I takt med att generativ AI integreras i mjukvaruutveckling genom verktyg som automatiserar kodgenerering och felsökning, bidrar det till en förskjutning i hur kvalificerat kunskapsarbete styrs, motiveras och utförs. Det finns dock en växande spänning mellan utvecklarnas professionella autonomi och organisationers behov av att hantera säkerhetsrisker via policys. Hur denna dynamik formar utvecklarnas motivation och beteende i vardagen finns det i dagsläget lite forskning kring, vilket skapar risk för ett styrningsglapp där formell policy tappar kontakten med den praktiska verkligheten. Syftet med denna uppsats är att undersöka hur spänningen mellan organisatorisk kontroll och individuell autonomi påverkar mjukvaruutvecklares AI-användning samt hur olika policymiljöer formar deras motivation och strategival. Genom en förklarande sekventiell blandad metod (explanatory sequential mixed methods) med en enkät följd av kvalitativa djupintervjuer har fem mjukvaruutvecklare studerats. Analysen vilar på syntesen mellan självbestämmandeteorin (SDT) och Task-Technology Fit (TTF), operationaliserat genom två egenutvecklade visuella modeller: en kvadrantmatris och en AI-adoptionsradar. Resultaten tyder på att strikta policys i säkerhetsfokuserade miljöer förvärrar ett tekniskt kapacitetstak genom blockering av mängden kontext som AI-verktygen får tillgång till, vilket allvarligt hämmar den kognitiva passformen och kan störa utvecklarnas flow-tillstånd. För att skydda sin hantverksmässiga agens och effektivitet tillämpar utvecklare antingen aktivt motstånd eller uppvisar en passiv acceptans präglad av teknisk alienation. Studien bidrar med en djupare socio-teknisk förståelse för hur kontrollkrav kan hämma innovation. Den belyser behovet av resultatstyrda policymiljöer samt ger konkreta rekommendationer, såsom att tillåta reglering av AI-gränssnittets proaktivitet samt att sanktionera autonomivård för att värna yrkesstoltheten.