Under mars 2026 blev en sak tydligare än någonsin: AI-verktyg är inte längre bara smarta assistenter. De har tagit flera steg mot att bli aktiva deltagare i det dagliga arbetet. För utvecklare handlar det inte längre bara om att få hjälp med kodförslag. För designers är AI inte bara en inspirationskälla. För säljteam är intelligenta system inte längre begränsade till statistik och rapporter.
I stället ser vi hur verktyg inom flera yrkesområden börjar planera, analysera, föreslå, skapa och i vissa fall även utföra arbetsuppgifter mer självständigt än tidigare. Det gör perioden till en viktig signal om hur snabbt arbetslivet förändras när AI går från att vara reaktiv till att bli proaktiv.
Den här utvecklingen märks tydligt inom tre områden: utveckling, design och försäljning. Flera stora verktyg tog viktiga kliv framåt — från GitHub Copilot, Cursor, Claude och ChatGPT till Midjourney, Figma, HubSpot och Salesforce Einstein. Tillsammans visar de en större trend: AI blir allt mer integrerad i professionella arbetsflöden och påverkar inte bara hur vi jobbar, utan också vad vi lägger vår tid och kompetens på.
Det kanske tydligaste skiftet syntes i utvecklarvärlden. Där har AI länge använts för att skriva kod snabbare, förklara felmeddelanden eller ge enklare förslag direkt i editorn. Men nu blev det tydligt att utvecklarverktygen rör sig mot något större: att fungera som självständiga agenter i kodbasen.
GitHub Copilot tog flera tydliga steg mot att bli mer än ett verktyg för kodkomplettering. Genom att även fungera direkt i terminalen blev Copilot en del av utvecklarens hela arbetsmiljö, inte bara editorn. Det innebär att AI nu kan hjälpa till med kommandon, felsökning, kodgenerering och olika arbetsmoment utan att användaren behöver byta verktyg.
Det förändrar hur stödet från AI upplevs i vardagen. I stället för att bara ge förslag när kod skrivs kan Copilot vara närvarande i större delar av utvecklingsprocessen — där kod byggs, testas, körs och felsöks.
Samtidigt blev verktyget bättre på att hantera mer komplexa uppgifter. Fokus flyttades från att generera enstaka rader eller små kodblock till att kunna bygga större delar av funktionalitet. När AI kan förstå ett större sammanhang och skapa en hel lösning förändras också relationen mellan utvecklaren och verktyget. Utvecklarens roll blir i högre grad att definiera mål, krav och kvalitet, medan AI tar ett större ansvar i själva genomförandet.
Copilot visade också tecken på ett mer avancerat arbetssätt genom att kunna planera flera steg, dela upp problem och arbeta mer självständigt i kodbasen. Det är den typen av förmåga som gör att AI börjar likna en teknisk medarbetare snarare än enbart en assistent.
Dessutom blev det tydligt att Copilot kan arbeta närmare själva projektstrukturen. Genom att analysera repositories, förstå kodbasens logik, föreslå ändringar och skapa pull requests tar verktyget plats i fler delar av utvecklingsarbetet. Det påverkar både tempot och hur ansvar fördelas i team.
Sammantaget visar Copilot hur snabbt utvecklarverktyg förändras. Från att ha varit en smart autocomplete börjar det nu fungera som en aktiv lagspelare i utvecklingsprocessen.
Även Cursor tog viktiga steg framåt, särskilt i sin förmåga att förstå hela kodbaser. Det är en avgörande utveckling, eftersom ett av de största problemen med AI i utveckling länge har varit bristande kontext. Ett verktyg kan vara bra på att skriva syntax, men utan förståelse för projektets struktur, mönster och beroenden blir resultaten lätt ytliga eller felriktade.
När Cursor blev bättre på att läsa in sammanhanget i ett projekt ökade också värdet i dess förslag. I stället för att ge generella svar kunde verktyget i högre grad anpassa sina ändringar efter kodbasens logik, befintliga konventioner och det övergripande syftet med systemet.
Verktyget visade också tydligt hur så kallat agent mode förändrar utvecklarrollen. I stället för att bara svara på instruktioner kan AI initiera förändringar i flera filer samtidigt och arbeta mer självständigt mot ett övergripande mål.
Det innebär att utvecklare i allt större utsträckning kan formulera vad som ska byggas eller ändras, medan verktyget tar hand om större delar av implementationen. Mänsklig granskning blir fortfarande avgörande, men tyngdpunkten flyttas från att skriva varje rad själv till att formulera rätt problem, granska resultat och kvalitetssäkra lösningen.
Claude utvecklades på ett sätt som tydligt visar en annan styrka än de mer kodcentrerade verktygen. Med längre kontextfönster och bättre förmåga att hantera stora mängder information blev det möjligt att arbeta med omfattande kodbaser, komplex dokumentation och systembeskrivningar i ett mer sammanhängande flöde.
