Innledning

I løpet av praksisperioden våren 2026 har jeg hatt praksis hos Edge, en bedrift som jobber innen utvikling. Edge utvikler digitale løsninger for ulike kunder og har et tett samarbeid mellom utviklere og designere for å lage brukervennlige og universelt utformede produkter.

Formålet med praksisperioden var å få innsikt i hvordan en utviklingsbedrift arbeider, og å bygge videre på mine ferdigheter innen automatisering og hurtig utvikling. Jeg ønsket spesielt å lære mer om hvordan KI virker, bruken av KI i utviklingsfasen og bruken av rammeverk i praksis.

Utvalgte kompetansemål

          Velge og bruke relevante rammeverk og moduler til utvikling

          Utforske konseptene maskinlæring og kunstig intelligens

Disse kompetansemålene passer godt til mine interesser innen utvikling. I praksisperioden ønsket jeg å få erfaring med hvordan rammeverk brukes i reelle prosjekter, og hvordan de bidrar til en mer effektiv og strukturert utviklingsprosess. Jeg hadde også fokus på å utforske hvordan KI kan brukes som et verktøy i utvikling, blant annet til problemløsning, idéutvikling og forbedring av kode.

I denne rapporten vil jeg først presentere praksisbedriften og hvordan den er organisert. Deretter beskriver jeg et konkret tema fra praksisperioden. Videre forklarer jeg hvordan bedriften jobber med rammeverk og KI som verktøy. Til slutt reflekterer jeg over hva jeg har lært, og hvordan praksisen har hjulpet meg med å nå mine utvalgte kompetansemål.

Om Edge Branding

Edge Branding er et byrå som hjelper bedrifter å vokse og bli bedre kjent. De jobber med ting som design, reklame, kommunikasjon, nettsider og innhold. Målet deres er å gjøre det enklere for bedrifter å vise hvem de er og nå ut til flere kunder. Når et prosjekt krever ekstra kapasitet eller spesialisert kompetanse, benytter de et solid nettverk av profesjonelle samarbeidspartnere som sikrer høy kvalitet i alle deler av prosessen.

Kontoret deres ligger i Powerhouse Telemark, et av verdens mest miljøvennlige bygg. Derfra jobber de med kunder fra hele landet. De samarbeider med både små og store bedrifter, og har spesielt mye erfaring med bedrifter som jobber B2B og innen eiendom. En liten funfact om bygningen er at teppegulvet i bygget er laget av resirkulert fiskegarn.

Edge Branding har tre viktige verdier: kvalitet, mot og engasjement. Disse verdiene styrer måten de jobber på hver eneste dag. De prøver alltid å være aktive og fremoverlente når de jobber med kunder. De mener at kompetanse er ferskvare, så alle ansatte får bruke 10 % av arbeidstiden sin på å lære nye ting. På den måten holder de seg oppdatert og kan levere enda bedre resultater.

De deler også kunnskap gjennom sosiale medier, nyhetsbrev, frokostmøter og webinarer. Målet er å gi nyttig inspirasjon og hjelpe både kunder og andre som følger dem.

Alt i alt ønsker Edge Branding å gjøre det enklere for bedrifter å fokusere på jobben sin. De tar seg av alt som handler om markedsføring, design og kommunikasjon, slik at bedriften kan vokse og utvikle seg. Dette gjør dem til en god samarbeidspartner som alltid prøver å skape gode resultater.

Spesiell tema

I løpet av praksisperioden brukte jeg kunstig intelligens som et verktøy for å effektivisere arbeidet mitt, spesielt i forbindelse med oppdatering av farger og fonter på nettsiden til Edge. I stedet for å gjøre alle endringer manuelt i et stort antall filer, tok jeg i bruk et KI-verktøy for å automatisere deler av prosessen. Dette gjorde arbeidet både raskere og mer presist, og det ga meg en praktisk forståelse av hvordan KI kan brukes i utviklingsarbeid.

Dette gjorde det relevant å se nærmere på hva kunstig intelligens (KI) og maskinlæring (ML) faktisk er. KI er et bredt fagområde som handler om å utvikle systemer som kan utføre oppgaver som vanligvis krever menneskelig intelligens. Maskinlæring er en underkategori av KI, hvor systemer lærer fra data og mønstre i stedet for å bli programmert eksplisitt for hver enkelt oppgave. Innen maskinlæring finnes det ulike tilnærminger, blant annet supervised learning, unsupervised learning og reinforcement learning, som beskriver forskjellige måter en modell kan lære på.

En relevant tilnærming i denne sammenhengen er context-based learning. Dette handler om at modellen blir bedre jo mer kontekst den får tilgang til. Dette kan sammenlignes med hvordan mennesker lærer, der vi knytter ny informasjon til tidligere erfaringer eller situasjoner for å forstå og huske bedre. I praksis opplevde jeg dette ved at KI-verktøyet ga bedre resultater når jeg ga tydeligere instruksjoner og eksempler.

En annen viktig del av maskinlæring er nevrale nettverk. Disse er inspirert av hvordan hjernen fungerer, og består av noder, som kan sammenlignes med nerveceller, og forbindelser mellom dem, kalt vekter. Et nevralt nettverk er vanligvis delt inn i tre lag: input-lag, skjulte lag og output-lag. Input-laget mottar data, de skjulte lagene analyserer og finner mønstre, og output-laget gir et resultat.

