Ayah Singapura Membangun Aplikasi Pemantau Bayi dengan Claude Code Tanpa Bisa Ngoding

Meski bukan programmer, pendekatan Tan menyerupai proses pengembangan produk sederhana. Ia memulai dengan menulis kebutuhan aplikasi dalam bahasa Inggris sehari-hari, kemudian meminta Claude Code menerjemahkannya menjadi aplikasi.

Berikut alur kerja yang dilaporkan:

1. Mengunduh dan menjalankan Claude Code melalui Terminal di Mac.
2. Menulis spesifikasi sepanjang empat halaman yang menjelaskan fitur dan perilaku aplikasi.
3. Meminta Claude Code membangun aplikasi berdasarkan spesifikasi tersebut dan menjelaskan setiap langkah dengan cara yang dapat dipahami pengguna nonteknis.
4. Membuat akun di GitHub, Supabase, dan Vercel.
5. Menghubungkan layanan-layanan tersebut: GitHub menyimpan kode, Supabase menyediakan basis data dan autentikasi pengguna, sementara Vercel menerbitkan aplikasi ke sebuah tautan web.

Masing-masing layanan memiliki fungsi berbeda. Claude Code menjadi antarmuka pengembangan, GitHub berperan sebagai repositori kode, Supabase menangani layanan backend, dan Vercel digunakan untuk melakukan deployment. Kombinasi ini membantu Tan mengubah ide tertulis menjadi aplikasi web tanpa harus terlebih dahulu menguasai seluruh perangkat kerja pemrograman tradisional.

Mengapa prompt yang rinci sangat penting

Tan tidak menganggap versi pertama aplikasi sebagai hasil akhir. Ia menguji aplikasi, menjelaskan bagian yang salah atau belum tersedia, lalu meminta Claude Code melakukan revisi. Prosesnya berlangsung berulang: menulis prompt, memeriksa, menguji, kemudian menyempurnakan.

Dari pengalaman tersebut, ia menarik aturan sederhana: instruksi yang samar cenderung menghasilkan keluaran yang samar pula. Semakin tepat ia menjelaskan kolom data, hak akses, perhitungan, dan pengalaman pengguna yang diinginkan, semakin bermanfaat hasil yang dibuat AI. Claude Code umumnya dapat memahami bahasa Inggris yang tidak sempurna atau “broken English”, tetapi memahami permintaan tidak sama dengan memastikan permintaan itu sudah lengkap.

Perbedaan ini penting bagi siapa pun yang ingin menggunakan AI untuk membuat aplikasi. Pengembangan berbasis bahasa alami memang dapat menurunkan hambatan untuk memulai, tetapi tidak menghapus kebutuhan untuk merumuskan persyaratan dan mengevaluasi hasilnya.

Riset dengan AI tetap harus diverifikasi

Tan juga menggunakan Claude Code bersama Perplexity AI untuk melakukan riset karena layanan tersebut menyertakan sitasi. Namun, ia tidak menganggap keberadaan sitasi sebagai jaminan bahwa informasi tersebut benar.

Ketika riset itu menampilkan klaim bahwa ikan bersirip merupakan salah satu kekhawatiran alergi utama di Singapura, Tan mempertanyakannya karena dalam pengalamannya kerang lebih dikenal sebagai pemicu alergi. Ia memeriksa materi yang dikutip dan memperbaiki informasi di dalam aplikasi. Kisah ini juga menyoroti risiko yang lebih luas: sistem pencarian berbasis AI dapat menghasilkan sitasi yang mengarah ke studi fiktif. Karena itu, informasi penting—terlebih yang berkaitan dengan kesehatan bayi—tetap perlu diverifikasi secara independen.

Aplikasi tersebut dapat membantu mengatur pengamatan dan membandingkannya dengan panduan, tetapi hasil riset yang dibuat AI tidak boleh dianggap sebagai bukti medis hanya karena dilengkapi tautan atau penanda sitasi.

Keterampilan prompting berlanjut ke alat penerjemah

Keterampilan yang diperoleh Tan saat membuat aplikasi bayi kemudian ia gunakan untuk proyek lain. Ia membuat alat penerjemahan satu tombol yang mampu mengubah konten berbahasa Inggris ke dalam 48 bahasa.

Instruksinya tidak berhenti pada penerjemahan kata demi kata. Alat tersebut terlebih dahulu diarahkan untuk memahami makna, maksud, dan tujuan persuasif teks sumber. Setelah itu, alat diminta menghasilkan tulisan yang alami dalam bahasa sasaran, bukan mempertahankan susunan kalimat, ritme, atau logika yang terasa seperti bahasa Inggris.

Pendekatan ini mencerminkan prinsip yang sama seperti dalam aplikasi pemantau bayi: kualitas hasil sangat bergantung pada kemampuan pengguna menjelaskan tujuan, konteks, dan batasan—bukan sekadar menyebutkan tugas yang ingin dilakukan.

Pelajaran bagi pengguna nonprogrammer

Pengalaman Tan bukan bukti bahwa AI dapat membuat perangkat lunak secara otomatis atau bahwa proses pengembangan tidak lagi membutuhkan pertimbangan manusia. Ia tetap harus menemukan masalah yang nyata, menulis spesifikasi terperinci, membuat akun layanan, menghubungkan berbagai platform, menguji aplikasi, dan mempertanyakan hasil riset yang tidak meyakinkan.

Namun, kisahnya menunjukkan bahwa asisten coding berbasis AI memungkinkan seseorang memulai dari ide produk yang berguna, bukan dari tuntutan untuk mempelajari pemrograman selama bertahun-tahun. Bagi Tan, eksperimen dan kemampuan menulis prompt yang jelas akan menjadi keterampilan praktis bagi banyak orang—termasuk mereka yang tidak menggunakan bahasa Inggris secara sempurna.

Pelajaran yang paling dapat diterapkan bukanlah bahwa “AI bisa membuat apa saja”. Intinya, orang tanpa latar belakang coding dapat menggunakan AI untuk membuat prototipe alat yang memiliki tujuan spesifik, selama mereka tetap bertanggung jawab atas kebutuhan produk, pengujian, dan penilaian terhadap kebenaran informasi.