NDC Conferences
AI作为效能放大器会成倍暴露架构缺陷与技术债,唯有具备深度专业知识的资深工程师才能设计防错机制并兜底系统崩溃风险。
AI-assisted summary of For God's sake, keep the nerds! - Stein Inge Morisbak - NDC AI 2026 — original source. Check the original for full context.
Source published:
Key ideas
- Tet Digital 针对 30 名工程师开展为期 6 周的 Claude Code 试点并推广至 180 人:90% 报告生产力提升,但仅 45% 认为代码质量改善,另有 10% 明确指出质量退化。 (7:27)
- DORA 研究表明 AI 本质上是团队效能的放大器,它成倍放大高绩效团队优势的同时,也会加速放大混乱团队的技术债务与崩溃风险。 (2:56)
- 产品经理视角并未观察到团队交付速度与质量出现爆发式飞跃,凸显出真正的工程瓶颈在于跨团队依赖与组织协同,而非编写代码本身。 (9:12)
- Tet Digital 制定了严格的“三步走”准入流程(强制培训、团队领导共识、签署合规声明),严防野蛮接入带来的安全与质量灾难。 (15:22)
Detailed notes
## Background 该视频由 NDC Conferences 于 2026 年 7 月 1 日在 YouTube 平台上发布,记录了在挪威奥斯陆举行的 NDC AI 大会上的主题演讲。视频简介指出,演讲围绕企业管理层热议的“人人都可零代码开发”与一线工程师的焦虑反差展开,由 Tet Digital 首席技术官 Stein Inge Morisbak 分享其团队推行 Claude Code 试点的真实数据,并阐释为何在 AI 时代更需要依靠资深技术人员与防御性编码规范来把控质量。
## TL;DR Tet Digital 的 CTO Stein Inge Morisbak 结合支撑挪威 69% 公共交通系统的工程背景,深入剖析了高管对 AI 零代码神话的盲目乐观与一线开发者对技术债务的现实担忧。演讲以该团队开展的 Claude Code 试点项目为样本,揭示了 90% 开发者自认生产力暴涨但整体业务交付瓶颈未变的客观现实,指出 AI 本质上是团队能力的“放大器”。基于此,Tet Digital 拒绝全面无序放开,而是设计了包含强制培训、领导层协议与三条安全红线的“三步走准入机制”,并成立专门的 AI 赋能团队。Morisbak 最终呼吁,在任何人都能用 AI 生成代码的时代,企业更应留住深谙底层逻辑的技术“极客”,因为深度专业认知才是防止系统走向彻底崩溃的唯一保险。
## Atmosphere & style 整场演讲呈现出一种幽默风趣却又极其清醒务实的基调,主讲人以“阻碍大家去喝啤酒的最后一道关卡”自嘲开场,迅速拉近与台下工程师观众的距离。演讲在企业高层夸夸其谈的公关狂热与一线架构崩塌的严肃危机感之间切换,生动且具张力。台上展示的搞怪 AI 劈腿照片与严谨的试点度量表格形成鲜明对比,整体氛围既像是一场老练技术老兵的深度复盘,又带有一种呼吁企业界尊重工程底线、不要自毁长城的真挚呐喊。
## Bulletin - [07:27](https://www.youtube.com/watch?v=Fda_-l6HB18&t=447s) Tet Digital 针对 30 名工程师开展为期 6 周的 Claude Code 试点并推广至 180 人:90% 报告生产力提升,但仅 45% 认为代码质量改善,另有 10% 明确指出质量退化。 - [02:56](https://www.youtube.com/watch?v=Fda_-l6HB18&t=176s) DORA 研究表明 AI 本质上是团队效能的放大器,它成倍放大高绩效团队优势的同时,也会加速放大混乱团队的技术债务与崩溃风险。 - [09:12](https://www.youtube.com/watch?v=Fda_-l6HB18&t=552s) 产品经理视角并未观察到团队交付速度与质量出现爆发式飞跃,凸显出真正的工程瓶颈在于跨团队依赖与组织协同,而非编写代码本身。 - [15:22](https://www.youtube.com/watch?v=Fda_-l6HB18&t=922s) Tet Digital 制定了严格的“三步走”准入流程(强制培训、团队领导共识、签署合规声明),严防野蛮接入带来的安全与质量灾难。
## Key takeaways - [00:06](https://www.youtube.com/watch?v=Fda_-l6HB18&t=6s) 高管层对零代码和 AI 赋能抱有极高乐观预期,但深知系统脆弱性的一线工程师因担心代码所有权丢失而充满焦虑。 - [02:56](https://www.youtube.com/watch?v=Fda_-l6HB18&t=176s) 工程师的谨慎并非消极对抗,而是在 AI 极速生成代码时防范系统全面崩溃的核心专业责任。 - [05:33](https://www.youtube.com/watch?v=Fda_-l6HB18&t=333s) AI 在代码重构、测试套件编写、文档撰写与排错场景中表现亮眼,但在高耦合与跨团队依赖任务中表现大打折扣。 - [07:27](https://www.youtube.com/watch?v=Fda_-l6HB18&t=447s) 试点中主观掌控感与代码质量呈现分化,10% 的开发者反馈质量退化,必须由严格工程护栏兜底。 - [09:12](https://www.youtube.com/watch?v=Fda_-l6HB18&t=552s) 代码编写从来不是交付链路的核心瓶颈,低效会议、依赖阻塞与决策缓慢等结构性问题无法被 AI 自动消除。 - [11:20](https://www.youtube.com/watch?v=Fda_-l6HB18&t=680s) 初级开发者的成长曲线容易被 AI 代劳削弱,团队必须刻意保留结对编程与代码审查以维护技能传承。 - [11:20](https://www.youtube.com/watch?v=Fda_-l6HB18&t=680s) 工程师角色正从亲手敲代码转向指挥编排与严苛验证,肌肉记忆编码能力演进为高维度的技术研判决策。 - [11:20](https://www.youtube.com/watch?v=Fda_-l6HB18&t=680s) 工具采纳存在明显的成熟适应周期,不可在早期阶段过早宣称胜利或贸然否定工具价值。 - [11:20](https://www.youtube.com/watch?v=Fda_-l6HB18&t=680s) “为了上帝的缘故,留下极客们”:资深技术人员是设计防错机制、遏制技术债务与验证 AI 代码不可替代的基石。 - [15:22](https://www.youtube.com/watch?v=Fda_-l6HB18&t=922s) 规模化推行必须贯彻极简安全准则,包括开发者对生成代码负全责、严禁泄露敏感数据与保持清醒常识。 - [17:54](https://www.youtube.com/watch?v=Fda_-l6HB18&t=1074s) 向设计师与产品经理扩展试点时暴露出命令行门槛,证明 AI 没有消除技术门槛,反而凸显了基础开发能力与专家把关的必要性。 - [20:02](https://www.youtube.com/watch?v=Fda_-l6HB18&t=1202s) 仅仅采购软件许可无法生成生产力,AI 落地的本质是一场以人为本、依赖实践社区与安全合规底线的组织变革管理。
## Detailed walkthrough ### [00:06](https://www.youtube.com/watch?v=Fda_-l6HB18&t=6s) 挪威公共交通数字化背后的技术底座与高管预期
Stein Inge Morisbak 作为 Tet Digital 的首席技术官(CTO)登台,幽默地提到自己是今天阻碍大家去参加派对、喝啤酒的最后一道关卡。他首先介绍了 Tet Digital 的业务背景:Tet Digital 是一家专注于出行解决方案的科技公司,由挪威最大的几家公共交通管理局联合持有,包括奥斯陆的 Ruter、Vestland 的 Skyss、Agder Kollektivtrafikk、Trøndelag 的 AtB 以及 Østfold Kollektivtrafikk。在挪威,全境 69% 的公共出行服务都依赖于他们构建的数字化系统平稳运行。
面对当前媒体上铺天盖地的 AI 炒作,高管层普遍抱有极高的期望。Stein Inge 展示了来自挪威主流报刊《世道报》(Verdens Gang, 简称 VG)的一篇报道,其中收录了挪威电信(Telenor)、奥斯陆证券交易所(Oslo Børs)、挪威银行(DNB)以及微软等顶尖企业高层对 AI 颠覆生产力的乐观发言。这些高管甚至声称技术门槛将不复存在,“无需编写一行代码,任何人都能成为技术人员”。
- Tet Digital 服务于挪威公共出行生态,支撑全国 69% 的公共交通行程。 - 媒体与顶级企业高管大肆宣扬 AI 将实现零代码开发与前所未有的高效率。
---
[02:56](https://www.youtube.com/watch?v=Fda_-l6HB18&t=176s) 工程师的现实担忧与“放大器”效应
与高管层的狂热相反,来自一线工程师的声音构成了沉重的现实制衡。那些深知技术债务和失去“代码所有权”(Code Ownership)意味着什么的人,正承受着巨大的焦虑与恐惧。Stein Inge 强调,工程师们并不是消极对抗,而是在展现高度的专业责任感:“The developers, they aren't being negative; they are being responsible, because when AI produces code at enormous speed, deep technical understanding is the only insurance you have against total system collapse.”
