אב מסינגפור בנה אפליקציה למעקב אחר התינוק בעזרת Claude Code — בלי לדעת לתכנת

לכל כלי היה תפקיד נפרד: Claude Code שימש כממשק הפיתוח, GitHub כמאגר הקוד, Supabase כתשתית הצד האחורי — מסד הנתונים והכניסה למשתמשים — ו-Vercel לטובת העלאת האפליקציה לרשת. השילוב אפשר לטֶן לעבור מרעיון כתוב לאפליקציה עובדת בלי לשלוט תחילה בכל מערך כלי התכנות המסורתי.

למה הוראות מפורטות היו כל כך חשובות?

טן לא ציפה שהגרסה הראשונה שתיווצר תהיה מושלמת. הוא בדק את האפליקציה, תיאר מה חסר או לא עובד וביקש מ-Claude Code לבצע שינויים. התהליך היה מחזורי: לנסח הוראה, לבדוק את התוצאה, להריץ ניסוי ולשפר.

מהניסיון הזה הוא גזר כלל פשוט: הוראות מעורפלות נוטות להוביל לתוצאות מעורפלות. ככל שתיאר בצורה מדויקת יותר את השדות, ההרשאות, החישובים וחוויית המשתמש הרצויה, כך הפלט של הכלי היה שימושי יותר. Claude Code הצליח בדרך כלל להבין גם אנגלית לא מושלמת או “שבורה”, אך הבנת הבקשה לא הייתה זהה לניסוח בקשה מלאה ומדויקת.

זו נקודה חשובה לכל מי שמתנסה בכלי פיתוח מבוססי בינה מלאכותית. הוראות בשפה טבעית עשויות להנמיך את חסם הכניסה, אך הן לא מבטלות את הצורך להגדיר דרישות, לבדוק את התוצאה ולהחליט אם היא אכן נכונה.

גם מחקר בעזרת בינה מלאכותית דורש בדיקה

טן השתמש ב-Claude Code יחד עם Perplexity AI לצורכי מחקר, בין היתר משום שהכלי מציג ציטוטים ומקורות. עם זאת, הוא לא הניח שעצם הופעתו של ציטוט הופכת את המידע לאמין.

בשלב מסוים הציג המחקר טענה שלפיה דגים בעלי סנפירים הם בין גורמי האלרגיה המרכזיים בסינגפור. טן הטיל ספק במידע, משום שבניסיון שלו צדפות ופירות ים היו החשש המוכר יותר. הוא בדק את המקור שצורף, ולאחר מכן תיקן את האפליקציה. המקרה ממחיש סיכון רחב יותר: מערכות חיפוש מבוססות בינה מלאכותית עלולות להציג ציטוטים שמפנים למחקרים שאינם קיימים, ולכן מידע בריאותי חשוב עדיין דורש אימות עצמאי.

בכלי שעוסק במעקב אחר תינוק, הזהירות הזו משמעותית במיוחד. האפליקציה יכולה לארגן תצפיות ולהשוות אותן להנחיות, אך מחקר שנוצר בעזרת בינה מלאכותית אינו הופך לראיה רפואית רק מפני שהוא כולל קישורים או סימוני ציטוט.

מאותן הוראות נולדה גם מערכת תרגום

המיומנויות שטן פיתח במהלך בניית אפליקציית התינוק עברו גם לעבודתו. הוא יצר כלי תרגום בלחיצה אחת שמסוגל להמיר תוכן מאנגלית ל-48 שפות.

ההוראות שנתן לכלי לא הסתפקו בתרגום מילולי. תחילה הוא התבקש להבין את המשמעות, הכוונה והמטרה השכנועית של הטקסט המקורי. לאחר מכן הוא הונחה לכתוב בשפה היעד באופן טבעי, ולא לשמר ניסוחים, קצב או היגיון שמושפעים מהאנגלית.

זהו אותו עיקרון שעליו נשענה אפליקציית המעקב: איכות התוצאה תלויה במידה רבה ביכולת להסביר את המטרה, ההקשר והמגבלות — לא רק את הפעולה הטכנית המבוקשת.

הלקח למי שאינם מתכנתים

הסיפור של טן אינו מוכיח שבינה מלאכותית הופכת את פיתוח התוכנה לאוטומטי. הוא עדיין נדרש לזהות בעיה אמיתית, לכתוב מפרט מפורט, לפתוח חשבונות, לחבר שירותים, לבדוק את האפליקציה ולפקפק במידע מחקרי לא אמין.

עם זאת, הוא כן מראה כיצד עוזר תכנות מבוסס בינה מלאכותית יכול לאפשר לאדם להתחיל מרעיון שימושי, ולא משנים של לימודי תכנות. מבחינתו של טן, ניסוי וכתיבת הוראות ברורות הופכים למיומנויות מעשיות עבור משתמשים מן השורה — גם עבור מי שאינם כותבים אנגלית מושלמת.

הלקח שאפשר לקחת מהסיפור אינו ש“בינה מלאכותית יכולה לבנות הכול”. הלקח הוא שאנשים ללא רקע בתכנות יכולים להשתמש בה כדי ליצור אבטיפוס לכלים ממוקדים, כל עוד הם נשארים אחראים לדרישות, לבדיקה ולשיקול הדעת העובדתי.