Moje největší poznatky o prototypování umělé inteligence od generálního ředitele společnosti Magic Patterns @alexdanilowicz: 1. Integrace návrhového systému je skrytou konkurenční výhodou při prototypování AI. Magic Patterns vytvořil "přednastavení", která vám umožní importovat skutečnou knihovnu komponent před zahájením sestavování. Nejde jen o to, aby věci vypadaly hezky. Jde o to, zda lze váš prototyp skutečně použít v uživatelském výzkumu nebo předat zainteresovaným stranám, aniž by se všichni ptali "proč to nevypadá jako náš produkt?" Rozšíření pro Chrome stahuje komponenty přímo ze Storybooku nebo výrobních webů a automaticky je převádí na Tailwind. Většina nástrojů tuto možnost přeskočí, protože jsou optimalizovány pro "rozhraní od nápadu k aplikaci" spíše než pro "rozhraní od nápadu k výrobě, které odpovídá našemu návrhovému systému". 2. Na kvalitě iterace záleží nekonečně více než na kvalitě první výzvy. Ve svém živém vystoupení Magic Patterns a V0 v podstatě remizovali navzdory rozdílným výsledkům na první výzvu. Náhodnost počátečních výstupů je vysoká, ale to, co odděluje dobré nástroje od skvělých, je to, jak zvládnou dalších 500 výzev. Alex vidí, jak jsou zákazníci frustrovaní a spam "nefunguje, nefunguje, nefunguje", což situaci jen zhoršuje tím, že znečišťuje kontext. Magic Patterns vytvořili příkaz "/debug" speciálně pro vylomení umělé inteligence ze smyčky zkázy. Nástroj, se kterým můžete iterovat celé hodiny, pokaždé porazí nástroj s okázalým prvním výstupem. 3. Zjistěte, kdy potřebujete prototyp a kdy úplnou aplikaci. Replit vyzval uživatele, aby během pečení přidali svůj klíč OpenAI API, což jej zpomalilo, ale přidalo skutečnou funkčnost. Magic Patterns tuto možnost záměrně přeskakuje, protože se příliš soustředí na vizuální prototypování pro uživatelský výzkum, nikoli na vytváření produkčních aplikací. Pokud ověřujete koncept s uživateli, nepotřebujete integraci Supabase. Pokud jste však již ověřeni a potřebujete je odeslat, chcete nástroje s kompletním stackem. Chybou je strávit dvě hodiny laděním databází, když vám stačila interaktivní maketa, kterou jste ukázali pěti zákazníkům. 4. Prototypování AI může snížit poruchovost produktu z 80 % na 50 %. Více než 80 % funkcí, které jsou vytvořeny, nedosáhne svých cílových metrik. Když však před vytvořením předložíte uživatelům skutečný prototyp, můžete ověřit, zda je použitelný, životaschopný pro firmu a zda uživatelé chápou, co mají dělat dál. Dříve to nebylo možné, protože vytvoření prototypů Figma vyžadovalo čas designéra. Nyní mohou projektoví manažeři přejít od nápadu k testovatelnému prototypu za 10 minut a získat přímou zpětnou vazbu od zákazníků ještě před napsáním jediného řádku produkčního kódu. To by se mělo stát standardní praxí pro každou významnou funkci, nejen pro největší sázky. 5. Nejlepší zakladatelé začínají tím, že vyřeší svůj vlastní bolestivý problém dříve, než je trend zřejmý. Alex a jeho spoluzakladatel byli front-end inženýři, kteří trávili veškerý svůj čas implementací maket Figma. V srpnu 2023, ještě před spuštěním V0 a předtím, než kdokoli jiný viděl příležitost, přidali umělou inteligenci do svého editoru knihoven komponent během interního hackathonu. Když V0 o dva měsíce později vyšla, lidé jim říkali, že jsou mrtví. Měli však jedinečný vhled, protože k prototypování AI přistupovali z pohledu "jak využiji své skutečné výrobní komponenty", zatímco jiní k němu přistupovali z webových kontejnerů nebo jiných technologií. Vaše nespravedlivá výhoda spočívá v hlubokém pochopení problémového prostoru před jeho přidáním umělé inteligence.