与此同时,对拥抱 AI 的渴望不仅来自自上而下的推动,也源自团队内部最优秀的一线开发者。他们看到了 AI 赋能的超级生产力前景,生怕企业步调太慢而让自己被束缚住。正如 DORA(DevOps Research and Assessment)关于软件团队应用 AI 的研究所指出的,AI 本质上是一个“放大器”(Amplifier):它会成倍放大高绩效团队的优势,但同样会急剧放大陷入困境团队的缺陷与混乱。
Stein Inge 展示了一张他在圣诞节前身穿圣诞毛衣、由 AI 生成的趣味劈腿照片,形象地描摹出自己作为 CTO 的处境:他并非在管理层和开发者之间拉扯,而是在“追求更高速度与质量的共同愿景”和“确保系统不跌落悬崖的共同底线”之间艰难平衡。
```mermaid flowchart TD accTitle: AI 作为团队效能放大器的作用机制 accDescr: 高绩效团队引入 AI 优势被放大,困境团队引入 AI 缺陷被放大产生系统崩溃。
subgraph Input["组织现状"] A["高绩效组织<br/>(严密工程规范 / 清晰架构)"] B["陷入困境的组织<br/>(缺乏规范 / 技术债高企)"] end
subgraph Engine["AI 放大器 (DORA 研究)"] AMP["AI 工具加速生产代码"] end
subgraph Output["最终结果"] C["效能与交付质量倍增"] D["技术债务膨胀与系统崩溃风险"] end
A --> AMP --> C B --> AMP --> D ```
---
[05:33](https://www.youtube.com/watch?v=Fda_-l6HB18&t=333s) Claude Code 试点项目与落地场景
为了化解这种张力,Tet Digital 决定直接切入风险最高的核心地带——一线开发者的生产环境。因为这里是离线上系统最近、代码出错代价最高昂的地方;如果能在严密的安全边界下让 AI 在核心工程团队跑通,就能建立起坚实的实践底座。他们选用了 Claude Code 作为技术工具,展开了为期 6 周、涵盖 6 个团队共 30 名开发者的试点项目,重点考察三个维度: 1. 团队人员与工作方式受到的实际影响; 2. Claude Code 究竟在哪些场景下真正有效; 3. 安全应用所必需的防护护栏(Guardrails)。
试点数据显示,AI 在以下场景表现极为出色:大规模重复性任务、代码重构(Refactoring)、自动化测试、文档编写以及故障调试(Debugging)。但在处理极其复杂、或者与多方系统和团队强耦合的依赖任务时,AI 的表现则大打折扣。企业级系统往往盘根错节,涉及跨团队和跨系统的庞大依赖,AI 无法凭空理顺这些复杂的业务边界。
- 试点规模:6 个团队、30 名工程师、持续 6 周。 - 适用场景:规模化重复劳动、代码重构、测试套件编写、技术文档与调试排错。 - 局限场景:复杂架构重组、高耦合及跨团队依赖繁杂的系统级任务。
---
[07:27](https://www.youtube.com/watch?v=Fda_-l6HB18&t=447s) 开发者效能数据的两极化分析
试点期间对开发者主观体验与效率产出进行了深度调研。在工作幸福感(Wellbeing)方面,60% 的人报告幸福感提升,40% 认为没有变化;但这一数据并非一开始就这么理想,在试点刚启动时,不少开发者由于适应困难甚至反馈幸福感下降,收益需要时间才会显现。在能力掌控感(Sense of Mastery)上,65% 认为掌控感上升,25% 维持原样,10% 则感受到了倒退。
生产力的数据最为悬殊:90% 的开发者表示生产力明显提高,10% 认为没有变化,没有任何一位开发者报告生产力出现下滑。然而,在代码质量维度上,情况则变得极其微妙:仅 45% 的人认为质量有所提升,45% 认为质量无变化,另有 10% 明确指出质量出现了退化。正是这 10% 的质量下滑群体,凸显出设置工程护栏的紧迫性。
| 评估维度 | 提升比例 | 无变化比例 | 下降比例 | 关键观察 | |:--- |:--- |:--- |:--- |:--- | | **工作幸福感 (Wellbeing)** | 60% | 40% | 0% | 试点初期曾出现负面反馈,随着熟练度提升逐步转正 | | **掌控感 (Mastery)** | 65% | 25% | 10% | 少数人对失控的代码感到不安 | | **生产力 (Productivity)** | 90% | 10% | 0% | 全员一致认可生产速度加快,无一人报告下降 | | **代码质量 (Quality)** | 45% | 45% | 10% | 结果两极分化,10% 的退化风险必须依赖工程规范兜底 |
---
