Как с помощью ИИ быстро найти общий язык с заказчиком

Всем привет. Меня зовут Максим, я — технический директор СофтМедиаЛаб (SML). Через меня проходят все проекты и пресейлы. В этой статье расскажу про использование ИИ для создания прототипов: как искусственный интеллект помогает быстрее воплотить идею заказчика в жизнь и ускорить разработку проекта. 

Создал прототип — и все понятно

Прототипирование — это этап, который помогает превратить размытые идеи заказчика в конкретное визуальное, а иногда и интерактивное решение. Поскольку основная часть проектов компании — это заказная разработка, прототипы становятся средством быстрой коммуникации и согласования требований с заказчиками. Вместо долгих обсуждений и недопониманий клиент видит первую рабочую версию продукта, может «пощупать» интерфейс, а команда – понять, что это именно то, что нужно. Умение быстро создавать прототипы существенно экономит время и деньги на последующих этапах, снижает риски и помогает прийти к хорошему результату.

Еще пару лет назад бывало, что мы получали запрос на разработку и не могли добиться от заказчика деталей, понять кто и как будет пользоваться создаваемой системой. Заказчик путался в показаниях, а мы предлагали дизайн-спринт для проработки требований. На этот спринт привлекали аналитика и дизайнера, которые после 2-3 недель итеративной работы выдавали ТЗ и кликабельные макеты основных экранов в Figma.

ИИ тоже умеет создавать

Постепенно мы начали привлекать к созданию прототипов искусственный интеллект. Один из недавних запросов отлично иллюстрирует, как подключение ИИ повлияло на процесс.

Ко мне пришел запрос: «Ищем разработчика для создания платформы с нейропсихологической диагностикой. Заказчику нужен сайт с интеграцией ИИ и следующим функционалом:

• решение диагностических проб и подсчет баллов;

• «карта ребёнка» и история;

• авто-отчёты на основе диагностики;

• в будущем – масштабирование на базу упражнений и визуализацию прогресса.

Гипотезы валидированы фокус-группами, есть методические схемы с системой подсчетов, которые сейчас выполняются офлайн, подобраны материалы. 

В процессе первого созвона с заказчиком я уточнил некоторые моменты, тут же составил промпт и отправил в ChatGPT: 

«Хочу создать платформу для нейропсихологов. 

Это сайт, на котором будут регистрироваться нейропсихологи. 

После регистрации должны быть доступны функции: 

1. управлять клиентами — дети, которых консультирует (создавать, редактировать) 

2. выбирать экзамен из списка в системе 

3. создавать быструю ссылку для отправки ребенку для прохождения выбранного экзамена 

4. проходить экзамен в режиме просмотра (а ребенок проходит экзамен в режиме для оценки) 

5. просмотр результатов пройденных экзаменов (результат прохождения будет обрабатываться ИИ на основании методологической базы) 

6. история прохождения экзаменов ребенком (карта ребенка) 

7. экран с профилем и информацией о следующей оплате сервиса 

Сделай визуальные макеты (wireframes) в коде React+Tailwind в одном файле, чтобы его было просто вставить в проект, созданный с помощью create react app

Приложение должно быть минималистично, но производить впечатление решения с дизайном»

В результате получил код на React, который сразу запустился: 

Вместе с заказчиком мы продолжили обсуждение его запроса уже глядя в UI с погружением в функционал, доступный на разных экранах. 

По ходу обсуждения я несколько раз модифицировал промпт, добавляя для каждой страницы инструкции по отображению данных и доступных действий. И так за одну часовую встречу я превратил исходную верхнеуровневую постановку в кликабельный прототип, заапрувленный заказчиком со словами: “Да, вот так мне нравится!”

Сейчас все подобные запросы мы уточняем именно в такой форме: 

1. Узнаем, что хочет получить заказчик, какие функции важны;

2. Пишем промпт с учетом того, для кого наше решение, что оно должно уметь, как выглядеть и какой нужен результат. Просим создать макет;

3. Полученный результат по необходимости корректируем и показываем заказчику прототип.

В итоге заказчик понимает, что получит, а мы — трудоемкость реализации.

Вместо заключения

Еще дам небольшой анализ инструментов, которые я тестировал сам и могу порекомендовать для прототипирования:

1. Лучше всего с задачами прототипирования справляются облачные LLM такие как Gemini 2.5 Pro и ChatGPT-4o (прототип выше сгенерирован именно в ней).Если выбирать из локальных LLM, то мне больше всего понравилась модель Qwen3-Coder-30B-A3B-Instruct. По исходному промпту выдает такой вариант, с рабочими переходами между элементами:

2. Помимо использования LLM, я экспериментировал с прототипами в сервисе lovable.dev.

Плюсы lovable:

• разбивка файлов на роутинг, стили, компоненты, хуки (для данного примера создалось 15 файлов);

• использование typescript для описания основных сущностей;

• в самих файлах больше логики: отработка случаев, когда под список отображения пустой;

• возможность подключить бэкенд с облачной базой Supabase (аналог Firebase).

Недостатки:

• из коробки среди кликабельных элементов — только верхнее меню;

• генерации/перегенерации идут заметно дольше, чем в LLM. Условно 2 минуты против 30 секунд;

• в интерфейсе не всегда понятно, закончил lovable генерацию или еще что то делает;

• бесплатного тарифа мне не хватило, чтобы к этому примеру подключить бэкенд.

Взвешивая все “за” и “против”, я остановился на Gemini/GPT для прототипирования проектов не под NDA и на Qwen3-Coder-30B-A3B-Instruct для прототипирования проектов с повышенными требования к конфиденциальности. А lovable вдохновил меня на то, чтобы добавить в промпт системную часть, связанную с типизацией и обработки различных ситуаций отображения списочных элементов.

Спасибо, что дочитали до конца. Поделитесь мнением в комментариях!

Источник: habr.com