Keď pracujeme na novom digitálnom produkte, obyčajne je najdôležitejšie dostať sa čo najskôr k funkčnému prototypu. Len tak vieme zistiť, či nápad funguje aj mimo dokumentácie a či sa oplatí doň ďalej investovať. Nie je to len o rýchlosti vývoja, ale hlavne o rýchlom znížení rizika, že pôjdeme nesprávnym smerom.
Pri projekte kioskovej aplikácie pre kliniky sme sa interne rozhodli porovnať tri rôzne prístupy k tvorbe prototypu. Zaujímalo nás, ako sa bude líšiť rýchlosť a kvalita pri čisto AI riešení, klasickom postupe bez AI a kombinácii vývojár × AI.
Išlo o príležitosť pozrieť sa na rovnaké zadanie z troch uhlov a overiť si, ktorý prístup dáva najväčší zmysel pre podobné projekty. Klient vo finále hradí len riešenie, ktoré smeruje do produkcie, takže sme si mohli vyskúšať viacero postupov bez navýšenia jeho rozpočtu.
Ja som bol súčasťou tímu, ktorý testoval prístup vývojár + AI. A hoci som mal svoje očakávania, niektoré výsledky ma prekvapili viac, než som predpokladal.
Zadanie: kiosková aplikácia pre kliniky
Projekt mal jasný cieľ: vytvoriť dotykovú aplikáciu pre kliniky, ktorá pacientom umožní jednoducho, rýchlo a intuitívne potvrdiť svoj príchod na termín – bez potreby zastaviť sa na recepcii. Medzi požiadavkami boli:
- veľké ovládacie prvky prispôsobené dotyku,
- viacjazyčnosť,
- automatický návrat na úvodnú obrazovku po neaktivite,
- pripravenosť na bezpečné napojenie na API a čítačku dokladov.
Vývojové línie projektu
Iba pomocou AI: využitie viacerých nástrojov s minimálnym zásahom človeka (Lovable, GitHub Copilot, Figma pluginy Anima a MCP server, GitHub Spark).
Bez použitia AI: tradičný vývoj bez umelej inteligencie realizovaný partnerskou firmou.
AI + vývojár: tandemový prístup, kde AI urýchľuje proces a vývojár zaisťuje kvalitu.
Tu som bol zapojený ja. Moja úloha bola implementácia front-endu s podporou AI. Pomocou promptov som zadával konkrétne úlohy, generoval komponenty podľa dizajnu vo Figme a prepájal ich s API. Back-end mal na starosti kolega, ktorý AI využíval pri tvorbe aplikačnej logiky a integrácii s API. Na záver sme naše časti spojili do funkčnej aplikácie, ktorú bolo možné otestovať ako celok.
Ako vyzeral vývoj front-endu v tandeme AI + vývojár
Keď som na projekt nastúpil, mal som k dispozícii dizajn vo Figme. Vďaka MCP serveru Figmy som tak dokázal umožniť AI priamy prístup k celému dizajnu, vrátane informácií o fontoch, farbách, veľkostiach a vizuálnom štýle.
AI následne vygenerovala komponenty presne podľa technických požiadaviek, ktoré som jej zadal – v tomto prípade šlo o React komponenty s použitím Tailwindu. Vzhľadom na pomerne jednoduchý dizajn boli výsledky veľmi dobré a vyžadovali len minimálne úpravy.
Vďaka tomu som sa nemusel zdržiavať opakujúcimi úlohami a získal som viac času na samotné testovanie aplikácie a dolaďovanie detailov – aby bolo používanie aplikácie čo najprívetivejšie a intuitívne.
Veľmi ma prekvapila aj rýchlosť, akou som dokázal pomocou AI implementovať službu Trust1 Connector na čítanie občianskych preukazov. Stačilo popísať AI, o akú službu ide, poslať odkaz na dokumentáciu a zadať, ako to má celé fungovať. AI sa postarala o všetko ostatné a výsledok bol funkčný rýchlejšie, než som čakal.
Aj úprava a zjednotenie kódu sa ukázali oveľa efektívnejšie – ak bolo potrebné vykonať hromadné zmeny, nemusel som prechádzať súbor po súbore naprieč celým projektom. AI dokázala vyhľadať všetky výskyty, pochopiť súvislosti a upraviť kód tam, kde to bolo potrebné.
Za približne 24 hodín som mal hotový plne funkčný front-end, pripravený na reálne nasadenie.
Ako postupovali ostatné vývojové tímy
Iba pomocou AI: rýchlosť bez kontroly
Tím, ktorý pracoval výlučne s AI nástrojmi, otestoval viacero prístupov. Najúspešnejšie boli:
- Lovable: zvládol postaviť základ aplikácie vrátane viacjazyčnosti a logiky návratu na úvodnú obrazovku, no každý väčší zásah do kódu spôsobil nepredvídateľné zmeny v dizajne aj vo fungovaní.
- GitHub Copilot: vytvoril kostru projektu, ale výstup bol nekonzistentný a zbytočne rozsiahly.
- Plugin Anima: dokázal exportovať obrazovky z Figmy, no chýbala mu responzivita, čo je pri kiosku zásadný problém.
Výsledkom bol síce pri každom nástroji klikateľný prototyp, no s viacerými podstatnými nedostatkami. Nebol vhodný ako základ pre ďalšie etapy vývoja, a preto poslúžil najmä ako vizuálny podklad pre diskusiu.