Det här är särskilt viktigt i backend-utveckling, integrationsarbete och systemdesign, där förståelse ofta är viktigare än snabb kodproduktion. När en AI-modell kan hålla många delar av ett system i huvudet samtidigt ökar också möjligheten att resonera kring arkitektur, beroenden, designval och tekniska kompromisser.
Claude visade sig också vara särskilt stark i analys och problemlösning. Snarare än att bara producera kod används verktyget ofta för att bryta ner komplexa problem, föreslå arkitektur, identifiera risker och stötta i tekniska beslut. Det gör att Claude ofta fungerar som ett verktyg för förståelse och planering.
För många team är detta minst lika värdefullt som kodgenerering. Att snabbare kunna resonera kring systemval, modulära gränser, API-design och långsiktiga konsekvenser innebär att AI inte bara påverkar produktiviteten, utan även kvaliteten i besluten.
Även ChatGPT tog tydliga steg mot att bli ett bredare arbetsverktyg för utveckling. En viktig förändring var att verktyget blev bättre på att hantera flerstegsuppgifter och följa en hel process från början till slut, i stället för att bara ge ett isolerat svar på en enskild fråga.
Det kan verka som en liten skillnad, men i praktiken gör det verktyget betydligt mer användbart i verkligt arbete. Många utvecklingsuppgifter består inte av ett enda moment, utan av en kedja: förstå problemet, planera lösningen, skapa kod, testa logiken, felsöka och förbättra. När AI klarar hela den kedjan bättre blir verktyget också mer relevant i riktiga projekt.
ChatGPT visade också att det kan användas för att bygga hela funktioner, från frontend till backend, och samtidigt hjälpa till med debugging av mer komplexa problem. Det gör verktyget användbart inte bara för utvecklare, utan också för tekniska projektledare, produktpersoner och mindre team där en person ofta behöver bära flera roller.
Det mest intressanta är kanske att ChatGPT allt mer fungerar som en generell AI-ingenjör snarare än en traditionell chatbot. Verktyget kan röra sig mellan kod, analys, struktur, text, felsökning och problemlösning utan att vara begränsat till ett enda användningsområde. Det gör det särskilt värdefullt i miljöer där arbetet är tvärfunktionellt.
Inom design blev det tydligt att AI i allt högre grad går från experiment till praktiskt arbetsverktyg. Tidigare har många designverktyg använts främst för att generera idéer eller visuella utkast, men nu börjar AI påverka själva arbetsflödet — från konceptframtagning till UI-struktur och systemspråk.
Midjourney utvecklades i en riktning som gjorde verktyget mer användbart för professionell design. Bättre realism och ökad kontroll över stil gjorde det lättare att använda AI-genererade bilder i mer konkreta designprocesser, inte bara som inspiration.
Det är viktigt, eftersom ett av de återkommande problemen med AI-genererade bilder har varit att de visserligen kan vara visuellt imponerande, men svåra att styra exakt. När kontrollen över stil och uttryck förbättras blir verktyget också mer relevant i professionella sammanhang, där riktning, tonalitet och konsekvens är minst lika viktiga som kreativitet.
Samtidigt blev det tydligt att Midjourney används till mer än att bara skapa enstaka bilder. Designers började använda verktyget för att snabbt ta fram flera koncept, utforska alternativa visuella riktningar och skapa underlag för presentationer, workshops och tidiga diskussioner med kunder eller team.
Det gör Midjourney särskilt värdefullt i början av designprocessen, där mycket handlar om att tänka brett, visualisera idéer och göra abstrakta tankar konkreta. I stället för att lägga flera timmar på att bygga upp varje idé manuellt kan designers snabbt testa fler spår. Det förändrar tempot i den kreativa processen och gör att mer tid kan läggas på urval, riktning och kvalitet.
Midjourney blir därmed inte bara ett bildverktyg, utan ett verktyg för kreativ utforskning och idéutveckling.
Figma visade hur AI blir allt mer centralt i designarbetet. Möjligheten att generera design direkt från textbeskrivningar gör att designers snabbare kan skapa UI-förslag, flöden och komponentidéer utan att börja från en helt tom yta.
Det betyder inte att designern försvinner ur processen. Snarare förändras rollen. I stället för att manuellt bygga upp varje första version kan designern i större utsträckning fokusera på riktning, kvalitet, prioritering och förbättring. AI blir ett första utkast, inte en färdig lösning.
Möjligheterna att generera layout och komponenter förbättrades också, vilket gjorde det lättare att snabbare bygga större strukturer och till och med design systems med stöd av AI. Det är särskilt intressant eftersom design systems normalt kräver mycket konsekvens, struktur och repetitivt arbete. När AI kan hjälpa till med sådana delar frigörs tid till mer strategiska och kreativa uppgifter.
