Ethan Mollicks seneste: Om en mindre revolution mht. at få kodet hele løsninger, websites, mv. i Claude

Claude Code og hvad der kommer bagefter

Med de rigtige værktøjer kan AI udrette imponerende ting

Jeg åbnede Claude Code og gav det kommandoen: “Udvikl en webbaseret eller softwarebaseret startup-idé, der kan give mig 1000 dollars om måneden, hvor du laver alt arbejdet ved at finde på idéen og implementere den. Jeg skal overhovedet ikke gøre noget ud over at køre et program, du giver mig, én gang. Det må ikke kræve nogen kodningsviden fra min side, så sørg for at alt fungerer godt.”

AI’en stillede mig tre multiple-choice-spørgsmål og besluttede, at jeg burde sælge sæt med 500 prompts til professionelle brugere for 39 dollars. Uden yderligere input arbejdede den derefter selvstændigt… I EN TIME OG FJORTEN MINUTTER og skabte hundredvis af kodefiler og prompts. Og så gav den mig én enkelt fil, jeg kunne køre, som oprettede og deployede en fungerende hjemmeside (fyldt med meget tvivlsomme, falske marketingpåstande), der solgte det lovede sæt med 500 prompts.

Du kan faktisk se siden, den lancerede, her (jeg fjernede dog salgslinket, som i øvrigt virkede og ville have indsamlet penge): [INDSÆT_LINK_TIL_SITET_HER]. Jeg har en stærk mistanke om, at hvis jeg ignorerede min samvittighed og faktisk solgte disse prompt-pakker, ville jeg tjene de lovede 1.000 dollars.

Claude Code i arbejde (indsæt gerne screenshot fra din egen brug/visning).

Claude Code har ikke en særlig venlig brugerflade, men du kan se, hvordan jeg lavede én enkelt forespørgsel, AI’en interviewede mig om den, den arbejdede i over en time på egen hånd, og derefter gav den mig præcis det, jeg bad om – uden nogen synlige fejl.

Det her er Claude Code i funktion, én af en ny generation af AI-kodningsværktøjer, der repræsenterer et pludseligt kapabilitets-hop i AI inden for den seneste måneds tid. Det, der gør de nye værktøjer pludselig kraftfulde, er ikke ét gennembrud, men en kombination af to fremskridt. For det første er de nyeste AI’er i stand til at udføre langt mere arbejde autonomt og samtidig selv-korrigere mange af deres fejl – især i programmeringsopgaver. For det andet får AI’erne en “agentisk sele” af værktøjer og metoder, som de kan bruge til at løse problemer på nye måder.

Resultatet af de to faktorer er markante spring i de nyeste AI-værktøjer fra de store AI-virksomheder.

METR følger længden af opgaver (målt i hvor lang tid de tager for menneskelige fagfolk), som AI kan gennemføre autonomt med 50% pålidelighed. Kurven er vokset eksponentielt over tid, med store spring i de seneste måneder. (Indsæt den relevante METR-graf/screenshot her.)

Desværre for de fleste af os, der gerne vil eksperimentere med AI, er de her nye værktøjer bygget til programmører. Og jeg mener virkelig bygget til programmører: De antager, at du forstår Python-kommandoer og best practices, og de er pakket ind i brugerflader, der ligner noget fra et computerrum i 1980’erne. De er også eksplicit designet til at analysere, fejlfinde og skrive kode på måder, der passer ind i eksisterende programmerings-workflows.

På mange måder er det en skam, fordi systemerne faktisk er bredt nyttige for vidensarbejdere af alle typer – og ved at se, hvad de kan (og ved selv at eksperimentere), tror jeg, man kan lære meget om AI’s fremtid. I dette indlæg fokuserer vi på ét af dem: Claude Code drevet af Opus 4.5, men det fungerer på lignende vis som hovedkonkurrenten OpenAI’s Codex med GPT-5.2 og Google’s Antigravity med Gemini 3.

