Designen er koden

Korleis logikken i celleautomatar vil omforme agentiske designsystem, og kvifor framtida for webutvikling kanskje allereie er skriven i enkle reglar

Det går føre seg ei djuptgripande omforming i skjeringspunktet mellom designsystem, kunstig intelligens og berekningsteori. Det er eit skifte så grunnleggjande at det utfordrar kva vi i det heile meiner med «design» i ei tid med autonome agentar.

I tiår har vi sett på design og kode som atskilde fag – design som området for menneskeleg kreativitet og estetisk skjøn, kode som den mekaniske omsetjinga av desse ideane til køyrbar form. Men når AI-agentar i aukande grad set saman brukargrensesnitt på eiga hand, les designsystem som maskinlesbar infrastruktur og genererer kode frå semantiske tokens, nærmar vi oss eit samanfallspunkt som ekkoar ei mykje eldre idé frå berekningsteorien.

Den idéen? Designen er koden.

Dette er ikkje berre ein slagkraftig frase. Det er ei erkjenning av at vi kanskje er på veg mot ei verd der designsystem fungerer som celleautomatar – enkle reglar som gjev opphav til komplekse, emergente åtferdsmønster. Der skiljet mellom å «designe» noko og å «programmere» det forsvinn heilt. Der autonome agentar ikkje berre brukar designsystem, men er designsystem i aksjon.

Dette blogginnlegget utforskar dei djupe sambanda mellom celleautomatar, emergent åtferd og framtida for agentiske designsystem. Vi følgjer dei teoretiske fundamenta frå von Neumanns sjølvreplikerande maskinar til dagens svermar av AI-agentar.

Vi ser på korleis Drupal og moderne CMS-plattformar integrerer AI gjennom modular som Schema.org Blueprints og Drupal AI. Og vi vurderer kva alt dette tyder for designarar, utviklarar og framtida for digital produktutvikling.

Celleautomatar og emergensens logikk

Skjønnheita i enkle reglar

I 1970 introduserte matematikaren John Conway Game of Life – eit «null-spelarspel» som skulle bli eitt av dei mest studerte systema i berekningsteorien. Reglane er forbløffande enkle:

1. Kvar levande celle med færre enn to levande naboar døyr (underbefolkning)
2. Kvar levande celle med to eller tre levande naboar overlever
3. Kvar levande celle med fleire enn tre levande naboar døyr (overbefolkning)
4. Kvar død celle med nøyaktig tre levande naboar blir levande (formeiring)

Frå desse fire reglane – uttrykte i eit knippe binære vilkår – veks det fram eit forbløffande univers av kompleksitet. Glidarar (gliders) vandrar over uendelege rutenett. Oscillatorar pulserer i evige rytmar. «Kanonar» skyt straumar av mønster ut over celleromet. Og mest oppsiktsvekkjande: Game of Life er bevist å vere Turing-komplett: alt som kan reknast ut algoritmisk, kan i prinsippet reknast ut innanfor Conways enkle rutenett.

Figur 1: Gospers glidarkanon i Conways Game of Life. Dette mønsteret produserer ein jamn straum av glidarar – og viser korleis enkle reglar kan skape uendeleg, sjølvberande kompleksitet.

Dette er den fyrste lærdomen frå cellulære automatar: kompleksitet er ikkje ein føresetnad for kompleks åtferd. Enkle reglar, brukte konsekvent over eit underlag, kan gi opphav til mønster og åtferd som ingen har programmert eksplisitt.

Langtons løkkjer og sjølvreplikasjon

I 1984 førte Christopher Langton dette prinsippet vidare med sine sjølvkopierande løkkjer – ein cellulær automat som synte reelle prinsipp for kunstig liv. I motsetnad til Conways Game of Life, som viser framveksande kompleksitet, viser Langtons løkkjer framveksande reproduksjon.

