Tre uafhængige undersøgelser offentliggjort i løbet af september 2026 tegner det samme billede fra hver sin vinkel: AI skriver nu en markant del af koden i softwarevirksomheder verden over, men regningen for tempoet begynder at komme ind. En analyse af mere end 300.000 commits fandt 484.366 fejl i kode med AI-fingeraftryk. Samtidig viser en undersøgelse fra BairesDev, at andelen af udviklere, der lader AI skrive halvdelen eller mere af deres kode, er tredoblet på et år. Og ifølge tal citeret fra Stanford-forskning er beskæftigelsen for udviklere mellem 22 og 25 år faldet med næsten 20 procent siden ChatGPT’s debut.
Det er ikke længere et spørgsmål om, hvorvidt AI hører hjemme i kodebasen. Det spørgsmål er afgjort. Det nye spørgsmål handler om, hvem der betaler prisen, når hastighed vinder over kvalitet, og hvem der opdager fejlene, før de rammer produktion.
Fra eksperiment til standard: AI æder sig ind i kodebaserne
For bare to år siden var AI-kodeassistenter et supplement, som nogle udviklere brugte til autofuldførelse. I dag er billedet et helt andet. Ifølge JetBrains’ State of Developer Ecosystem-undersøgelse for 2026, offentliggjort 15.-17. september og baseret på svar fra over 15.000 professionelle udviklere, brugte 90 procent AI-kodeagenter mindst ugentligt i perioden maj til juli 2026. 68 procent brugte dem dagligt.
Det tal dækker over en stor spredning i, hvor meget udviklerne reelt overlader til maskinen. Nogle bruger AI til at generere boilerplate-kode og enkle funktioner. Andre lader agenter skrive hele moduler uden linje-for-linje gennemsyn. Den forskel viser sig at have store konsekvenser, når man kigger på de tal, der er kommet frem om kodekvalitet og sikkerhed i samme periode.
BairesDev: andelen af AI-skrevet kode tredobles på et år
En undersøgelse fra BairesDev blandt 705 udviklere, offentliggjort 21. september 2026, viser den mest markante udvikling. Andelen af udviklere, der lader AI skrive halvdelen eller mere af deres kode, steg fra 12 procent til 42 procent på et enkelt år. Det er ikke en gradvis stigning. Det er et skifte i, hvordan software bliver produceret.
Men den samme undersøgelse afslører, at arbejdsbyrden ikke er forsvundet, den har bare flyttet sig. 67 procent af de adspurgte brugte mere tid på at gennemgå AI-genereret output end tidligere. 52 procent brugte mere tid på at fejlfinde problemer, som AI selv havde introduceret. Med andre ord: udviklerne skriver mindre kode, men bruger mere tid på at rydde op efter den kode, de ikke selv skrev.
Det billede går igen i rapportering fra WebProNews, som understreger, at den tid, virksomhederne håbede at spare på kodeproduktion, i høj grad er blevet flyttet over i kodegennemgang i stedet for at forsvinde.
484.000 fejl i 300.000 commits: prisen for farten
Det mest konkrete tal i hele historien kommer fra en uafhængig analyse af mere end 6.000 offentlige repositories og over 300.000 commits, der bar spor af kendte AI-kodeassistenter. Analysen, som blev opsummeret i medierne i september 2026, fandt 484.366 fejl fordelt på tværs af de gennemgåede commits.
89,3 procent af disse fejl blev klassificeret som kodelugt, altså strukturelle problemer, der ikke nødvendigvis bryder noget med det samme, men som gør koden svær at vedligeholde og øger risikoen for fremtidige bugs. Mere alvorligt: over 15 procent af commits fra hver af de store AI-assistenter introducerede mindst ét problem. Og 22,7 procent af de AI-introducerede fejl var stadig til stede i den seneste version af koden, altså problemer der aldrig blev rettet.
Det tal, 22,7 procent, er kernen i det, flere branchefolk nu kalder en voksende teknisk gæld. Fejlene forsvinder ikke af sig selv. De ligger og venter, indtil nogen støder ind i dem, ofte for sent til at rette dem billigt.
