Pensum: kompetansekart for KI-assistert utvikling
De fleste diskusjoner om "hvor flink er du på KI-assistert utvikling" foregår på magefølelse. Denne siden prøver å gjøre det litt mer konkret: en strukturert oversikt over kunnskapsområdene som skiller en som er naiv til agentiske kodeverktøy (Copilot CLI, Claude Code og lignende) fra en som er utlært – og hvilke av foredragene på denne siten som faktisk dekker hvert område.
Områdene under er hentet fra det foredragene faktisk dekker, ikke fra en abstrakt læreplan. Det betyr at matrisen også fungerer som en hull-oversikt: der en rad er stort sett tom, er det et tegn på at ingen av foredragene vi har sett på så langt går i dybden på det temaet.
Kompetanseområdene
| Domene | Hva det dreier seg om |
|---|---|
| A. Modell- & kontekstmekanikk | Kontekstvinduer, sesjoner, tokens, modellvalg – den tekniske grunnmuren |
| B. Kontekstingeniørkunst | Å gi agenten riktig kontekst, instruksjonsfiler og skills som kodede beslutninger |
| C. Agent-arkitektur & verktøy | MCP, subagenter, hooks, minne, design av verktøy/søk/feilmeldinger for agenter |
| D. Arbeidsflyt, autonomi & verifisering | Autonome løkker, review-mønstre, å kunne stole på (eller sjekke) at noe faktisk er gjort |
| E. Sikkerhet & sandboxing | Isolasjon av secrets/filsystem, hvordan KI har endret angrepsbildet |
| F. Økonomi & kost | Tokenkost-modellering, ROI, realismen bak "sølvkule"-påstander |
| G. Organisatorisk adopsjon & læring | Hva som skiller team/organisasjoner som lykkes med adopsjon fra de som ikke gjør det |
| H. Kritisk vurdering & tillit | Å kalibrere tillit riktig, og gjenkjenne narrativer som former egen KI-debatt |
Dekningsmatrise
● = kjerneinnhold i foredraget · ◐ = berøres, men ikke hovedtema · – = ikke dekket
| Domene | 50 tips | KAIROS | Glow | Flyt | Langtidskost. | Midimeria | Puppet dance | MCP |
|---|---|---|---|---|---|---|---|---|
| A. Modell & kontekstmekanikk | ● | – | – | – | – | ◐ | – | – |
| B. Kontekstingeniørkunst | ● | ◐ | ● | ◐ | – | ● | – | ◐ |
| C. Agent-arkitektur & verktøy | ● | – | ◐ | ◐ | – | ● | – | ● |
| D. Arbeidsflyt, autonomi & verifisering | ● | – | ● | ● | – | ● | ◐ | ◐ |
| E. Sikkerhet & sandboxing | – | – | – | – | ● | ● | ◐ | – |
| F. Økonomi & kost | ◐ | ● | – | – | ● | – | ◐ | ◐ |
| G. Organisatorisk adopsjon & læring | ◐ | ● | ● | ● | ◐ | ◐ | – | – |
| H. Kritisk vurdering & tillit | ◐ | ◐ | ◐ | ◐ | ● | ◐ | ● | – |
Et par ting matrisen synliggjør: ingen foredrag dekker sikkerhet og sandboxing (E) som hovedtema utenom Langtidskostnadene og i noe grad Midimeria – og MCP-foredraget, som ellers er svært grundig på verktøydesign, sier ingenting om det. Modell- og kontekstmekanikk (A) er nesten utelukkende dekket av 50 tips. Det er nyttig å vite når man skal lete etter flere JavaZone-foredrag å dekke videre.
Nivåer: naiv, kompetent, avansert
Nivåene under er forankret i konkrete eksempler fra foredragene – ikke en generisk skala. "Avansert" betyr her det talkene selv beskriver som god praksis, ikke et teoretisk tak.
A. Modell- & kontekstmekanikk
- Naiv – vet ikke hva et kontekstvindu er eller hvorfor lange økter begynner å "drifte"; bytter aldri modell bevisst.
- Kompetent – forstår kontekstvinduet som en begrenset ressurs, og starter nye sesjoner bevisst for å unngå drift.