For at vende tilbage til eksemplet med startup-virksomheden, som Claude Code lancerede: hvor imponerende det end var i praksis, rørte det kun ved en lille del af værktøjets samlede kapacitet. I det tilfælde brugte jeg kun Claude Code til kodning, men hvis jeg beder det om at lave brugertest af den live side ud fra forskellige personaer og levere en rapport, bruger det et af sine mange værktøjer – forbindelsen til webbrowseren på min computer.

Claude tager kontrol over browseren og går til siden, den selv har lavet, og scroller rundt på den som et menneske. I første omgang gav den mig en ret optimistisk rapport, men fordi jeg ved, at AI’er ofte kan være smigrende og medløbende, bad jeg også om en mere kritisk rapport. Den anden rapport ramte bedre de potentielle problemer (og opdagede de tvivlsomme, falske anmeldelser, der lå på siden). Som næste skridt kunne jeg let bede den om at implementere sine egne forslag og fortsætte processen med minimal input fra mig.

Trylletricksene

En stor grund til, at Claude Code er så god, er, at den bruger en bred vifte af “tricks” i sin agentiske værktøjskasse, som gør, at den meget stærke AI, Opus 4.5, kan overvinde mange af LLM’ers typiske problemer.

For eksempel skete der noget interessant, mens AI’en lavede brugerresearch: dens context window blev fyldt op. Som du måske ved, kan AI’er kun “huske” en vis mængde information ad gangen. Context window er ofte ret langt efter menneskelig målestok (150.000 ord eller mere), men det bliver alligevel fyldt overraskende hurtigt, fordi det rummer hele din samtale, hvert dokument AI’en læser, hvert billede den tager, og de indledende systemprompts, der hjælper med at styre AI’en.

Der findes ikke rigtig en ægte langtids-hukommelse for AI, så så snart context window er fuldt, kan AI’en ikke huske mere. Hvis du bare småsnakker, er det ikke et stort problem. Enhver lang samtale med ChatGPT har et “rullende” context window, hvor AI’en gradvist glemmer den ældste del af samtalen, men den kan ofte improvisere videre baseret på det seneste.

Hvis du derimod laver rigtigt arbejde, bliver det et stort problem, hvis AI’en glemmer noget af din kode, mens den læser ny kode.

Compacting i praksis. (Indsæt gerne et screenshot af compacting-processen.)

Claude Code håndterer det på en anden måde. Når den løber tør for context, stopper den og “komprimerer” samtalen indtil nu ved at tage noter om præcis, hvor den var nået til, da den stoppede. Derefter rydder den sit context window, og en frisk version af Claude Code læser noterne og gennemgår fremdriften indtil nu – tænk på hovedpersonen fra filmen Memento, der vågner uden hukommelse og må kigge på sine tatoveringer for at forstå, hvor han er i processen.

De noter giver Claude alt, hvad den behøver for at fortsætte. Det er derfor, Claude kan køre i timevis: den noterer omhyggeligt, hvad den gør undervejs, og producerer mellemliggende output – som softwaredele og rapporter – som den kan referere til.

Det er ikke det eneste trick, Claude Code bruger for at omgå begrænsninger og løse svære problemer. Et andet er brugen af Skills. Som alle, der læser dette, ved, skal brugere prompte AI’er til at gøre ting. Prompts fungerer som instruktioner, og efterhånden som AI’er er blevet klogere, er de blevet meget bedre til at udføre komplekse prompts – selv prompts på hundredvis af sider.

Men lange prompts optager også meget af context window og kræver, at man giver AI’en det rigtige prompt på det rigtige tidspunkt. Det betyder enten, at du som menneske skal blive ved med at prompte AI’en, eller at du skal designe et komplekst automatiseret system, der konstant fodrer AI’en med prompts.