Kvar løkkje består av ei sirkulær kant som omsluttar eit «genom» kryptert i celletilstandar. Dette genomet flyt jamt rundt løkkja og ut langs ein konstruksjonsarm, som byggjer ei dotterløkkje over 151 tidssteg. Når ho er ferdig, skil dottera seg frå mora, og begge held fram med å kopiere seg.

Figur 2: Langtons løkkje i startoppsettet. Den genetiske informasjonen sirkulerer gjennom løkkja og styrer bygginga av dotterløkkjer via den utstrekte armen.

«Dersom ei sjølvreproduserande maskin er mogleg i ein cellulær automat, kan sjølve livet vere mogleg å få til med maskiner.»

- Christopher Langton, «Studying Artificial Life with Cellular Automata» (1986)

Konsekvensane er djuptgåande. Langtons løkkjer viser at sjølvreplikasjon ikkje krev kompleksiteten til biologiske celler eller dei universelle konstruksjonsevnene i von Neumanns opphavlege design. Det krev berre:

• Eit sett med enkle, lokale reglar
• Ein mekanisme for å kode instruksjonar
• Ein prosess der desse instruksjonane blir utførte

Reglane er organismen. Designet er koden.

I 1999 introduserte Hiroki Sayama evoloops, variantar som tek inn strukturell oppløysbarheit og fenotypiske samspel, noko som gjer spontane mutasjonar og evolusjonær dynamikk mogleg. Desse løkkjene utviklar seg gjennom direkte fysiske kollisjonar under replikasjonen, noko som fører til genotypevariasjonar, auka morfologisk mangfald og veksande kompleksitet over generasjonar. I motsetnad til Langtons faste replikasjon viser evoloops arvelege mutasjonar utan ytre inngrep.

Regel 110 og universell berekning

Stephen Wolframs utforsking av elementære cellulære automatar enda i ein oppsiktsvekkjande oppdaging: Regel 110, ei av berre 256 moglege reglar for den enklaste typen endimensjonal cellulær automat, er i stand til universell berekning.

Regel 110 kan målbinde fullt ut ved å gje utfallet for kvar av dei åtte moglege kombinasjonane av ei celle og dei to naboane hennar. Likevel kan denne trivielt enkle regelen – åtte binære val – simulere ei universell Turing-maskin.

Figur 3: Mobilautomaten Regel 110. Trass i den enkle definisjonen viser Regel 110 klasse 4-åtferd – komplekse mønster som verken er heilt stabile eller heilt kaotiske – og er bevist å vere Turing-komplett.

«Ein treng ikkje noko som liknar ein heil datamaskin-CPU for å utføre universell berekning. Ein treng berre denne vesle regelen.»

- Stephen Wolfram, «A New Kind of Science»

I 2004 publiserte Matthew Cook eit bevis for at Regel 110 med eit bestemt gjentakande bakgrunnsmønster er Turing-komplett. Beviset viser at Regel 110 kan emulere syklisk-tag-system, som igjen kan emulere kva som helst Turing-maskin. Blant dei 88 moglege unike elementære mobilautomatane er Regel 110 den einaste der Turing-kompletthet er direkte bevist.

Den prinsippet om berekningsmessig ekvivalens som Wolfram la fram, peikar mot noko enno meir radikalt: system over ein minimal terskel av kompleksitet er i hovudsak likeverdige i kva dei kan berekne. Ein menneskehjerne, eit vêrsystem og Regel 110 er, i ein djup forstand, berekningsmessig ekvivalente.

0E0P-metacella: Ekte sjølvreplikasjon

I oktober 2018 fullførte Adam P. Goucher konstruksjonen av 0E0P-metacella – eit mønster i Conways Game of Life som er i stand til ekte sjølvreplikasjon. I motsetnad til tidlegare metacellar, som trong eksisterande kopiar i nærleiken, kan 0E0P-metacella byggje kopiar av seg sjølv frå grunnen av, òg sin eigen instruksjonsband.