[09:12](https://www.youtube.com/watch?v=Fda_-l6HB18&t=552s) 产品经理的视角与真正的交付瓶颈
当管理层将目光转向产品经理(Product Managers / Product Leads)时,却得到了耐人寻味的结果。产品经理们既没有观察到团队交付效率的显著爆发,也没有看到质量层面的本质飞跃;他们的解释是“团队原有的交付质量本身就已经非常高了”。产品负责人唯一清晰捕捉到的,是开发者自己“感觉效率提高了,并且用这个工具玩得很开心”。
这种开发者感知与业务实测之间的错位,直接暴露在 OKR 交付信心上:尽管 90% 的开发者自认效率暴涨,但许多人对自己能否按期交付季度 OKR 目标依然缺乏把握。这一矛盾指出了软件工程的关键真相——编写代码往往从来不是交付链路中真正的瓶颈。阻碍交付的真正难题是跨团队协作的摩擦、冗长低效的会议、依赖项阻塞、模糊不清的业务优先级以及缓慢迟钝的决策流程,而这些没有一样是 AI 能够自动解决的。
- 开发者自我感觉生产力大涨,但产品经理视角的业务推进速度并没有实质性突跃。 - 编写代码并非核心瓶颈,AI 无法解决组织协同、会议繁多和跨团队依赖等系统性结构问题。
---
[11:20](https://www.youtube.com/watch?v=Fda_-l6HB18&t=680s) 为什么说“为了上帝的缘故,留下极客们!”
在试点总结中,Stein Inge 提炼了必须高度警惕的核心洞察: 1. **AI 会犯错**:如果底层流程与规范缺位,AI 只会加速制造隐患。正因 AI 存在幻觉与漏洞,优秀的团队工程实践比以往任何时候都更加重要。“Rolling AI out to a struggling team doesn't fix the team; it makes the problems worse.” 2. **学习能力的钝化**:AI 的代劳极容易削弱新人的学习曲线,初级工程师如果得不到资深技术人员的悉心带教,成长将陷入停滞。因此,结对编程(Pairing)、严格的代码审查(Code Review)以及专门的学习时间必须刻意保持。 3. **工程师角色的根本跃迁**:开发者正在从“亲手打出每一行代码”转变为“指挥编排 AI 输出并对结果进行严苛验证”。敲键盘的占比变少,技术研判与决策权重增加。过去纯粹依靠肌肉记忆的编码技能,如今变成了确保你能安全驾驭 AI 的判别能力。 4. **工具采纳的成熟期(Maturation)**:在试点早期,83% 的开发者感到效率提升,4% 感到下降;而随着工具深入磨合,最终实现 90% 报告提升、0% 报告下降。这意味着企业必须留出适应周期,切不可过早宣称胜利或贸然判定失败。
这一切结论最终指向了演讲的核心主旨:我们必须拼命留住那些深度懂技术的极客(Keep the nerds)。我们需要极客设计捕获 AI 错误的流程机制,需要极客确保技术债不侵蚀系统骨架,需要极客以深厚的专业知识读懂并验证 AI 生成的代码。
```mermaid flowchart TD accTitle: 资深技术极客在 AI 时代的四大不可替代核心价值 accDescr: 极客提供设计防错流程、遏制技术债务、审查 AI 代码和驱动技术成熟四大支撑。
NERD["资深技术极客 (The Nerds)"]
NERD --> F1["设计防错机制与工程规范"] NERD --> F2["遏制技术债务恶化,保全架构生命力"] NERD --> F3["专业审校并验证 AI 产出代码"] NERD --> F4["驱动团队走过工具成熟期曲线"] ```
---
[15:22](https://www.youtube.com/watch?v=Fda_-l6HB18&t=922s) 推广至 180 人的三步法与极简安全准则
基于试点的成功,Tet Digital 决定将 Claude Code 正式推广至全公司 180 名工程师。但他们没有直接向全员大开水闸,而是设定了极其严谨的“三步走准入流程”:
1. **强制性培训(Mandatory Training)**:培训不聚焦于具体的 Claude 界面操作,而是重点传授“AI 作为放大器”的心智模型、安全防护底线与工程实践准则。 2. **团队领导层共识(Team Leadership Agreement)**:整个团队及其主管必须集体签署采用协议,因为交付成果与线上风险由全团队共同承担,决不允许个别人员私自散漫使用。 3. **签署合规声明(Compliance Declaration)**:每位开发者必须书面承诺已阅读、完全理解并坚决遵守安全指引。