- Avansert – kjenner igjen "smartsonen" i kontekstvinduet og vet når en lang sesjon er i ferd med å gå inn i repeterende, lavverdi-atferd (omtalt som "genie i tjæregropa" i 50 tips) – og bytter strategi før det skjer.
B. Kontekstingeniørkunst
- Naiv – skriver korte, ustrukturerte prompter og forventer at agenten skal gjette resten.
- Kompetent – gir funksjonell kontekst (fil, funksjon, forventet dekning) når oppgaven faktisk krever det.
- Avansert – koder gjentagende beslutninger som gjenbrukbare skills som komponerer seg (Midimeria), og vet når en vag formulering faktisk overfører bedre enn en presis en.
C. Agent-arkitektur & verktøy
- Naiv – bruker kun standard chat-grensesnittet; ingen egne verktøy, subagenter eller MCP-tilkoblinger.
- Kompetent – kobler til eksisterende MCP-servere og subagenter der det gir mening for oppgaven.
- Avansert – designer egne verktøy/MCP-servere med agentens grensesnitt for øye: idiotsikre parametre, søk fremfor paginering, og feilmeldinger som en funksjon, ikke en bug (MCP ett år).
D. Arbeidsflyt, autonomi & verifisering
- Naiv – godtar agentens påstander om fullført arbeid uten å sjekke noe.
- Kompetent – leser gjennom diff/PR før merge og kjører tester manuelt før noe merges.
- Avansert – bygger arbeidsflyter som tåler at agenten opererer autonomt over tid: krever et sjekkbart artefakt for enhver "ferdig"-påstand, dobbel review med separat kontekst, og git-hooks for det som absolutt må skje hver gang (Midimeria).
E. Sikkerhet & sandboxing
- Naiv – kjører agenter med full tilgang på egen maskin, ingen isolasjon av secrets eller filsystem.
- Kompetent – er bevisst på hva agenten faktisk har tilgang til, og unngår å eksponere hemmeligheter direkte i kontekst.
- Avansert – kjører langtidskjørende agenter i isolerte sandkasser med kontrollert nettverks- og filsystemtilgang (Midimeria), og har en oppdatert forståelse av hvordan KI har endret angrepsbildet (Langtidskostnadene).
F. Økonomi & kost
- Naiv – tenker ikke på tokenkost i det hele tatt.
- Kompetent – vet at lengre kontekst og flere kall koster mer, og prøver å begrense unødvendige kall.
- Avansert – forstår den eksponentielle multiplikasjonen av tokenkost på tvers av brukere, pipelines og iterasjonssteg (Langtidskostnadene), og designer verktøy/responser bevisst for å holde kontekstforbruket lavt (MCP ett år).
G. Organisatorisk adopsjon & læring
- Naiv – tror verktøyet alene avgjør suksess, uavhengig av hvordan det innføres i organisasjonen.
- Kompetent – kjenner til vanlige innføringsutfordringer: onboarding av KI som om det var en ny junior, gapet mellom entusiasme og edruelighet (Glow).
- Avansert – kan identifisere hvilke av de syv faktorene som skiller team som lykkes fra de som ikke gjør det (KAIROS), og vet at effekten kommer av hele verdikjeden, ikke verktøyet isolert (Flyt i AI-ens tid).
H. Kritisk vurdering & tillit
- Naiv – tar selvsikre svar for gitt, og forveksler rapportert opplevelse med målt effekt.
- Kompetent – kalibrerer tillit til oppgavetype, og dobbeltsjekker høyrisiko-påstander før de får konsekvenser.
- Avansert – gjenkjenner narrativene som former egen og andres KI-debatt ("toget går fra stasjonen", AGI-er-nært-forestående – AI puppet dance), og vurderer kostnader som kunnskapsgjeld og tillitserosjon som ikke vises i et enkelt ROI-regnestykke.
Denne oversikten oppdateres etter hvert som flere foredrag legges til på siten – både med nye rader i matrisen og, om nødvendig, nye domener der foredragene dekker noe som ikke passer inn i de åtte over.