Hver forbindelse i nettverket har en vekt som bestemmer hvor viktig informasjonen er. Gjennom trening justeres disse vektene for å forbedre modellens ytelse. For eksempel kan en modell som trenes på mange bilder lære å kjenne igjen mønstre og deretter forutsi hva et nytt bilde inneholder. Dette viser hvordan KI kan lære og forbedre seg over tid basert på data.

FOTO: Statistrikk.no

Gjennom arbeidet i praksis fikk jeg en bedre forståelse av hvordan KI ikke bare er et teoretisk tema, men et konkret verktøy som kan brukes i utvikling. Jeg erfarte at KI kan bidra til å automatisere repetitive oppgaver, redusere tidsbruk og samtidig opprettholde kvalitet. Dette har gitt meg et nytt perspektiv på hvordan jeg kan jobbe mer effektivt i fremtidige prosjekter.

Aktuell prosess

Refleksjonsnotat

I løpet av praksisperioden hos Edge Branding har jeg fått et godt innblikk i hvordan det er å jobbe i en utviklingsbedrift i praksis. Jeg har særlig erfart hvor viktig samarbeid er mellom utviklere og designere for å skape gode og brukervennlige løsninger. Gjennom arbeidet med nettsider og ulike prosjekter har jeg sett hvordan små detaljer i design og struktur kan ha stor betydning for sluttresultatet.

Arbeidsoppgavene mine har i stor grad vært knyttet til frontend-utvikling, strukturering av innhold og bruk av rammeverk som Statamic. I starten syntes jeg det var utfordrende å navigere i et større system med mange filer, spesielt siden mye av innholdet var organisert i Markdown. Etter hvert ble jeg mer komfortabel med strukturen, og jeg lærte hvordan jeg kunne jobbe mer systematisk for å finne frem til riktig informasjon og gjøre nødvendige endringer.

En av de viktigste erfaringene jeg tar med meg, er hvordan kunstig intelligens kan brukes som et praktisk verktøy i utviklingsarbeid. Ved å bruke KI til å automatisere repetitive oppgaver, som å oppdatere farger og fonter i mange filer, opplevde jeg en mer effektiv arbeidsprosess. Samtidig lærte jeg at det er viktig å gi tydelige instruksjoner og kontrollere resultatet, siden KI ikke alltid gir perfekte svar. Dette har gjort meg mer bevisst på hvordan jeg kan bruke slike verktøy på en ansvarlig og effektiv måte.

Jeg har også fått erfaring med å jobbe mer selvstendig, samtidig som jeg har hatt mulighet til å samarbeide og få veiledning når det har vært nødvendig. Dette har vært viktig for utviklingen min, fordi jeg har blitt tryggere på egne ferdigheter og tør å prøve meg frem mer enn før.

Gjennom praksisperioden har jeg utviklet både tekniske ferdigheter og en bedre forståelse av hvordan arbeidslivet fungerer. Jeg har lært viktigheten av struktur, kommunikasjon og kontinuerlig læring, spesielt i en bransje som stadig er i utvikling. Totalt sett har praksisen vært en svært lærerik erfaring som har gitt meg et bedre grunnlag for videre arbeid innen IT-faget.

Konklusjon

Målet med praksisperioden var å utvikle kompetanse innen bruk av rammeverk i utvikling og utforske hvordan kunstig intelligens kan brukes som et praktisk verktøy. Basert på erfaringene jeg har gjort meg, vurderer jeg at jeg i stor grad har oppnådd disse målene, men også fått en bedre forståelse av hva jeg fortsatt må utvikle videre.

Gjennom arbeidet i Statamic gikk jeg fra å være usikker på hvordan et større system er bygget opp, til å kunne navigere, forstå strukturen og gjøre endringer mer effektivt. Spesielt arbeidet med å oppdatere farger og fonter på tvers av mange filer viste meg hvor viktig struktur og systemforståelse er i praksis. Jeg merket også at jeg etter hvert jobbet mer selvstendig og tok mer initiativ enn i starten av perioden.

Bruken av kunstig intelligens var en av de mest lærerike delene av praksisen. Ved å bruke KI til å automatisere repetitive oppgaver opplevde jeg hvor stor effekt det kan ha på både tidsbruk og kvalitet. Samtidig erfarte jeg at KI ikke kan brukes ukritisk – resultatene må alltid vurderes og kontrolleres. Dette ga meg en mer realistisk forståelse av KI som et verktøy: ikke noe som erstatter utvikleren, men noe som kan forsterke arbeidet dersom det brukes riktig.

Jeg har også fått innsikt i hvordan verktøy som Filament kan brukes til å effektivisere utviklingsprosesser, og hvordan slike løsninger bidrar til mer strukturert arbeid. Dette har gjort meg mer bevisst på valg av verktøy og arbeidsmetoder i utvikling.

Totalt sett har praksisperioden gjort meg tryggere både faglig og personlig. Jeg har fått en bedre forståelse av hvordan det faktisk er å jobbe i en utviklingsbedrift, og hva som kreves av både tekniske ferdigheter og samarbeidsevner. Samtidig ser jeg tydelig at jeg fortsatt har mye å lære, spesielt når det gjelder å jobbe enda mer strukturert og utnytte verktøy enda bedre.

Alt i alt har dette vært en svært verdifull erfaring som har gitt meg et solid grunnlag for videre utvikling innen IT-faget.

Kilder:

https://im24wil27051.imporsgrunn.no/pages/projects/ki_og_bearekraft/index.html

https://www.statistrikk.no/2017/06/13/kan-man-hekle-nevrale-nett/

---

Laget av William Berge Grønsberg