Досвідчений продакт-менеджер Кирило Балалін, з понад десятирічним стажем в IT-галузі, поділився власним досвідом створення повноцінного Android-застосунку без будь-яких знань програмування, використовуючи інструмент Claude Code від компанії Anthropic.
Повідомляє видання GALERANEWS, посилаючись на Мezha.
Зміна парадигми взаємодії з ШІ
Автор фіксує принципову відмінність між попереднім і нинішнім поколінням AI-інструментів. Якщо раніше великі мовні моделі функціонували виключно у форматі «питання — відповідь», то сучасні агентські системи здатні самостійно виконувати тривалі багатоетапні завдання: запускати команди у терміналі, редагувати файли, компілювати код, аналізувати помилки та виправляти їх без участі оператора. Це якісно новий рівень автоматизації, який відкриває доступ до розробки програмного забезпечення для осіб без технічної освіти.
Практична демонстрація
В основі публікації — конкретний кейс: автор поставив за мету створити персональний застосунок для планування місячного бюджету, аналогічний власній багаторічній практиці ведення записів у Evernote. Жоден з наявних на ринку додатків не відповідав його специфічній логіці роботи з фінансами, що й стало мотивацією для самостійної розробки.
Увесь процес — від встановлення середовища розробки до отримання готового APK-файлу — зайняв один вечір. При цьому Кирило Балалін не написав жодного рядка коду самостійно.
Ключові методичні прийоми
Автор виокремлює два практичні прийоми, які суттєво підвищують ефективність роботи з AI-агентами:
- Перший прийом полягає у тому, щоб доручити агенту самостійно визначити перелік необхідних інструментів та виконати їх встановлення. Це усуває так званий «податок на підготовку» — етап налаштування середовища, який традиційно є непереборним бар’єром для непрограмістів.
- Другий прийом — формулювання запиту «будь впевнений на 95%» перед початком реалізації. Ця інструкція спонукає агента виявити всі неоднозначності у постановці завдання шляхом уточнюючих запитань до того, як розпочнеться написання коду. У результаті автор отримав сім раундів конкретних запитань, відповіді на які сформували повноцінне технічне завдання з шістнадцяти узгоджених рішень.
Результат
Після приблизно години автономної роботи агент надав готовий застосунок із такими характеристиками: підтримка дванадцяти місяців бюджету, україномовний інтерфейс, автоматичний розрахунок залишку, облік доходів у іноземній валюті з фіксацією курсу, окремий список відкладених покупок, агрегація витрат за тегами, а також функції експорту та імпорту даних. Застосунок функціонує локально, без підключення до інтернету, і встановлюється на реальний пристрій.
Оцінка обмежень
Кирило Балалін дотримується збалансованої позиції та відверто зазначає недоліки підходу. По-перше, агент не здійснює критичної оцінки доцільності окремих функцій і реалізує все, що включене до плану, без фільтрації з позиції MVP. По-друге, верифікація коректності даних та тестування на реальному пристрої залишаються відповідальністю людини. По-третє, агентські інструменти демонструють найкращі результати на стандартних, широко представлених у відкритому доступі технологіях; нішеві завдання можуть давати значно слабший результат.
Досвід Кирила є цінним практичним матеріалом, що демонструє реальний стан розвитку агентських AI-інструментів станом на 2026 рік: зниження порога входу до розробки для фахівців, здатних чітко формулювати задачі. Відповідальність при цьому зміщується з технічної реалізації на якість постановки задачі.