Vygenerované domovské obrazovky:
Vygenerovaná identifikácia pacienta:
Bez použitia AI: stabilita za cenu času
Partnerský tím vytváral riešenie tradične. Výstup bol stabilný, dobre štruktúrovaný a testovateľný. Vývoj však trval výrazne dlhšie a chýbali v ňom detaily, ktoré zjednodušujú rýchlu orientáciu používateľa – napríklad automatické dopĺňanie údajov alebo výraznejšie vizuálne navádzanie používateľa.
Aj pri snahe o presné kopírovanie dizajnu sa objavili drobné odchýlky v rozostupoch či zarovnaní textov, ktoré vedela AI zachovať presnejšie.
Záver: Kde AI pomáha a kde nie*
Keď sme s kolegami a klientom hodnotili výsledky všetkých troch prístupov, zhodli sme sa, že kombinácia vývojár + AI poskytla najlepší pomer medzi rýchlosťou a kvalitou. AI zrýchlila opakujúce sa úlohy, vývojár ustrážil kvalitu, UX a kontext.
V skratke:
- AI sama nedokáže vytvoriť kvalitnú aplikáciu, no vie výrazne zrýchliť opakovateľné úlohy.
- Najviac pomáha pri prvotnej implementácii, úprave kódu a testovaní zriedkavých scenárov.
- Bez vývojára AI nepochopí kontext, čo často vedie k neefektívnym riešeniam. V tandeme však funguje výborne.
Kombinácia AI + vývojár je dnes podľa nás najefektívnejší prístup – najmä pri vývoji MVP (tzv. Minimum Viable Product – prvá verzia produktu s najmenším možným rozsahom funkcií, ktorá umožní overiť, či má zmysel pokračovať vo vývoji).
Výsledná kiosk aplikácia prešla interným testovaním a je pripravená na nasadenie v reálnom prostredí. V najbližších mesiacoch ju čaká ostrý štart v klinikách.
Ak zvažujete AI vo vývoji, ozvite sa nám. Radi nájdeme spôsob, ako ju zapojiť zmysluplne a efektívne.
- Poznámka: hodnotenie platí k dátumu publikovania článku ↩︎
Najčastejšie otázky o AI vo vývoji aplikácií
Dokáže AI vytvoriť aplikáciu bez zásahu vývojára?
Nie. AI vie rýchlo pripraviť ukážku alebo základný prototyp, ale nezvláda presnú logiku, stabilitu, bezpečnosť ani konzistentné napojenie na dizajn. Vývojár je stále nevyhnutný.
Prečo nie sú AI prototypy vhodné ako finálny základ produktu?
Často sú nestabilné, zmeny v kóde vedú k nečakanému správaniu a AI nedodržiava presné dizajnové štýly. Sú výborné na diskusiu, ale nie ako základ pre ďalší vývoj.
Kedy je AI vo vývoji najužitočnejšia?
Najmä na začiatku — pri návrhu štruktúry projektu, generovaní komponentov, refaktoringu alebo pri úlohách, ktoré sa často opakujú. Vtedy dokáže výrazne zrýchliť prácu.
Prečo tradičný vývoj bez AI nie je najrýchlejším riešením?
Prináša najvyššiu stabilitu, ale je časovo náročnejší. Prvý použiteľný prototyp vzniká pomalšie ako pri prístupoch, ktoré využívajú AI.
Čím sa odlišuje prístup vývojár + AI?
Kombinuje rýchlosť generovania s kontrolou nad logikou, UX a kvalitou. Výsledkom je prototyp, ktorý je rýchly, spoľahlivý a pripravený na ďalší rozvoj.
Je AI vhodná aj pre náročné alebo bezpečnostné projekty?
Áno, ale len pod dohľadom skúseného vývojára. AI vie pomôcť s rutinnými úlohami, no rozhodujúce oblasti ako bezpečnosť, integrácie alebo práca s dátami musia zostať v odborných rukách.
Vie AI nahradiť dizajnéra alebo presne prebrať Figma návrhy?
Nie úplne. AI sa síce vie priblížiť návrhu, ale nevie garantovať presnosť, konzistenciu štýlov ani typografiu. Manuálna kontrola je stále nevyhnutná.
Kedy má zmysel začať projekt ako „AI-first“?
Pri MVP, interných nástrojoch alebo rýchlom overovaní nápadu. V týchto prípadoch dokáže AI priniesť rýchly výsledok bez zbytočných nákladov.
O koľko vie AI skrátiť čas vývoja?
Najmä v úvodných fázach môže ušetriť niekoľko dní až týždňov. Pri zložitejších produktoch je prínos menší, no stále citeľný pri repetitívnych činnostiach.
Ovplyvňuje AI celkovú cenu projektu?
V počiatočných fázach áno – vďaka rýchlejšiemu prototypovaniu a validácii nápadu. Pri produkčných aplikáciách však AI skôr optimalizuje rozloženie práce než znižuje cenu.
Je kód vytvorený AI bezpečný?
Nie vždy. AI nevie vyhodnotiť bezpečnostné riziká ani zvoliť najlepšie postupy. Kód treba vždy overiť, najmä pri autorizácii, práci s citlivými dátami alebo API.
Dokáže AI v budúcnosti vytvoriť aplikáciu úplne sama?
Postupne áno – najmä pri jednoduchých projektoch. Pri komplexných riešeniach však zostane vývojár nevyhnutný pre presné zadanie, integrácie a zodpovednosť za výsledok.
