AI-agenter · AI-assisterad utvecklingAI agents · AI-assisted development
AI-agenter som Claude Code och Codex kan skriva kod, granska ändringar, felsöka pipelines och ta hand om rutinarbete. Men värdet kommer inte av att dela ut licenser. Det kommer av arbetssätt, verktyg och ramar som passar just ert team. Där kan jag hjälpa till. AI agents such as Claude Code and Codex can write code, review changes, debug pipelines and take care of routine work. But the value doesn't come from handing out licences. It comes from workflows, tooling and guardrails that fit your team. That's where I can help.
Verktygen har på kort tid gått från att föreslå enstaka kodrader till att självständigt genomföra hela uppgifter. Många organisationer har redan köpt in dem, men ser en spretig bild: några utvecklare får mycket gjort, andra har gett upp, och ingen vet riktigt vilken data som skickas vart. In a short time the tools have gone from suggesting single lines of code to carrying out whole tasks on their own. Many organisations have already bought them, but the picture is uneven: a few developers get a lot done, others have given up, and nobody is quite sure what data is being sent where.
De vanligaste hindren jag ser är inte tekniska begränsningar i modellerna, utan saker som går att lösa: The most common obstacles I see are not technical limits of the models, but things that can be fixed:
Allt kan köpas separat eller kombineras med ett vanligt data engineering-uppdrag. Everything can be bought separately or combined with a regular data engineering assignment.
Konfiguration av Claude Code eller Codex för er kodbas: projektinstruktioner, behörigheter, gemensamma kommandon och ett arbetssätt som hela teamet delar, inte bara de mest entusiastiska. Setting up Claude Code or Codex for your codebase: project instructions, permissions, shared commands and a way of working the whole team shares, not just the most enthusiastic members.
Återanvändbara verktyg, hooks och subagenter som gör återkommande uppgifter till ett kommando, och agenter som arbetar mot era egna system och API:er. Reusable tools, hooks and subagents that turn recurring tasks into a single command, and agents that work against your own systems and APIs.
Agenter som förstår era dbt-modeller, er infrastruktur och era pipelines, så att de kan felsöka, skriva tester och göra ändringar som följer era standarder. Agents that understand your dbt models, your infrastructure and your pipelines, so they can debug, write tests and make changes that follow your standards.
Ramar för vad agenter får läsa och göra: hantering av hemligheter, begränsade behörigheter, loggning av vad som körts och ett förhållningssätt till känslig data och GDPR. Guardrails for what agents may read and do: secret handling, restricted permissions, logging of what was run and a clear stance on sensitive data and GDPR.
Arbetsflöden där flera agenter arbetar samtidigt utan att krocka, med isolerade arbetskopior och där en agent granskar en annans ändringar innan de når produktion. Workflows where several agents work at once without colliding, with isolated working copies and one agent reviewing another's changes before they reach production.
Praktiska sessioner på er egen kodbas: hur man ger agenten rätt sammanhang, granskar det den producerar och vet när man ska ta över själv. Hands-on sessions on your own codebase: how to give the agent the right context, review what it produces and know when to take over yourself.
Kort väg till ett första resultat, och sedan ett arbetssätt ni kan förvalta själva. A short path to a first result, then a way of working you can run yourselves.
Hur teamet arbetar idag, vilka verktyg ni har, vilka krav som gäller och var agenter gör mest nytta.How the team works today, what tools you have, which requirements apply and where agents add the most value.
Ett avgränsat område där vi sätter upp verktyg, instruktioner och ramar och mäter resultatet.A bounded area where we set up tooling, instructions and guardrails, and measure the result.
Det som fungerade sprids till fler team, med utbildning och gemensamma verktyg.What worked is spread to more teams, with training and shared tooling.
Ni äger arbetssättet. Jag finns kvar för uppföljning och när verktygen utvecklas.You own the way of working. I stay available for follow-up and as the tools evolve.
Jag använder AI-agenter i mitt eget arbete varje dag, och har byggt min egen miljö kring dem: flera agenter som arbetar parallellt i separata arbetskopior och granskar varandras ändringar, automatisk loggning av varje session med tidsåtgång och, där verktyget redovisar den, kostnad, och skydd som maskerar hemligheter innan något sparas. I use AI agents in my own work every day, and have built my own environment around them: several agents working in parallel in separate working copies and reviewing each other's changes, automatic logging of every session with time spent and, where the tool reports it, cost, and safeguards that mask secrets before anything is stored.
Hos Metacore byggde jag återanvändbara Claude-verktyg för datateamet och hjälpte kollegorna att ta in det nya arbetssättet genom kunskapsdelning och utbildning, samtidigt som jag arbetade med infrastruktur, pipelines och GDPR på deras Snowflake-plattform. At Metacore I built reusable Claude tooling for the data team and helped colleagues adopt the new way of working through knowledge sharing and training, while working on infrastructure, pipelines and GDPR on their Snowflake platform.
Kombinationen är poängen: jag kan både dataplattformar och agenterna som ska arbeta i dem. The combination is the point: I know both data platforms and the agents that are meant to work in them.
Berätta var ni står idag, så föreslår jag ett första steg. Tell me where you are today and I'll suggest a first step.