Denne bragda er ein milepæl innan kunstig liv: eit system som kan spreie seg sjølv gjennom eit berekningssubstrat med berre lokale reglar. Den 23. november 2013 bygde Dave Greene den første replikatoren i Game of Life som lagar ein fullstendig kopi av seg sjølv, òg instruksjonsbandet – og viste at sjølv Conways enkle automat med to tilstandar kan bere ubegrensa sjølvreproduksjon.

Designsystem som berekningssubstrat

Frå Atomic Design til agentisk design

Brad Frosts Atomic Design-metodikk, lansert i 2013, endra grunnleggjande korleis vi tenkjer om designsystem. Ved å dele grensesnitt inn i atom (grunnelement som knappar og inndatafelt), molekyl (enkle kombinasjonar), organismar (komplekse UI-seksjonar), malar (sideoppsett) og sider (endelege implementasjonar) gav Atomic Design ei hierarkisk ramme for å handtere kompleksitet.

Men her er det som er påfallande når ein ser tilbake: Atomic Design hadde allereie mobilautomatane sine prinsipp i seg utan å erkjenne det eksplisitt.

«Når designsystemet er keisamt, frigjer det designarar og utviklarar til å gjere det nye, til å løyse nye problem. Designsystemet tek på seg byrda med det keisame, slik at designarar og utviklarar slepp.»

- Josh Clark, «The Most Exciting Design Systems Are Boring»

I februar 2023 skreiv Brad Frost om «Design Systems in the Time of AI»:

«KI er ein naturleg brukar av designsystem … Sanninga er at mykje av komponentarbeidet i eit designsystem er mekanisk og føreseieleg. Vi brukar allereie verktøy som PlopJS til å spytte ut ein komponentmal som passar forma på resten av biblioteket. Eg ville ønskt KI velkomen til å hjelpe meg med å lage mykje av den vanlege standardkoden.»

- Brad Frost

Den mekaniske og føreseielege naturen til designsystem er nettopp det som gjer dei eigna for drift i cellulær automat-stil. Når reglane er tydelege, lokale og konsekvent følgde, kan agentar arbeide sjølvstendig – akkurat som cellene i Conways Game of Life ikkje treng ein sentral kontrollør for å lage glidarar og oscillatorar.

Det maskinlesbare kravet

Initiativet Storybook MCP (Model Context Protocol) er eit viktig steg i denne retninga. Det vart kunngjort seint i 2025, og gir KI-kodeagentar maskinlesbare komponentmetadata frå eksisterande Storybook-oppsett.

Hovudpoenget er at agentar ikkje treng rå kode eller visuell dokumentasjon. Dei treng:

• Komponentmanifest: Strukturerte metadata om kvar komponent – props, variantar, bindingar til designtokens og bruksdøme
• Semantisk namngjeving: Tokens rike på intensjon, som action.primary.confirm og som gir agentar meining, ikkje berre verdiar
• Valideringssløyfer: Evna til å køyre testar, sjå kva som feilar og rette seg sjølv

«Storybook MCP hjelper agentar å følgje mønstra dine og stå gjennom testane dine. Det gir agentane to ting dei aldri har hatt før: maskinlesbare komponentmetadata og ei gjentakande sløyfe der dei kan lege sine eigne feil.»

- Storybook-teamet

Storybook MCP har ei autonom rettesløyfe. Agentar kan køyre komponenttestane dine (interaksjon og tilgjenge), sjå kva som feilar og fikse sine eigne feil. Utviklaren treng berre gripe inn etter at testane har gått gjennom. Ingen fleire prompt-barnevakt-oppgåver.

Dette er nøyaktig arkitekturen til ein cellulær automat brukt på design: lokale reglar (komponentspesifikasjonar), samspel med naboar (samansetjingsmønster) og gjentekne oppdateringar (validering og sjølvretting).

Mitt komponentmanifest som genom

Samanlikninga med Langtons løkkjer blir endå treffande når vi ser på korleis komponentmanifest fungerer. I Langtons system inneheld «genomet», kode lagra i dei sirkulerande cellene, instruksjonane for å byggje ei ny løkkje. I eit maskinlesbart designsystem inneheld komponentmanifestet instruksjonane for å setje saman grensesnitt.

