Hvordan AI-kodningsagenter kan bevise deres arbejde

AI-værktøjer til kodning bliver stadig mere avancerede. De kan skrive funktioner, modernisere gammel kode og endda designe hele systemer. Men ét stort spørgsmål står tilbage: Hvordan ved du, at arbejdet faktisk er udført korrekt?

Traditionel kodegennemgang er nyttig, men den kommer først efter, at AI-agenten allerede har erklæret opgaven færdig. Det er reaktivt. Mange udviklere drømmer derfor om en måde, hvor AI selv kan dokumentere og bevise, at koden lever op til kravene.

Problemerne ved den nuværende tilgang

I dag er det ofte dig som udvikler, der skal vurdere, om AI'ens kode er god. Det skaber flere udfordringer:

• Ingen fælles definition af, hvornår noget er "færdigt"
• Bevis for, at koden opfylder kravene, gemmer sig ofte kun i commit-beskeder
• Hver opgave kræver manuel kontrol på mange niveauer
• Når flere AI-agenter arbejder samtidig, bliver det hurtigt uoverskueligt

En ny tilgang: Verificerbare protokoller

Nogle udviklere eksperimenterer nu med systemer, hvor AI-agenter ikke bare skriver kode, بل bliver de også laver dokumentation, der beviser, at kravene er opfyldt. Disse systemer er ofte repo-lokale, dvs. at alt foregår inden for dit eget projekt.

Hvad er anderledes ved disse protokoller?

De introducerer flere nye elementer:

Machine-readable contracts: Kravene er ikke længere kun i Jira eller ticket-systemer. De er skrevet på en måde, at koden kan testes direkte mod dem.

Flere roller: Som i blockchain, hvor flere validatorer godkender, kan flere agents eller processer verificere forskellige dele – sikkerhed, performance, business logic.

Proof artifacts: Når arbejdet er færdig, er ikke just code, data er generated. Testresultater, coverage reports, krav-mapping og logbog over beslutninger bliver lagret i repo'en.

Evidence-backed claims: Fra "feature complete" til "feature complete because" – hvor specifikke tal og reports kon