Kako razviti poslovno aplikacijo z umetno inteligenco

Poslovna aplikacija z AI: stekleni paneli na temno petrolejnem ozadju

Vse pogosteje slišimo isto vprašanje: »Če AI danes napiše aplikacijo v enem popoldnevu, zakaj bi za razvoj plačevali več mesecev?« Vprašanje je pošteno. Odgovor pa ni tak, kot ga obljubljajo predstavitveni posnetki orodij.

Umetna inteligenca je pisanje kode res pocenila. Toda pri poslovni aplikaciji koda nikoli ni bila najdražji del. Drago je ugotoviti, kaj mora aplikacija sploh početi, kako se poveže z obstoječimi sistemi, kdo sme videti katere podatke in kdo jo bo popravljal čez tri leta. Pri teh vprašanjih AI pomaga manj, kot bi si želeli.

Kratek odgovor: AI pospeši pisanje kode, ne pa načrtovanja arhitekture in uporabniške izkušnje. Ker pisanje kode po podatkih IDC predstavlja le okoli 16 % časa razvijalcev, desetkrat hitrejše pisanje kode skupni čas skrajša za približno 14 %. Največ pridobite, če AI uporabite za prototip in rutinsko delo, arhitekturo, varnost in pregled kode pa obdržite pri ljudeh.

Spodaj opisujemo, kako bi poslovno aplikacijo z AI razvijali mi: katere korake AI opazno skrajša, kje uvaja nova tveganja in kaj morate preveriti, preden aplikacija pride v produkcijo.

Trije načini razvoja z umetno inteligenco

Ko nekdo reče, da je aplikacijo »naredil z AI«, ima lahko v mislih tri precej različne stvari.

  • Orodja, ki aplikacijo ustvarijo iz opisa (npr. Lovable, Bolt ali v0). Napišete, kaj potrebujete, in v nekaj minutah dobite delujoč vmesnik s podatkovno bazo. Programiranja ne potrebujete.
  • Pomočniki v razvojnem okolju (npr. GitHub Copilot ali Cursor). Razvijalec piše kodo, AI predlaga dopolnitve, piše teste in razlaga obstoječo kodo.
  • Agenti za programiranje (npr. Claude Code ali Codex). Razvijalec agentu zada nalogo, recimo nov modul za izvoz računov. Agent jo izvede v več korakih, razvijalec pa pregleda rezultat.

Prvi pristop je odličen za prototip in za interno orodje, ki ga uporablja pet ljudi. Za aplikacijo, ki obdeluje podatke strank, se povezuje z ERP-jem in mora delovati še čez pet let, potrebujete drugega ali tretjega. V obeh je zraven razvijalec, ki kodo razume in zanjo odgovarja.

Hitrejše pisanje kode ni hitrejši projekt

Moje stališče je preprosto: AI pospeši pisanje kode, ne pa načrtovanja arhitekture in uporabniške izkušnje. Pri obojem je treba sprejeti odločitve. AI pri njih lahko svetuje, odgovornosti zanje pa ne more prevzeti.

Koliko je pisanje kode sploh vredno? Analitska hiša IDC je v raziskavi How Do Software Developers Spend Their Time? (2024) ugotovila, da razvijalci za razvoj aplikacij porabijo 16 % časa. Preostanek gre za pisanje zahtev in testnih primerov (14 %), varnost (13 %), procese CI/CD, spremljanje delovanja aplikacij in nameščanje kode (vsak po 12 %), spremljanje infrastrukture (11 %) in uporabniško izkušnjo (10 %).

Zdaj pa račun. Če teh 16 % pospešite desetkrat, se skupni čas skrajša za približno 14 %. Tudi če bi pisanje kode postalo takojšnje, bi prihranili največ 16 %. In to so samo ure razvijalcev. V projektu so še vodenje, oblikovanje, usklajevanje z naročnikom in prevzemno testiranje, ki jih orodje za pisanje kode sploh ne vidi.

