AI programozás a gyakorlatban: így használja egy szoftverfejlesztő
AI programozás a gyakorlatban: két szoftverfejlesztő együtt dolgozik a kódon

Az AI programozás nálunk mindennapi gyakorlat: a kód jelentős részét ma már mesterséges intelligencia írja. Mégsem vibe coding, amit csinálunk, mert a prompt előtt tervezünk, a „működik” után pedig ellenőrzünk, mérünk és felelünk. Ebben a cikkben konkrétan megmutatjuk, hogyan néz ki egy fejlesztés az Urban-IT-nál AI-val: milyen eszközöket használunk, mire engedjük rá őket, mire nem, és mit dobunk ki a javaslataikból, mielőtt éles rendszerbe kerülnének. Nem azért, hogy a kulisszák mögé láss, hanem hogy tudd, mit kapsz, ha egy AI-val dolgozó fejlesztőt bízol meg.


🧭 Mit jelent az AI programozás, és miben más, mint a vibe coding?

Az AI programozás (AI-val támogatott fejlesztés, programozás AI segítségével) azt jelenti, hogy a fejlesztő nagy nyelvi modellt használ a kód megírására, átalakítására, magyarázatára és tesztelésére, de a tervezést, az ellenőrzést és a felelősséget megtartja magánál. Az AI a leggyorsabb kolléga a csapatban, nem a főnök.

A vibe coding ugyanezeket az eszközöket használja, csak a két szélét hagyja el: nincs specifikáció és adatmodell a prompt előtt, nincs kódátnézés, teszt és üzemeltetés a „működik” után. A különbség tehát nem az eszköz, és nem is az, hogy ki gépel. A különbség az, hogy ki érti, ami készül, és ki felel érte.


🧰 Milyen eszközöket használunk, és mire engedjük rá őket?

A napi munkában terminálból futó kódoló asszisztenst (Claude Code), a fejlesztőkörnyezetbe épített kiegészítőt (GitHub Copilot) és beszélgetős modelleket használunk. Egyik sem varázslat, mindegyik ugyanazt tudja: szövegből kódot, kódból szöveget. Ahol ez tényleg gyorsít, ott bátran rájuk bízzuk a munkát:

  • Sablonkód és felületek – lista, űrlap, szűrő, export, a mi mintáink és elnevezési szabályaink szerint. Ami korábban egy nap volt, az ma egy óra.
  • Tesztadat és tesztesetek első változata – az AI olyan határeseteket is felsorol, amikre magunktól később gondolnánk: üres mező, negatív mennyiség, duplikált azonosító.
  • SQL-lekérdezések és riportok első vázlata – kiindulópontnak kiváló, a végleges változat mindig mérés után születik.
  • Dokumentáció, kommentek, változásnapló – a kódból generálva, emberi átnézéssel.
  • Régi kód megértése és hibakeresés – egy több száz soros, tízéves függvényről percek alatt térképet ad, ami nekünk órákba telne.
  • Egyszeri átalakítások – Excel-import, adatmigráció, formátumváltás: jól körülírt, egyszer futó feladatok.

A közös ezekben: az eredmény gyorsan és olcsón ellenőrizhető. Ha a generált űrlap rossz, azonnal látszik. Ha a tesztadat értelmetlen, kidobjuk.


✋ Mit nem engedünk az AI-ra magára?

Van, ahol az AI legfeljebb javasol, de a döntés mindig emberé. Nem azért, mert itt rosszabb kódot írna, hanem mert a hiba későn és drágán derülne ki:

  • Adatmodell és architektúra – hol él az adat, mi kapcsolódik mihez, mi történik egyidejű használatnál. Ezt utólag a legdrágább javítani, és évekre meghatározza a rendszert.
  • Jogosultság és adatvédelem – ki mit láthat és módosíthat. Az AI szívesen „elrejti a gombot”, mi a szerveren ellenőrzünk.
  • Pénzügyi, számviteli és készletszabályok – kerekítés, áfa, FIFO, sztornó, árrés. Itt egy tized eltérés is hibás számlát jelent.
  • Integrációk – számlázó, ERP, webshop, bank. Az AI feltételez valamit a másik rendszerről, és az ritkán stimmel elsőre.
  • Teljesítménykritikus lekérdezések – ami 100 soron megy, az 7 millión megállhat. Ide mérés kell, nem jó érzés.
  • Élesítés, mentés, felelősség – verziózás, visszaállás, hibajavítási határidő. Ez a rendszer gazdájának dolga, és az nem az AI.

Az ökölszabályunk egyszerű: amit egy perc alatt le tudunk ellenőrizni, azt megírathatjuk; amit csak hetek múlva vennénk észre, azt megtervezzük.


🗑️ Mit dobunk ki az AI javaslataiból, és miért?

Ez a cikk legfontosabb része, mert a különbség a vibe coding és az AI programozás között pontosan itt dől el. Hat visszatérő minta a saját munkánkból. Mindegyik „működött” a demón.

