Як я за лічені години перетворив складну ідею на функціональний бізнес-інструмент за допомогою AI: мій досвід
За роки роботи в сфері бізнес-аналізу, автоматизації та впровадження рішень на базі штучного інтелекту, я часто стикався з ситуаціями, коли для вирішення специфічних бізнес-завдань потрібні були унікальні програмні інструменти. Згадую, як доводилося детально прописувати технічні завдання для розробників, витрачаючи тижні на узгодження, прототипування та сам процес кодування. Це була цілком звичайна картина: уявити бажаний функціонал, описати його, передати команді розробки, і чекати на результат, який далеко не завжди відповідав початковому баченню.
Нещодавно я мав справу з таким проєктом – створення внутрішнього порталу для роботи з постачальниками. Моє бачення було чітким: кожен постачальник повинен мати доступ виключно до своїх запитів, можливість їх підтверджувати, а вся система мала б забезпечувати автоматичне оновлення статусів та надійний контроль доступу. Я передбачав, що це буде тривалий процес, що вимагатиме значних ресурсів.
Проте, розмова з другом-розробником минулого тижня кардинально змінила моє ставлення до термінів розробки. Він запитав: “Навіщо ти витрачаєш стільки часу на рутинне кодування, коли сучасні AI-платформи можуть зробити це значно швидше?” Його слова змусили мене замислитись. Що, якби я міг описати складний функціонал словами, так само, як я робив би це для людини, і отримати готовий, працездатний додаток? Це звучало неймовірно, але мій професійний досвід навчив мене завжди бути відкритим до нових технологій.
І ось, з використанням платформи Softer, за лічені години я зумів з нуля побудувати повністю функціональний внутрішній інструмент. Він включає ролі користувачів, управління правами доступу та автоматизацію процесів у реальному часі, що охоплює й згаданий портал для постачальників.
Крок 1: Формування бази даних та структури додатку за допомогою AI Co-Builder
Першим елементом, з яким я працював у студії Softer, був AI Co-Builder. Він функціонує як інтерактивна панель, де я, базуючись на своєму досвіді бізнес-аналізу, детально описував необхідну структуру. Я підійшов до цього завдання так само, як до формування вимог для звичайної бази даних:
- Визначення таблиць та полів: Я окреслив дві основні таблиці: “Запити” та “Завдання”, деталізувавши їхні поля. Особливу увагу я приділив визначенню статусів (наприклад, “Новий”, “На перевірці”, “Закупівля”, “Закрито”), які слугуватимуть ключовими етапами в життєвому циклі запиту. Ці статуси стали основою як для системи роботи з постачальниками, так і для AI-агента.
- Додаткові атрибути: Я передбачив поля для посилання на контакт постачальника (з прив’язкою до облікового запису користувача), чекбокс “Затверджено постачальником” та поле для відстеження “Дата останньої зміни статусу”. Остання виявилася критично важливою для подальшої автоматизації.
- Кастомізація інтерфейсу: AI запропонував обрати тип входу, навігацію та візуальну тему. Я обрав комбінацію біло-фіолетової теми, що надало додатку професійного вигляду.
Після введення цих параметрів, AI Co-Builder згенерував першу версію додатку. Я побачив структуровані таблиці “Запити” та “Завдання” зі зв’язками між ними, готові сторінки, блоки та групи користувачів. Це надзвичайно прискорило процес, оскільки фундамент, який зазвичай вимагає ручного налаштування, був створений автоматично. Важливо, що будь-які відхилення від моїх очікувань можна було коригувати візуально.
AI також автоматично заповнив таблиці тестовими даними. Це було неочікувано, але надзвичайно корисно, адже дозволило мені одразу тестувати функціонал кожного наступного кроку.