Recimo, da je pri vašem projektu pisanja kode za polovico dela. Desetkrat hitrejše pisanje kode vas pripelje do skoraj dvakrat hitrejšega projekta, ne do desetkrat hitrejšega. Kdor vam obljublja desetkratni pospešek celotnega projekta, je pozabil na ostali del dela.

Ko hitrost postane težava

Videli smo tudi nasprotno: projekte, kjer je hitrost škodovala. Funkcionalnosti so bile razvite prehitro, preden je kdo premislil, kako se ujemajo s preostankom sistema. Vsaka naslednja odločitev je gradila na prejšnji, in nabrala se je cela veriga napačnih odločitev. Ko so se težave pokazale, smo veliko časa porabili za testiranje, da smo sploh ugotovili, kje se je zalomilo, nato pa še za popravke.

Na takem projektu se prihranek pri pisanju kode hitro izniči. Z AI je napačna odločitev poceni napisana in draga odpravljena, ker je do trenutka, ko jo opazite, na njej zgrajenih že več drugih.

Kaj o tem pravijo raziskave

Raziskave so manj navdušene od predstavitev orodij, pesimistične pa tudi niso.

Neodvisni laboratorij METR je leta 2025 izvedel randomiziran poskus z izkušenimi razvijalci odprtokodnih projektov. Pri nalogah v kodi, ki so jo dobro poznali, so bili z orodji AI v povprečju 19 % počasnejši. Sami so ocenili, da so bili 20 % hitrejši. Februarja 2026 je METR objavil nove rezultate z nekaj znaki pospeška, a hkrati opozoril, da so zaradi izbire udeležencev manj zanesljivi.

Poročilo DORA 2025, za katero so Googlovi raziskovalci anketirali skoraj 5000 strokovnjakov, pride do zaključka, ki se nam zdi najuporabnejši: AI deluje kot ojačevalec. Ekipe z dobrimi testi, majhnimi spremembami in hitrimi povratnimi informacijami z njim pridobijo. Ekipe s slabimi procesi dobijo več kode in več težav.

Pri varnosti so številke resnejše. Veracode je v poročilu GenAI Code Security 2025 preizkusil več kot 100 jezikovnih modelov na 80 programerskih nalogah. V 45 % primerov je koda vsebovala znano varnostno ranljivost. Novejši in večji modeli niso bili bistveno varnejši.

Razvijalci to dobro vedo. V anketi Stack Overflow 2025 jih 84 % uporablja AI ali to načrtuje, natančnosti rezultatov pa jih ne zaupa 46 %. Zaupa jim le 33 %.

Iz tega ne sledi, da AI ne deluje. Sledi, da je rezultat odvisen od postopka okoli njega. Ta postopek opisujemo v nadaljevanju.

Razvoj poslovne aplikacije z AI v šestih korakih

1. Opišite proces, preden opišete aplikacijo

Najdražja napaka pri poslovni aplikaciji je po našem mnenju ta, da odlično reši napačen problem. Zato se začne pri procesu: kdo kaj dela, s katerimi podatki in kje se danes zatika.

AI je tu dober zapisnikar in sogovornik. Iz zapiskov pogovorov z uporabniki pripravi povzetek, uporabniške zgodbe in seznam odprtih vprašanj. Prosite ga lahko, naj poišče izjeme, na katere ste pozabili: kaj se zgodi, ko je naročilo dobavljeno samo delno, ali kdo odobri popust nad določeno mejo. Odločitve pa ostanejo pri ljudeh, ki proces poznajo. Pazite tudi, kaj pošiljate v orodje, če zapiski vsebujejo osebne ali poslovne podatke.

2. Prototip naredite v nekaj dneh, potem ga zavrzite

Tu je AI najmočnejši. Z orodjem, kot sta Lovable ali v0, v nekaj dneh dobite prototip, po katerem lahko uporabniki klikajo. Napake v razumevanju procesa opazite, preden ste plačali en sam sprint razvoja.

