Steven LafortuneAI ændrer den måde, softwarevirksomheder arbejder på, og Devolutions er ingen undtagelse. I takt med at vi øger vores investering i AI — på tværs af udvikling, sikkerhed og interne værktøjer — har vores kunder spørgsmål.
Vi åbnede for nylig for indlæg på Devolutions Forum og inviterede vores fællesskab til at sende deres sværeste AI-spørgsmål direkte til Marc-André Moreau, vores CTO. Responsen var stærk — og det var spørgsmålene også. Han gik alle indsendelser igennem og besvarede et udvalg nedenfor, uden manuskript og uden at glatte kanterne ud.
Sikkerhed, datasikkerhed, produktkvalitet og medarbejdere
Som en, der også arbejder i en softwarevirksomhed, ser jeg med egne øjne, hvilken effekt AI har på arbejdet og medarbejderne. Hvordan garanterer Devolutions sikkerheden, datasikkerheden og kvaliteten af sine produkter — og hvad betyder det for jeres personale?
Det er et sammensat spørgsmål; lad mig fokusere på de to dele, jeg synes betyder mest.
AI laver fejl, men den er også rigtig god til at opdage fejl, især med det rigtige værktøj og de rigtige instruktioner. Codex Security laver løbende sikkerhedsgennemgange af vores kode og har fundet flere sårbarheder, der havde overlevet årevis af granskning fra menneskelige reviewere. GitHub Copilots kodegennemgang bliver også ved med at blive bedre og giver nu brugbare kommentarer på pull requests, der rækker langt ud over simple irritationsmomenter om kodestil. Vi er nået dertil, hvor eksterne sikkerhedsforskere automatisk dekompilerer vores software for at finde sårbarheder og indsender proof-of-concept-exploits med ét klik på det, de har fundet.
Der er meget snak om AI-afskedigelser, og om AI vil tage vores job. Nogle enkeltpersoner kan have svært ved at omstille sig til den nye virkelighed, men der er en endnu større risiko: Hvis vi ikke lærer at bruge AI korrekt og effektivt, kan vi gå nedenom og hjem. Reglerne er ændret, og vi skal trives i det nye miljø.
„Hvis vi ikke lærer at bruge AI korrekt og effektivt, kan vi gå nedenom og hjem. Reglerne er ændret, og vi skal trives i det nye miljø.“ — Marc-André Moreau, CTO
Omkostninger, tokens og licensgrænser
Vi bruger mange tokens, og vores licens blev for nylig skåret ned fra 3.000 til 1.800 forespørgsler. Oveni bruger de bedste modeller flere tokens. Hvordan styrer I omkostningerne?
Det enkle svar er, at vi bliver ved med at betale for tokens, selv om den langsigtede bæredygtighed af den tilgang stadig er uklar. Jeg bruger personligt over 2.500 USD i tokens om måneden, og da dette blev skrevet, var den interne rekord 5.000 USD på en enkelt måned. Det er undtagelser, men vi har også presset hårdt på for, at medarbejderne skal lære og bruge AI. Det ville ikke give mening at træde på bremsen, netop når nogen endelig forstår at bruge AI effektivt og når en 10x-stigning i produktiviteten, selv om omkostningerne er høje.
Det, der virkelig betyder noget, er, at tokens bliver til resultater. Vi er bare mere opmærksomme, når nogen kommer over 500 USD om måneden, for at sikre, at de ikke bruger AI på en ødsel måde; hvis de bruger det effektivt, kan de fortsætte. Det handler ikke om at bruge penge for pengenes skyld, og vi har ikke en intern rangliste, der belønner medarbejdere for at brænde flest tokens af. Vi giver derimod medarbejderne det, de skal bruge for at lykkes med AI, og vi holder ikke igen. De forventes at arbejde sammen med os, følge med i den nye virkelighed og tilpasse den måde, de arbejder på. Vi har flere eksempler på medarbejdere, der leverer bedre resultater i et utroligt tempo, så det egentlige spørgsmål er, hvad der fik det til at klikke for dem, og hvordan vi hjælper andre derhen. Meget læring sker internt ved at se, hvordan kolleger bruger AI effektivt.
