Keskeistä oli rajata projekti konkreettiseen, toistuvaan ongelmaan. Tan ei pyytänyt Claude Codea rakentamaan epämääräistä ”vanhemmuussovellusta”, vaan määritteli, mitä vanhempien pitäisi voida kirjata, millaisia laskutoimituksia sovelluksen tulisi tehdä ja miten molemmat käyttäjät pääsisivät tietoihin käsiksi.

Ensin vaatimukset, sitten koodi

Vaikka Tan ei ollut ohjelmoija, hänen työskentelytapansa muistutti kevyttä tuotekehitysprosessia. Hän kirjoitti vaatimukset tavallisella englannilla ja käytti Claude Codea niiden muuttamiseen toimivaksi sovellukseksi.

Työvaiheet etenivät pääpiirteissään näin:

1. Claude Code ladattiin ja käynnistettiin Macin Terminalissa.
2. Tan kirjoitti nelisivuisen kuvauksen sovelluksen ominaisuuksista ja toiminnasta.
3. Hän pyysi Claude Codea rakentamaan sovelluksen vaatimusten perusteella ja selittämään jokaisen toteutusvaiheen tavalla, jota ohjelmoimaton käyttäjä voisi seurata.
4. Hän loi tilit GitHubiin, Supabaseen ja Verceliin.
5. Palvelut yhdistettiin toisiinsa: GitHub säilytti koodin, Supabase tarjosi tietokannan ja käyttäjien tunnistautumisen, ja Vercel julkaisi sovelluksen verkkolinkiksi.

Työkaluilla oli siis eri tehtävät. Claude Code toimi kehityksen käyttöliittymänä, GitHub koodivarastona, Supabase taustajärjestelmänä ja Vercel julkaisualustana.

Hyvä lopputulos vaati täsmällisiä kehotteita

Tan ei odottanut ensimmäisen version olevan valmis. Hän kokeili sovellusta, kuvasi puuttuvat tai virheelliset kohdat ja pyysi Claude Codea muokkaamaan niitä. Työskentely noudatti yksinkertaista kaavaa: ohjeista, tarkasta, testaa ja paranna.

Hänen kokemuksensa tiivistyi yhteen sääntöön: epämääräiset ohjeet tuottavat helposti epämääräisiä tuloksia. Mitä tarkemmin hän kuvasi kentät, käyttöoikeudet, laskutoimitukset ja käyttökokemuksen, sitä hyödyllisempi lopputulos oli. Claude Code pystyi yleensä ymmärtämään myös epätäydellistä tai ”rikkinäistä” englantia, mutta pyynnön ymmärtäminen ei vielä tarkoittanut, että pyyntö olisi ollut riittävän kattava.

Tämä on tärkeä ero kaikille tekoälyä käyttäville. Luonnollisella kielellä tapahtuva ohjelmistokehitys voi madaltaa kynnystä aloittaa, mutta se ei poista tarvetta määritellä vaatimuksia tai arvioida lopputulosta kriittisesti.

Tekoälyn tekemä tutkimus piti tarkistaa

Tan käytti Claude Codea myös yhdessä Perplexity AI:n kanssa tiedonhakuun, koska palvelu palauttaa vastauksiinsa lähdeviitteitä. Hän ei kuitenkaan pitänyt viitettä automaattisesti todisteena tiedon luotettavuudesta.

Kun haku toi esiin väitteen siitä, että eväkalat olisivat Singaporessa merkittävä allergeenihuoli, Tan suhtautui siihen epäillen, koska hänen kokemuksensa mukaan äyriäiset olivat tutumpi huolenaihe. Hän tarkisti viitatut materiaalit ja korjasi sovellusta. Tapaus havainnollistaa laajempaa ongelmaa: tekoälyhakupalvelut voivat tuottaa viitteitä myös olemattomiin tutkimuksiin, joten terveyteen liittyvät tiedot on tarkistettava erikseen.

Vauvan seurantasovelluksessa varovaisuus oli erityisen tärkeää. Sovellus saattoi järjestää havaintoja ja verrata niitä ohjeisiin, mutta tekoälyn tuottamaa tutkimustietoa ei pidä pitää lääketieteellisenä näyttönä vain siksi, että vastauksessa on linkkejä tai lähdemerkintöjä.