Veracode-testen: kun 56 procent bestod sikkerhedstjekket
Sikkerhedsfirmaet Veracode gennemførte i sommeren 2026 en test af 11 frontier-modeller på tværs af 80 forskellige kodningsopgaver. Den gennemsnitlige sikkerheds-pass rate landede på 56 procent. Det betyder, at næsten halvdelen af de testede opgaver resulterede i kode med en kendt sårbarhedstype, uanset hvilken af de store modeller der blev brugt. Det ligger i forlængelse af tidligere fund om, at Copilot og Claude Code også har fået rettet flere CVE’er i usikker AI-genereret kode tidligere i 2026.
Det er værd at holde det tal op mod, hvor hurtigt disse modeller er blevet en fast del af arbejdsgangen hos softwarevirksomheder. Når 9 ud af 10 udviklere bruger værktøjerne ugentligt, og under 6 ud af 10 forsøg består et grundlæggende sikkerhedstjek, opstår der et gab mellem tempo og kontrol, som de fleste organisationer endnu ikke har lukket.
Et typisk eksempel på den type sårbarhed, som sikkerhedsforskere ofte støder på i hurtigt genereret kode, er manglende input-validering ved databasekald. Nedenfor er et forenklet, illustrativt eksempel på mønsteret, som revisorer typisk flager i kodegennemgang:
// Typisk AI-foreslået, sårbart mønster
const query = `SELECT * FROM users WHERE id = ${userId}`;
db.execute(query);
// Sikker version efter menneskelig gennemgang
const query = 'SELECT * FROM users WHERE id = ?';
db.execute(query, [userId]);Mønstret er ikke nyt i sig selv. Det, der er nyt, er hastigheden og volumen, hvormed den slags kode nu bliver foreslået, accepteret og merget, ofte uden at nogen stopper op og stiller spørgsmål ved det. Tidligere i 2026 udnyttede angrebskæden bag GhostSplice netop den type svaghed i AI-kodeassistenters MCP-integrationer, hvor nøgler blev lækket i 82 procent af de testede tilfælde.
CodeRabbit: AI-medforfattet kode har 70 procent flere problemer
Kodegennemgangsplatformen CodeRabbit har analyseret rigtige pull requests på GitHub og sammenlignet AI-medforfattede ændringer med rent menneskeskrevne ændringer. Resultatet: AI-medforfattede pull requests havde 1,7 gange så mange problemer som dem, der udelukkende var skrevet af mennesker. På læsbarhed var forskellen endnu større, med over tre gange så mange problemer i den AI-medforfattede kode.
Det er en vigtig detalje, fordi den flytter fokus fra spørgsmålet “kan AI skrive kode, der virker” til det langt mere praktiske spørgsmål “kan et team forstå og vedligeholde koden om seks måneder”. Kode, der virker i dag, men som ingen forstår om et halvt år, er ikke en gevinst. Det er udskudt arbejde. Samme mønster gik igen, da JetBrains’ egen kodeagent Junie faldt fra en førsteplads til en sjetteplads i SWE-rebench, netop fordi benchmarks, der kun måler om koden virker, ikke fanger vedligeholdelsesproblemer.
Techreviewer: 90 procent af virksomhederne ser en bagside
Techreviewer.co offentliggjorde 10. september 2026 en undersøgelse blandt 127 softwarevirksomheder. 89 procent brugte allerede AI til at skrive kode. Men 90 procent af de samme virksomheder rapporterede mindst én konkret ulempe ved brugen.
De hyppigste problemer var: hallucinerede eller decideret forkerte forslag (52,8 procent), øget arbejdsbyrde i kodegennemgang (44,1 procent), sikkerheds- og sårbarhedsproblemer (33,1 procent) samt overafhængighed og kompetencetab blandt junior-udviklere (37,0 procent). Databeskyttelse og sikkerhed blev peget ud som den største implementeringsudfordring af 58,3 procent af virksomhederne. Og 15,0 procent havde slet ingen formel strategi for, hvordan medarbejderne skulle trænes i at bruge værktøjerne ansvarligt.
Data og sikkerhed er den største enkeltstående udfordring
Det, der springer i øjnene ved Techreviewer-tallene, er ikke, at virksomhederne oplever problemer. Det er, at næsten halvdelen af dem alligevel ikke har en formel plan for, hvordan de håndterer risikoen. Adoptionen er løbet forud for governance. Det efterlader et hul, som sikkerhedsteams og kvalitetssikring nu skal fylde ud, ofte efter skaden er sket.
