Hvad er vibe coding

Vibe coding er en måde at programmere på, hvor man primært beskriver, hvad man vil have bygget, til en AI (fx ChatGPT, Claude eller GitHub Copilot), og lader AI'en skrive størstedelen af koden. I stedet for selv at kode hver detalje fokuserer man på idéen, funktionerne og den overordnede retning.

Hvad kan jeg bruge vibe coding til

Du kan bruge vibe coding til næsten alle typer softwareprojekter, men det fungerer bedst, når du hurtigt vil omsætte en idé til noget, der virker. En god tommelfingerregel er at bruge vibe coding til at komme fra 0 → 80 % ekstremt hurtigt. Brug derefter mere traditionelle udviklingsmetoder til de sidste 20 %.

Hvem har fundet på begrebet vibe coding

Svært at sige, men begrebet blev især populært efter at Andrej Karpathy brugte udtrykket om en mere intuitiv, AI-drevet måde at udvikle software på.

Eksempler på gode anvendelser

  • Webapps – CRM, bookingsystemer, dashboards, interne værktøjer.
  • Automatisering – flytte data mellem Excel, e-mail, databaser og API'er.
  • Personlige værktøjer – budgetstyring, træningslog, lagerstyring.
  • Prototyper – teste en forretningsidé på få timer eller dage.
  • Dataanalyse – rapporter, grafer og dashboards.
  • AI-løsninger – chatbots, dokumentanalyse, søgning i virksomhedsdata.
  • Mobilapps – simple apps til iOS og Android.

Mindre velegnet til eksempelvis

  • Sikkerhedskritiske systemer (bank, sundhed osv.).
  • Store enterprise-systemer med mange integrationer.
  • Projekter hvor ydeevne og stabilitet er afgørende.

Faldgruber

Mange får indtryk af, at vibe coding betyder "beskriv en idé, og så er du færdig". I praksis er det ofte de sidste 20 % af projektet, der tager 80 % af tiden.

1. Du ved ikke, om koden er god

AI kan skrive kode, der:

  • Ser professionel ud.
  • Virker i simple tests.
  • Men er dårligt designet.

Eksempel: En AI bygger et CRM-system. Alt virker med 100 kunder. Når du får 10.000 kunder, bliver systemet langsomt, fordi databasen er bygget forkert.

2. Fejl bliver skjult

AI kan være meget overbevisende. Den kan sige: "Problemet er løst", men fejlen er måske bare flyttet et andet sted hen. Så mange oplever at komme ind i en "fix-loop":

  • AI laver fejl.
  • AI retter fejl.
  • Rettelsen skaber nye fejl.
  • AI retter igen.

Og efter 20 iterationer er koden blevet et kludetæppe.

3. Sikkerhedsproblemer

Dette er en af de største faldgruber. AI kan generere:

  • Usikre login-løsninger.
  • Dårlig håndtering af passwords.
  • Manglende adgangskontrol.
  • SQL-injection sårbarheder.
  • Eksponerede API-nøgler.

Hvis en app skal bruges af kunder eller medarbejdere, bør sikkerheden gennemgås grundigt.

4. Teknisk gæld vokser hurtigt

Når man vibe coder, er det fristende at sige "Bare tilføj den funktion." 10 gange senere har man:

  • 50 filer.
  • 20 funktioner.
  • Ingen struktur.

Så bliver det svært at ændre noget uden at ødelægge noget andet.

5. Du bliver afhængig af AI

Hvis du ikke forstår koden, så kan du ikke:

  • Fejlfinde selv.
  • Vurdere AI's forslag.
  • Nemt skifte værktøj.

Du risikerer at eje et system, du ikke selv kan vedligeholde.

6. AI mister overblikket

Store projekter er udfordrende, og efter:

  • 50.000 linjer kode
  • mange databeller
  • mange integrationer

begynder AI ofte at

  • glemme tidligere beslutninger
  • foreslå løsninger, der konflikter med eksisterende kode
  • skabe duplikeret funktionalitet

7. Eksterne services ændrer sig

Hvis din løsning bruger:

så kan API'er, priser og regler ændre sig. AI-koden holder ikke nødvendigvis sig selv opdateret.

8. "Det virker på min computer"

AI er god til at få noget til at virke lokalt. Men produktion kræver også:

  • Backup
  • Logging
  • Overvågning
  • Fejlhåndtering
  • Deployment
  • Brugerstyring

Det er ofte her de virkelige udfordringer begynder.

9. Omkostninger kan komme bag på dig

Et AI-genereret system kan:

  • Kalde AI-modeller tusindvis af gange.
  • Bruge mange databaseforespørgsler.
  • Have ineffektive processer.

En prototype til 100 kr./måned kan ende med at koste flere tusinde kroner om måneden, når den får brugere.

10. Den største faldgrube: Man tror, man er færdig

AI kan bygge en imponerende demo på en weekend. Men en rigtig løsning kræver ofte:

  • Test
  • Dokumentation
  • Sikkerhed
  • Vedligeholdelse
  • Brugerfeedback

Derfor er vibe coding fantastisk til:

  • prototyper
  • interne værktøjer
  • automatisering
  • MVP'er

Men mindre velegnet til:

  • forretningskritiske systemer
  • komplekse enterprise-løsninger
  • systemer med høje sikkerhedskrav