Samat taidot johtivat käännöstyökaluun

Vauvasovelluksen rakentamisen aikana opitut taidot siirtyivät myös Tanin muuhun työhön. Hän loi yhden napin käännöstyökalun, joka pystyy muuttamaan englanninkielistä sisältöä 48 kielelle.

Työkalu ei saanut tehtäväkseen vain kääntää sanoja yksi yhteen. Ensin sen tuli ymmärtää lähdetekstin merkitys, tarkoitus ja vakuuttamaan pyrkivä tavoite. Sen jälkeen sen piti tuottaa kohdekielellä luontevaa tekstiä sen sijaan, että se säilyttäisi englannin mukaiset ilmaukset, rytmin tai ajattelurakenteen.

Periaate oli sama kuin vauvasovelluksessa: lopputuloksen laatu riippuu paljon siitä, kuinka hyvin käyttäjä kuvaa tavoitteen, asiayhteyden ja rajoitteet – ei vain itse tehtävää.

Mitä tästä voi oppia?

Tanin kokemus ei osoita, että tekoäly tekee ohjelmistokehityksestä automaattista. Hänen täytyi tunnistaa todellinen ongelma, laatia yksityiskohtainen määrittely, luoda käyttäjätilit, yhdistää palvelut, testata sovellusta ja kyseenalaistaa epäluotettavalta vaikuttava tutkimustieto.

Se osoittaa kuitenkin, että tekoälyavustaja voi auttaa aloittamaan hyödyllisen, tarkasti rajatun projektin ilman vuosien ohjelmointiopintoja. Tanille kokeilemisesta ja selkeiden kehotteiden kirjoittamisesta tuli käytännön taito – myös ihmisille, joiden englanti ei ole täydellistä.

Siirrettävin oppi ei siis ole, että tekoäly pystyy rakentamaan mitä tahansa. Olennaisempaa on, että ohjelmointitaidottomatkin voivat tekoälyn avulla tehdä prototyyppejä rajattuihin tarpeisiin, kunhan he kantavat vastuun vaatimuksista, testauksesta ja tiedon luotettavuuden arvioinnista.

Keskeistä oli rajata projekti konkreettiseen, toistuvaan ongelmaan. Tan ei pyytänyt Claude Codea rakentamaan epämääräistä ”vanhemmuussovellusta”, vaan määritteli, mitä vanhempien pitäisi voida kirjata, millaisia laskutoimituksia sovelluksen tulisi tehdä ja miten molemmat käyttäjät pääsisivät tietoihin käsiksi.

Ensin vaatimukset, sitten koodi

Vaikka Tan ei ollut ohjelmoija, hänen työskentelytapansa muistutti kevyttä tuotekehitysprosessia. Hän kirjoitti vaatimukset tavallisella englannilla ja käytti Claude Codea niiden muuttamiseen toimivaksi sovellukseksi.

Työvaiheet etenivät pääpiirteissään näin:

1. Claude Code ladattiin ja käynnistettiin Macin Terminalissa.
2. Tan kirjoitti nelisivuisen kuvauksen sovelluksen ominaisuuksista ja toiminnasta.
3. Hän pyysi Claude Codea rakentamaan sovelluksen vaatimusten perusteella ja selittämään jokaisen toteutusvaiheen tavalla, jota ohjelmoimaton käyttäjä voisi seurata.
4. Hän loi tilit GitHubiin, Supabaseen ja Verceliin.
5. Palvelut yhdistettiin toisiinsa: GitHub säilytti koodin, Supabase tarjosi tietokannan ja käyttäjien tunnistautumisen, ja Vercel julkaisi sovelluksen verkkolinkiksi.

Työkaluilla oli siis eri tehtävät. Claude Code toimi kehityksen käyttöliittymänä, GitHub koodivarastona, Supabase taustajärjestelmänä ja Vercel julkaisualustana.

Hyvä lopputulos vaati täsmällisiä kehotteita

Tan ei odottanut ensimmäisen version olevan valmis. Hän kokeili sovellusta, kuvasi puuttuvat tai virheelliset kohdat ja pyysi Claude Codea muokkaamaan niitä. Työskentely noudatti yksinkertaista kaavaa: ohjeista, tarkasta, testaa ja paranna.

