För några år sedan såg en vanlig utvecklingsdag för Mikael Grön på Elastx ungefär ut som den gjort för många utvecklare. VS Code på skärmen, kodbasen lokalt på datorn och en testmiljö bredvid. Skriva kod, spara, testa, felsöka och diskutera lösningar med kollegorna. – Man behövde i stort sett ha hela kodbasen i huvudet. Veta exakt hur allt fungerade. Det krävde allt fokus, annars fick man inget gjort, säger Mikael. Idag ser det helt annorlunda ut. Mikael skriver inte längre någon kod själv. – Jag har bokstavligt talat inte skrivit en rad kod sedan i mars. Alls.
I stället arbetar han med AI-agenter som skriver, testar, granskar och förbättrar kod och som också kan samarbeta med varandra. Mikael beskriver sin egen resa som att han först var programmerare, sedan programmerare med autocomplete och därefter programmerare med en code review-kompis i en chatt.
– Sedan blev jag ganska snabbt en mellanchef, när jag satt och berättade för mina ”anställda” vad de skulle göra. Nu är jag snarare en mellanchef med en mellanchef under mig.
Det är sagt med glimten i ögat, men beskriver samtidigt ganska väl hur hans arbete har förändrats på kort tid.
Från autocomplete till agenter
De första stegen var ganska enkla. Autocomplete i VS Code följdes av ChatGPT som bollplank. Mikael kunde klistra in kod, fråga varför något inte fungerade, få ett förslag tillbaka och testa igen.
– Ibland fick man göra det tio gånger fram och tillbaka innan det fungerade.
När Claude Opus 4.5 kom i slutet av 2025 tog utvecklingen ytterligare fart. Mikael började själv använda Claude i slutet av januari och gick snabbt från att använda AI som assistent till att låta agenter göra allt större delar av utvecklingsarbetet.
Men det skapade också ett nytt problem. När AI skrev allt mer kod behövde Mikael i stället lägga mer tid på att läsa kod som någon annan, eller snarare något annat, hade skrivit.
– I stället för att sitta och skriva all kod får man sitta och läsa all kod. Och det är jobbigare.
När man skriver kod själv bygger man samtidigt upp en förståelse för den. När AI producerar koden behöver kontrollen därför skapas på andra sätt. För Mikael har tester, reviews och verifiering blivit en central del av arbetssättet.
En agent kan göra en förändring, köra tester, upptäcka att något gått sönder, korrigera koden och testa igen. I webbutvecklingen används även visuella tester där AI kan analysera screenshots och hitta problem med exempelvis layout och läsbarhet.
– AI kan göra fel, men det kommer inte ut.
Det mänskliga ansvaret försvinner däremot inte.
– Om jag skriver och läser koden själv så är jag ansvarig. När jag säger till AI att göra något kan det kännas som att det ansvaret försvinner. Men det är fortfarande mitt ansvar.
Från en månad till en dag
Elastx.se är ett konkret exempel på hur stor skillnaden kan bli. Tidigare kunde en förändring innebära flera dagars arbete med kod, testning, diskussioner och refaktorisering. Idag kan processen börja med en ticket eller feedback direkt från webbplatsen och därefter tas vidare av agenter som arbetar med kod, tester, visuell kontroll och reviews.
Det betyder inte att allt automatiskt går ut i produktion. Elastx.se har fortfarande review- och releaseprocesser som bromsar flödet där det behövs. Men skillnaden i hur mycket som kan göras är stor.
– Hela den pipeline som vi kanske producerade på en månad tidigare kan vi göra på en dag idag. Och det är nog i underkant.
Mer än en coding assistant
Att använda en AI-assistent för programmering är i sig inte särskilt unikt längre. En utvecklare kan installera Claude Code eller liknande verktyg och komma långt på egen hand. På Elastx har frågan därför allt mer blivit hur man bygger en miljö runt modellerna som gör det möjligt att arbeta agentbaserat på ett säkert och skalbart sätt.