I en virksomhed som Devolutions sælger vi software, så vi nyder godt af en stærk multiplikator: Den samme software kan sælges mange gange for den samme produktionsomkostning. Den virkelige udfordring er for virksomheder med en anden forretningsmodel, især servicevirksomheder, der ikke har den samme multiplikator. Vi har råd til at bruge mange penge på tokens, så længe det hjælper os med at nå mål, vi kun kunne drømme om for et år siden. Men hvad sker der, når der ikke kommer indtægter ind, der matcher? Selv om AI gør dig mere effektiv, betyder det ikke automatisk, at du forbliver rentabel. Jeg er oprigtigt bekymret for virksomheder med lavere marginer: De bliver nødt til at holde AI-omkostningerne i skak langt mere omhyggeligt, end vi gør.
„Det ville ikke give mening at træde på bremsen, netop når nogen endelig forstår at bruge AI effektivt og når en 10x-stigning i produktiviteten.“ — Marc-André Moreau, CTO
Miljøpåvirkning og omkostninger
AI-datacentre har en betydelig miljøpåvirkning. Hvad er Devolutions’ holdning til det, og hvordan håndterer I de tilhørende omkostninger?
Miljøbekymringen er reel, og jeg vil ikke affeje den. Men Pandoras æske er åbnet, og herfra må vi enten tilpasse os eller risikere at dø som virksomhed.
Hvis vi tog en alt for forsigtig tilgang til AI af miljøhensyn, ville vi desværre sætte virksomheden i alvorlig risiko over tid: kunder, der ikke fornyer i de kommende år, vækst, der går i stå, og en branche, der tilpasser sig AI, mens den kasserer traditionel software, der ikke fungerer godt sammen med AI-arbejdsgange.
Hvad angår vores faktiske holdning, vil jeg ikke foregive, at miljøpåvirkning er det første, vi prioriterer. På omkostningssiden er vi heldige at stå økonomisk godt og have råd til det, selv om vi er udmærket klar over, at det ikke gælder for alle. Det er mit ansvar som CTO at sikre, at Devolutions navigerer AI-skiftet rigtigt, og en del af det er at være proaktiv omkring ansvarlig AI: Vi er begyndt at indføre ISO/IEC 42001, den nye internationale standard for systemer til styring af AI, så vores brug af AI styres bevidst og holdes op mod en anerkendt ramme i stedet for at blive overladt til improvisation.
Tingene bevæger sig hurtigt, selv betydningen af „AI-native“ er stadig under udarbejdelse, og jeg kan ikke forudsige, hvordan verden ser ud om et år.
Kilden til AI-initiativet
Bliver jeres AI-initiativ drevet fra C-niveau eller fra udviklerniveau?
Begge dele, og netop den kombination er grunden til, at det virkede. Indførelsen af AI hos Devolutions er blevet kraftigt opmuntret på ledelsesniveau fra starten, men den er også blevet mødt af interne AI-ildsjæle, der dukkede op i forskellige teams. Det har ændret teamdynamikken markant. Det var ikke til at forudsige, hvem der ville blive en „AI-champion“, og vi har set enkeltpersoner tage AI til sig så effektivt, at de nu driver hele deres teams fremad og forvandler de daglige arbejdsgange.
Det blev ikke taget lige godt imod af alle. Ikke alle er villige til eller i stand til at arbejde i en virksomhed, der virkelig er AI-native. Da vi startede, lod vi alle — udviklere såvel som ikke-udviklere — deltage i AI-undervisning med Mindstone. Vi har gentagne gange sagt til alle, at de skal omstille sig, men også at vi ville give dem værktøjerne og undervisningen til at gøre det. Vi har ikke sparet på AI-undervisning og -værktøjer, så støtten er der, og resten er op til hver enkelt at udnytte.
