KI-verktøy for koding kan presse sammen karrierestigen for nyutdannede

KI-assistenter for programmering kan gjøre utviklere raskere uten at det automatisk gjør programvareteam – eller karriereveier – sterkere. Den voksende bekymringen er ikke at et bestemt verktøy nødvendigvis lager dårlig kode. Den er at virksomheter kan bruke automatisering til å redusere rutinearbeidet som juniorer tradisjonelt har lært gjennom, samtidig som behovet samles hos erfarne folk som kan definere krav, kvalitetssikre resultatene, teste systemer og håndtere avveininger.

Dette mønsteret passer med nyere arbeidsmarkedsforskning. Det er likevel ikke et bevis på at Cursor, GitHub Copilot eller Claude Code har forårsaket nedgangen i muligheter for juniorer.

Forskningen viser en dreining mot seniorer

En studie fra Stanford og King's College London analyserte 1,25 milliarder stillingsannonser og 154 millioner arbeidsforhold i 41 land. En instrumentbasert analyse fant at KI-adopterende selskaper reduserte juniorenes andel av arbeidsstyrken sammenlignet med tilsvarende selskaper, først og fremst fordi seniorbemanningen vokste. Studien fant også indikasjoner på moderat samlet sysselsettingsvekst. 33

Rapporterte femårsestimater knyttet til studien viser at senior sysselsetting i KI-adopterende virksomheter var 6,7 prosent høyere, junior sysselsetting 3 prosent lavere, og juniorenes andel av arbeidsstyrken 1,9 prosentpoeng lavere. 37 Det sentrale er at funnene beskriver en endret sammensetning av arbeidsstyrken, ikke en enkel fortelling om at KI ødelegger jobber i hele økonomien.

En separat lønnsdataanalyse fra Stanford finner et lignende skille for folk tidlig i arbeidslivet. Sysselsettingen blant arbeidstakere i alderen 22–25 år i yrker med høy KI-eksponering var rundt 19 prosent lavere enn den ville vært dersom den hadde holdt tritt med jevnaldrende i mindre KI-eksponerte yrker. Erfarne arbeidstakere hadde ikke et tilsvarende gap. 12 Dette er et relativt etterslep, ikke bevis for at KI direkte har fjernet 19 prosent av jobbene.

Hvorfor kodeverktøy med KI passer inn i bildet – uten å være dokumentert årsak

Chamath Palihapitiya har omtalt de ledende KI-verktøyene for koding som «single-player»-systemer: De er gode til å øke farten til den enkelte utvikleren, men mindre egnet til å håndtere samarbeidsarbeidet rundt arkitektur, kravspesifikasjon, etterlevelse, kodegjennomgang, tilbakeføringer, evaluering etter hendelser og opplæring. Han mener slike verktøy kan gi «2–5x» individuell produktivitet, men understreker at pålitelig programvareutvikling avhenger av samordning mellom mange mennesker og beslutninger. 30

Det er en nyttig ramme for et reelt organisasjonsspørsmål. Hvis et lite team av erfarne utviklere kan produsere, kontrollere og integrere mer kode med KI, kan bedriften vurdere at den trenger færre juniorer til rutinepregede implementeringsoppgaver. Samtidig blir arbeidet som står igjen, mer avhengig av skjønn:

• å oversette uklare brukerbehov til tekniske krav;
• å oppdage feil eller sikkerhetssvakheter i KI-generert kode;
• å utforme tester og tolke feil;
• å vurdere endringer i sammenheng med et større system; og
• å avgjøre når noe ikke bør automatiseres eller settes i produksjon.

Dette er plausible mekanismer, ikke produktspesifikke årsaksfunn. Arbeidsmarkedsstudiene måler KI-adopsjon og KI-eksponering bredt; de isolerer ikke effekten av Cursor, Copilot, Claude Code eller andre kodeassistenter. De slår heller ikke fast at bruk av slike verktøy i seg selv fører til kode av dårlig kvalitet.

Problemet med inngangen til yrket

Inngangsroller har tradisjonelt hatt to funksjoner: De tilfører kapasitet, og de gir strukturert erfaring med reelt utviklingsarbeid. Juniorer lærer gjennom kodegjennomganger, feilsøking, oppfølging av hendelser, observasjon av designbeslutninger og tilbakemeldinger fra mer erfarne kolleger.

Når rutineoppgaver automatiseres, kan virksomheter uforvarende fjerne det nederste trinnet på denne karrierestigen. Kandidater blir da bedt om å demonstrere skjønnsevnen som nettopp de første jobbene var ment å bygge opp.

Ansettelseskravene kan allerede være på vei i den retningen. Verdens økonomiske forum, med henvisning til PwC-forskning, opplyser at de mest KI-eksponerte juniorrollene har sju ganger så stor sannsynlighet som de minst eksponerte for å kreve ferdigheter som tidligere ble forbundet med seniorstillinger, blant annet ledelse. 12 Det kan skape en sirkel: Søkeren trenger erfaring for å få jobben som tidligere ga erfaringen.

