GitHub Copilot App: Hvordan skrivebordsappen endrer utviklerhverdagen

GitHub har gitt Copilot sitt eget skrivebord. Jeg har testet worktrees, Canvas og parallelle agenter i praksis, her er hva som faktisk endrer arbeidsdagen din.
Jeg har brukt Copilot inne i VS Code i to år. Denne uken installerte jeg noe helt annet: en frittstående app som ikke lever inni editoren, men ved siden av den.
Det høres ut som en detalj. Det er det ikke.

Hvorfor en egen app
Copilot inni VS Code er begrenset til ett prosjekt, én fil, ett fokus om gangen. Copilot App er bygget rundt en helt annen antagelse: at du har flere ting på gang samtidig, og at agentene dine bør kunne jobbe på dem uavhengig av hverandre.
Konkret betyr det at hver sesjon kjører i sitt eget git worktree. Jeg har nå tre agenter som jobber i samme repo parallelt, en som rydder opp i en gammel migreringsscript, en som skriver tester for en ny endpoint, og en tredje som svarer på PR-kommentarer fra i går. De tråkker ikke i beina på hverandre, fordi de rett og slett ikke deler samme filsystem-kopi.
Jeg testet dette først på Platform-Landingzone-repoet mitt, drøyt 72 000 linjer fordelt på Bicep, TypeScript og dokumentasjon, det jeg regner som en realistisk enterprise-størrelse. Ingen av agentene rørte hverandres branch. Ingen manuell branch-håndtering fra min side.

Canvas: der samarbeidet faktisk skjer
Det jeg brukte mest tid på å forstå var Canvas. Det er ikke en chattelogg. Det er en delt arbeidsflate der agenten og jeg kan se på det samme, samtidig, og begge kan justere.
Jeg brukte browser-canvas til å verifisere en frontend-endring live mens agenten jobbet. Ingen skjermdeling, ingen "vent litt skal jeg ta et screenshot". Agenten så nettopp det jeg så.
Det samme gjelder editor-canvas for markdown-dokumenter, eller terminal-canvas når jeg ville følge en lang bygge-prosess uten å måtte spørre "er du ferdig snart?" hvert tredje minutt.

Etter en uke med dette la jeg merke til noe jeg ikke forventet: jeg stiller færre statusspørsmål til agentene. Jeg ser det jo.
Modellvalget er blitt reelt
Tidligere valgte jeg modell én gang og glemte det. Nå bytter jeg faktisk, avhengig av oppgave.

Til rene kodeoppgaver med lang kontekst bruker jeg en av kodemodellene. Til andre oppgaver holder jeg meg til Sonnet-familien. Poenget er ikke hvilken modell som "vinner", poenget er at appen endelig gjør det billig å prøve begge på samme oppgave og sammenligne.
Hva koster dette faktisk deg i overgang
Jeg skal være ærlig om ulempene også, for det er lett å selge inn nytt verktøy uten å nevne friksjonen.
Første dag brukte jeg for mye tid på å finne ut hvor ting lå. VS Code-vanene mine, kommandopalett, snarveier, satt ikke. Andre uke gikk det bedre. Nå går jeg sjelden tilbake til den gamle arbeidsflyten for noe annet enn rask enkeltfil-redigering.
Verdt å nevne: parallelle worktrees krever litt mer diskplass enn du kanskje forventer, spesielt på store monorepo-er. Jeg holder nå et øye med det på et av mine repoer med mye binærdata.
Jas sin mening
Jeg installerte dette fordi jeg var nysgjerrig, ikke fordi jeg trengte enda et verktøy. Etter to uker er svaret mitt enkelt: det er ikke bare Copilot flyttet ut av editoren, det er en annen måte å tenke på hvor mange ting du kan ha gående samtidig uten å miste oversikten.
Neste artikkel i denne serien tar for seg Kimi K2.7 Code, den første åpne modellen i modell-pickeren, og hva den egentlig betyr for enterprise-sikkerhet.
Les også:
- GitHub Copilot app + Terraform MCP Server: Slik får du AI som faktisk kan Terraform
- Azure MCP-server
- Azure Bicep MCP gjør infrastruktur som kode smartere
- GPT 5.2 Codex i Microsoft Foundry: sikker kode‑AI for store refaktoreringer og sårbarhetsanalyse
- GPT‑5.1‑codex‑max i Microsoft Foundry: Hvordan bruke AI for repo‑skala refaktorering, CI‑automatisering og sikkerhet
- GPT‑5.1 i Azure AI Foundry: praktisk guide for utviklere, kostnad og pilot
- Slik bygger du AI-agenter med Azure AI Foundry – fra prototype til produksjon med CI/CD og sikkerhet
- Topp 5 beste praksiser for agentobservabilitet i Azure AI Foundry – sikre pålitelig generativ AI
- Hvordan forbedrer GPT-5 Dynamics 365 for kundeservice, automatisering og datadrevet innsikt
- Hvordan red teaming med Azure AI Evaluation SDK gjør RAG-apper mer presise og robuste?
- Erfaringer med GPT-5 i Microsoft Copilot – AI-ingeniørens guide til smartere arbeidsflyt og produktivitet
- GPT-5 i Azure AI Foundry – ansvarlig AI i produksjon
- Revolusjonér norsk helse med Foundation Models & RAG
- Bygg din første stemmeagent med Voice Live API | Microsoft Azure-guide
- Språkteknologi i Norge 2025: Slik inkluderer AI alle språk og kulturer
- Model Context Protocol (MCP): Teknologisk fremskritt med sikkerhetsutfordringer
- Agentisk AI: Autonome digitale kollegaer som former fremtidens arbeidsliv
- Slik gir AI norske bedrifter konkurransefortrinn
- Llama 4 møter påskefjellet: Kunstig intelligens med norsk vri 2025
- EU-lovgivning gir AI-regulering turbo: Slik påvirkes robotene våre
- AI-revolusjonen med Azure AI Foundry: Fra kaos til kontroll for småbedrifter
- AI-sikkerhetsagenter med Security Copilot: Gjør cybersikkerhet engasjerende
- Veikart til suksess med Copilot: Slik lykkes mellomstore bedrifter med AI
- Fremtiden for koding med KI-kodeassistenter: Microsoft Copilot i praksis
- Copilot og Azure AI: Automatiser og effektiviser arbeidet
