Der findes ét tal i årets udviklerdata, der vokser eksponentielt, og det er regningen. Alt andet ligger fladt. Analysefirmaet DX, der måler softwareorganisationer på fart, kvalitet og effekt, har fulgt sine kunder gennem fire kvartaler: forbruget på AI-værktøjer er steget omkring 28 gange, mens hastigheden i leverancerne står stort set stille. Justin Reock, vicedirektør for teknologi hos DX, siger det uden omsvøb til The New Stack: "Det er bekymrende, når omkostningen er steget 28 gange - hvor det bogstavelig talt er den eneste eksponentielle måling - og hastigheden ikke er eksponentiel. Vi leverer ikke eksponentielt mere."
Det interessante er ikke, at AI ikke virker. Det gør den. Problemet ligger i alt det, der sker efter at koden er skrevet.
Regningen steg 28 gange
DX's tal for andet kvartal 2026 viser en organisation, der er blevet god til den ene halvdel af arbejdet. Over halvdelen af al kode - 52 procent - genereres nu af AI, op fra 34 procent kvartalet før. Antallet af pull requests per udvikler per uge er steget 37 procent over fire kvartaler. Udviklerne sparer efter egne målinger fire til seks timer om ugen.
Samtidig er det mediane kvartalsforbrug på AI-værktøjer gået fra omkring 10.000 kroner til knap 300.000 kroner per organisation. Og innovationsandelen, altså hvor stor en del af udviklingsindsatsen der går til nye funktioner frem for vedligehold og driftsopgaver, er uændret. De sparede timer bliver ikke til nye produkter. De forsvinder et andet sted hen.
Reock er selv åben over for, at det kan være vokseværk: "Det er muligt, vi stadig står i et vendepunkt, hvor meget af den sparede tid går til teknisk gæld og backlog, der ikke nødvendigvis bliver kategoriseret som en ny funktion." Men et andet mønster i data er sværere at bortforklare.
Vi forstår koden bedre og tør mindre
DX måler udvikleroplevelse på et indeks med to bærende dele: om man kan forstå og ændre den kode, man har foran sig, og om man tør sende den i produktion uden at ødelægge noget. De to har historisk fulgtes ad. Forstår du koden, tør du også frigive den.
Det hænger ikke længere sammen. Kodens forståelighed er steget 3,8 procent på et kvartal. Ændringstilliden er faldet 6,1 procent. "AI gør det lettere at forstå, hvad der ligger foran dig, og endda at ændre det," siger Reock. "Men ændringstilliden er nu i minus. Vi er mere bange for at frigive koden."
Indekset som helhed faldt to point og landede på 65. Det er første gang, DX måler et fald, og hvert point svarer efter deres egen beregning til ti timer om året per udvikler. Faldet er ekstra bemærkelsesværdigt, fordi datagrundlaget består af virksomheder, der aktivt betaler for at forbedre netop det tal.
Pull requests er blevet dobbelt så store
Der findes et velkendt mønster i softwareudvikling: små ændringer er nemmere at reviewe, nemmere at rulle tilbage og lettere at teste. AI har fået mange teams til at gøre det stik modsatte.
I juli 2025 var den mediane pull request på 42 linjer kode. Et år senere er den på 72. LinearB, der har analyseret 8,1 millioner pull requests fra 4.800 organisationer i 42 lande, finder præcis samme sammenhæng fra den anden side: de ti procent bedst præsterende organisationer holder sig under cirka 100 linjer per pull request, mens bundgruppen ligger over 228 linjer og venter mere end 35 timer på merge. Ved 75. percentil er AI-assisterede pull requests 2,6 gange større end de manuelle - 408 linjer mod 157.
Konsekvensen kan aflæses direkte i review-køen. Kun 32,7 procent af AI-genereret kode slipper gennem review uden ændringer, mod 84,4 procent af den menneskeskrevne. Batchstørrelsen er med andre ord blevet den nye flaskehals, og presset flytter sig ned på dem, der skal godkende. I DX's egen opgørelse er inkrementel levering, altså udviklernes oplevelse af at arbejde i små skridt, den enkeltfaktor der er faldet mest det seneste kvartal.
