Utvärdering av specifikationsdriven mjukvaruutveckling för hållbar och reproducerbar AI-genererad kod : En komparativ studie av stora språkmodeller

Sammanfattning

Examensarbetet undersöker utmaningen att säkerställa hållbar, skalbar och kvalitativ kod i en tid då AI-assisterad utveckling lovar produktivitetsökningar. Denna omställning skapar ett behov av strukturerad metodik för att undvika teknisk skuld, ohanterlig kodkomplexitet och de svårigheter som dagens AI-modeller har med att följa komplexa instruktioner. Syftet var att empiriskt utvärdera specifikationsdriven mjukvaruutveckling på nivån spec-as-source som en potentiell lösning. I en komparativ studie instruerades tre stora språkmodeller från Anthropic, OpenAI och Google att autonomt utveckla en backend-modul för kvalitetskontroll av undertexter. Prestationen utvärderades utifrån funktionell precision med enhetstester, kodkvalitet och resursförbrukning. Resultatet visar att metoden har potential, då samtliga modeller levererade kod som passerade alla enhetstester. Den praktiska tillämpbarheten begränsas dock av bristande reproducerbarhet och risk för hög teknisk skuld. Jämförelsen indikerar en tydlig målkonflikt mellan kostnad, kvalitet och konsekvens. Anthropics språkmodell Claude Opus 4.7 levererade högst precision men till högst kostnad och mest komplex kod. Googles Gemini 3.1 Pro var mest konsekvent och kostnadsstabil, men producerade sämst kodkvalitet. OpenAI:s GPT-5.3 Codex fann den bästa balansen mellan låg kostnad och låg teknisk skuld. Slutsatsen är att specifikationsdriven mjukvaruutveckling med spec-as-source ännu kräver mänsklig översyn.