Eit komponentmanifest kan spesifisere:

{
  "name": "Button",
  "variants": ["primary", "secondary", "destructive"],
  "sizes": ["sm", "md", "lg"],
  "props": {
    "label": "string",
    "disabled": "boolean",
    "onClick": "function"
  },
  "tokens": {
    "background": "color.action.primary",
    "borderRadius": "radius.md",
    "padding": "space.3"
  },
  "constraints": [
    "Must have accessible contrast ratio",
    "Label required for non-icon buttons",
    "Minimum touch target 44x44px"
  ],
  "examples": [
    { "variant": "primary", "label": "Submit", "size": "md" },
    { "variant": "destructive", "label": "Delete", "size": "sm" }
  ]
}

Dette manifestet er på same tid ei designspesifikasjon og køyrbar kode – eller rettare sagt instruksjonane som køyrbar kode kan genererast frå. Agenten som les manifestet, treng ikkje forstå estetikk eller brukaropplevingar slik menneske gjer. Han må følgje reglane, kombinere elementa i samsvar med avgrensingane deira og produsere gyldige resultat.

Eg er samd med Brad Frost i at vi bør ha eit yaml-format.

Drupal-komponentar brukar yaml-formatet. Noko slikt som

$schema: https://git.drupalcode.org/project/drupal/-/raw/HEAD/core/assets/schemas/v1/metadata.schema.json
name: Button
status: experimental
description: Use Bootstrap custom button styles for actions in forms, dialogs, and more with support for multiple sizes, states, and more.
props:
  type: object
  properties:
    html_tag:
      type: string
      title: The HTML tag to use for the button (button | a). Defaults to `button`.
      default: button
      enum:
        - button
        - a
    url:
      type: string
      title: URL Link
      description: URL link for the button when the HTML tag is an anchor link.
      $ref: "ui-patterns://url"
    color:
      type: string
      title: Color
      description: Bootstrap includes several predefined button styles, each serving its own semantic purpose, with a few extras thrown in for more control.
      default: ''
      enum:
        - ''
        - primary
        - secondary
        - success
        - danger
        - warning
        - info
        - dark
        - light
        - link
    outline:
      type: boolean
      title: Outline
      description: In need of a button, but not the hefty background colors they bring? Replace the default modifier classes with the .btn-outline-* ones to remove all background images and colors on any button.
      default: false
    size:
      type: string
      title: Size
      description: Bootstrap button size
      default: ''
      enum:
        - ''
        - btn-sm
        - btn-lg
    disabled:
      type: boolean
      title: Disabled
      description: Disabled button
      default: false
    button_utility_classes:
      type: array
      title: Utility Classes
      default: []
      items:
        type: 'string'
      description: An array of utility classes that can be used to add extra Bootstrap utility classes or custom classes to this component.
    attributes:
      type: object
      title: Attributes
      description: HTML attributes for the containing element.
      $ref: 'ui-patterns://attributes'
slots:
  content:
    type: string
    title: Content
    description: The content for the button
    minLength: 1
    examples:
      - Press
      - Submit now
      - Save
      - Login
      - Read more

Designet er koden.

• Variantar
• Tokens
• Props

• Avgrensingar (noko vi kan leggje til i komponentane)

• Reglar for slots (kva som kan plasserast i andre slots, eller kva som er lov å plassere i min slot)

• Reglar

• Eksempel 

• Animasjonar  ( Lov å bruke, eller rettleiing for bruk )

Sjå deretter korleis det oppfører seg, og eksperimenter.

som i https://storybook.demo.varbase.vardot.com/?path=/story/atoms-button--primary 

Design tokens som miljøvariablar

Design tokens er ei anna avgjerande brikke i puslespelet. I mobile automatar reagerer cellene på nærmiljøet sitt – tilstanden til naboceller. I designsystem reagerer komponentane på design tokens – dei kontekstuelle verdiane som bestemmer utsjånad og åtferd.