Tak primer smo imeli pri projektu AuditReporter, platformi za vodenje presoj za certifikacijske organe. Naročnik je k nam prišel z izdelanim prototipom, ki ga je naredil z AI. Fazo spoznavanja projekta (discovery) smo zato močno skrajšali: potreb nam ni bilo treba razbirati iz opisov in sestankov, ker smo jih videli na zaslonu. Pomagalo je tudi, da je bil naročnik tehnično podkovan in je natančno vedel, kaj hoče.

Prototip pa ni bil produkt. Skupaj z naročnikom smo izboljšali uporabniško izkušnjo, predvsem pa smo razvili varen sistem na stabilni platformi. Koda prototipa namreč ni nastala za produkcijo: prijava uporabnikov je v takih prototipih pogosto poenostavljena, podatkovni model je ugibanje, testov ni. Prototip zato uporabite kot specifikacijo, ne kot temelj. Pokaže, kaj želite. Kako bo to zgrajeno, je drugo vprašanje.

3. Arhitektura in podatkovni model ostanejo pri ljudeh

Nekatere odločitve je pozneje zelo drago spremeniti: podatkovni model, povezave z obstoječimi sistemi (ERP, CRM, e-računi), pravice dostopa in to, kje bodo podatki shranjeni. AI vam lahko predstavi možnosti in slabosti vsake. Ne pozna pa vaših sistemov, pogodb in tega, kaj bo podjetje potrebovalo čez dve leti.

Pri izbiri tehnologije svetujemo uveljavljen okvir z jasnimi konvencijami, kot sta Laravel ali Symfony za zaledje in React ali Vue za uporabniški vmesnik. Modeli so se učili na ogromno javne kode v teh okvirih, konvencije pa jim povedo, kam sodi katera datoteka. Manj ugibanja pomeni manj napak. Kdaj je smiselno ločiti zaledje in vmesnik, smo opisali v članku Konec monolita: kdaj ločiti backend in frontend.

4. Kodo pišite z AI, a v majhnih korakih

Ugotovitve METR in DORA kažejo v isto smer: AI najmanj pomaga, ko mora brez konteksta razumeti veliko kode. Majhni koraki imajo še eno prednost: napačno odločitev opazite, preden na njej zgradite naslednjih deset funkcionalnosti. Zato se nam je obnesel tak postopek:

  • v repozitorij dodajte datoteko z navodili za agenta (npr. AGENTS.md), v kateri opišete arhitekturo, konvencije in prepovedi,
  • naloge razdelite na spremembe, ki jih razvijalec lahko pregleda v enem kosu,
  • naj AI najprej napiše teste, ki opisujejo želeno vedenje, šele nato kodo,
  • vsako spremembo pred združitvijo poženite skozi samodejne teste.

Največ prihranite pri ponavljajočem se delu: obrazci, vmesniki za urejanje podatkov, migracije, testi in dokumentacija API-jev. Manj pri poslovni logiki z veliko izjemami, kjer mora razvijalec vsako vrstico tako ali tako premisliti.

5. Pregled kode in varnost

Vsako vrstico, ki jo napiše AI, mora pregledati človek, ki bi jo znal napisati sam. To pravilo se nam zdi najpomembnejše v celem postopku. Glede na rezultate Veracoda dodajte še samodejno preverjanje: statično analizo kode, pregled knjižnic z znanimi ranljivostmi in preverjanje, da v kodi ni gesel ali ključev API. Posebej preverite avtorizacijo. Koda lahko pravilno preveri, ali je uporabnik prijavljen, ne preveri pa, ali sme videti prav ta zapis.

Drugo vprašanje je, katere podatke pošiljate orodjem. Pri pridobivanju certifikata ISO/IEC 27001 smo morali to urediti tudi sami: katera orodja smemo uporabljati, kako varujemo naročniško kodo in kdo odgovarja za pregled. Če vam aplikacijo razvija zunanji izvajalec, ga vprašajte, kako ima to urejeno. Če odgovora nima pripravljenega, je to že odgovor.

6. Poskrbite, da bo aplikacijo nekdo razumel

Poslovna aplikacija živi leta. V tem času se spremenijo zakonodaja, procesi in ljudje. Nekdo mora razumeti, zakaj koda deluje tako, kot deluje. Ko aplikacijo zgradi orodje in je nihče ne razume, vsak popravek postane ugibanje.