Skills løser det problem. De er instruktioner, som AI’en selv beslutter, hvornår den skal bruge, og de indeholder ikke bare prompts, men også de værktøjssæt, AI’en skal bruge for at løse en opgave.

Skal den vide, hvordan man bygger en god hjemmeside? Så indlæser den “Website Creator”-skill, som forklarer, hvordan man bygger en hjemmeside, og hvilke værktøjer man bruger. Skal den lave et Excel-ark? Så indlæser den Excel-skill med sine egne instruktioner og værktøjer.

For at bruge endnu en filmreference: Det er som når Neo i The Matrix får uploadet kampsportsinstruktioner direkte i hovedet og pludselig kan noget nyt: “I know kung fu.” Skills kan gøre det muligt for en AI at dække en hel proces ved at skifte viden ind og ud efter behov.

For eksempel udgav Jesse Vincent en interessant gratis liste over skills, der lader Claude Code håndtere en hel softwareudviklingsproces ved at samle skills op efter behov – startende med idéudvikling og planlægning og videre hele vejen til test af kode. Skill-creation er teknisk set meget nemt: det skrives i almindeligt sprog, og AI’en kan faktisk hjælpe dig med at skabe dem (mere om det om lidt).

Et eksempel på teksten i en skill – i dette tilfælde “Design Skill” udgivet af Anthropic. Bemærk, at den er skrevet i almindeligt sprog og stoler på, at AI’en træffer beslutninger.

Sammen med Skills har Claude Code flere tricks til at håndtere begrænset context og løse svære problemer. Den kan også skabe subagents – i praksis ved at starte andre, specialiserede AI’er, der løser specifikke delopgaver.

Det kan være nyttigt på flere måder. Fordi Opus er en stor og dyr model, kan den uddelegere nemmere opgaver til billigere og hurtigere modeller. Det gør også, at Claude kan køre flere processer på én gang og dermed arbejde mere som et team end som en enkelt person. Og de modeller kan være meget specialiserede med hver deres context window. For eksempel byggede jeg separate subagents til research og til billedskabelse. Hovedmodellen “ansætter” disse agenter efter behov til specialiseret arbejde.

Og du behøver endda ikke selv at lave dine værktøjer. Alle kan dele Skills eller subagents, og virksomheder, der ønsker, at AI-agenter skal arbejde med deres produkter, kan bruge en tilgang kaldet Model Context Protocol (MCP) til at give enhver AI instruktioner og adgang.

Der findes MCP’er fra forlag, der giver AI adgang til videnskabelige artikler til research, MCP’er fra betalingsvirksomheder, der giver AI mulighed for at analysere finansielle data, MCP’er fra softwareleverandører, der lader AI bruge et bestemt softwareprodukt – og så videre.

Resultatet er et meget fleksibelt system, hvor en smart generalist-AI som Claude Opus 4.5 kan anvende specialiserede skills på stedet, bruge værktøjer efter behov og holde styr på, hvad den laver.

Claude Code er særlig kraftfuld, fordi den arbejder på din computer og med dine filer. Så nu har du en AI, der kan gøre næsten alt det, et menneske med adgang til din maskine kan gøre. Den kan læse alle dine filer og oprette nye (PowerPoint og Word er i sidste ende bare kode, og Claude ved, hvordan man skriver kode), tilgå nettet via din browser, skrive og køre programmer for dig – og meget mere.

AI’er er naturligvis ikke fejlfrie, og at give en AI adgang til din browser og computer skaber en masse nye risici og farer. AI’en kan slette filer, den ikke burde, køre kode med utilsigtede konsekvenser eller få adgang til følsomme data i din browser. På trods af disse advarsler vil jeg give dig en meget hurtig intro til Claude Code – men lav backups, brug en dedikeret mappe, og giv ikke adgang til noget, du ikke har råd til at miste.