Moderne token-arkitekturar bruker fleire lag:

• Kjerne-tokens: Rå verdiar som color.blue.500: #3B82F6
• Semantiske tokens: Intensjonsdrivne referansar som color.action.primary: color.blue.500
• Komponent-tokens: Avgrensa bruksområde som button.background.primary: color.action.primary

Når ein agent genererer ein Button-komponent, treng han ikkje vite at «primary» betyr blått. Han treng berre referere til button.background.primary og stole på at token-systemet løyser det opp til rett verdi. Miljøet (token-laget) held informasjonen; komponenten (cella) treng berre å reagere på han.

Verktøy som Tokens Studio har utvikla seg til å handsame design tokens som berekningsgrafar med resolvarar – noder som tek semantiske val om kva for basis-tokens som skal brukast ut frå konteksten. Dermed går design tokens frå å vere statiske verdiar til å bli dynamiske, regelbaserte system.

Drupal-økosystemet og AI-integrasjon

Integrasjonen av AI i innhaldssystem er eit perfekt laboratorium for å utforske prinsippet «designet er koden». CMS-ar som Drupal rommar allereie kjernebegrepa: strukturerte innhaldstypar, feltdefinisjonar, relasjonar og reglar for samansetjing.

Eg trudde aldri at vi skulle kunne seie noko slikt. For meg var dette det ypparste av teknologi.

 Det ultimate datamaskinoppsettet vi kunne ha. Utviklarar som like gjerne kunne kome rett frå framtidas Star Trek, og som snakkar til datamaskinen for at han skal programmere for dei.

Agent Experience (AX) og den nye brukaren

Å designe for maskinar

Tidleg i 2025 lanserte Mathias Biilmann, toppsjef i Netlify, omgrepet «Agent Experience» (AX) – ein ny disiplin som handlar om korleis AI-agentar samhandlar med produkt og plattformar.

Skiftet er grunnleggjande. I tiår har UX (User Experience) vore optimalisert for menneskeleg tenking, oppfatning og åtferd. DX (Developer Experience) har vore optimalisert for menneskelege utviklarar som byggjer programvare. AX erkjenner at agentar er i ferd med å bli hovudbrukarar av digitale system – og dei har heilt andre behov:

• Dei bryr seg ikkje om visuell estetikk – berre strukturerte data som kan parsast
• Dei navigerer ikkje i grensesnitt – dei kallar API-ar og les manifest
• Dei les ikkje dokumentasjon slik menneske gjer – dei treng maskinlesbar kontekst
• Dei gjer ikkje subjektive vurderingar – dei følgjer reglar og avgrensingar

«KI-agentar er ikkje menneske: dei bryr seg ikkje om storleiken på ein knapp, om typografien er lett å lese, om den vakre fargepaletten på nettstaden din eller om dei prangande animasjonane i appen din. Så kva «bryr» KI-agentar seg om? Det er eit spørsmål som ikkje har noko konkret svar i dag, men som vil bli viktigare og viktigare dei komande åra.»

- AX-forsking

Svaret: tydelege reglar, føreseielege åtferdsmønster, velstrukturerte data og tilbakemeldingssløyfer som lèt dei kontrollere og rette opp handlingane sine.

Utfordringa med to grensesnitt

Å designe for AX betyr å bygge to grensesnitt samtidig:

1. Grensesnitt mellom menneske og agent: Her fører menneske tilsyn med agentåtferda, godkjenner, redigerer og styrer ho – «kontrollrommet». Tenk dashbord og godkjenningskøar, ikkje skjema og knappar.
2. Grensesnitt mellom agent og system: Her samhandlar agentane med API-ar, databasar og verktøy – det operative laget. Det må vere robust, godt dokumentert og optimalisert for maskineffektivitet.