En viktig del i det arbetet är det som internt kallas Boxen. Där arbetar agenterna i isolerade sandlådor i stället för direkt på medarbetarnas datorer. Det skapar en mer kontrollerad miljö, men gör det också möjligt att ge agenterna tillgång till gemensamma resurser och låta verktyg som en person utvecklar bli tillgängliga för fler.
Agenterna kan exempelvis få tillgång till information om Elastx infrastruktur och kodbaser och till dokumentation för den öppna mjukvara som plattformen bygger på, som OpenStack och Kubernetes.
– Vi får en distribuerad men gemensam arbetsplats för AI-understött arbete, säger Mikael.
Boxen gör det också möjligt för agenter att arbeta tillsammans över olika kodbaser. Mikael beskriver hur han kan starta en chatt med två kodagenter som ansvarar för varsin kodbas och ge dem en gemensam uppgift med en enda instruktion. Därifrån kan de själva dela upp arbetet, diskutera beroenden och komma överens om hur problemet ska lösas.
– De pratar med varandra och modellerna har visat sig väldigt duktiga på att dela upp arbete, kommunicera behov och lösningar och snabbt reda ut konstigheter. Det är otroligt att se.
Claude, Kimi och GLM sida vid sida
Samtidigt har Elastx arbetat med modellerna som agenterna använder. När bolaget började utveckla AI as a Service blev det snabbt tydligt att de mindre öppna modeller som då fanns tillgängliga inte räckte till för mer komplexa uppgifter som programmering.
Det har förändrats snabbt. Idag kör Elastx bland annat Kimi och GLM på egen hårdvara. De används flitigt i den interna sandboxmiljön och i andra AI-tjänster som Elxa, vår AI-assistent som bygger på Elastx produkter och dokumentation, samtidigt som Claude fortfarande är en viktig och mycket använd modell.
Poängen är alltså inte att välja bort Claude. Det handlar snarare om att inte bygga hela arbetssättet runt en enda modell eller leverantör.
– Även om vi fortfarande använder Anthropic tar de öppna modellerna i stadig takt över mer och mer av vår interna AI-last, säger Mikael.
För Elastx innebär det större frihet att välja modell efter behov och ett minskat beroende av enskilda AI-leverantörers prissättning, tillgänglighet och utveckling. Det ger också möjlighet att köra allt större delar av AI-arbetet på den egna infrastrukturen.
Utvecklaren finns kvar, men jobbet ser annorlunda ut
Att Mikael inte har skrivit en rad kod sedan mars betyder inte att han har slutat utveckla. Någon måste fortfarande förstå problemet, formulera kraven och avgöra vad som ska byggas. Och någon måste bestämma hur agenterna ska arbeta.
Mikael beskriver det som en balans mellan vad som ska ligga i instruktioner, vad som ska byggas som verktyg och vilka delar av processen som behöver styras hårt. Andra delar fungerar bättre när agenterna får större frihet att själva hitta vägen fram.
Det är kunskap som inte kommit från en färdig manual. Arbetssättet har vuxit fram genom experimenterande, misstag och Mikaels tidigare erfarenheter som utvecklare.
Samtidigt börjar fler på Elastx använda den agentbaserade miljön. När verktygen flyttar från utvecklare till exempelvis Ops och Business Development uppstår nya frågor. Ett gränssnitt som känns självklart för en utvecklare behöver inte göra det för någon annan. Mikael konstaterar att det i grunden är ett klassiskt UX-problem: att göra något enkelt att använda utan att samtidigt ta bort det som gör verktyget kraftfullt.
Erfarenheterna från det interna arbetet ligger också till grund för Elastx Code, arbetsnamnet på den AI-baserade utvecklingsmiljö som Elastx nu arbetar med.
I nästa del av denna artikelserie tittar vi närmare på varför Elastx vill bygga den här typen av AI-infrastruktur under egen kontroll och vad open source, valfrihet och digital suveränitet betyder när AI blir en del av själva utvecklingsmiljön.