Hänen kokemuksensa tiivistyi yhteen sääntöön: epämääräiset ohjeet tuottavat helposti epämääräisiä tuloksia. Mitä tarkemmin hän kuvasi kentät, käyttöoikeudet, laskutoimitukset ja käyttökokemuksen, sitä hyödyllisempi lopputulos oli. Claude Code pystyi yleensä ymmärtämään myös epätäydellistä tai ”rikkinäistä” englantia, mutta pyynnön ymmärtäminen ei vielä tarkoittanut, että pyyntö olisi ollut riittävän kattava.

Tämä on tärkeä ero kaikille tekoälyä käyttäville. Luonnollisella kielellä tapahtuva ohjelmistokehitys voi madaltaa kynnystä aloittaa, mutta se ei poista tarvetta määritellä vaatimuksia tai arvioida lopputulosta kriittisesti.

Tekoälyn tekemä tutkimus piti tarkistaa

Tan käytti Claude Codea myös yhdessä Perplexity AI:n kanssa tiedonhakuun, koska palvelu palauttaa vastauksiinsa lähdeviitteitä. Hän ei kuitenkaan pitänyt viitettä automaattisesti todisteena tiedon luotettavuudesta.

Kun haku toi esiin väitteen siitä, että eväkalat olisivat Singaporessa merkittävä allergeenihuoli, Tan suhtautui siihen epäillen, koska hänen kokemuksensa mukaan äyriäiset olivat tutumpi huolenaihe. Hän tarkisti viitatut materiaalit ja korjasi sovellusta. Tapaus havainnollistaa laajempaa ongelmaa: tekoälyhakupalvelut voivat tuottaa viitteitä myös olemattomiin tutkimuksiin, joten terveyteen liittyvät tiedot on tarkistettava erikseen.

Vauvan seurantasovelluksessa varovaisuus oli erityisen tärkeää. Sovellus saattoi järjestää havaintoja ja verrata niitä ohjeisiin, mutta tekoälyn tuottamaa tutkimustietoa ei pidä pitää lääketieteellisenä näyttönä vain siksi, että vastauksessa on linkkejä tai lähdemerkintöjä.

Samat taidot johtivat käännöstyökaluun

Vauvasovelluksen rakentamisen aikana opitut taidot siirtyivät myös Tanin muuhun työhön. Hän loi yhden napin käännöstyökalun, joka pystyy muuttamaan englanninkielistä sisältöä 48 kielelle.

Työkalu ei saanut tehtäväkseen vain kääntää sanoja yksi yhteen. Ensin sen tuli ymmärtää lähdetekstin merkitys, tarkoitus ja vakuuttamaan pyrkivä tavoite. Sen jälkeen sen piti tuottaa kohdekielellä luontevaa tekstiä sen sijaan, että se säilyttäisi englannin mukaiset ilmaukset, rytmin tai ajattelurakenteen.

Periaate oli sama kuin vauvasovelluksessa: lopputuloksen laatu riippuu paljon siitä, kuinka hyvin käyttäjä kuvaa tavoitteen, asiayhteyden ja rajoitteet – ei vain itse tehtävää.

Mitä tästä voi oppia?

Tanin kokemus ei osoita, että tekoäly tekee ohjelmistokehityksestä automaattista. Hänen täytyi tunnistaa todellinen ongelma, laatia yksityiskohtainen määrittely, luoda käyttäjätilit, yhdistää palvelut, testata sovellusta ja kyseenalaistaa epäluotettavalta vaikuttava tutkimustieto.

Se osoittaa kuitenkin, että tekoälyavustaja voi auttaa aloittamaan hyödyllisen, tarkasti rajatun projektin ilman vuosien ohjelmointiopintoja. Tanille kokeilemisesta ja selkeiden kehotteiden kirjoittamisesta tuli käytännön taito – myös ihmisille, joiden englanti ei ole täydellistä.

Siirrettävin oppi ei siis ole, että tekoäly pystyy rakentamaan mitä tahansa. Olennaisempaa on, että ohjelmointitaidottomatkin voivat tekoälyn avulla tehdä prototyyppejä rajattuihin tarpeisiin, kunhan he kantavat vastuun vaatimuksista, testauksesta ja tiedon luotettavuuden arvioinnista.