Dette speglar arkitekturen i cellulære automatar, der to ulike perspektiv eksisterer side om side:

• Det lokale perspektivet: Kvar celle (agent) følgjer enkle reglar basert på nærmaste naboar
• Det globale perspektivet: Komplekse mønster veks fram som berre er synlege i stor skala

«Agentopplevingsdesign (AX) bør gi svært god brukbarheit for og av agentar. Dermed fører god AX til god brukaroppleving (UX). Viss KI-agenten støyter på ein øydelagd prosess, ein øydelagd protokoll eller berre inkonsekvent ordbruk på tvers av system, klarer han ikkje å utføre oppgåva. Det er ei dårleg oppleving for agenten, og det fører igjen til ei dårleg oppleving for kunden eller den tilsette.»

- Kat Holmes, Chief Experience Officer, Salesforce

Frå UX til AX: Utviklinga av digital design

Stigmergi og indirekte kommunikasjon

Eitt av dei kraftigaste omgrepa frå sverm-intelligens er stigmergi – indirekte koordinering gjennom spor i omgivnadene. Maur snakkar ikkje direkte saman om kvar maten er; dei legg att feromonspor som andre maur følgjer. Omgivnadene blir eit kommunikasjonsmedium.

I agentiske designsystem tek stigmergi desse formene:

• Delte komponentbibliotek: Agentane «ser» kva komponentar som finst og korleis dei er brukte
• Designtoken: Semantiske verdiar som kodar designval som faktum i omgivnadene
• Mønsterdokumentasjon: Bruksdøme som fungerer som feromonspor for framtidige agentar
• Testsamlingar: Valideringsreglar som avgrensar rommet av gyldige resultat
• Git-historikk: Ei oversikt over tidlegare avgjerder som agentar kan vise til

Når ein agent genererer eit brukargrensesnitt med ein komponent, legg han att spor – i kodebasen, i dokumentasjonen, i mønstera han etablerer. Framtidige agentar som møter liknande oppgåver, vil bli påverka av desse spora, og slik veks det fram ei form for kollektiv intelligens som ingen enkeltagent har åleine.

Agentiske designmønster

Andrew Ng og andre har peikt ut fire sentrale mønster for agentiske KI-system:

1. Refleksjon: KI-en vurderer sitt eige resultat og forbetrar det steg for steg
2. Verktøybruk: KI-en samhandlar med eksterne verktøy, API-ar og system
3. Planlegging:KI-en delar opp komplekse oppgåver i deloppgåver og utfører dei éi etter éi
4. Fleiragent: Fleire spesialiserte agentar samarbeider om komplekse oppgåver

Desse mønstera svarer direkte til omgrep frå mobilautomatar:

Designet er koden – ei djupare lesing

Kva «designet er koden» eigentleg tyder

Når vi seier at «designet er koden», gjer vi fleire påstandar samtidig:

1. Semantisk likeverd

Designavgjerder blir køyrbare når dei er rett koda. Ein designtoken er ikkje berre ein verdi – han er ein instruks. Ei komponentspesifikasjon er ikkje berre dokumentasjon – ho er eit program. Når agentar les desse artefaktane, køyrer dei designet like mykje som dei implementerer det.

2. Generativ kapasitet

Likt som Rule 110 kan rekne ut alt som lèt seg rekne ut, kan eit tilstrekkeleg komplett designsystem generere kvart gyldig grensesnitt. Systemet rommar potensialet for alle sine gyldige uttrykk. Kva som veks fram, avheng berre av startvilkåra (krava) og reglane (avgrensingane).

3. Emergent kompleksitet

Dei mest sofistikerte grensesnitta blir ikkje designa ovanfrå og ned; dei veks fram av konsekvent bruk av enkle reglar. Ein godt utforma knapp, brukt konsekvent, gir eit samanhengande visuelt språk utan at nokon har planlagt den samanhengen uttrykkeleg.

4. Berekningsmessig irreduktibilitet

Nokre designresultat lèt seg ikkje føresjå utan faktisk å køyre systemet. Du kan ikkje vite korleis eit grensesnitt sett saman av ein agent kjem til å sjå ut, utan å la agenten setje det saman. Dette er Wolframs prinsipp om berekningsmessig irreduktibilitet brukt på design.