Hvis du arbejder i en virksomhed, hvor indførelsen af AI er gået i stå, så sørg for at forklare dem på C-niveau, at de skal gå foran med et godt eksempel. Det meste af det, jeg har læst om AI-transformation, er enig i, at det skal komme oppefra, mest for at signalere, at AI er en positiv kraft og ikke en negativ. Vi er heldige, at Devolutions’ CEO tidligt valgte at satse fuldt ud på AI og samtidig bevare et køligt hoved omkring dens reelle formåen.
Valgfrie AI-funktioner, LLM-pålidelighed og AI-genereret kode
Vil AI-baserede funktioner i Devolutions-produkter som RDM altid forblive valgfrie og kunne slås fra af brugeren? Jeg spørger, fordi LLM’er efter min mening ikke er virkelig intelligente — de forudsiger det næste ord ud fra statistiske mønstre og producerer selvsikkert fejlbehæftet output uden at markere det. Jeg er også nysgerrig: Hvor stor en procentdel af koden i Devolutions’ produkter er nu AI-genereret?
Alle de AI-funktioner, vi har tilføjet, kan slås fra, og de trænger sig ikke på. Vores hensigt er, at de forbliver valgfrie og nemme at slå fra, både nu og fremover. Vi vil ikke opføre os som Microsoft og tilføje Copilot overalt, så brugerne klikker på det ved en fejl, næsten som en fælde. Samtidig er der efterspørgsel efter, at vores produkter fungerer sammen med AI, så vi kan ikke levere produkter helt uden AI-funktioner.
I dag kræver de AI-funktioner typisk, at brugeren medbringer sin egen nøgle eller logger ind med GitHub Copilot, fordi de mennesker, der bruger AI meget, generelt hellere vil tage deres eget abonnement med ind i vores produkter end købe endnu et.
Hvad angår, hvor meget kode i vores produkter der er AI-genereret, har vi ikke sådan en måling. Det, jeg kan sige, er, at langt størstedelen af ny kode nu er AI-genereret, men det hele går gennem den samme menneskelige gennemgang, test og de samme sikkerhedstjek som før. Forfatteren er skiftet, kontrollerne er ikke. Du har ret i, at LLM’er er meget gode til at påstå, at noget er korrekt, når det ikke er det, og de gør det med selvtillid. Uanset om du kalder det intelligens, er det, der betyder noget i praksis, om outputtet overlever gennemgangen. Der er en hårfin grænse mellem en AI, der bare sprøjter sjusk ud, og en 10x-udvikler, der bruger AI effektivt.
Der er en grænse for, hvor langt AI bringer dig, hvis du ikke kan vurdere dens output. Men en, der forstår at gennemgå AI-output, kan komme meget, meget hurtigere frem, med højere kvalitet, end med 100 % manuelt arbejde. AI bliver ikke træt og kan holde fokus på arbejde med lang tidshorisont i flere timer og udføre opgaver, der normalt ville tage måneder, på en enkelt dag. Hvis du er klog med AI, bruger du den til at nedbringe den opsparede tekniske gæld, før du kaster dig over nye funktioner.
AI-modeller bliver også ved med at blive bedre. Det, der var sandt i sidste uge, holder måske ikke for den nuværende generation. I løbet af et år gik vi fra modeller, der ville kalde Bash-kommandoer på Windows, til modeller, der kan udføre komplekse koderefaktoreringer autonomt natten over og levere noget, der bygger, kører og er testet ende til ende og venter på at blive gennemgået af en udvikler.
PowerShell Universal og integration med Devolutions-produkter
Ud over AI, hvordan vil PowerShell Universal integrere med jeres andre produkter? Jeg ved, at Gateway er en del af planen, men hvordan passer PSU ind i det bredere katalog — forbliver det et selvstændigt produkt med integrationer, eller bliver det dybere indlejret?
Ikke strengt taget et AI-spørgsmål, men jeg tager det gerne.
Vi forstår behovet for at bevare PowerShell Universal som sin egen ting og samtidig være omhyggelige med, hvordan vi integrerer det i resten af vores produktportefølje. Der er reelle integrationsmuligheder: Fra RDM-siden handler det mere om at gøre PSU synligt for brugere, der ikke allerede kender det. Vi fik mange rigtig gode funktionsønsker og feedback ansigt til ansigt på PSConfEU, og det peger alt sammen mod Devolutions Agent og Devolutions Gateway.
