AI Menulis Kode, Tapi Ia Tidak Tahu Kapan Sebuah Produk Selesai

Saya membangun generator slide AI menggunakan Velobase Harness.

Anda mengetikkan sebuah topik dan mendapatkan presentasi. AI menulis kerangka, membuat slide, dan mengekspor file. Dalam sebuah demo, itu terlihat sudah selesai.

Itu belum selesai.

Demo tersebut hanya membuktikan bahwa satu pengguna bisa membuat satu dek satu kali. Produk nyata itu berbeda. Ia harus bisa menangani 100 orang sekaligus. Ia harus menagih pengguna dengan benar. Ia harus pulih saat sebuah langkah gagal. Ia harus mengekspor file PPTX yang benar-benar berfungsi di PowerPoint.

AI tidak menambahkan hal-hal ini karena saya tidak menyuruhnya.

Saat Anda membangun dengan AI, bagian tersulit bukanlah mendeskripsikan fiturnya. Bagian tersulit adalah mendefinisikan apa arti "selesai".

Saya menggunakan Velobase Harness untuk bagian-bagian yang membosankan:

  • Auth dan pembayaran
  • Kredit dan admin
  • Database dan antrean
  • Object storage dan deployment

Ini memungkinkan saya memfokuskan AI pada satu-satunya bagian yang menjadi milik saya: pembuatan PPT.

Berikut adalah empat cara bagaimana "terlihat selesai" dan "benar-benar selesai" berbeda:

  1. Konkurensi AI berpikir jika ia berhasil sekali, maka sudah lengkap. Namun 100 pengguna membutuhkan sebuah pipeline. Anda harus membagi tugas ke dalam antrean plan, slide, dan finalize. Anda harus menghasilkan setiap slide sebagai tugasnya sendiri agar worker dapat berskala.

  2. Penagihan Produk nyata membutuhkan sebuah state machine. Anda harus memesan (reserve) kredit terlebih dahulu. Anda harus melakukan penyelesaian (settle) berdasarkan apa yang benar-benar dihabiskan. Anda harus melakukan pengembalian dana (refund) jika terjadi kegagalan dan menjeda (pause) saat saldo habis.

  3. Peninjauan mandiri Jika sistem mencoba kembali sebuah tugas secara diam-diam, pengguna hanya akan melihat spinner. Untuk menjadikannya sebuah fitur, Anda harus menunjukkan progresnya. Tunjukkan kepada pengguna saat sistem sedang "menghasilkan" (generating), "memeriksa" (checking), atau "menggambar ulang" (redrawing).

  4. Ekspor Sebuah slide mungkin terlihat sempurna di browser tetapi rusak di file PPTX. Persyaratan Anda haruslah: hasil ekspor harus sesuai dengan pratinjau web.

Pelajarannya sederhana. AI mahir dalam menulis kode. Ia tidak tahu apa yang membuat sebuah produk layak rilis. Ia memperlakukan demo lokal sebagai sebuah sistem.

Anda harus menyediakan batasan teknis dan kasus kegagalan. Pengiriman yang lebih cepat berasal dari input yang lebih tajam, bukan dari kurangnya pemikiran.

Jika Anda membangun sesuatu dengan AI, apa celah tersulit antara sebuah demo dan produk nyata?

Sumber: https://dev.to/velobasex/ai-can-write-the-code-it-cant-tell-you-when-the-product-is-done-4oh6

Komunitas pembelajaran opsional: https://t.me/GyaanSetuAi