænet i GitHub Copilots produktionsmiljø – et designvalg, der betyder, at modellen lærte ægte agentiske kodnings-workflows og ikke blot isoleret kodegenerering .

Produktivitetsgevinsterne er dramatiske. Claude Code demonstrerede evnen til at designe et komplekst distribueret system på én time – et arbejde, som rapporten hævdede, at et Google-projekt tidligere havde taget et helt år om . Microsoft hævder, at MAI-Code-1-Flash bruger op til 60% færre tokens på komplekse opgaver sammenlignet med tilsvarende modeller .

Arbejdsmarkedet: Todelt, ikke udslettet

I spørgsmålet blev der refereret til specifikke arbejdsmarkedstal – en stigning på 30% i amerikanske ingeniørjobopslag og et fald på næsten 20% i beskæftigelsen for udviklere i alderen 22-25 år. Disse præcise tal kunne ikke verificeres uafhængigt i kildematerialet. Den tilgængelige dokumentation tegner dog et konsistent billede af en profession, der er under opdeling snarere end kollaps.

Stigende efterspørgsel i toppen

Anthropics trendrapport fastslår, at virksomheder ansætter flere ingeniører, ikke færre, da AI muliggør hurtigere levering og mere værdiskabende arbejde . Efterspørgslen flytter sig mod erfarne ingeniører, der kan designe systemarkitektur, gennemgå AI-genereret output og træffe beslutninger på højt niveau. Hos Google tyder de interne mål for agent-assisterede kodeændringer kombineret med meldingen om, at antallet af ingeniører fortsætter med at vokse, på, at AI bruges til at forstærke output snarere end til at erstatte ingeniører direkte .

Erfaringskløften for juniorudviklere

Den mest påtrængende bekymring i kildematerialet er, hvad der sker med ingeniører tidligt i karrieren. Juniorudviklere har traditionelt opbygget deres færdigheder gennem rutineprægede kodningsopgaver – at rette bugs, skrive tests og implementere ligefremme features. Det er netop disse opgaver, der nu lettest opsuges af AI-agenter. Flere kilder beskriver dette som et "erfaringskløft"-problem: Hvis AI håndterer kodningsarbejdet på begynderniveau, hvordan lærer nye ingeniører så at blive erfarne nok ?

Ingen kilde i materialet giver en verificeret løsning på denne udfordring. Implikationen er, at professionen vil have brug for nye uddannelsesforløb, mentorskabsstrukturer og en omdefineret karrierestige – men disse ændringer er man stadig ved at finde ud af.

Hvad det næste bliver

Retningen er entydig. Google gik fra 25% AI-genereret kode til 75% på atten måneder. Claude Code gik fra nul til 2,5 milliarder dollars i årlig, omsætningsvægtet omsætning på under et år. OpenAIs Codex voksede fra en single-agent CLI til en multi-agent-platform, der spænder over desktop, cloud og IDE i nogenlunde samme periode .

De ubesvarede spørgsmål handler ikke om, hvorvidt AI-kodningsagenter vil fortsætte med at forbedre sig – det vil de – men om, hvordan ingeniørorganisationer, uddannelsesinstitutioner og individuelle udviklere vil tilpasse sig en profession, hvor dét at skrive kode i stigende grad varetages af maskiner, og den menneskelige rolle er at styre, gennemgå og beslutte, hvad der skal bygges.