Stein Inge 强调,安全红线必须极度凝练,绝不能写成没人读的长篇大论,甚至可以直接发送在 Slack 群聊中。他们归纳为三条核心准则: - **承担责任与人工审查**:你个人对 AI 生成的所有代码负全责,任何 AI 产出的代码必须经过严密的人工审查方可合并。 - **严禁数据泄露**:严禁向 AI 泄露任何敏感信息、用户个人数据、密钥凭证(Secrets)或商业机密。 - **保持清醒,不懂就问**:动用你的常识与判断力(Use your head);如果不确定某项操作是否合规,宁可主动询问,绝不可侥幸猜测。
[17:54](https://www.youtube.com/watch?v=Fda_-l6HB18&t=1074s) 成立 AI 赋能团队与非研发人员的试点挑战
在完成初步的工具验证后,组织决定建立一个专门的 AI 赋能团队(AI Enablement Team),其职责涵盖培训、维护操作指引、协助遇到困难的团队、监控试点期间发现的各类失效模式(Failure Modes),并持续评估哪些方法真正奏效。衡量指标被视为至关重要的一环,尽管团队已经设立了护栏,但要精准量化大家究竟是变快了还是变慢了,往往依然只能依赖员工的主观感受。组织希望让 AI 的采纳过程保持深思熟虑与可控,而不是任由其野蛮生长。正如 Stein Inge Morisbak 所强调的那样:
> “So we wanted AI adoption to stay deliberate, not accidental.”
与此同时,对 AI 产生兴趣的不仅是软件工程师。团队开始将试点范围扩展到设计师和产品经理(PM)等非研发角色。然而,这类新群体的试点展现出了完全不同的动态,恰恰印证了本次演讲的核心主张。设计师和产品经理平时并不熟悉终端命令行界面(Terminal),甚至觉得这种交互方式非常别扭和困难。这直接导致他们需要资深技术专家的辅助与把关。如果组织希望这些群体顺利运用 Claude Code 等工具,就必须先帮他们建立最基本的开发技能;AI 并没有消除技术门槛,反而暴露了技术认知的缺失。
```mermaid flowchart TD accTitle: AI赋能团队与跨职能扩展架构 accDescr: 展示AI赋能团队的核心职能以及向设计师与产品经理扩展试点时的支撑关系
subgraph Enablement["AI 赋能团队 (AI Enablement Team)"] direction TB E1["培训与维护规范"] E2["排查试点失效模式"] E3["团队卡点救助与效果度量"] end
subgraph Pilots["扩展试点群体"] direction TB P1["设计师 (Designers)"] P2["产品经理 (PMs)"] end
subgraph Requirements["落地必备前提"] direction TB R1["建立基础开发能力"] R2["专家护栏把控风险"] end
Enablement --> Pilots Pilots --> Requirements ```
- **AI 赋能团队核心工作**:包括全员培训、维护使用准则、救助受阻团队、防范已知失效陷阱并追踪实际效能。 - **度量挑战**:目前衡量开发速率变快还是变慢,很大程度上仍依赖团队成员的主观体验反馈。 - **跨职能门槛**:设计师与 PM 面对命令行工具存在天然壁垒,缺乏基础技能会导致无法独立闭环。
---
[20:02](https://www.youtube.com/watch?v=Fda_-l6HB18&t=1202s) 从试点走向规模化:回归变革管理与保护“极客”
团队目前的进展就好比刚刚离开火箭发射台,起飞虽然顺利,但接下来的严峻挑战是如何将试点成果转化为跨整个公司、面向所有团队的可持续价值。Stein Inge Morisbak 指出,许多企业的 AI 战略往往会陷入宏大而抽象的陷阱,试图包罗万象。但他们选择保持克制,在对工作方式、组织流程进行大动干戈之前,务实地先在现有组织架构中把工具学透用好。在迈向规模化落地的过程中,安全、法务和伦理构成了不可动摇的底线,尤其是很多企业感到棘手的法规与合规问题。
面对技术的飞速更迭,Stein Inge Morisbak 呼吁大家建立实践社区(Community of Practice),无论此前资历多深,在面对新兴 AI 时人人都重新变回了新手,必须坦然接受“自己不知道”并互相学习,同时促进跨公司与学术界的知识共享。演讲最终落脚到一个深刻的洞察上:仅仅采购软件许可并不能创造业务价值;想要通过 AI 试点构建长久的能力,其本质是一场以人为本的变革管理(Change Management),AI 仅仅是手段。在任何人都能一键生成并发布代码的时代,深厚的专业技术不但没有贬值,反而变得比以往任何时候都更加关键。Stein Inge Morisbak 在结尾呼吁道:
> “And remember, for God's sake, keep the nerds.”