For utviklingsteam handler dette ikke bare om rettferdighet. En langvarig nedgang i veiledede muligheter tidlig i karrieren kan på sikt begrense tilgangen på utviklere som kan vokse inn i seniorroller. Den kortsiktige produktivitetsgevinsten kan dermed gi en svakere rekrutteringsbase i framtiden.

Hvorfor ulikheten kan øke

En dreining som favoriserer senioritet, belønner arbeidstakere som allerede har erfaring, virksomhetskontekst og tilgang til god kvalitetssikring. Nykommere har mindre av alt dette.

Det relative sysselsettingsgapet på 19 prosent for 22–25-åringer i yrker med høy KI-eksponering er derfor betydningsfullt, selv om det ikke beviser direkte fortrengning. 12 Det tyder på at unge arbeidstakere ikke får like stor del i mulighetene i KI-eksponerte felt. Personer uten sterke faglige nettverk, svært etterspurte kvalifikasjoner eller tilgang til mentorer kan få særlig vanskelig for å komme over den nye erfaringsterskelen.

Risikoen er et arbeidsmarked delt mellom dem som kan styre og validere KI-systemer, og dem det forventes at allerede kan gjøre nettopp dette før de får sin første sjanse.

Hva arbeidsgivere kan gjøre

Alternativet er ikke å bevare repetitivt arbeid bare for å bevare det. Det er å utforme juniorroller på nytt, slik at KI styrker læring og kompetanse i stedet for bare å fjerne anledningen til å lære.

Behold veiledet produksjonsarbeid i løypa

Arbeidsgivere kan opprettholde betalte lærling- og traineeordninger, graduate-programmer og juniorroller med et tydelig ansvar for veiledning. Målet bør være dokumenterbar utvikling – fra smale oppgaver under gjennomgang til bredere ansvar – og ikke bare billig produksjonskapasitet.

Vurder skjønn, ikke bare resultatet av en prompt

Ansettelser og prestasjonsvurderinger med KI bør teste om kandidaten kan avgrense et problem, forklare generert kode, skrive eller forbedre tester, identifisere feilmoduser og håndtere spørsmål om sikkerhet og driftssikkerhet. Rask kodegenerering er ikke det samme som utviklerkompetanse.

Bygg KI inn i gode kontrollrutiner

Team bør bruke sporbarhet, menneskelig gjennomgang, testing og tydelig eierskap for KI-assisterte endringer. Dette kan gjøre KI til et læringsverktøy: Juniorer kan sammenligne foreslåtte løsninger, undersøke feil og få tilbakemelding på hvorfor én implementering er tryggere eller enklere å vedlikeholde enn en annen.

Mål arbeidsstyrken, ikke bare produktiviteten

Ledelsen bør følge med på junioransettelser, opprykk, opplæringstid, turnover og hvordan oppgaver fordeles mellom erfaringsnivåer – ikke bare leverte funksjoner eller mengden kode. Et produktivitetsprogram som øker leveransen, men svekker talenttilgangen, kan skape en langsiktig driftsrisiko.

Politikk som sikrer tilgang til erfaring

Myndighetene kan bidra til å bevare overgangen fra utdanning til arbeidsliv uten å bremse teknologibruk. Aktuelle tiltak kan være medfinansierte lærling- og traineeordninger, lønnstilskudd knyttet til veiledet kompetanseutvikling, flyttbar støtte til opplæring og formidlingstjenester for unge arbeidstakere i yrker med høy KI-eksponering.

Offentlige innkjøpere og myndigheter kan også oppmuntre til en bruk som først og fremst forsterker menneskelig arbeid: KI som øker juniorers kapasitet under ansvarlig menneskelig oppfølging, fremfor strategier der junioransettelser blir den første kostnaden som kuttes.

Konklusjon

KI-verktøy for koding kan endre bemanningen i programvareteam ved å gjøre erfarne utviklere mer produktive og redusere det økonomiske behovet for enkelte rutinepregede junioroppgaver. Den internasjonale forskningen gir grunn til bekymring for en tydeligere dreining mot seniorer: KI-adopterende selskaper øker seniorbemanningen, mens juniorenes relative plass i arbeidsstyrken blir mindre. 3337

Men dokumentasjonen viser ikke at ett enkelt kodeverktøy har forårsaket utviklingen, og den fastslår heller ikke at KI-generert kode nødvendigvis er av lav kvalitet. Hovedspørsmålet er organisatorisk: Om selskaper bruker KI til å fjerne arbeidet der nykommere lærer faglig skjønn, eller til å skape en raskere og bedre veiledet vei fram til den samme kompetansen.