Teknologidirektør forklarer, hvordan hans team bruger Claude Code — og hvordan det blev indført uden modstand

Pedro Gustavo Torres er VP for PXM-teknologi og -arkitektur hos Centric Software, hvor han bruger AI til at opbygge et komplekst produkt.

Vi talte med Pedro om vellykket implementering af AI, og hvordan Claude Code ændrer spillet. Her er, hvad han sagde.

En leder med lavt ego

Jeg er VP for PXM-teknologi og -arkitektur hos Centric Software. Vores produktudviklingsteam består af omkring 60 personer. Vi har et meget komplekst produkt, der fungerer som en schweizerkniv: ekstremt fleksibelt og tilpasningsvenligt for vores kunder og partnere.

Vi har hyppige implementeringer med månedlige "udgivelser" (dvs. marketingtilpasning), og vores nuværende arkitektur er en monolit med løst koblede tjenester, der udvider dens funktionalitet. Vi kan også implementere vores system i enhver AWS-region, hvilket gør det muligt for os at tilbyde en ægte global løsning.

Hvad mig angår, er jeg en leder med lavt ego, handlingsorienteret og passioneret omkring at opbygge og skalere højtydende udviklingsteams på tværs af startups, vækstvirksomheder og store organisationer.

Jeg bruger AI dagligt for at maksimere mit arbejdsresultat og mine resultater. Det ændrer spillet!

Pedro deler

Jeg bruger AI dagligt for at maksimere mit arbejdsresultat og mine resultater. Det ændrer spillet!

Hvordan Claude Code revolutionerer softwareudvikling

Hele teamet bruger nu Claude Code til vores udviklingsopgaver. Vi bruger det også til kodegennemgange. Men helt ærligt er Codex og CodeRabbit mindst lige så gode.

Før Claude Code krævede vi meget håndholdt hjælp og support. Med Claude blev dette behov mindre, og alle blev mere selvstændige og udviklede opgaver fra start til slut.

SRE-teamet oplevede sit største gennembrud, da Claude Code viste sig at være en bemærkelsesværdig fejlfinder! Fejlfinding, der tidligere tog timer, tager nu få minutter. Vis det systemerne, logplaceringerne osv., og Claude kan stille en imponerende diagnose af enhver vanskelig situation. Det imponerer mig dybt.

Jeg kan ikke forestille mig en fremtid i softwareudviklingsbranchen uden det.

Hvordan AI og mennesker kan arbejde sammen

Mennesker med AI bliver supermennesker. Jeg kan ikke se noget arbejde, der udelukkende er forbeholdt mennesker eller AI. Jeg ser dem altid arbejde sammen. Mennesker arbejder side om side med AI, overvåger og styrer den, når det er nødvendigt.

Vi bruger AI til planlægning, implementering og gennemgang; derefter foretager et menneske en endelig gennemgang af AI'ens arbejde.

Derudover kan AI bidrage til ethvert emne. Vil du brainstorme over en arkitekturbeslutning? Claude kan oprette en ADR. Vil du foretage en kodegennemgang? Claude lærer dit kodearkiv at kende og giver dig meningsfulde tilbagemeldinger. Vil du fejlfinde en hændelse? Claude finder den grundlæggende årsag meget hurtigere, end et menneske kan.

Mulighederne er uendelige. Claude hjalp os endda med at vælge mellem flere muligheder for meddelelsesmæglere og gjorde valget enklere ved tydeligt at angive fordele og ulemper.

Og senest, da vi udforskede en agentbaseret oplevelse i vores produkt, kunne vi lave en prototype og få tilbagemeldinger og validering inden for få dage. Uden AI ville det have taget flere måneder.

Hvorfor den eneste måling, der betyder noget med AI, er tiden fra idé til kundeklar løsning

Hvad angår resultater, synes jeg, det er for tidligt at angive tal. Jeg vil hellere udfordre den gængse tankegang på dette område.

For mig rammer målinger som implementeringsfrekvens, fejlrate, cyklustid, oppetid og omkostningseffektivitet ved siden af. De er naturligvis vigtige. Men det, vi virkelig bør måle, er den tid, det tager at gå fra en idé til at levere en fungerende løsning til kunderne.

Man kunne selvfølgelig hævde, at hyppigheden af implementeringer bringer én tættere på at levere løsninger til kunderne, men for mig måler det stadig den "forkerte" ting.

Jeg opfordrer alle til at fokusere på det, der betyder noget: tiden fra idé til levering. Alt andet kan betragtes som en forfængelighedsmåling — eller kan ligefrem manipuleres.

Hvorfor fejl med AI normalt indebærer lav risiko

AI kommer, ligesom alt andet, med sine udfordringer.