- **规模化落地原则**:避免陷入假大空的宏观战略,优先聚焦工具本身的熟练掌握与落地支撑。 - **基础保障支撑**:安全(Security)、法务(Legal)与伦理(Ethics)是规模化应用的前提底座。 - **实践社区心态**:面对前沿工具,所有人皆为新手(Newbies),资深技术人员也需要拥抱未知并共同探索。 - **本质定性**:购买 License 不等于获得生产力,技术落地的本质是组织层面的变革管理。 - **核心结论**:积极投入测试与试点,但绝不可抛弃专业技术人员——AI 使得专家的价值更加不可替代。
## Notable quotes > [02:56](https://www.youtube.com/watch?v=Fda_-l6HB18&t=176s) The developers, they aren't being negative; they are being responsible, because when AI produces code at enormous speed, deep technical understanding is the only insurance you have against total system collapse. — Stein Inge Morisbak
> [11:20](https://www.youtube.com/watch?v=Fda_-l6HB18&t=680s) Rolling AI out to a struggling team doesn't fix the team; it makes the problems worse. — Stein Inge Morisbak
## Mentioned Stein Inge Morisbak, Tet Digital, Ruter, Skyss, Agder Kollektivtrafikk, AtB, Østfold Kollektivtrafikk, 《世道报》(Verdens Gang), Telenor, Oslo Børs, DNB, Microsoft, DORA, Claude Code, Slack
## Video description This talk was recorded at NDC AI in Oslo, Norway. #ndcai #ndcconferences #developer #softwaredeveloper
Attend the next NDC conference near you: https://ndcconferences.com https://ndc-ai.com/
Subscribe to our YouTube channel and learn every day: / @NDC
Follow our Social Media!
https://www.facebook.com/ndcconferences https://twitter.com/NDC_Conferences https://www.instagram.com/ndc_conferences/
#api #code #ai
Anyone can spin up an app, generate an API, and ship to production — without writing a line of code themselves. Top executives are declaring that technical expertise is becoming optional, that "anyone can be a technologist" without learning to code. Meanwhile, developers are reporting the opposite: FOMO, dread, and the sense that bad teams get worse with AI, not better. Both can't be right. This talk shows a better approach: shift the focus from chasing specific attacks to teaching solid defensive coding principles. We'll build security knowledge directly into the agent — using skills, hooks, and standards — so it looks up the right guidance, plans for it, and reviews its own work. You'll leave knowing how to make your agent produce secure code far more often, by default.
At Tet Digital, we ran a six-week Claude Code pilot across 6 teams and 30 developers, then rolled it out to 180. 90% reported higher productivity. But productivity isn't the whole picture: AI makes mistakes, so team practices for catching and correcting them matter more, not less; there's reduced learning, so skill development needs continued focus; the developer role is shifting toward orchestration and quality control; and like any tool, this one needs maturation, not just access.
In this talk, Stein Inge Morisbak (CTO) shares the concrete findings from the pilot, why Tet chose a deliberate three-step rollout with mandatory training and guardrails instead of an open tap, and why AI is best understood as an amplifier — one that makes deep technical understanding more valuable, not less. When anyone can ship, someone has to know what we're actually shipping.
[Source](https://www.youtube.com/watch?v=Fda_-l6HB18)