I februar 2025 opfandt Andrej Karpathy — medstifter af OpenAI og tidligere AI-chef hos Tesla — begrebet “vibe coding”. Det beskrev en afslappet tilgang til softwareudvikling, hvor man prompter AI-værktøjer til at generere kode i stedet for at skrive den selv. Begrebet eksploderede i Silicon Valley og blandt hobbyudviklere verden over.
Men nu, i starten af 2026, har Karpathy selv erklæret, at industrien er vokset fra vibes. I et opslag på X introducerede han et nyt begreb: agentic engineering. Og forskellen er ikke bare semantisk — den afspejler et fundamentalt skift i, hvordan professionel softwareudvikling fungerer med AI.
Hvad er agentic engineering?
Karpathy bryder begrebet ned i to dele. “Agentic” refererer til, at en orkestrering af AI-agenter skriver koden, mens mennesket overvåger og validerer outputtet. Som Karpathy formulerer det: “Du skriver ikke koden direkte 99% af tiden — du orkestrerer agenter, der gør det, og fungerer som oversight.” “Engineering” understreger, at der er en reel ekspertise i at bruge agentic workflows til meningsfuld kodeproduktion — en færdighed man kan udvikle og forbedre.
Ifølge IBM’s analyse af begrebet handler agentic engineering om at skifte fra deterministisk logik til probabilistisk vurdering. Det kræver governance-rammer, der definerer, hvornår og hvordan agentic workflows skal bruges, mens menneskelig oversight forbliver central for kvalitetskontrol.
I praksis bygger veldesignede agentic systemer på at opdele opgaver i mindre moduler, så AI-agenter kan generere selvstændige komponenter, der integrerer rent i eksisterende codebases — uden at øge den tekniske gæld. Mange organisationer adopterer allerede RAG-baserede arkitekturer (Retrieval-Augmented Generation), så agenter kan forankre deres output i reel dokumentation, specifikationer og kode-repositorier.
Hvorfor “vibe coding” ikke holder længere
Tallene taler deres tydelige sprog. Stack Overflow’s 2025 Developer Survey viste, at 84% af udviklere bruger eller planlægger at bruge AI-assisteret programmering. Men her kommer den interessante pointe: flere udviklere mistror AI-værktøjernes nøjagtighed end stoler på dem — 46% er skeptiske, mod kun 33% der føler sig trygge ved resultaterne. Og kun 3% siger, de har “høj tillid” til AI-genereret output.
Erfarne udviklere er mest skeptiske, med den laveste rate af “høj tillid” (2,6%) og den højeste rate af “høj mistillid” (20%). Uden den rette ekspertise i at bruge LLM’er til softwareudvikling kan vibe coding producere det, der kaldes “AI slop” — kode der ikke virker eller ødelægger eksisterende funktionalitet. Broken kode øger den tekniske gæld massivt og tvinger teams til at bruge tiden på at forstå, debugge og refaktorere i stedet for at bygge nyt.
Agentic engineering er svaret på denne udfordring. Det er ikke en afvisning af AI-assisteret udvikling — det er en modning af den. Vi har allerede set eksempler på, hvad AI-agenter kan præstere når de orkestreres rigtigt: 16 AI-agenter byggede en komplet C-compiler fra bunden, der kan kompilere Linux-kernen. Men det krævede netop den type struktureret, ingeniørmæssig tilgang som agentic engineering beskriver.
Andrew Ng: AGI er årtier væk — agentic systemer er den reelle værdi
Timingen af Karpathys nye begreb er ikke tilfældig. I et interview med Fast Company i slutningen af februar 2026 sagde AI-pioneren Andrew Ng — stifter af DeepLearning.AI, medstifter af Coursera og grundlægger af Google Brain — at AGI (Artificial General Intelligence) stadig er “mange årtier væk.”
Ng definerer AGI som AI, der kan udføre enhver intellektuel opgave, som mennesker kan — fra at lære at køre lastbil til at skrive en ph.d.-afhandling. “Vi er stadig meget langt fra AI, der opfylder den definition,” sagde Ng. Mens Elon Musk hævder, at AGI opnås i 2026, og at AI i 2030 vil overgå alle menneskers samlede intelligens, er Ng langt mere nøgtern: “Hvis du holder fast i den oprindelige definition — tilpasset hvad folk reelt forestiller sig AGI er — er vi stadig meget, meget langt væk.”
Ng peger i stedet på agentic systemer — AI der automatiserer workflows — som det, der vil definere industriens næste fase. Ikke generel kunstig intelligens, men specialiserede agenter der løser konkrete opgaver under menneskelig styring. Det stemmer præcist overens med Karpathys vision for agentic engineering.
Hvad betyder det i praksis?
For IT-professionelle og udviklere handler agentic engineering om tre ting:
1. Orkestrering frem for automatisering. Du bruger ikke AI til blindt at generere kode. Du designer systemer, hvor AI-agenter håndterer afgrænsede opgaver — refaktorering, boilerplate, test-generering, dokumentation — mens du validerer og styrer retningen. Værktøjer som Claude Code bevæger sig allerede i den retning med automatisk hukommelse af præferencer og rettelser.
2. Governance og guardrails. Organisationer skal etablere klare rammer for, hvornår AI-agenter må operere autonomt, og hvornår menneskeligt review er påkrævet. Det inkluderer code-review-krav, test-forventninger og guardrail-konfigurationer integreret i eksisterende CI/CD-pipelines.
3. En ny færdighed at mestre. Agentic engineering er ikke noget man bare “tænder for” — det er en disciplin man udvikler over tid. Det handler om systemdesign, prompt-arkitektur, agent-orkestrering og iterative review-loops. Ifølge en undersøgelse fra AI Impacts og universiteterne i Oxford og Bonn giver AI-eksperter 50% sandsynlighed for, at avancerede AI-systemer der kan udføre alle opgaver bedre og billigere end mennesker, først er feasible omkring 2047.
Everest Groups nye “Agentic AI 2026 Playbook” viser, at IT Operations allerede er den mest skalerbare funktion, med semi-autonom incident triage, root-cause-analyse og runbook-eksekvering der reducerer operationelt slid markant. Det er agentic engineering i praksis — ikke magi, men systematisk ingeniørarbejde.
Konklusion: Ingeniørkunst, ikke vibes
Skiftet fra vibe coding til agentic engineering er mere end et rebrand. Det er en anerkendelse af, at AI-assisteret softwareudvikling er blevet seriøst nok til at fortjene et professionelt begrebsapparat. Vi er ikke længere i en fase, hvor man kan “vibe sig frem” til produktion-klar kode. Vi er i en fase, hvor man designer, orkestrerer og kvalitetssikrer — med AI-agenter som kraftfulde værktøjer under menneskelig ledelse.
Denne artikel er skrevet i samarbejde med AI, og efterfølgende redigeret af et rigtigt menneske 🙂
