Artikel
AI-assisteret appudvikling i Power Platform
Af Tasman Bleechmore, Senior IT-Architect & Partner, og Torben Jørgensen, Senior IT-Architect & Senior Partner, Simplitize
AI-assisteret appudvikling: Fra hurtig prototype til robust enterprise-løsning
Simplitize har testet AI som medudvikler i Power Platform og React-baserede Code Apps. Erfaringen er tydelig: AI accelererer udviklingen, men enterprise-kvalitet kræver stadig faglighed, arkitektur og kritisk review.
AI kan i dag hjælpe med at bygge apps, generere brugerflader, foreslå logik og analysere eksisterende løsninger. Det ændrer udviklingsprocessen markant. Men det ændrer ikke kravene til kvalitet. Det er kernen i vores læring.
Artikeloverblik
Emne: AI-assisteret appudvikling
Afsender: Simplitize
Forfattere: Tasman Bleechmore, Senior IT-Architect & Partner, og Torben Jørgensen, Senior IT-Architect & Senior Partner, Simplitize
Platforme: Power Platform, Power Apps og React-baserede Code Apps
Teknologier og begreber: Canvas apps, Code Apps, React, connectors, Entra, DLP-politikker, Conditional Access, Managed Environments og Azure
Primær pointe: AI giver et stærkt afsæt, men enterprise-kvalitet kræver stadig en fagligt stærk udvikler
Centrale temaer: Prototyping, enterprise-kvalitet, arkitektur, governance, teknisk gæld, performance, sikkerhed, licensøkonomi og kvalitetssikring
Målgruppe: Beslutningstagere, IT-ledere, udviklere, Power Platform-teams og organisationer, der arbejder med AI-assisteret appudvikling
Fra no-code-fortælling til professionel acceleration
I mange år har low-code og no-code været markedsført som teknologier, der skulle gøre almindelige forretningsbrugere i stand til at bygge egne løsninger uden udviklere.
Vores erfaring er mere nuanceret. Ja, flere kan komme i gang. Ja, flere kan skabe noget, der virker i første omgang. Men når løsningen skal være stabil, sikker, vedligeholdbar og performant, er udviklingsfagligheden stadig afgørende.
Det nye er, at AI flytter grænsen for, hvor hurtigt man kan komme fra idé til funktionel prototype.
AI kan generere skærme, logik, flows, komponenter og kodeforslag. Den kan også analysere eksisterende løsninger og pege på forbedringsmuligheder. Derfor er den relevante diskussion ikke, om AI erstatter udviklere. Den relevante diskussion er, hvordan professionelle udviklere bruger AI til at levere bedre løsninger hurtigere.
Simplitize-læringen i én sætning
AI giver et stærkt afsæt — men den sidste enterprise-kvalitet kommer først, når en fagligt stærk udvikler forstår, vurderer og forbedrer det genererede resultat.
Hvad vi testede: To spor i Power Platform
I testen arbejdede vi med to beslægtede, men meget forskellige former for AI-assisteret appudvikling i Power Platform.
Det lette spor: AI som medudvikler i canvas apps
I klassiske canvas apps kan man beskrive, hvad appen skal kunne, og lade en AI-assistent hjælpe med at opbygge skærme, elementer, tekst, funktionalitet og den indledende struktur.
Resultatet er fortsat en canvas app, som kan bearbejdes videre i det kendte Power Apps-miljø.
Det tungere spor: React-baserede Code Apps
I React-baserede Code Apps arbejder man mere kode-først og får en moderne webapp, der kan hostes og deles gennem Power Platform.
Resultat: Man får større frihed i brugerflade og logik, men man flytter sig også tættere på klassisk softwareudvikling og længere væk fra den rent visuelle Power Apps-redigering.
Hvornår passer canvas apps og Code Apps bedst?
De to spor skal ikke vurderes som “godt” og “dårligt”. De løser forskellige problemer.
Canvas apps egner sig godt til hurtig forretningsnær appudvikling, hvor Power Platform-kompetence og governance allerede er en del af setup’et.