En udfordring er, at det er blevet sværere at modstå fristelsen til at blive "doven" og stole for meget på AI-værktøjer. Men når det er sagt, er det så en dårlig ting? Det vil tiden vise.

En anden udfordring er dårlige resultater. Men det sker som regel, når vi ikke giver den fulde kontekst, eller når vi udelader vigtige detaljer, som AI har brug for for at udføre opgaven. Som jeg plejer at sige: "AI er fantastisk, men den kan ikke læse tanker ... endnu!"

Jeg har fundet det effektivt at give AI de relevante artefakter — f.eks. dokumenterne — såsom følgende:

• Problemformulering
• Overvejede tilgange
• Valgt løsning
• Implementeringsplan (f.eks. JIRA-epics og tickets)

Det giver et stærkt, samlet overblik over ethvert initiativ.

Heldigvis er konsekvensen normalt kun et forbrug af tokens, når AI ikke opfører sig som forventet — forudsat at de rette sikkerhedsforanstaltninger er på plads. Ja, det kan være dyrt, men selv det kan vi håndtere med en minimal indsats.

Hvorfor psykologisk tryghed er afgørende for indførelsen af AI

Mine teams tog godt imod Claude Code. De viste kun lidt eller slet ingen modstand, og jeg kunne se deres begejstring over at bruge det nye værktøj som en kraftforstærker.

En væsentlig årsag til dette var den psykologiske tryghed, vi skabte: AI tog ikke nogens job; det forbedrede deres kompetencer.

Ud over psykologisk tryghed har teams brug for tre ting for at få succes med at indføre AI:

• Klarhed
• Kompetence
• Selvstændighed

Jeg anbefaler, at ledere tager sig af disse grundlæggende forhold, før de implementerer AI. Ellers løser AI ikke noget. Tværtimod kan det gøre tingene værre.

Og en anden ting: Der kan opstå indledende forvirring og desorientering, fordi AI ændrer mange aspekter af menneskers hverdag. Som med ethvert nyt værktøj har folk brug for tid til at tilpasse sig.

Pedro deler

Der kan opstå indledende forvirring og desorientering, fordi AI ændrer mange aspekter af menneskers hverdag. Som med ethvert nyt værktøj har folk brug for tid til at tilpasse sig.

Sådan bør CTO'er bruge den sædvanlige forandringsledelsesplan sammen med AI

Når du er klar til at gå i gang, vil jeg følge den "sædvanlige" plan: Find interesserede personer, saml dem, fastlæg principper, lav en plan, udarbejd materiale til understøttelse, indfør sikkerhedsforanstaltninger, og rul det ud. Overvåg derefter, hvordan tingene udvikler sig, og handl derefter.

Dette er ren forandringsledelse.

Hvorfor jobs inden for softwareudvikling er sikre

Jeg tror ikke, at softwareingeniører mister deres job. Jeg forstår bekymringen, men det skal nok gå. Der vil altid være brug for mennesker, måske blot i andre funktioner.

Der tales meget om, at juniorer mister deres job, men jeg tror, at der altid vil være brug for dem. Vi skal bare vente på, at støvet lægger sig — og det er allerede begyndt at lægge sig.

Hvordan AI ændrer softwareudvikling

Vi bør ikke bekymre os for meget om perfekt kode. Både mennesker og AI begår fejl, så der har altid eksisteret fejl, og det vil der altid gøre.

Det, der er brug for nu, er en ændring i tankegangen i retning af at være mere pragmatisk og mindre perfektionistisk.

Der kommer intet godt ud af perfektionisme. Det sinker teams betydeligt. I modsætning hertil hjælper pragmatisme os med at handle mere beslutsomt, bringe arbejdet fremad, undgå overengineering og fokusere på det, der betyder noget: kundeværdi.

Det er den retning, jeg ser softwareudvikling bevæge sig i med AI. Mindre håndværk, mere pragmatisme.

Hvorfor CTO'er skal omfavne AI og lære det grundlæggende

Her er mit råd til CTO'er: Omfavn AI, og gør det hurtigt. AI er kommet for at blive. Det er ikke en døgnflue.

Jeg ser virksomheder bruge en evighed på at implementere AI-værktøjer i deres daglige arbejde, men det er en fejl. Konkurrencen venter ikke. Fald ikke i fælden med at være overforsigtig. Implementer AI hurtigt og offensivt.

Og læs op på det grundlæggende. Jeg fandt det utrolig nyttigt at forstå, hvordan alt fungerer, fra datavidenskab og maskinlæring til LLM'er, RAG, vektorrepræsentationer og vektordatabaser. Lær det.

Følg med

Du kan følge Pedro Gustavo Torres' arbejde på LinkedIn, X og SlideShare.

Flere ekspertinterviews kommer snart på The CTO Club!