Крок 2: Побудова інтерактивного пайплайну з AI Vibe Coding
Наступним завданням було створення візуального пайплайну, схожого на Kanban-дошку в Notion чи Trello. AI Co-Builder створив базову сторінку, але мені потрібен був динамічний інтерфейс. Тут у гру вступив блок “Vibe Coding”:
- Контекст для AI: Перед тим, як надати промпт, я відкрив вкладку “Source” (Джерело), яка дозволяє AI читати дані з бази та записувати зміни. Це критично для інтерактивних елементів.
- Однозадачність: Я сформулював промпт максимально чітко, зосередившись на одному завданні: “Створити дошку”. AI згенерував React-компонент, який одразу з’явився на сторінці.
- Динамічна візуалізація: З’явилися колонки, що відповідають статусам запитів. Кожна картка відображала ключову інформацію. Але найцікавіше – це була інтерактивність. Перетягуючи картку між колонками (наприклад, зі статусу “На перевірці” до “Закупівля”), я спостерігав, як статус автоматично оновлюється в таблиці “Запити”. AI також автоматично додавав поточну дату до поля “Дата оновлення статусу” при кожному переміщенні, що було ключовим для подальших автоматизацій.
Цей досвід підтвердив, що AI здатний не просто генерувати код, а й розуміти контекст бізнес-процесів, якщо йому правильно його надати.
Крок 3: Деталізація інтерфейсу та функціоналу за допомогою AI
Після створення пайплайну, мені потрібно було додати деталізацію, щоб команда могла ефективно працювати.
- Детальна інформація про запит: Другий промпт у блоці “Vibe Coding” дозволив мені додати функціонал, що відкриває бічну панель при натисканні на картку. Ця панель відображала детальні завдання, пов’язані з конкретним запитом, включаючи відповідальних осіб та терміни виконання. Це стало центральним робочим простором для команди.
- Пошук та фільтрація: Третій промпт був спрямований на покращення зручності використання. Додавання функцій пошуку та фільтрації за відповідальним дозволило кожному користувачеві швидко знаходити свої запити. Відображення кількості елементів у заголовках колонок стало важливим індикатором “вузьких місць” у процесі.
- Система версіонування: Я був приємно вражений наявністю системи версіонування. Можливість відновлення попередніх версій додатка значно знижувала ризик при експериментах з новими промптами. Для тих, хто володіє React, існує можливість ручного редагування згенерованого коду, але я вирішив зосередитись на роботі з промптами.
- Панель приладів та таймлайн: Для аналітики було створено сторінку “Панель приладів”. Використовуючи “Vibe Coding” знову, я пов’язав її із запитами, щоб отримати ключові метрики: кількість елементів за статусами, панелі прогресу для кожного запиту та візуальне виділення запитів, що знаходяться під ризиком (близькі терміни, але ще не завершені). Далі, я інтегрував “Таймлайн” (діаграму Ганта) для візуалізації наступного місяця. Можливість перетягувати запити на нові дати та автоматичне оновлення термінів виконання стало значним покращенням для планування.
Крок 4: Забезпечення безпеки та контроль доступу
Безпека – це критично важливий аспект будь-якого бізнес-додатку. У випадку з інструментами, створеними швидко, часто виникає проблема неузгодженості з IT-відділом. У Softer, система дозволів інтегрована на рівні платформи:
- Ролі користувачів: Я використовував вже визначені групи: “Адміністратор”, “Член команди”, “Постачальник”.
- Обмеження видимості сторінок: Сторінки з загальними показниками (Панель приладів, Таймлайн) були налаштовані як доступні лише для “Адміністраторів”.
- Постачальницький портал: Я налаштував його таким чином, щоб постачальник бачив лише свої запити. Фільтрація даних відбувалася за статусом “На перегляді постачальником” та співпадінням контактної особи із логіном поточного користувача. Це забезпечує, що користувач бачить виключно релевантну для нього інформацію.
- Обмеження дій: У таблиці “Запити” я встановив обмеження, що дозволяло постачальникам виконувати лише одну дію – “Затвердження”.
