AI og teknisk gjeld: Raskere kode, raskere gjeld?

Forståelse har fortsatt menneskelig tempo

I Teknisk gjeld som et teamfenomen skrev jeg at gjeld sjelden oppstår i én dårlig beslutning. Den vokser frem gjennom mange små kompromisser som aldri ble samkjørt. Den mekanismen har ikke endret seg med AI; det som har endret seg, er hastigheten. Der et team tidligere produserte gjeld i menneskelig tempo, kan det nå produsere gjeld i maskintempo.

AI skriver ofte påfallende god kode. Men gjeld handlet aldri om kodekvalitet alene – den handlet om forståelse, og forståelse har fortsatt menneskelig tempo.

Volum som ny gjeldsdriver

Det klassiske gjeldsregnskapet så slik ut: teamet tok en snarvei, visste om den, og planla (eller glemte) å betale tilbake.

Det nye regnskapet kan se annerledes ut:

• ingen tok en bevisst snarvei
• koden er ikke dårlig
• men ingen forstår den helt

En utvikler genererer en modul på en ettermiddag. Den fungerer. Den merges. Tre måneder senere skal noe endres, og teamet bruker to dager på å forstå hva modulen egentlig gjør. Det er gjeld. Ikke fordi noe nødvendigvis ble gjort feil, men fordi produksjonshastigheten oversteg forståelseshastigheten.

Da må ordet dekke mer enn før. Gjeld er ikke lenger bare det du vet du skylder, men også alt du har merget uten å eie.

Kode ingen eier

Det farligste symptomet i klassisk gjeld var TODO-kommentaren uten kontekst: et spor etter en tanke ingen lenger husker. Den nye varianten kan være verre fordi den er usynlig. Kall den kode ingen eier.

Den ser ferdig ut. Den har ingen TODO. Den ligner ikke gjeld. Den er til og med godt likt: en studie lagt fram på MSR 2026 sammenlignet pull requests fra agenter og fra mennesker, og agentenes kode gjenbrukte sjeldnere det som allerede fantes og var mer redundant – mens reviewerne var mer positive til den enn til kollegenes. Overflaten skjuler regningen.

Men spør «hvorfor er det gjort slik?», og ingen kan svare – verken forfatteren, som fikk den generert, revieweren, som godkjente noe som så riktig ut, eller AI-en, som ikke husker samtalen.

Kunnskapsgjeld har alltid vært lett å undervurdere. Med AI kan den vokse raskere, hver gang et team merger kode det ikke forstår fullt ut.

Gjelden er allerede målt

Tallene finnes allerede. GitClear har fulgt 623 millioner kodeendringer fra 2023 til så langt i 2026, og de tre signalene som varsler gjeld, går alle samme vei. Dupliserte kodeblokker – fem eller flere like linjer på rad – har økt 81 prosent siden 2023. Andelen endringer som rører kode ingen har tatt i på over ett år, har falt fra 1,7 til 0,46 prosent; GitClears egen formulering er at de forsømte delene forkalker til noe knekker. Og konstruksjoner som skjuler feil i stedet for å håndtere dem, har økt 47 prosent. Tallene for 2026 er foreløpige. Retningen har vært den samme hvert år i tidsvinduet.

Utviklerne ser det selv. I Sonars undersøkelse fra januar 2026 blant 1 100 utviklere ser 93 prosent positive effekter av AI på den tekniske gjelden, som bedre dokumentasjon og testdekning, og 88 prosent ser også negative – først og fremst kode som ser riktig ut, men ikke er pålitelig (53 prosent), og kode som er unødvendig eller duplisert (40 prosent). De samme utviklerne oppgir at AI nå står bak 42 prosent av koden de committer. DORA oppsummerte 2025 i én setning: AI øker gjennomstrømningen, men ofte på bekostning av stabiliteten hvis grunnmuren ikke er solid.

Ingen av tallene sier at AI skriver dårlig kode. De sier at den skriver mer av den, at mindre av den blir ryddet i, og at det som ligger urørt, ligger lenger. Det er gjeldsregnskapet over, målt.

Det som ikke har endret seg

Verktøykassen er likevel den samme. Mange av praksisene som fungerer mot klassisk gjeld, fungerer også mot AI-akselerert gjeld, fordi den underliggende årsaken fortsatt er menneskelig:

• TDR-er dokumenterer hvorfor, som er nettopp det generert kode mangler
• Boy scout-regelen fungerer like godt på generert kode som håndskrevet
• PR-maler kan gjøre forståelse eksplisitt: «Forklar valgene du har godkjent»
• Retrospektiver fanger opp mønstrene før de blir kultur

Du må bare gjøre det oftere enn før, og mer målrettet. GitClears egne råd etter 623 millioner endringer er konkrete: sett av tid til refaktorering og vedlikehold av gammel kode, sett en snubletråd på dupliserte blokker, se etter kode som skjuler feil som et eget punkt i review, og mål struktur, ikke bare volum. Gjeldshjulet snurrer fortere, og da må tilbakebetalingen også inn i hverdagen – ikke som skippertak, men som rytme.

Bevisst gjeld er fortsatt lov

Dette er ikke et argument mot tempo. Som før kan gjeld være strategisk riktig. En MVP til investorer. En integrasjon mot et API i endring. AI kan gjøre noen bevisste snarveier billigere eller raskere, og det er bra.

Skillet går der det alltid har gått: mellom gjeld teamet har kontroll på, og gjeld som kontrollerer teamet. Bevissthet krever at noen stopper opp og spør: «Vet vi hva vi nettopp merget?» Det spørsmålet kan ikke delegeres helt til automatisering.

Tech leadens regnestykke

Som tech lead må du hjelpe teamet – og beslutningstakerne – å se det nye regnestykket. Tempoet i produksjon kan ha økt kraftig, men har tempoet i forståelse fulgt med? Hvis ikke, vokser gapet hver eneste sprint, og det gapet er gjelden.

Så gjør det synlig: i demoer, i dashboards, i konkrete eksempler. «Denne modulen tok fire timer å lage og to dager å endre» er et regnestykke alle forstår.

Renten har steget

AI har ikke endret hva teknisk gjeld er, bare hvor raskt den kan akkumuleres. Gjeld har alltid vært kultur, ikke kode.

Gjeld er fortsatt uunngåelig. Hvor fort den vokser, avgjøres av hva teamet velger å forstå før neste merge.