Udviklernes egen skepsis
Det er ikke kun eksterne analyser, der peger på problemet. Udviklerne selv udtrykker en betydelig skepsis over for de værktøjer, de i stigende grad bruger dagligt. Stack Overflows Developer Survey dokumenterer den holdning i klare tal.
Ifølge Stack Overflows Developer Survey svarede 61,7 procent af udviklerne, at de har etiske eller sikkerhedsmæssige bekymringer ved kode produceret af AI-værktøjer. 46 procent sagde, at de ikke stoler på nøjagtigheden af AI-værktøjernes output. 45 procent oplevede, at det er tidskrævende at fejlfinde AI-genereret kode. Og 75,3 procent af brugerne svarede, at de generelt ikke har tillid til AI-genererede svar.
Det tegner et paradoks: brugen stiger hurtigere end tilliden. Udviklerne bruger værktøjerne, fordi ledelsen forventer det, og fordi konkurrenterne gør det samme, men mange af dem tror ikke på outputtet, de selv leverer videre til produktion.
Junior-udviklere betaler den højeste pris
Den mest omstridte, men også mest citerede statistik fra september 2026 handler ikke om kode, men om job. En analyse med reference til Stanford-forskning, som blev rapporteret bredt i medierne den 21. september, viste, at beskæftigelsen for udviklere mellem 22 og 25 år er faldet med næsten 20 procent siden ChatGPT’s lancering. Analysen kobler faldet til færre entry-level-stillinger, men understreger samtidig, at den ikke beviser et direkte årsag-virkning-forhold mellem AI-kodeværktøjer og fyringer. Det er en observeret sammenhæng, ikke et bevist kausalt forhold.
Det stemmer overens med danske tal, hvor 59 procent af danske udviklere allerede bruger AI-kodeværktøjer, mens færre bliver ansat i entry-level-stillinger. Techreviewer-undersøgelsens tal om kompetencetab blandt junior-udviklere, 37,0 procent af virksomhederne rapporterer det som et problem, giver den udvikling en mere konkret ramme. Når en stor del af den kode, der tidligere gav nyuddannede udviklere deres første erfaring, nu bliver genereret af en agent, forsvinder også en del af den træningsbane, som branchen historisk har brugt til at opbygge seniorkompetencer.
Hvorfor de yngste rammes hårdest
Junior-udviklere har traditionelt lært håndværket ved at løse mindre, veldefinerede opgaver, ofte netop den type opgaver, som AI-agenter i dag klarer hurtigst og billigst. Når virksomheder skærer i antallet af entry-level-stillinger, forsvinder ikke kun jobbene. Der forsvinder også den naturlige vej ind i faget, som seniorudviklerne selv engang gik. Det rejser et spørgsmål, ingen af undersøgelserne fra september 2026 endnu har svaret klart på: hvor kommer den næste generation af senior-udviklere fra, hvis den erfaring, der plejede at bygge dem op, i stigende grad bliver automatiseret væk?
Sådan adskiller værktøjerne sig i praksis
De store platforme, GitHub Copilot, Claude Code, Cursor og OpenAIs Codex-værktøjer, konkurrerer i dag lige så meget på kontrol og gennemsigtighed som på ren kodningsevne. Veracodes test viste, at sikkerhedsproblemer optræder på tværs af 11 forskellige frontier-modeller, ikke kun hos én enkelt leverandør. Det betyder, at ingen af de store aktører kan hævde at have løst problemet alene, hvilket bekræftes af, at markedsandelene mellem Copilot og Claude Code har flyttet sig markant uden at nogen af værktøjerne har lukket sikkerhedsgabet.
Forskellen mellem værktøjerne ligger i højere grad i, hvordan de er bygget ind i arbejdsgangen. Nogle platforme lægger vægt på automatiserede sikkerhedsscanninger direkte i agent-flowet. Andre satser på hurtigere iteration og overlader mere af kontrollen til teamets egne review-processer. Techreviewer-tallene antyder, at valget af værktøj betyder mindre end virksomhedens egen governance: 15 procent af virksomhederne uden nogen formel AI-strategi rapporterer problemer, uanset hvilket værktøj de bruger.
Det harmonerer med en pointe rejst i Forbes’ analyse af, hvorfor over 80 procent adoption af AI-værktøjer endnu ikke har gjort softwareleverancer hurtigere. Flaskehalsen har flyttet sig fra at skrive kode til at validere den, og den flaskehals rammer alle værktøjer nogenlunde lige hårdt.
