Tänk dig att ett projekt som ditt team har slitit med i ett helt år plötsligt tar form framför dina ögon på bara 60 minuter. Det låter som science fiction, men för Jaana Dogan, Principal Engineer på Google, blev detta nyligen verklighet när hon satte verktyget Claude Code på prov.
Utvecklingen inom AI-driven kodning går i en rasande takt, och gränserna för vad som är möjligt förflyttas dagligen. I ett uppmärksammat experiment har Jaana Dogan demonstrerat kraften i Anthropic’s senaste verktyg, Claude Code, genom att generera ett komplext system för orkestrering av distribuerade agenter. Resultatet väcker både häpnad och nyfikenhet kring framtidens mjukvaruutveckling.
Ett år av arbete komprimerat till en timme
Utmaningen som Dogan stod inför var inte enkel. Hennes team hade ägnat ett år åt att arbeta på ett distribuerat orkestreringssystem designat för att koordinera flera AI-agenter. Detta är avancerad arkitektur som kräver noggrann planering och komplex kodstruktur.
För att testa kapaciteten hos Claude Code bestämde sig Dogan för att se om AI:n kunde replikera detta arbete. Det är viktigt att notera att hon var mycket noga med säkerheten; inga interna detaljer från Google användes i processen. Istället formulerade hon en prompt bestående av tre stycken som beskrev en förenklad version av problemet, baserad på redan existerande idéer.
Resultatet? På bara en timme hade Claude Code genererat ett system som, enligt Dogan, var jämförbart med det system Google tidigare hade byggt.
“Inte perfekt” men imponerande
Även om hastigheten är revolutionerande, är det viktigt att behålla ett kritiskt öga till kvaliteten. Dogan var tydlig med att den genererade koden inte var felfri. Hon beskrev resultatet som “inte perfekt” och noterade att det krävdes förfiningar för att nå produktionskvalitet.
Men det faktum att en AI, utifrån enbart tre stycken text, kunde skapa en fungerande grundstruktur för ett så pass komplext problem – något som tagit ett team av mänskliga ingenjörer ett år att utveckla – är en tydlig indikator på vart tekniken är på väg. Det handlar inte längre bara om att skriva enkla funktioner, utan om att designa hela systemarkitekturer.
Potential att dubbla kvaliteten
Boris Cherny, skaparen av Claude Code, har kommenterat experimentet och lyft fram att verktygets potential sträcker sig ännu längre än vad Dogans initiala test visade. Enligt Cherny kan kvaliteten på den genererade koden dubblas eller till och med tredubblas om man aktiverar en så kallad “self-check feedback loop”.
Denna funktion innebär att systemet själv granskar och itererar på sin egen kod, vilket potentiellt kan eliminera många av de brister och behov av förfining som Dogan stötte på. Det öppnar dörren för en framtid där AI inte bara skriver kod, utan också agerar som sin egen kvalitetsgranskare.
Restriktioner och framtidsutsikter
Trots de imponerande resultaten är användningen av dessa verktyg fortfarande reglerad i företagsmiljöer. Inom Google är användningen av Claude Code för närvarande begränsad till open-source-projekt. Detta understryker den försiktighet som stora teknikbolag fortfarande iakttar när det gäller att integrera externa AI-verktyg i sin kärnverksamhet, särskilt när det gäller proprietär kod och datasäkerhet.
Jaana Dogans experiment är dock en kraftfull påminnelse om hur snabbt landskapet förändras. När ett års arbete kan kondenseras till en timmes generering, står vi inför ett paradigmskifte i hur vi ser på tid, resurser och innovation inom mjukvaruutveckling.