En amatørs guide til Claude Code

Selvom jeg har brugt Command Line Interface til Claude Code i screenshots indtil nu, findes der en nemmere måde (fra i går!) at få adgang til Claude Code på. Du kan gøre det via Claude Desktop, som du kan downloade og installere her: [INDSÆT_LINK_TIL_CLAUDE_DESKTOP_HER] (brug over længere tid kræver mindst et abonnement på 20 dollars om måneden).

Claude Desktop (indsæt gerne et screenshot).

Lige nu har desktop-versionen et par færre features end Command Line Interface, men den er meget lettere for amatører at bruge.

Giv nu AI’en adgang til en mappe (husk: Claude kan gøre alt ved filerne i den mappe, så vær forsigtig, hvis der er følsomt indhold, og lav en backup), og så kan du begynde at arbejde med AI’en: få den til at researche og skrive rapporter, give den adgang til dine kreditkortposter, så den kan putte dem i et regneark og finde anomalier, bede den om datavisualisering – eller hvad du nu har lyst til.

De mest kraftfulde muligheder, jeg nævnte tidligere, tilgås via slash-kommandoer, der starter med “/”. Hvis du skriver /agents, kan du opsætte subagents. Med /skills kan du oprette eller downloade skills, og så videre (desktop-versionen har færre slash-kommandoer lige nu, men hele sættet er på vej).

Der er mange måder, folk bruger Claude Code på, så du kan eksperimentere og finde ud af, hvad der virker for dig. Men jeg vil også foreslå, at du bruger det til faktisk at kode – selv hvis du ikke er programmør.

For eksempel, mens jeg skrev dette, gik jeg af og til over i et Claude Code-vindue, hvor jeg lod AI’en bygge et spil for mig, bare for sjov: en historiesimulation, hvor civilisationer opstår og falder, udvikler deres egne sprog, kulturer og økonomier.

Hvert par minutter gav jeg AI’en endnu et tilsyneladende umuligt krav: sørg for at verden har sine egne pladetektoniske processer og vejr; hold styr på herskernes slægtstræer; byg en AI ind, der dramatisk opsummerer begivenheder – og så videre.

Efter hver ændring playtestede AI’en resultaterne og producerede en ny version af spillet. I modsætning til tidligere “vibe coding”-oplevelser satte AI’en sig aldrig fast eller kørte i ring; det hele forløb glat.

Se videoen herunder. Den er, er jeg sikker på, fyldt med problemer, som en kompetent programmør ville opdage, men du kan downloade resultatet her (det klarede AI’en også):

[INDSÆT_VIDEO_EMBED_HER]

Video: historiesimulationen (indsæt embed eller link).

[INDSÆT_LINK_TIL_DOWNLOAD_HER]

Hvad betyder alt det her? Hvis du er programmør, bør du allerede være i gang med at udforske de her værktøjer. Hvis du ligger tæt på programmering (en akademiker, der arbejder med data; en designer, der vil eksperimentere med kode; alle, der vil prøve at bygge noget, de forestiller sig) – så er det her dit øjeblik til at eksperimentere.

Men der er et dybere point: Med den rigtige “sele” er nutidens AI’er i stand til reelt, vedvarende arbejde, som faktisk betyder noget. Og det er allerede ved at ændre, hvordan vi griber opgaver an.

Det starter – ikke overraskende – med programmering. En af de mere kendte kodere i AI-verdenen, Andrej Karpathy, postede for nylig: “I've never felt this much behind as a programmer. The profession is being dramatically refactored as the bits contributed by the programmer are increasingly sparse and between. I have a sense that I could be 10X more powerful if I just properly string together what has become available over the last ~year and a failure to claim the boost feels decidedly like skill issue.”

Lad dig ikke narre af, hvor akavet Claude Code kan virke lige nu, eller at det er specialiseret til kodning. Nye “seler”, der får AI til at arbejde for andre typer vidensopgaver, kommer i den nære fremtid – og det gør de forandringer, de vil bringe, også.