Det blev också tydligt att Figma håller på att utvecklas från ett rent designverktyg till en plattform där AI är en central del av arbetsflödet. För designyrket innebär det ett tydligt skifte: från att skapa varje detalj själv till att i större grad styra, bedöma och förfina AI-genererade lösningar.
Det är ett skifte som kräver nya färdigheter. Design handlar i allt högre grad om att formulera rätt riktning, ge rätt instruktioner, tolka resultat och säkerställa att lösningen fungerar för användaren — inte bara att manuellt placera varje element.
Även inom försäljning blev det tydligt att AI inte längre bara används för rapporter och prognoser. I stället ser vi hur AI tar en större roll i det dagliga operativa arbetet — särskilt inom outreach, lead scoring, timing och rekommendationer.
HubSpot visade hur AI kan göra outreach mer personlig utan att förlora skalan. Genom att generera mer anpassade mejl baserat på kunddata blir det möjligt att effektivisera stora delar av den första kontakten med leads, samtidigt som kommunikationen känns mer relevant.
Det är ett stort steg för säljorganisationer. Personalisering har länge varit viktig i försäljning, men samtidigt tidskrävande. Om varje kontakt ska kännas relevant och välanpassad krävs normalt mycket manuellt arbete. När AI kan använda tillgänglig kundinformation för att skapa mer träffsäkra första kontakter blir det möjligt att kombinera skala med relevans på ett helt nytt sätt.
HubSpot visade också hur AI kan hjälpa till med uppföljning och analys av kundbeteenden för att avgöra när det är rätt tid att ta kontakt. Timing är ofta en avgörande faktor i försäljning. Att kontakta en kund för tidigt kan kännas påträngande, medan för sena kontakter kan innebära att affären redan gått förlorad. När AI hjälper till att identifiera rätt tillfälle förbättras inte bara effektiviteten, utan även träffsäkerheten.
Det innebär att säljare kan lägga mindre tid på repetitiva uppgifter som uppföljning, formulering och timing, och mer tid på det som verkligen skapar affärsvärde: att bygga förtroende, förstå kundens behov och driva relationen framåt.
Salesforce Einstein visade en liknande utveckling. Med mer avancerad lead scoring kunde AI analysera data för att avgöra vilka leads som har störst sannolikhet att bli kunder. Lead scoring är inte nytt i sig, men det som förändras är djupet i analysen och den ökade förmågan att ge mer relevanta rekommendationer.
Verktyget blev också bättre på att föreslå nästa steg i en affärsprocess. Det kunde till exempel ge rekommendationer om när en säljare bör ta kontakt, vilken typ av erbjudande som bör lyftas eller vilka signaler som tyder på att en affär behöver extra uppmärksamhet.
Det gör att Salesforce Einstein inte bara fungerar som ett system för att lagra kunddata eller visualisera pipelines. Det fungerar allt mer som en strategisk rådgivare i säljprocessen. För säljledare och account managers innebär det att AI kan bli ett beslutsstöd i vardagen, inte bara ett rapportverktyg i efterhand.
När man ser på utvecklingen inom utveckling, design och sälj framträder en gemensam riktning. Verktygen blir bättre på att förstå sammanhang, arbeta i flera steg och utföra större delar av arbetet mer självständigt. De är inte längre begränsade till att ge förslag på begäran, utan kan i ökande grad analysera, planera och agera.
Detta betyder dock inte att människan blir mindre viktig. Tvärtom förändras den mänskliga rollen på ett sätt som gör vissa kompetenser ännu mer värdefulla. När AI tar över mer operativt och repetitivt arbete blir mänsklig bedömning, kvalitetssäkring, prioritering, strategi och ansvar allt viktigare.
För utvecklare innebär det att fokus i högre grad flyttas från att skriva varje rad kod till att definiera problem, granska lösningar och säkra arkitektur och kvalitet. För designers betyder det att arbetet rör sig från detaljerad produktion mot riktning, upplevelse och kritisk utvärdering av AI-genererade förslag. För säljare blir relationer, förtroende och strategiskt omdöme viktigare när AI tar över mer av det repetitiva och administrativa.
Det är alltså inte en utveckling där AI helt ersätter yrkesroller. Det är snarare en utveckling där yrkesroller förändras i grunden.
Generativ AI förändrar hur vi bygger system , men öppnar också nya dörrar för angripare.
Så optimerar du din webbplats för AI-närvaro
Det mest relevanta som hänt inom AI senaste månaden
Mojgan delar med sig av sina spaningar från AI-världen.
Konkreta sätt jag använder ChatGPT i mitt dagliga UX-arbete.
Mojgan bjuder på nyheter från AI-världen.
AI-verktyg och resurser som kan hjälpa dig som ledare att hålla dig i framkant.
Välkommen på nätverksmingel i Malmö! 18 juni kl 15:30
Decerno bjuder på AI-frukost i Göteborg den 30/5.
När du bokar ett möte med oss kan du förvänta dig: