Når AI finder bugs hurtigere end dit team kan rette dem
Google har brugt AI til at finde sikkerhedsfejl i Chrome — og fundet flere på én måned end de sidste to år tilsammen. Det lyder som en triumf. Men hvad sker der, når opdateringshastigheden overskrider vores evne til at teste og deploye?
I juni 2026 fandt Google flere sikkerhedsfejl i Chrome end i hele 2024 og 2025 tilsammen. Ikke fordi browseren pludselig blev dårligere skrevet. Men fordi de satte AI til at scanne kodebasen. Resultatet var en tsunami af bug-rapporter, og en udgivelsesskema der nu kræver patches to gange om ugen. Det er ikke længere et spørgsmål om at finde fejlene — det er et spørgsmål om at følge med.
For webudviklere betyder det konkret, at din browser nu opdateres oftere end dine dependency-checks kører. Tidligere kunne man regne med én større Chrome-opdatering om måneden. Nu skal du forholde dig til, at sikkerhedskritiske ændringer kan lande midt i en sprint. Hvis du stadig tester manuelt på sidste stabile version, er du allerede to patches bagud.
Det er fristende at tro, at AI bare gør arbejdet bedre. Men hastigheden ændrer spillereglerne. Tidligere var bug-hunting en flaskehals — man fandt langsomt, rettede omhyggeligt, testede grundigt. Nu er flaskehalsen flyttet til test og deployment. Hvis dit team ikke kan absorbere den mængde rettelser, ender I med at deploye halv-testede patches — eller ignorere opdateringer helt.
Det er ikke kun Googles problem. Alle større platforme eksperimenterer nu med AI-drevet code review og vulnerability scanning. GitHub Copilot finder edge cases, OpenAI's modeller scanner for injection-flaws, og Anthropic har testet autonome hacking-scenarier mod rigtige systemer. Fælles for dem alle: de finder flere problemer end mennesker kan nå at prioritere.
Konsekvensen er, at vi skal genopfinde vores processer. Continuous Integration var designet til at håndtere hyppige ændringer — men ikke denne hyppighed. Vi har brug for bedre automatisering af regression tests, bedre feature flags til gradvis udrulning, og ikke mindst: bedre værktøjer til at vurdere hvilke fixes der faktisk er kritiske. Ellers drukner vi i en to-do-liste genereret af maskiner, der ikke forstår forskellen på breaking changes og kosmetik.
Min anbefaling er at behandle AI-fundne bugs som et separat spor. Lad dem køre gennem automatiserede tests først. Prioritér kun de fejl, der faktisk påvirker din produktion. Og acceptér, at 'opdateret browser' ikke længere betyder 'stabil platform' — det betyder 'seneste iteration i et løbende eksperiment'. Det kræver en mere defensiv udviklingsstrategi: færre antagelser om stabilitet, mere fokus på graceful degradation.
Vi har skabt et system, hvor maskinerne finder problemer hurtigere end vi kan løse dem. Det er ikke nødvendigvis en forbedring — det er en acceleration. Og acceleration uden kontrol er bare en anden måde at miste grebet på.
af Kasper Bach · Studio IV