Framtidens mjukvara: viktiga insikter från konferensen i London 2025

Efter att ha lyssnat på några av de skarpaste rösterna på konferensen The Future of Software i London i mars 2025, däribland Patrick Debois och Kelsey Hightower, framträdde några tydliga teman.

AI är bara matematik (men också mer än så)

Även om AI-revolutionen känns plötslig bygger den på årtionden av arbete. När vi går vidare bör fokus inte ligga på vilken modell vi ska välja, eftersom modellerna blir alltmer standardiserade. Det avgörande är systemet runt modellen: datastyrning, säkerhet, filtrering, kontext och användarupplevelse. Det är i valet av infrastruktur och i att bygga genomtänkta skyddsräcken kring AI-användning som de verkliga avgörandena kommer att ske.

Henri Terho, Senior AI Consultant på Eficode, påminde oss om en enkel sanning som lätt försvinner i all uppståndelse: AI är ingen magi. Det är helt enkelt väldigt bra på matematik, närmare bestämt matrismultiplikation. AI tänker inte, utan förutspår. Och när det gäller människor är vi väldigt dåliga på att förstå takten i exponentiell förändring.

Den nya färdigheten? Att skriva prompts. Att tydligt formulera vad du vill att ditt AI-verktyg ska göra för dig blir en avgörande färdighet för dagens ingenjörer. Se det som en kollega. Förklara, lägg till detaljer och ge bakgrund i din prompt, så får du ett bättre resultat. AI har potential att förändra världen, men bara om vi tar oss tid att sätta upp det på ett genomtänkt sätt.

Ansvarsfull AI börjar med kritiskt tänkande

Ett viktigt budskap från paneldiskussionen under eventet i London var att ansvar inte är en funktion i mjukvaran. Det är ett tankesätt. Den största risken med AI är hur övertygande den kan vara, även när den har fel. Faktum är att AI kommer att göra fel, och någon måste finnas där för att upptäcka dem.

När AI blir mer integrerat i arbetsflöden, från bankverksamhet till kreativt arbete, flyttas förväntningarna från ingenjörer till alla. Ansvar är inte längre en roll. Det är en gemensam färdighet. Lofred Madzou, expert på AI Governance, sammanfattade det väl: ”Vi behöver lära människor inte bara hur man använder AI, utan också hur man ifrågasätter den.”

Och det börjar tidigt – med kritiskt tänkande och bättre utbildning, samt insikten att när de här verktygen blir kraftfullare är det vårt omdöme, inte bara deras resultat, som spelar roll.

Kultur framför process

Den grundläggande förändring vi upplever är inte bara teknisk, utan också kulturell och handlar om hur vi arbetar tillsammans. Kelsey Hightowers metafor om ett ”stafettlopp” beskriver bäst situationen vi befinner oss i: Vi springer inte ett ensamt sprintlopp. Vi lämnar stafettpinnen vidare mellan generationer. Mentorskap, dokumentation och inkluderande processer för bidrag är inte bara utfyllnad. De är också infrastruktur.

När vi går in i en värld där ”mjukvaran fattar beslut” höjs kraven på professionalism. Identitet, ansvar och förtroende inom mjukvaruutveckling blir allt viktigare frågor. Open source-världen känner redan av trycket, och snart gör resten av oss det också.

Ett annat tankeväckande pass med Chris Davidson från Atlassian visade vad som egentligen bromsar team: bristande samsyn. Det är sällan tekniken som sänker tempot. Det är otydliga mål och diffusa prioriteringar. Det handlar inte om att lägga till fler möten, utan om att skapa mer kontext och tydlighet kring målen. Ett experiment som Atlassian testar? Uppdateringar på fredagar där man ”arbetar öppet”. Ingen synkning, ingen mikrostyrning. Bara en lättläst logg över vad som händer. Små förändringar som denna kan ge teamen mer utrymme att fokusera på det som verkligen spelar roll.

När AI blir en del av teamet, se det som en samarbetspartner, inte en disruptiv kraft. Chris beskrev en optimistisk framtid: team där människor och AI är samstämda kring syftet och levererar arbete snabbare och smartare. När människor och AI samarbetar med tydlig avsikt sker verkliga genombrott.

Legacy är inget fult ord

Äldre system är inte nödvändigtvis trasiga – de har helt enkelt förtjänat sin plats genom att bestå. Några av de mest motståndskraftiga systemen, som programvara för flygbokningar från 1960-talet, gör fortfarande tyst sitt jobb.

Legacy handlar inte bara om mjukvaran, utan också om expertisen som byggts upp kring den. När vi automatiserar mer finns en växande risk att vi helt hoppar över inlärningskurvan. Om AI skriver vår kod, sammanfattar vår research och utformar våra avtal – när bygger vi då domänkunskap?

Legacy-system är inte bara system. De är utbildningsverktyg, testmiljöer och minnesbanker. Om vi gör oss av med dem riskerar vi att glömma varför saker fungerar som de gör. Framsteg inom mjukvaruutveckling innebär inte att lämna det förflutna bakom oss. Det innebär att ta med oss lärdomarna, bygga vidare på det som fungerar och veta vad som är värt att tänka om kring.

Patrick Debois beskrev spänningen perfekt när han frågade: ”Uppfinner vi inte bara hjulet på nytt, gång på gång?” Jo, och det är okej. Att uppfinna på nytt är så vi lär oss, itererar och bygger bättre system. Nyckeln är att göra det med avsikt, inte bara för att det gamla inte längre är trendigt.

Skapa det du vill ska finnas

Mer än något annat var The Future of Software en uppmaning att bygga med avsikt. Uppfinn hjulet på nytt om du måste, men gör det med ett syfte. Lämna stafettpinnen vidare, men ge andra ett försprång.

Mjukvaran vi bygger i dag fattar allt oftare beslut. Frågan är: Ser vi till att den speglar vårt bästa omdöme? Oavsett om du stöttar andra genom mentorskap, förfinar prompts, utformar policyer eller bara försöker hänga med i den virvelvind av förändring som AI medför, så väntar framtiden inte. Men den kräver att vi tar ansvar, är tydliga och samarbetar bättre.

Som Kelsey sa: ”De som är bäst på att förutsäga framtiden är de som arbetar med den.”

Om du vill veta mer om hur vi hjälper kunder att forma morgondagens lösningar genom att utveckla mjukvaruutvecklingen i din organisation, kontakta våra DevOps-team.