Historisk kontekst: fra autocomplete til autonome agenter
Udviklingen har gået stærkt. De første kommercielle AI-kodeassistenter startede som avanceret autocomplete, der foreslog den næste linje kode inde i editoren. I løbet af få år har værktøjerne bevæget sig til fuldt autonome agenter, der kan planlægge en opgave, skrive kode på tværs af flere filer, køre tests og selv rette fejl uden menneskelig indblanding for hvert trin.
Den udvikling forklarer, hvorfor problemerne først for alvor bliver synlige nu. Så længe AI kun foreslog enkeltlinjer, kunne udvikleren nemt vurdere forslaget i farten. Når agenten i stedet leverer hele funktioner eller moduler, kræver kontrollen en helt anden grad af systematisk gennemgang, som mange organisationer ifølge Techreviewer-tallene endnu ikke har fået etableret formelt.
Hvad betyder det for danske virksomheder og udviklere
For danske og nordiske virksomheder er konsekvenserne konkrete. Et faldende antal entry-level-stillinger rammer et arbejdsmarked, hvor it-uddannelser allerede kæmper med at matche efterspørgslen efter erfarne udviklere. Hvis nyuddannede får sværere ved at få deres første job, fordi rutineopgaverne er automatiseret væk, risikerer branchen et hul i rekrutteringen om fem til ti år, når de nuværende seniorudviklere går på pension eller skifter spor.
Samtidig øger den voksende tekniske og sikkerhedsmæssige gæld presset på virksomheder, der er underlagt skærpede krav til it-sikkerhed, blandt andet i forbindelse med NIS2 og lignende regulering i EU. En kodebase fyldt med uopdagede fejl fra hurtigt genereret kode er ikke bare et kvalitetsproblem. Det er en potentiel compliance-risiko, hvis en sårbarhed fører til et databrud, der skal indberettes.
Sådan reagerer branchen
Nogle virksomheder er allerede begyndt at justere kursen. Flere af de firmaer, Techreviewer talte med, har indført krav om, at AI-genereret kode gennemgår samme, eller strengere, kodegennemgang som menneskeskrevet kode. Andre har indført automatiserede sikkerhedsscanninger specifikt målrettet mønstre, der ofte optræder i AI-genereret output, som manglende input-validering, hårdkodede hemmeligheder og svage adgangskontroller.
Der er også tegn på, at rollen som junior-udvikler er ved at ændre karakter snarere end at forsvinde helt. I stedet for primært at skrive ny kode fra bunden, bruger flere nyuddannede deres tid på at gennemgå, teste og validere AI-genereret kode, en opgave der kræver en anden, men ikke nødvendigvis mindre værdifuld kompetence.
Fem forudsigelser for 2027
- Flere virksomheder vil indføre obligatorisk menneskelig gennemgang af alt AI-genereret kode, der rører sikkerhedskritiske systemer.
- Sikkerhedsleverandører vil lancere flere specialiserede scannere rettet specifikt mod mønstre i agent-genereret kode, som supplement til traditionel statisk analyse.
- Junior-stillinger forsvinder ikke, men omdefineres gradvist til roller med fokus på validering, test og sikkerhedsgennemgang frem for ren kodeproduktion.
- Flere brancher med skærpet regulering, som finans og sundhed, vil kræve dokumentation af, hvornår og hvordan kode er blevet genereret af AI.
- Uddannelsesinstitutioner vil justere pensum på it- og softwareuddannelser til at vægte kodegennemgang og sikkerhedsanalyse højere end ren syntaksundervisning.