Kun hver tredje måler overhovedet
Både DX og LinearB bygger på data fra virksomheder, der har købt et produkt til at måle udviklerproduktivitet. Det er den optimistiske ende af feltet. For resten af branchen findes tallene simpelthen ikke.
LeadDev udgiver senere i august sin AI Impact Report for 2026, og ifølge de foreløbige tal måler kun 31 procent af de adspurgte teams overhovedet effekten af AI. De seks områder, LeadDev spørger til, er dem enhver ledelse burde have et svar på:
- Reelle produktivitetsgevinster
- Sikkerhedsrisiko
- Fastholdelse af kernekompetencer i ingeniørarbejdet
- Governance for agentisk AI
- Omstrukturering af teams
- Ansættelse og oplæring af juniorer
Samtidig beskriver 70 procent af de organisationer, der er gået i gang, sig selv som havende indført AI bredt eller fuldstændigt, og 26 procent mener, produktiviteten er steget mere end 25 procent. Michael Hill, redaktør på LeadDev og forfatter til rapporten, gør opmærksom på, at de to tal ikke stammer fra de samme mennesker: "De fleste af dem, der rapporterer gevinster, er ikke de samme som dem, der kan bevise dem."
Det er den egentlige historie. Ikke at AI ikke leverer, men at branchen har brugt to år på at rulle teknologien ud uden at etablere et målegrundlag - og nu, hvor regningen er blevet stor nok til at blive bemærket, mangler halvdelen af argumenterne.
Systemet omkring udvikleren er flaskehalsen
DX finder, at mindre organisationer bruger relativt mere på AI og får mere ud af det, mens store, etablerede softwareorganisationer har svært ved at vise afkast overhovedet. Forklaringen er ikke, at store virksomheder har dårligere udviklere.
Martin Davidson, teknologidirektør i mikrokonsulenthuset a2bic.ai, peger på den simple matematik bag: kommunikationskanaler i et team vokser med n(n-1)/2, så et team på ti mennesker har 45 kanaler at holde ved lige. "Tre af de personer er reelt kun der for at skabe alignment," siger han til The New Stack. Den omkostning forsvinder, når teamet er på to. Han kalder det bredere problem for renoveringsproblemet: processerne blev designet i en tid, hvor det at skrive kode var det dyre. Det holder ikke længere, men strukturerne omkring det står stadig.
Google Clouds DORA-team når frem til samme konklusion fra en anden vinkel i deres rapport om afkastet af AI-assisteret udvikling. Nathen Harvey, der leder DORA, formulerer det sådan, at det største afkast på AI-investeringer ikke kommer fra værktøjerne selv, men fra et strategisk fokus på det underliggende organisatoriske system: kvaliteten af den interne platform, klarheden i arbejdsgangene og samordningen mellem teams. AI er en forstærker. Er systemet omkring udvikleren langsomt, forstærker den langsomheden.
Gevinsten ligger efter tastaturet
Danmarks Statistik opgør, at 42 procent af danske virksomheder brugte AI i 2025, mod 28 procent året før. Blandt brugerne siger 71 procent, at de har fået mere effektive arbejdsgange. Det er de tal, der bliver citeret i enhver præsentation om dansk digitalisering, og de har præcis det samme problem som de 26 procent hos LeadDev: de er selvrapporterede.
For danske udviklingsafdelinger betyder det, at det billigste sted at begynde ikke er endnu et værktøj. Det er et målegrundlag, der er sat op inden næste licensrunde. Det behøver ikke være avanceret: størrelsen på pull requests, ventetid før review, andelen af tid der går til nyt arbejde frem for vedligehold, og et par spørgsmål til udviklerne om de tør frigive det, de skriver. Fire målinger, der kan opsættes på en uge, og som fortæller mere end noget forbrugstal.
Og så en ubehagelig pointe fra materialet, som er værd at tage med: de organisationer, der får mest ud af AI, er dem, der har færrest led mellem idé og produktion. Det er lettere at ændre et review-flow end at ændre en organisation, men det er sjældent review-flowet, der er problemet.
Kilder: The New Stack, DX - State of AI Impact in Engineering Q2 2026, LinearB - Software Engineering Benchmarks 2026, DORA - ROI of AI-assisted Software Development, Danmarks Statistik
