Vibe coding
Vibe coding er en måde at udvikle software på, hvor man beskriver i almindeligt sprog, hvad et program skal kunne, og lader en AI skrive selve koden. Man læser typisk ikke koden, men tester, om programmet opfører sig som ønsket, og beder AI’en rette det, der ikke virker. Begrebet betyder løst oversat “at kode på fornemmelsen”, og der findes endnu ikke et fast dansk ord for det.
En ejer af et autoværksted kan fx skrive til et AI-værktøj, at hun ønsker et simpelt bookingsystem, hvor kunder vælger en tid, får en bekræftelse på mail, og værkstedet kan se alle bookinger i en kalender. AI-værktøjet laver derefter koden, det grafiske design og den database, der gemmer oplysningerne. I praksis kræver et brugbart system en mere detaljeret beskrivelse og flere rettelsesrunder, men princippet er det samme: Det naturlige sprog fungerer som programmeringssprog.
Hvor kommer begrebet fra?
Udtrykket blev introduceret af datalogen Andrej Karpathy, medstifter af OpenAI og tidligere AI-chef hos Tesla, i et opslag på X i februar 2025. Han beskrev en arbejdsform, hvor han accepterede alle AI’ens ændringer uden at læse dem og blot indsatte fejlbeskeder uden kommentar, når noget gik galt. Han præsenterede det selv som en metode til hurtige hobbyprojekter, der kan smides væk bagefter. Ordet bredte sig hurtigt, og Collins Dictionary udpegede vibe coding som årets ord i 2025.
Sådan foregår vibe coding
Arbejdet foregår som en løkke, der gentages, indtil resultatet er godt nok:
- Beskriv: Man skriver en prompt om, hvad programmet skal kunne, gerne med konkrete krav til funktioner og udseende.
- Lad AI’en bygge: AI-værktøjet genererer koden og starter ofte programmet med det samme.
- Afprøv: Man klikker rundt og ser, om programmet gør det, man ønskede.
- Ret med ord: Man beder om ændringer, fx “sorter listen efter dato”, eller indsætter en fejlbesked.
Mange af værktøjerne er et lag oven på store sprogmodeller. De er ikke selv sprogmodeller, men brugerflader og styringssystemer, der fordeler arbejdet mellem en eller flere underliggende modeller. I flere værktøjer arbejder en såkaldt AI-agent selvstændigt: Den kan oprette og ændre filer, køre tests og foreslå forbedringer uden at brugeren godkender hvert enkelt skridt.
Kendte værktøjer
Værktøjerne til vibe coding falder groft sagt i to grupper. Den første gruppe er app-byggere i browseren, som er rettet mod brugere uden programmeringserfaring. Her hører blandt andet svenske Lovable, Bolt.new, Replit og v0 fra Vercel. Man skriver en prompt og får en app med brugerflade, database og login, som ofte kan lægges online med få klik. Det danske værktøj Henosia placerer sig et sted mellem de to grupper.
Den anden gruppe er kodeværktøjer til udviklere, fx Cursor, som er en kodeeditor med indbygget AI, Claude Code, der arbejder i terminalen direkte i et projekt, og GitHub Copilot. De kan bruges til vibe coding, men lige så vel til almindelig AI-assisteret programmering, hvor udvikleren læser og kontrollerer koden. Også almindelige chatværktøjer som ChatGPT, Claude og Gemini bruges til at generere kode på denne måde.
Forskellen på vibe coding og AI-assisteret programmering
Ikke al kode skrevet med AI er vibe coding. Udvikleren Simon Willison trækker grænsen ved, om man læser koden: Bygger man software med en sprogmodel uden at gennemgå koden, er det vibe coding. Gennemgår og tester man koden og kan forklare den for andre, er der tale om almindelig softwareudvikling med AI som hjælpemiddel. Det er altså arbejdsformen og ikke værktøjet, der afgør det, og den samme udvikler kan vibe code et lille script den ene dag og skrive gennemtestet produktionskode den næste med det samme værktøj.
Vibe coding adskiller sig også fra no-code. På en no-code-platform bygger man med færdige klodser i en visuel brugerflade og er bundet til platformen. Ved vibe coding får man egentlig kode, som i princippet kan flyttes, versionsstyres og rettes af andre, fx ved at lægge den i Git til versionsstyring, så man kan rulle ændringer tilbage, hvis AI’en ødelægger noget.
Fordele
- Lav adgangsbarriere: Designere, produktfolk, ledere og hobbybrugere kan bygge små værktøjer uden at kunne programmere.
- Hurtige prototyper: En idé kan omsættes til en fungerende prototype på kort tid, hvilket gør det lettere at afprøve idéer, før der investeres i egentlig udvikling.
- Tidsbesparelse for udviklere: Erfarne udviklere kan bruge metoden til forsøg, scripts og hurtige prototyper og bruge mere tid på arkitektur og kvalitetssikring.
Metoden fungerer typisk bedst til nye projekter, der bygges fra bunden. Når AI’en skal arbejde i store, eksisterende systemer, stiger risikoen for, at den ødelægger logik, den ikke har overblik over.
Risici: kvalitet, sikkerhed og vedligehold
Kvalitet og fejl
Sprogmodeller kan hallucinere, dvs. selvsikkert levere forkerte oplysninger. Når et projekt bliver komplekst, kan AI’en miste overblikket og fx påstå at have rettet en fejl, som ikke er rettet. At et program kører, er heller ikke det samme som, at det regner rigtigt, og en prototype er sjældent bygget til at håndtere mange brugere.
Sikkerhed
Kode, som ingen har læst, kan indeholde sikkerhedshuller, som ingen har opdaget. Det kan være klassiske svagheder som SQL injection, for løse adgangsregler i databasen eller API-nøgler og adgangskoder, der ender direkte i koden. I 2025 fandt en sikkerhedsforsker, at en række apps bygget med Lovable havde databaser, som alle udefra kunne læse. Lovable bestred dog, at fejlen lå hos platformen, og henviste til kundernes eget ansvar. Samme år slettede en AI-agent i Replit en database i drift under en test, selv om der var indført kodefrysning. Mange platforme scanner i dag løsningerne for kritiske fejl før publicering, men det erstatter ikke en gennemgang foretaget af en person med erfaring.
Vedligehold og teknisk gæld
Udfordringerne viser sig ofte først, når programmet er i drift. Behovene ændrer sig, der kommer flere brugere og integrationer, og der opstår afhængigheder, som ikke er synlige i den enkelte fil. Kode, man ikke forstår, er svær at rette, når noget går i stykker, og hver runde med kode, der “bare virker”, kan gøre det dyrere at ændre systemet senere. Jo mere et system vokser, desto mere teknisk indsigt kræver det at vedligeholde det.
Hvornår giver vibe coding mening?
En tommelfingerregel er at se på, hvad konsekvensen er, hvis der er en fejl. Til prototyper, personlige værktøjer og engangsscripts er vibe coding i mange tilfælde en rimelig tilgang. Skal programmet håndtere persondata, betalinger eller bruges af andre, bør koden læses og testes, enten af en selv eller af en erfaren udvikler. Det kan også hjælpe at holde hemmeligheder som API-nøgler ude af koden, sætte et loft over forbruget på betalte tjenester og tage jævnlige sikkerhedskopier af data. Når en løsning skal i drift, kan den med fordel placeres i et repository på fx GitHub, så ændringer kan spores og gennemgås.