Undersøgelser og nøgletal: overblik
| Undersøgelse | Stikprøve | Offentliggjort | Nøgletal om brug | Nøgletal om bekymring |
|---|---|---|---|---|
| JetBrains State of Developer Ecosystem 2026 | 15.000+ professionelle udviklere | 15.-17. sept. 2026 | 90% bruger AI-agenter mindst ugentligt, 68% dagligt | – |
| Techreviewer.co | 127 softwarevirksomheder | 10. sept. 2026 | 89% bruger AI til at skrive kode | 90% rapporterer mindst én bagside |
| BairesDev | 705 udviklere | 21. sept. 2026 | 42% lader AI skrive halvdelen+ af koden (op fra 12% året før) | 67% bruger mere tid på review, 52% mere på fejlfinding |
| Stack Overflow Developer Survey | Titusindvis af respondenter globalt | 2025 (stadig refereret i 2026) | – | 61,7% har etiske/sikkerhedsmæssige bekymringer |
| Uafhængig repo-analyse | 300.000+ commits, 6.000+ repos | Sept. 2026 | – | 484.366 fejl identificeret, 89,3% kodelugt |
Kvalitets- og sikkerhedsmål for AI-genereret kode
| Mål | Værdi | Kilde |
|---|---|---|
| Andel af fejl klassificeret som kodelugt | 89,3% | Uafhængig repo-analyse, sept. 2026 |
| Commits med mindst ét problem pr. AI-assistent | Over 15% | Uafhængig repo-analyse, sept. 2026 |
| AI-introducerede fejl der stadig findes i seneste version | 22,7% | Uafhængig repo-analyse, sept. 2026 |
| Gennemsnitlig sikkerheds-pass rate (11 frontier-modeller, 80 opgaver) | 56% | Veracode Summer 2026-test |
| Flere problemer i AI-medforfattet kode vs. ren menneskekode | 1,7x flere problemer | CodeRabbit PR-analyse |
| Læsbarhedsproblemer i AI-medforfattet kode | Over 3x hyppigere | CodeRabbit PR-analyse |
Ofte stillede spørgsmål
Hvor meget af koden i virksomheder skrives i dag af AI?
Ifølge BairesDevs undersøgelse fra september 2026 lader 42 procent af udviklerne AI skrive halvdelen eller mere af deres kode, op fra 12 procent året før. JetBrains’ data viser samtidig, at 90 procent af professionelle udviklere bruger AI-agenter mindst ugentligt.
Er AI-genereret kode mindre sikker end menneskeskrevet kode?
Data tyder på det. Veracodes test af 11 frontier-modeller viste en gennemsnitlig sikkerheds-pass rate på kun 56 procent, og CodeRabbits analyse fandt 1,7 gange så mange problemer i AI-medforfattede pull requests sammenlignet med rent menneskeskrevne.
Hvorfor rammer udviklingen især junior-udviklere?
Junior-udviklere har traditionelt lært håndværket på netop de mindre, veldefinerede opgaver, som AI-agenter i dag løser hurtigst. Techreviewer-undersøgelsen finder, at 37 procent af virksomhederne oplever kompetencetab hos junior-udviklere som en direkte konsekvens.
Hvilke AI-kodeværktøjer er omfattet af undersøgelserne?
Undersøgelserne dækker generelt de store platforme på markedet, herunder GitHub Copilot, Claude Code, Cursor og OpenAIs Codex-værktøjer. Veracodes test omfattede 11 forskellige frontier-modeller og fandt sikkerhedsproblemer på tværs af dem alle, ikke koncentreret hos én enkelt leverandør.
Betyder det, at virksomheder holder op med at bruge AI til kodning?
Nej. Adoptionen fortsætter med at stige, ifølge alle tre undersøgelser fra september 2026. Reaktionen handler i stedet om at stramme kodegennemgang, indføre automatiserede sikkerhedstjek og formalisere retningslinjer for, hvornår og hvordan AI-genereret kode må bruges i produktion.
Hvad kan udviklere og teams selv gøre for at reducere risikoen?
Techreviewer-tallene peger på, at virksomheder uden en formel AI-strategi oplever flere problemer, uanset hvilket værktøj de bruger. En konkret, dokumenteret proces for kodegennemgang af AI-genereret output, kombineret med automatiseret sikkerhedsscanning, er det tætteste på en fælles anbefaling på tværs af de undersøgelser, der er offentliggjort i 2026.
Er faldet i beskæftigelse blandt unge udviklere bevist at skyldes AI?
Nej. Den citerede analyse med reference til Stanford-forskning beskriver en sammenhæng mellem AI-værktøjernes udbredelse og et fald på næsten 20 procent i beskæftigelsen for 22-25-årige udviklere siden ChatGPT’s lancering. Analysen fastslår ikke en bevist årsagssammenhæng, kun en observeret korrelation.
Hvad betyder det for danske it-virksomheder og NIS2-krav?
En kodebase med uopdagede sårbarheder fra hurtigt genereret kode øger risikoen for sikkerhedshændelser, som skal håndteres under skærpet regulering som NIS2. Det gør formel governance omkring AI-genereret kode til mere end et kvalitetsspørgsmål. Det bliver en del af virksomhedens overordnede compliance-arbejde.