Hvordan AI-kodningsagenter lærer at estimere bedre

Husker du, da din AI-assistent sagde, at en funktion kun ville tage to timer – og så blev det hele seks? Det er ikke bare dig. AI-værktøjer er blevet utroligt gode til at skrive kode, men de halter stadig bagefter, når det gælder at vurdere, hvor lang tid noget faktisk tager.

Estimering er stadig et svagt punkt

Når du starter et nyt projekt eller kobler en autonom kodningsagent på din arbejdsgang, er det sjældent spørgsmålet "kan den kode?" der volder problemer. Det er spørgsmålet "hvornår er den færdig?" der giver grå hår.

Traditionel projektstyring bygger på menneskelig erfaring og historik. AI-agenter har brug for noget mere systematisk – en måde at håndtere usikkerhed og ukendte faktorer på. Det er her, det nye open source-projekt Agent-Estimate kommer ind i billedet.

Tre forskellige metoder i ét værktøj

Det, der gør Agent-Estimate interessant, er at det ikke satser på én enkelt metode. I stedet kombineres flere tilgange, så estimaterne bliver mere robuste.

PERT-metoden

PERT er en klassisk teknik, der ikke bare spørger "hvor lang tid tager det?", men i stedet inddrager tre scenarier: det bedste, det mest sandsynlige og det værste. På den måde får du en vægtet gennemsnitsværdi, der ligger tættere på virkeligheden. For AI-agenter er det en praktisk måde at udtrykke, hvor sikker de er på deres vurdering.

METR-scoring

METR går ind og bryder opgaven op i mindre komponenter. AI-agenter er særligt stærke til at lave den slags nedbrydning, og når hver del vurderes individuelt, bliver det samlede estimat mere præcist. Det er en bottom-up-tilgang, som ofte fungerer bedre end at gætte på det store hele.

Wave planning

I stedet for at forsøge at estimere et helt projekt på én gang, arbejder man i faser. Det passer godt til agile metoder og giver AI-agenterne mulighed til at justere deres vurderinger løbende, mens de lærer mere om koden og kravene.

Hvorfor det betyder noget for dig

Hvis du kører dit projekt på en cloud-infrastruktur og briver med AI-assisteret udvikling, wirk

Hvorfor det betyder noget for dig

Hvis du kører dit projekt på en cloud-infrastruktur og bruger AI-assisteret udvikling, påvirker bedre estimering direkte din pipeline. Realistiske tidsplaner betyder, at CI/CD-processen ikke står og venter på kode, der stadig er under udvikling. Det gør også ressourceplanlægningen på din VPS lettere – og det gør det muligt at koordinere sprintene med både mennesker og agents.

Fordelene ved open source

Agent-Estimate er open source. Det betyder, at du kan gennemskue, hvordan estimaterne regnes ud, og at du kan tilpasse værktøjet til din egen arbejdsgang. Desuden er det muligt at integrere det i din eksisterende CI/CD-pipeline, uanset hvilken hosting du bruger.

Sådan fungerer det i praksis

Forestil dig, at din team har en ny feature. Du tilføjer de krav, du har, til en AI-agent, der er udstyret med Agent-Estimate. Agenten deler opgaven op, giver estimater med usikkerhedsinterval og bryder det hele i faser. Du får så en realistisk tidsplan med klart markerede områder, hvor man kan forvente variation.

Hvad det betyder bredere

AI-kodningsagenter er på vej fra "hjælpsomt værktøj" til "teammedlem". Men teammedlemmer skal be

Hvad det betyder bredere

AI-kodningsagenter er på vej fra "hjælpsomt værktøj" til "teammedlem". Men teammedlemmer skal være reliable