5. Sjølvmodifikasjon

Som evoloops som muterer under replikasjon, kan agentklare designsystem utvikle seg gjennom bruk. Komponentar som agentar genererer, blir ein del av biblioteket framtidige agentar les frå. Systemet lærer, tilpassar seg og veks.

Mobilautomat-metaforen utvida

Utover metaforen: ei røynleg samanstrøyming

Men dette er ikkje berre ein metafor. Samanstrøyminga er verkeleg, og ho skjer no:

• Storybook MCP gjer komponentbibliotek om til maskinlesbare instruksar som agentar køyrer
• Model Context Protocol standardiserer korleis agentar får tilgang til verktøy og kontekst – og skaper eit universelt substrat for agentiske operasjonar
• Fleiragent-arkitekturar fordeler arbeidet mellom spesialiserte agentar (arkitekt, kodar, granskar) som samhandlar etter protokollar – som celler med ulike funksjonar
• Sjølvreparerande løkker lèt agentar køyre testar, oppdage feil og prøve på nytt – same tilbakemeldingsmekanismar som mobile automatar brukar for å utvikle stabile konfigurasjonar
• Schema.org Blueprints gjer innhaldsstrukturar maskinlesbare og semantisk meiningsfulle
• Drupal AI gir infrastrukturen som lèt KI-agentar lage, endre og styre innhald på eiga hand

Vi ser ikkje på «designen er koden» som eit filosofisk standpunkt. Vi byggjer det som teknisk infrastruktur.

Konsekvensar og vegen vidare

For designarar

Rolla til designaren går frå å teikne rektangel til å definere reglar. Brad Frost la merke til det:

«Designarar og utviklarar som ser på jobben sin som å lage rektangel, har mykje å uroe seg for. Men dei som ser på jobben som å løyse problem – og berre tilfeldigvis må lage eller handtere nokre rektangel for å løyse dei – har mindre å frykte.»

– Brad Frost

I den agentiske framtida skal designarane:

• Definere semantiske tokens og relasjonane mellom dei
• Fastsetje komposisjonsavgrensingar og mønster
• Lage valideringsreglar som agentane må oppfylle
• Pleie og utvikle reglane som styrer det som oppstår
• Utforme tilbakemeldingsmekanismane som gjer sjølvretting mogleg
• Forme «fitness-funksjonane» som avgjer kva resultat som er akseptable

Dette er design på eit høgare abstraksjonsnivå – å utforme reglane som skaper designar, ikkje designane sjølve. Som å definere reglane til ein mobil automat i staden for å teikne kvar celle for seg.

For utviklarar

Utviklarar blir arkitektar av agentsystem. Slik skildrar Anthropic det:

«Programvareutvikling har vist seg å ha eit enormt potensial for LLM-funksjonar, med ei utvikling frå kodefullføring til sjølvstendig problemløysing.»

Utviklarar må:

• Lage maskinlesbare grensesnitt mellom agentar og system
• Utforme tilbakemeldingssløyfer og valideringsmekanismar
• Byggje stillaset som emergent åtferd kan oppstå innanfor
• Behalde menneskeleg tilsyn som siste instans
• Definere protokollane agentane kommuniserer med
• Skrive «limkoden» som koplar saman ulike agentsystem

For webutvikling og CMS-plattformer

Når KI blir bygd inn i plattformer som Drupal, peiker det mot ei framtid der:

• Innhaldsmodellar blir lesbare for agentar gjennom standardar som Schema.org
• Redaksjonelle arbeidsflytar får hjelp av agentar med KI-støtta utkast, moderering og optimalisering
• Søk utviklar seg frå nøkkelordtreff til semantisk forståing gjennom embeddings og vektordatabasar
• Personalisering blir sjølvgåande når agentar lærer kva brukarane likar og tilpassar innhaldet fortløpande
• Utviklinga går raskare når agentar genererer komponentar, testar og dokumentasjon

At Drupal-økosystemet tek KI i bruk – gjennom modular som Drupal AI, Drupal Canvas, Schema.org Blueprints og integrasjonen med KI-leverandørar – viser at denne framtida alt er under bygging.