Code Apps er interessante, når man vil bygge en mere specialiseret brugeroplevelse med moderne webteknologier som React, men stadig udnytte Power Platforms hosting, deling, connectors, Entra-understøttelse og policies
AI som medforfatter — ikke som autopilot
Man prompter den, ser hvad den producerer, retter, præciserer, tester og beder den arbejde videre. Det minder mere om et samarbejde end om en lineær bestilling.
Man får en “juniorudvikler med høj hastighed”: en, der kan producere meget hurtigt, men som også kan misforstå kontekst, overse arkitektur og vælge en løsning, der virker nu, men bliver dyr senere.
Det er netop her, professionelle udviklere får øget værdi. Den viden, der før blev brugt til at skrive alt manuelt fra første linje, bruges nu i højere grad til at formulere de rigtige krav, vælge den rigtige arkitektur, gennemskue AI’ens forslag, fjerne teknisk gæld og sikre kvaliteten.
AI’en gør ikke ekspertviden mindre vigtig. Den gør ekspertviden mere produktiv.
Den store gevinst: Hurtigere fra idé til afprøvning
Når AI-assisteret appudvikling fungerer godt, reducerer den friktionen i den tidlige fase.
Det bliver hurtigere at få noget visuelt og funktionelt på skærmen. Det ændrer dialogen med forretningen, fordi man tidligere kan teste antagelser:
Er brugerflowet rigtigt?
Mangler der data?
Er navigationen intuitiv?
Giver løsningen mening i hverdagen?
Det er en reel forbedring. Mange projekter taber fart, fordi der går for lang tid mellem idé, specifikation og første konkrete version.
Med AI kan prototyper opstå på timer frem for dage. Men den fart skal bruges rigtigt. En hurtig prototype må ikke forveksles med en færdig
enterprise-løsning.
AI er stærk til kode og analyse
– men mennesket skal stadigvæk eje kvaliteten.
AI er stærk til kode og analyse
Første udkast til skærme, logik og komponenter
Hurtige prototyper og variationsforslag
Analyse af eksisterende kode og forbedringsforslag
Dokumentation, refaktorering og testidéer
Men mennesket skal stadig eje kvaliteten
Arkitektur, datamodel og integrationsstrategi
Performance, sikkerhed og vedligeholdbarhed
Prioritering af hvilke forslag der faktisk skal implementeres
Ansvar for kvalitet, governance og release
Black box, teknisk gæld og performance
Den største risiko er ikke, at AI’en ikke kan lave noget. Den største risiko er, at den kan lave meget — uden at brugeren nødvendigvis forstår, hvad der er blevet lavet.
Det gælder både i low-code, flows og kodebaserede apps. Når AI kan generere mere komplekse løsninger for mindre tekniske brugere, kan den også generere mere kompleks teknisk gæld.
I vores test og kundearbejde ser vi især tre risikoområder:
Løsningen kan virke funktionelt korrekt, men være unødigt tung.
Løsningen kan bruge for mange actions, kald eller mellemtrin og dermed blive langsom eller dyr i drift.
Løsningen kan være svær at vedligeholde, fordi intentionen bag koden ikke er tydelig.
Derfor er overdragelsespunktet centralt: Hvornår skal man stoppe med at prompte og i stedet overtage som udvikler?
Vores erfaring er, at AI’en ofte bringer os langt i begyndelsen, men at der på et tidspunkt skal en udvikler ind og tænke anderledes, forenkle,
optimere og sikre, at løsningen ikke bare virker — men virker godt.
Kvalitetssikring er et undervurderet AI-use case
Et af de mest værdifulde spor er ikke kun at bruge AI til at skabe nyt, men til at gennemgå det, der allerede findes.
Ved at lade AI analysere eksisterende projekter kan man få forslag til forbedringer af struktur, stabilitet, performance, navngivning, dokumentation og potentielle fejl.
Det er ikke alle forslag, der er rigtige. Nogle er irrelevante, forsimplede eller direkte forkerte. Men med en erfaren udvikler som filter kan de gode forslag løfte kvaliteten markant.
