Magic Patterns CEO'sundan yapay zeka prototipleme konusundaki en büyük çıkarımlarım @alexdanilowicz: 1. Tasarım sistemi entegrasyonu, yapay zeka prototiplemesinde gizli rekabet avantajıdır. Magic Patterns, oluşturmaya başlamadan önce gerçek bileşen kitaplığınızı içe aktarmanıza izin veren "ön ayarlar" oluşturdu. Bu sadece her şeyin güzel görünmesini sağlamakla ilgili değil. Bu, prototipinizin gerçekten kullanıcı araştırmasında kullanılıp kullanılamayacağı veya herkes "bu neden bizim ürünümüze benzemiyor?" diye sormadan paydaşlara verilip verilemeyeceği ile ilgilidir. Chrome uzantısı, bileşenleri doğrudan Storybook'tan veya üretim sitelerinden çeker ve bunları otomatik olarak Tailwind'e dönüştürür. Çoğu araç bunu atlar çünkü "tasarım sistemimize uyan fikirden üretime arayüz" yerine "fikirden uygulamaya" göre optimize edilmiştir. 2. Yineleme kalitesi, ilk istem kalitesinden çok daha önemlidir. Magic Patterns ve V0, canlı pişirme çalışmalarında, farklı ilk istem sonuçlarına rağmen esasen berabere kaldı. İlk çıktılardaki rastgelelik yüksektir, ancak iyi araçları harika olanlardan ayıran şey, sonraki 500 istemi nasıl ele aldıklarıdır. Alex, müşterilerin hayal kırıklığına uğradığını ve spam'in "işe yaramadığını, çalışmadığını, işe yaramadığını" görüyor, bu da bağlamı kirleterek işleri daha da kötüleştiriyor. Magic Patterns, yapay zekayı kıyamet döngülerinden çıkarmak için özel olarak bir "/debug" komutu oluşturdu. Saatlerce yineleyebileceğiniz araç, her seferinde gösterişli bir ilk çıktı ile aracı geride bırakır. 3. Tam bir uygulamaya karşı ne zaman bir prototipe ihtiyacınız olduğunu bilin. Replit, kullanıcılardan pişirme sırasında OpenAI API anahtarlarını eklemelerini istedi, bu da onu yavaşlattı ancak gerçek işlevsellik ekledi. Magic Patterns, üretim uygulamaları oluşturmaya değil, kullanıcı araştırması için görsel prototip oluşturmaya aşırı odaklandıkları için bunu kasıtlı olarak atlıyor. Kullanıcılarla bir konsepti doğruluyorsanız, Supabase entegrasyonuna ihtiyacınız yoktur. Ancak zaten doğruladıysanız ve göndermeniz gerekiyorsa, tam yığın araçları istersiniz. Hata, ihtiyacınız olan tek şey beş müşteriye göstermek için etkileşimli bir maket iken, veritabanlarında hata ayıklamak için iki saat harcamaktır. 4. Yapay zeka prototipleme, ürün arıza oranlarını %80'den %50'ye düşürebilir. Oluşturulan özelliklerin %80'inden fazlası hedef metriklerine ulaşmıyor. Ancak oluşturmadan önce kullanıcıların önüne gerçek bir prototip koyduğunuzda, bunun kullanılabilir, işletme için uygun olup olmadığını ve kullanıcıların bir sonraki adımda ne yapacaklarını anlayıp anlamadıklarını doğrulayabilirsiniz. Bu daha önce imkansızdı çünkü Figma prototiplerini oluşturmak için tasarımcı zamanı gerekiyordu. Artık Proje Yöneticileri 10 dakika içinde fikirden test edilebilir prototipe geçebilir ve tek bir üretim kodu satırı yazmadan önce doğrudan müşteri geri bildirimi alabilir. Bu, yalnızca en büyük bahisler için değil, her önemli özellik için standart uygulama haline gelmelidir. 5. En iyi kurucular, trend belli olmadan önce kendi acı verici sorunlarını çözerek işe başlarlar. Alex ve kurucu ortağı, tüm zamanlarını Figma maketlerini uygulamak için harcayan ön uç mühendislerdi. Ağustos 2023'te, V0 piyasaya sürülmeden ve başkaları bu fırsatı görmeden önce, dahili bir hackathon sırasında bileşen kitaplığı düzenleyicilerine yapay zekayı eklediler. İki ay sonra V0 piyasaya sürüldüğünde, insanlar onlara öldüklerini söylediler. Ancak yapay zeka prototiplemesine "gerçek üretim bileşenlerimi nasıl kullanırım" açısından yaklaştıkları için benzersiz bir içgörüye sahiplerdi, diğerleri ise buna web kapsayıcılarından veya diğer teknolojilerden yaklaştı. Haksız avantajınız, yapay zekayı eklemeden önce bir sorun alanını derinlemesine anlamaktan gelir.