Zato novi razvijalci pri nas med uvajanjem ne uporabljajo AI. Projekt za uvajanje traja od enega do treh mesecev, poudarek pa je na razumevanju, ne na hitrosti. Več o tem smo napisali v članku AI za začetnike: pomoč ali past? Isto načelo velja za aplikacijo: kodo lahko piše AI, razumeti pa jo morajo ljudje.

Koliko časa in denarja prihranite

Univerzalne številke ni. Kdor jo navaja brez konteksta, vam prodaja orodje. Zgornji izračun postavi strop, dejanski prihranek pa je odvisen od projekta: velik je pri prototipu in rutinskem delu, majhen pri povezavah z drugimi sistemi, usklajevanju z uporabniki in robnih primerih. Prav ti deli pri poslovnih aplikacijah običajno pojedo največ časa.

Pri AuditReporterju se je to lepo pokazalo. Največ časa nam je prototip prihranil na začetku, ko je bilo treba razumeti, kaj naročnik sploh želi. Uporabniška izkušnja, varnost in stabilna osnova so ostale delo razvijalcev, in to delo je bilo enako zahtevno kot sicer.

V proračun vključite tudi stroške, ki jih prej ni bilo: naročnine za orodja, porabo pri agentih in več časa za pregled kode. Če ekipa nima dobrih testov in jasnih procesov, bo AI po ugotovitvah DORA te težave le pospešil.

Pogosta vprašanja

Koliko AI pospeši razvoj aplikacije?

Pisanje kode lahko pospeši večkratno, celoten projekt precej manj. Po podatkih IDC pisanje kode predstavlja okoli 16 % časa razvijalcev, zato desetkrat hitrejše pisanje kode skupni čas skrajša za približno 14 %. Arhitekture, uporabniške izkušnje, testiranja in usklajevanja AI ne pospeši v enaki meri.

Ali lahko poslovno aplikacijo z AI razvijem brez programerja?

Prototip ali preprosto interno orodje, da. Aplikacije, ki obdeluje osebne podatke, se povezuje z drugimi sistemi in jo boste vzdrževali leta, pa ne. Nekdo mora kodo pregledati in zanjo odgovarjati.

Ali mi AI prototip pomaga, ko naročim razvoj?

Da, precej. Razvijalci iz njega hitreje razumejo, kaj želite, zato je faza spoznavanja projekta krajša. Prototipa pa ne pričakujte nazaj kot končne aplikacije: varnost, uporabniško izkušnjo in stabilno osnovo je treba razviti posebej.

Zakaj je lahko prehiter razvoj z AI dražji?

Ker se napačne odločitve kopičijo. Če so funkcionalnosti razvite hitreje, kot jih ekipa premisli in preveri, vsaka naslednja gradi na prejšnji. Iskanje in odpravljanje take verige napak vzame več časa, kot ga je prihranilo hitro pisanje kode.

Katera orodja AI se uporabljajo za razvoj aplikacij?

Za prototipe orodja, kot so Lovable, Bolt in v0. Za razvoj pomočniki v urejevalniku, kot sta GitHub Copilot in Cursor, ter agenti, kot sta Claude Code in Codex. Orodja se hitro menjajo, postopek okoli njih pa ostaja enak.

Ali je koda, ki jo napiše AI, varna?

Ne samodejno. V raziskavi Veracode iz leta 2025 je 45 % kode, ki so jo napisali jezikovni modeli, vsebovalo znano ranljivost. Varna postane s pregledom razvijalca, samodejnimi testi in varnostnimi pregledi.

Ko potrebujete razvijalce

Pri Agiledropu imamo več kot 70 razvijalcev za PHP in JavaScript (Laravel, Symfony, Drupal, Node.js, React, Vue in Angular). Pridružijo se vaši ekipi in delajo po vaših procesih, z AI tam, kjer res pomaga. Oglejte si, kako razvijamo poslovne aplikacije, ali nam pišite.