- Перевірка дозволів: Я провів тестування з різних ролей. Як “Член команди”, я бачив лише пайплайн та завдання. Як “Постачальник”, я бачив лише власний портал з одним запитом. При поверненні до ролі “Адміністратора” всі елементи ставали доступними.
Важливою перевагою є те, що дозволи та права доступу, встановлені на платформі, застосовуються автоматично як до стандартних, так і до AI-згенерованих блоків. Це означає “безпеку з першого дня”, без необхідності окремої конфігурації.
Крок 5: Автоматизація бізнес-процесів за допомогою AI Workflows
Наступним логічним кроком стала автоматизація сповіщень при зміні статусів.
- AI-керовані робочі процеси: У студії я використовував AI Co-Builder для створення робочих процесів. Я описав тригер (призначення відповідального) та дію (сповіщення призначеній особі).
- Тестування сповіщень: Я протестував сценарії призначення завдань для членів команди та постачальників. Сповіщення надходили як члену команди про завершення завдання, так і постачальнику про необхідність перегляду запиту. При затвердженні запиту постачальником, власник запиту отримував відповідне сповіщення. Це усунуло необхідність постійного моніторингу порталу.
- AI-агент бази даних: Фінальним штрихом став AI-агент бази даних. Замість створення складних фільтрів, я просто ставив йому запитання. Це було можливо завдяки полю “Дата оновлення статусу”, яке я додав на попередньому етапі. Агент також дотримувався встановлених правил дозволів, надаючи інформацію виключно в межах компетенції користувача.
Крок 6: Публікація та доступність додатку
Процес публікації був надзвичайно простим – одна кнопка, і додаток ставав доступним за посиланням, без необхідності окремого хостингу.
- Progressive Web App (PWA): Я активував опцію PWA, що дозволило користувачам встановлювати додаток на свої пристрої (комп’ютери та смартфони) як повноцінний додаток, без розміщення в App Store.
- Фінальна перевірка: Я провів фінальне тестування на реальному додатку, використовуючи нові облікові записи. Важливою деталлю є налаштування реєстрації. За замовчуванням, нові користувачі отримували роль “Член команди”. Для реального постачальницького порталу, я б однозначно запрошував постачальників, а не залишав би реєстрацію відкритою.
Що я зрозумів з цього експерименту?
- Не завжди все ідеально з першої спроби: Створення промптів для AI – це процес, що вимагає ітерацій. AI – це потужний інструмент, який виконує надані інструкції. Тому, формулюючи запити, я керувався тим, як би я ставив завдання професійному розробнику.
- Важливість деталей: Під час створення панелі приладів, перший варіант від AI містив лише три метрики. З’ясувалося, що це пов’язано з тестовими даними, де дати були вказані в минулому. З реальними даними результати були коректними.
- AI як прискорювач реалізації ідей: Якщо ви чітко розумієте свій бізнес-процес, AI може стати надзвичайно ефективним інструментом для його реалізації. Він дозволяє швидко трансформувати концепцію в функціональний продукт.
Висновок
Цей досвід став для мене наочним доказом того, що сучасні технології, які здавалися раніше надзвичайно складними, стають доступними для широкого кола користувачів. AI – це не просто чергова модна тенденція, а реальний інструмент, що демократизує розробку програмного забезпечення. Ключ до успіху полягає в умінні чітко формулювати свої потреби та ставити правильні запитання.
Якщо ви маєте схожі проєкти або бажаєте відтворити мій досвід, платформа Softer надає чудову можливість розпочати з 200 безкоштовними AI-кредитами.
Я переконаний, що майбутнє за тими, хто вміє ефективно використовувати технології для втілення своїх ідей. Створення складного, безпечного та автоматизованого бізнес-інструменту за лічені години – це не просто демонстрація можливостей AI, це свідчення того, як власне розуміння процесів може бути трансформоване в реальний, функціональний робочий інструмент.
