Kreatywność to różnica

Narzędzia AI potrafią skrócić drogę od pomysłu do działającego prototypu. To realna zmiana. Nie oznacza jednak, że każdy wygenerowany produkt jest gotowy do użycia ani że wykonanie przestało mieć znaczenie.

Kiedy pierwsza wersja staje się tańsza, rośnie znaczenie decyzji, które odróżniają produkt przydatny od kolejnego podobnego rozwiązania: jaki problem wybrać, co pominąć, jak ma zachowywać się interfejs i po czym uznać pracę za skończoną.

#Funkcjonalny prototyp to początek

Model może przygotować ekran, endpoint albo skrypt. Nadal trzeba sprawdzić:

• czy rozwiązujemy właściwy problem;
• czy przepływ jest zrozumiały bez instrukcji autora;
• czy dane i błędy są obsługiwane bezpiecznie;
• czy produkt działa w realnym środowisku;
• czy ktoś będzie umiał go utrzymywać.

To różnica między demonstracją a produktem. Im szybciej powstaje kod, tym łatwiej przeoczyć pracę, która nie wygląda efektownie: przypadki brzegowe, dostępność, dystrybucję, dokumentację i aktualizacje.

#Kierunek jest ważniejszy niż „idealny prompt”

Dwie osoby mogą użyć tego samego modelu i otrzymać bardzo różne rezultaty. Różnica zwykle nie wynika z tajnej formuły. Wynika z jakości specyfikacji i oceny kolejnych wersji.

Dobry kierunek odpowiada na pytania:

1. Kto będzie korzystać z rozwiązania?
2. Jakie zadanie ma wykonać?
3. Jakie ograniczenia są niepodlegające negocjacji?
4. Co świadczy o jakości?
5. Czego świadomie nie budujemy?

Model pomaga wytwarzać warianty. Człowiek nadal odpowiada za kryteria wyboru. Bez nich łatwo zaakceptować pierwszą działającą odpowiedź, nawet jeśli jest generyczna lub nie pasuje do sytuacji.

#Gust można zamienić w konkret

„To nie wygląda dobrze” nie daje zespołowi ani narzędziu jasnej informacji. Gust staje się użyteczny, gdy potrafimy nazwać różnicę.

Zamiast prosić o „nowocześniejszy interfejs”, można wskazać:

• hierarchię, która ma być widoczna bez czytania całości;
• liczbę decyzji na jednym ekranie;
• zasady odstępów i typografii;
• zachowanie po błędzie lub braku danych;
• elementy, które powinny pozostać spokojne, zamiast przyciągać uwagę.

To samo dotyczy kodu. „Dobra architektura” potrzebuje granic odpowiedzialności, oczekiwanego obciążenia, sposobu testowania i planu zmian.

#AI uwalnia czas, ale nie wybiera, na co go przeznaczyć

Oszczędzony czas można zużyć na generowanie większej liczby funkcji. Można też przeznaczyć go na elementy, które wcześniej wypadały z zakresu:

• testy z użytkownikiem;
• dopracowanie pierwszego uruchomienia;
• dostępność kluczowych ścieżek;
• dokumentację i automatyzację wydań;
• pomiar tego, czy funkcja rozwiązuje problem;
• usunięcie funkcji, które nie są potrzebne.

Druga lista rzadziej robi wrażenie na demonstracji, ale częściej decyduje o tym, czy produkt przetrwa kontakt z rzeczywistością.

#Dokończenie produktu jest osobną umiejętnością

Dobrym przykładem jest clck, niewielki timer terminalowy rozwijany jako publiczne narzędzie. Sam mechanizm odliczania to tylko część pracy. Produkt wymaga też zachowania na macOS i Linuxie, czytelności przy zmianie rozmiaru terminala, dźwięków, powiadomień, pakowania, publikacji i dokumentacji.

Ten przykład nie dowodzi wyniku biznesowego. Pokazuje coś innego: nawet małe narzędzie staje się produktem dopiero wtedy, gdy wiele drobnych decyzji działa razem.

AI może przyspieszyć część implementacji. Nadal ktoś musi ustalić standard, przetestować całość i zdecydować, które niedoskonałości blokują publikację, a które można poprawić w następnej wersji.

#Praktyczny sposób pracy z AI

W małym projekcie wystarcza prosta pętla:

1. Napisz specyfikację. Opisz użytkownika, zadanie, ograniczenia i warunki akceptacji.
2. Zbuduj najmniejszy przepływ. Nie zaczynaj od wszystkich funkcji.
3. Sprawdź rezultat samodzielnie. Uruchom testy, przejdź ścieżkę użytkownika i przeczytaj kod.
4. Popraw jedną klasę problemów naraz. Najpierw działanie, potem dostępność, wydajność i detale.
5. Zapisz decyzje. Dokumentacja ogranicza ponowne zgadywanie przy kolejnej iteracji.
6. Publikuj świadomie. Oznacz prototyp jako prototyp; nie udawaj dojrzałości, której produkt jeszcze nie ma.

#Przewagą nie jest samo używanie AI

Dostęp do podobnych modeli szybko staje się powszechny. Trudniej skopiować zrozumienie odbiorcy, konsekwentny standard jakości i doświadczenie potrzebne do zauważenia błędu.

Dlatego przewaga nie polega na wygenerowaniu większej ilości pracy. Polega na trafniejszym wyborze, co warto zbudować, oraz na cierpliwości, by doprowadzić to do spójnej całości. AI podnosi tempo. Kierunek nadal należy do człowieka.