Мої найбільші висновки щодо прототипування штучного інтелекту від генерального директора Magic Patterns @alexdanilowicz 1. Інтеграція дизайн-системи є прихованою конкурентною перевагою при прототипуванні штучного інтелекту. Magic Patterns створили «пресети», які дозволяють імпортувати вашу фактичну бібліотеку компонентів перед початком збірки. Мова йде не тільки про те, щоб речі виглядали красиво. Йдеться про те, чи дійсно ваш прототип може бути використаний у дослідженні користувачів або переданий зацікавленим сторонам, і всі не запитують: «Чому це не схоже на наш продукт?». Розширення для Chrome витягує компоненти безпосередньо з Storybook або виробничих сайтів і автоматично перетворює їх на Tailwind. Більшість інструментів пропускають це, тому що вони оптимізовані для «від ідеї до програми», а не «від ідеї до продакшн-інтерфейсу, який відповідає нашій системі дизайну». 2. Якість ітерацій має набагато більше значення, ніж якість першого підказки. У своєму живому бейк-оффі Magic Patterns і V0 по суті зіграли внічию, незважаючи на різні результати першого запиту. Випадковість початкових виходів висока, але те, що відрізняє хороші інструменти від чудових, це те, як вони обробляють наступні 500 підказок. Алекс бачить, що клієнти розчаровуються, а спам «не працює, не працює, не працює», що лише погіршує ситуацію, забруднюючи контекст. Magic Patterns створили команду "/debug" спеціально для того, щоб вирвати ШІ з циклів думу. Інструмент, з яким ви можете ітерувати годинами, щоразу перевершує інструмент з яскравим першим результатом. 3. Знайте, коли вам потрібен прототип, а коли повне застосування. Replit запропонував користувачам додати свій ключ OpenAI API під час бейк-офф, що сповільнило його, але додало реальної функціональності. Magic Patterns навмисно пропускає це, оскільки вони гіперзосереджені на візуальному прототипуванні для дослідження користувачів, а не на створенні виробничих додатків. Якщо ви перевіряєте концепцію з користувачами, вам не потрібна інтеграція з Supabase. Але якщо ви вже пройшли валідацію та вам потрібно доставити, вам потрібні інструменти з повним стеком. Помилка полягає в тому, що ви витрачаєте дві години на налагодження баз даних, коли все, що вам потрібно, це інтерактивний макет, щоб показати п'ятьом клієнтам. 4. Прототипування зі штучним інтелектом може знизити рівень відмов продукту з 80% до 50%. Понад 80% створених функцій не досягають цільових показників. Але коли ви представляєте реальний прототип перед створенням перед створенням, ви можете перевірити, чи є він придатним для використання, життєздатним для бізнесу та чи розуміють користувачі, що робити далі. Раніше це було неможливо, оскільки для створення прототипів Figma потрібен був час дизайнера. Тепер PM-и можуть пройти шлях від ідеї до тестованого прототипу за 10 хвилин і отримати прямий зворотний зв'язок від клієнтів, перш ніж писати хоча б один рядок продакшн-коду. Це має стати стандартною практикою для кожної значущої функції, а не лише для найбільших ставок. 5. Найкращі засновники починають з вирішення власної болючої проблеми ще до того, як тренд стає очевидним. Алекс та його співзасновник були front-end інженерами, які витрачали весь свій час на впровадження макетів Figma. У серпні 2023 року, ще до запуску V0 і до того, як хтось інший побачив цю можливість, вони додали штучний інтелект до редактора своєї бібліотеки компонентів під час внутрішнього хакатону. Коли V0 був запущений через два місяці, люди сказали їм, що вони мертві. Але вони мали унікальне розуміння, тому що підходили до створення прототипів штучного інтелекту з точки зору «як я можу використовувати свої реальні виробничі компоненти», тоді як інші підходили до цього з веб-контейнерів або інших технологій. Ваша несправедлива перевага полягає в глибокому розумінні проблемного простору, перш ніж додавати до нього штучний інтелект.