For organisasjonar

Konkurransefortrinnet vil høyre til organisasjonane med designsystem som er mest «agentklare». Agentklare system har:

• Full dekning av tilstandar og variantar for komponentane
• Semantiske namn som uttrykkjer føremålet
• Maskinlesbar dokumentasjon og kontekst
• Infrastruktur for validering og testing
• Tydelege avgrensingar som set rammer for gyldige resultat
• API-ar utforma for bruk av agentar (AX-first)
• Innhaldsarkitekturar som byrjar med Schema.org

For framtida til digitale produkt

Sluttilstanden liknar eit slags digitalt økosystem: utallege agentar som følgjer lokale reglar og skaper emergente grensesnitt som ingen enkelt designar eller utviklar har planlagt, men som likevel heng saman fordi reglane under er solide.

Dette er ikkje så søkt som det høyrest ut. Det er nettopp slik biologiske system fungerer, slik byar veks og marknader verkar. Spørsmålet er ikkje om vi kjem til å nå dette punktet, men korleis vi kjem oss gjennom overgangen.

Konklusjon: Koden lever

John von Neumann, mangesidingen som fann opp cellulære automatar, var driven av eit grunnleggjande spørsmål: Kva er den minste kompleksiteten som trengst for sjølvreproduksjon? Svaret hans, von Neumanns universelle konstruktør, viste at sjølvkopiering ikkje krev biologisk maskineri. Det krev berre reglar som kodar si eiga anvending.

Sytti år seinare oppdagar vi at same prinsipp gjeld for designsystem. Minstekravet for autonom UI-generering er ikkje kunstig generell intelligens eller menneskeleg kreativitet. Det er eit fullstendig, konsistent og maskinlesbart sett med reglar som agentar kan køyre.

Når Langtons løkker kopierer seg over eit cellerutenett, seier vi ikkje at løkkene «designar» nye løkker. Kopieringa er rett og slett det reglane produserer. Likevel er resultatet, stadig veksande koloniar av sjølvliknande mønster, utvilsomt generativt og kreativt i funksjonell tyding.

Når AI-agentar set saman grensesnitt av komponentar frå designsystemet, med semantiske tokens og komposisjonsavgrensingar som rettesnor, gjer dei noko liknande. «Kreativiteten» ligg ikkje i agentane, men i reglane dei køyrer: reglar menneske har designa, men som no verkar på eigen hand.

Vi står ved terskelen til ei ny tid for digital skaping. Agentane er her. Protokollane tek form. Designsystema er i ferd med å bli substrat for kunstig liv.

Designet er koden.
Og koden vaknar til liv.

Sentrale artiklar og prosjekt

• Design Systems in the Time of AI - Brad Frost
• Storybook MCP Sneak Peek - Storybook
• Introducing AX: Why Agent Experience Matters - Mathias Biilmann
• Building Effective Agents - Anthropic

Drupal AI-ressursar

• Drupal AI

• Schema.org Blueprints Module

   

Ressursar om cellulære automatar

• Conway's Game of Life Lexicon - Om lag 1500 figurar
• A Working Turing Machine in Game of Life
• Langton's Loops - Wikipedia
• Rule Sets for Cellular Automata
• A New Kind of Science Online - Stephen Wolfram
• Cellular Automata - Nature of Code

Utforska idear i skjeringspunktet mellom berekningsteori, designsystem, kunstig intelligens og webutvikling.

 Synspunkta som kjem fram er spekulative utforskingar av nye trendar, ikkje spådommar om bestemte framtider.

Eg ser at vi lagar AI-agentar som arbeider i ei løkke og samhandlar med andre AI-agentar i fleire løkker.

Designet er koden når systemet går i ei løkke, som ei livsløkke, innanfor eit valt lerret og eit sett med reglar.