Konkret betyder det, at den nuværende PSU Agent erstattes med Devolutions Agent, og at Devolutions Agent opretter forbindelse tilbage til PowerShell Universal for at køre scripts, med mulighed for at kombinere det med Devolutions Gateway til visse forbindelsesforløb. Det er der, vi er på vej hen som det næste.
På AI-siden, for det kommer altid op: Vi præsenterede også nye AI-funktioner på PSConfEU — nemlig en helt ny MCP-server, der lader brugerne vibe-code PSU-dashboards med ende-til-ende-validering via Playwright MCP-serveren, plus fulde oplysninger om PSU-cmdlets, som eksponeres for AI-agenten, så den ikke skal gætte på parametre eller på, hvordan de kaldes.
Nødstop / global deaktivering af AI til regulerede miljøer
For on-premise- og selvhostede produkter som Remote Desktop Manager og Devolutions Server har vi brug for en pålidelig måde at deaktivere alle AI-funktioner globalt. Miljøer med strenge compliancekrav kan ikke risikere, at AI-funktioner bliver slået til ved et uheld og potentielt lækker oplysninger — især på tværs af store eller komplekse udrulninger, der styres gennem Infrastructure as Code.
For det første kan AI ikke blive slået til ved et uheld: Hver AI-funktion kræver bevidst konfiguration med din egen API-nøgle og udbyder, og vi tilbyder ikke en Devolutions-hostet AI-tjeneste, der i det stille kan slå sig til. Vi erkendte behovet for at deaktivere funktioner, der kalder eksterne tjenester, allerede før AI blev en bekymring, så de samme kontroller, der lader administratorer slå onlinefunktioner fra, gælder nu også for AI-funktioner.
For en funktion som AI-assistenten i RDM kan administratorer, selv når en bruger har sin egen nøgle, tvinge den fra via gruppepolitik, så indstillingen håndhæves centralt og forbliver ens på tværs af maskiner. AI-funktioner i dag adskiller sig ikke meget fra onlinefunktioner, idet nogle miljøer kræver, at de er slået helt fra.
AI kontra klassisk deterministisk logik
Hvis en kategoriseringsopgave lige så nemt kunne klares med if/else- eller case-logik, ville du så vælge den vej i stedet for AI? Og er der en risiko for, at en „midlertidig“ AI-løsning bliver permanent og svær at erstatte senere?
Min standard er deterministisk logik dér, hvor reglerne er kendte, og korrektheden skal være garanteret: Den er billigere, testbar, reviderbar og gentagelig. Jeg griber til AI, når inputtet er åbent eller rodet nok til, at det er upraktisk at opregne alle tilfælde. En fast kategoriliste er et if/else; klassificering af fri tekst er der, hvor AI fortjener sin plads. Du kan også kombinere de to, og den blanding virker ofte bedst. Agent skills fungerer for eksempel rigtig godt sammen med PowerShell-scripts: Det deterministiske script klarer den forudsigelige del, og AI klarer undtagelserne.
Sikkerhed, omkostninger, styring, beskæftigelse, miljøpåvirkning, produktfilosofi — denne spørgerunde dækker meget. Det, der går igen i alle Marc-André Moreaus svar, er en gennemgående tråd: Indførelsen af AI hos Devolutions er bevidst, ikke reaktiv. Funktioner forbliver valgfrie og styret af administratoren. Omkostningerne overvåges, men de får ikke et loft på bekostning af produktiviteten. Og på de større spørgsmål — miljøpåvirkning, fremtiden for jobbene, hvad „AI-native“ overhovedet betyder — er det ærlige svar, at ingen har regnet det hele ud endnu, heller ikke os.
Dette er første del af det, vi planlægger at gøre til en tilbagevendende serie. Efterhånden som landskabet ændrer sig, og nye spørgsmål dukker op fra fællesskabet, bliver vi ved med at bringe dem videre til dem, der træffer beslutningerne. Har du noget, du gerne vil have taget op i næste runde? Skriv det i Devolutions Forum — vi læser med.