Det gør AI til en ny type reviewpartner. Ikke en dommer. Ikke en arkitekt. Men en hurtig sparringspartner, der kan hjælpe med at se mønstre, stille spørgsmål og foreslå forbedringer, som teamet derefter vurderer professionelt.
Licenser,
governance
og valg af platform
Power Platform er attraktiv, fordi meget governance allerede ligger i platformen: Entra-understøttelse, deling, connectors, DLP-politikker, Conditional Access og administrativ kontrol.
Det er en væsentlig del af værdien, især når løsninger skal ind i en eksisterende Microsoft-organisation.
Men platformvalget er også et licensvalg. Code Apps i Power Apps kræver Power Apps Premium for slutbrugere, og Managed Environments har egne licenskrav.
Derfor bør licensøkonomi indgå tidligt i arkitekturbeslutningen.
Nogle løsninger hører naturligt hjemme i Power Platform. Andre kan med fordel bygges som custom apps i Azure, især hvis man ønsker en anden drifts- og licensstruktur, men stadig vil være i Microsofts identitets-, sikkerheds- og integrationsunivers.
Simplitizes anbefalinger
1. Brug AI til at forkorte vejen til første version — ikke til at springe analyse og arkitektur over.
4. Brug AI aktivt til kvalitetssikring: kodeanalyse, refaktoreringsforslag, testcases og dokumentation.
2. Definér tidligt, om løsningen er en prototype, en intern produktivitetsapp eller en enterprise-kritisk løsning.
5. Lav licensafklaring tidligt. Power Platform kan være den rigtige vej, men ikke altid den billigste eller mest fleksible. c
3. Lad en professionel udvikler eje arkitektur, performance og sikkerhed, når der indgår flere flows eller integrationer.
6. Bevar sporbarhed. Gem prompts, beslutninger, tekniske antagelser og begrænsninger, så løsningen kan videreudvikles uden en black box.
Konklusion: AI ændrer udviklingsarbejdet — ikke kvalitetskravene
AI-assisteret appudvikling er ikke en genvej uden ansvar. Det er en ny produktionsform, hvor udviklere kan arbejde hurtigere, teste flere idéer og skabe bedre afsæt.
Men kravene til kvalitet, sikkerhed, performance, vedligehold og governance forsvinder ikke. Tværtimod bliver de vigtigere, fordi flere løsninger kan blive skabt hurtigere.
Vores konklusion er derfor pragmatisk: AI kan gøre dygtige udviklere markant mere effektive. Den kan også gøre mindre tekniske brugere i stand til at skabe mere end før.
Men gode løsninger kræver stadig mennesker, der forstår teknologien bag.
First movers bliver ikke dem, der blindt slipper AI’en løs. Det bliver dem, der lærer at bruge den professionelt.
Artiklen kort fortalt
Hvad handler artiklen om?
Artiklen handler om Simplitizes erfaringer med AI-assisteret appudvikling i Power Platform og React-baserede Code Apps.
Hvad er den vigtigste læring?
Den vigtigste læring er, at AI kan accelerere udviklingen, men at enterprise-kvalitet stadig kræver faglighed, arkitektur og kritisk review.
Hvilke udviklingsspor beskriver artiklen?
Artiklen beskriver to spor: AI som medudvikler i klassiske canvas apps og React-baserede Code Apps i Power Platform.
Hvor skaber AI størst værdi?
AI skaber især værdi i den tidlige fase, hvor den kan forkorte vejen fra idé til funktionel prototype.
Hvor ligger de største risici?
De største risici er black box-løsninger, teknisk gæld, performanceproblemer og løsninger, der er svære at vedligeholde.
Hvad anbefaler Simplitize?
Simplitize anbefaler at bruge AI til at forkorte vejen til første version, men ikke til at springe analyse, arkitektur, kvalitetssikring, licensafklaring og governance over.
Vil du vide mere?
Hos Simplitize udvikler vi moderne applikationer og apps, der gør komplekse processer enklere og skaber stærke digitale brugeroplevelser.
Kontakt os for en uforpligtende dialog om, hvordan vi kan hjælpe din virksomhed med at udvikle den rette digitale løsning.
Har du lyst til at tage en uforpligtende snak med os ?