  1. Lekérdezés, ami percekig fut. A Business Central MRP-riportunknál az első AI által javasolt megoldás soronként kérdezte le a több milliós tételtáblát. Ötven tesztsoron tökéletes volt, a valódi 33 000 rendelési soron percekig futott volna. A végleges, halmazalapú lekérdezés 3 másodperc alatt lefut. Az AI nem tévedett, csak nem tudta, mekkora az adat. Mi tudtuk.
  2. Jogosultság csak a felületen. A törlés gomb eltűnt a nem admin felhasználó elől, de a szerver bárkinek végrehajtotta volna a kérést. Ez a leggyakoribb hiba, amit AI-generált alkalmazásokban látunk. Helyette: szerveroldali szerepkör-ellenőrzés minden műveleten, naplózással.
  3. N+1 lekérdezés. A rendeléslista minden sorához külön adatbázis-kör a partner nevéért. Húsz sornál észrevehetetlen, kétezernél a felhasználó percekig vár. Helyette egy összekapcsolt lekérdezés.
  4. Nem létező könyvtár, kitalált API-paraméter. Egy számlázó-integrációnál az AI magabiztosan hivatkozott egy csomagra és egy végpontra, ami sosem létezett. Ezt hívják hallucinációnak, és a kód le sem fordult volna. A gyanúsabb eset az, amikor lefordul, csak mást csinál.
  5. Elavult, sérülékeny csomagverzió. A modell a tanítóadatból ismert, évekkel korábbi verziót javasol, néha ismert biztonsági hibával. Helyette aktuális verzió és automatikus függőség-ellenőrzés a buildben.
  6. Lenyelt hiba. „Elkapjuk a kivételt, és megyünk tovább.” Egy raktárkezelőnél ez azt jelenti, hogy a sikertelen készletmozgás nem látszik, a készlet pedig csendben elcsúszik. Helyette tranzakció, visszagörgetés, hibanapló és értesítés.

Egyik sem a modell butasága. Mindegyik abból jön, hogy az AI nem ismeri a kontextust: az adat méretét, a felhasználók számát, a másik rendszer viselkedését, a könyvelő elvárásait. Ezt a kontextust hozza a fejlesztő, és ezért fizet az ügyfél.


🔁 Hogyan néz ki a munkafolyamat lépésről lépésre?

Ugyanaz a hat lépés, mint bármelyik fejlesztésnél. Az AI három lépést gyorsít, hármat nem érint.

LépésKi csinálja?Miért így?
1. Üzleti kérdés és specifikációEmberAz AI jó kérdésre ad gyors választ, rossz kérdésre gyors rosszat.
2. Architektúra és adatmodellEmberÉvekre szól, utólag a legdrágább javítani.
3. KódgenerálásAIA terv és a mi mintáink alapján; itt tényleg napokból órák lesznek.
4. KódátnézésEmber + AIMinden generált sort ember olvas el; az AI második szemként segít.
5. Teszt valós adatonEmber + AITesztkörnyezet, éles adatmásolat, mérés. Itt bukik ki az 1. és 3. példa.
6. Telepítés, felelősség, karbantartásEmberVerziózás, mentés, hibajavítási határidő, szerződés.

Ha kíváncsi vagy, mit jelent a gyakorlatban az a rendszerszemlélet, amit a 2. és 5. lépés takar, arról külön cikket írtunk.


🤝 Mit nyer ezzel az ügyfél?

Három dolgot, és egy negyediket nem.

  • Gyorsabb szállítás. Egy célzott riport vagy modul néhány nap alatt elkészül, nem hetek alatt. A legutóbbi MRP-listánk is így született: egyszeri díj, megtérülés egy hónapon belül.
  • Alaposabb tesztelés. Mivel a tesztek megírása olcsóbb lett, több készül belőlük, mint korábban.
  • Jobb dokumentáció. Amit régen „majd megírjuk” szintre hagytunk, azt ma az AI megírja, mi pedig átnézzük.
  • Amit nem kapsz: kisebb felelősséget. A rendszerért ugyanúgy mi felelünk, szerződéssel, garanciával, hibajavítási határidővel. Az AI nem szerződő fél. Hogy ez miért számít, arról itt írtunk részletesen.

És ha már van egy AI-val összerakott alkalmazásod, amit élesítenél: nem kell kidobni. Átnézzük, a fenti hat mintát is keresve, és írásban megmondjuk, mi javítható, mi vehető át, és mit érdemes újraépíteni.


❓ Gyakori kérdések az AI programozásról

Olcsóbb lesz a fejlesztés, ha AI-t használ a fejlesztő?
A kódírás része igen, ezért tudunk kisebb, célzott feladatokat egyszeri díjért vállalni. A tervezés, az ellenőrzés és a felelősség ára nem csökken, mert azt továbbra is ember végzi. Összességében ugyanazért a pénzért több és alaposabban tesztelt szoftvert kapsz.

Biztonságos megmutatni az AI-nak a cégünk kódját és adatát?
Ezt szerződésben rögzítjük: melyik AI-eszközt milyen üzleti előfizetéssel használjuk, és mi az, ami soha nem kerül ki a környezetedből. Valódi ügyfél- és személyes adat nem kerül a modell elé: tesztadattal és anonimizált másolattal dolgozunk. Ha a ti adatvédelmi szabályzatotok ennél szigorúbbat kér, ahhoz igazodunk.

Kell nekem értenem az AI-hoz, ha fejlesztőt bízok meg?
Nem. Neked az üzleti folyamatot kell ismerned, nekünk az eszközt. Azt viszont érdemes megkérdezned bármelyik fejlesztőtől, hogy használ-e AI-t, és ha igen, mit csinál a generált kóddal, mielőtt éles lesz. A válaszból sok minden kiderül.

Lecseréli az AI a programozókat?
A gépelést részben már lecserélte. A döntést arról, hogy mit kell megírni, hogyan illeszkedik a többi rendszerhez, és mi történik, ha elromlik, nem. Egy fejlesztő AI-val ma többet szállít, mint három évvel ezelőtt, de a felelősség ugyanott maradt: nála.


Ha szeretnéd látni, hogyan dolgoznánk a ti feladatotokon AI-val, az oldal alján lévő űrlapon elég egy mondat a folyamatról. Megmondjuk, mit bíznánk az AI-ra, és mit nem.

Kapcsolat

Keressen minket bizalommal!

Urbán Gergely, az Urban-IT Kft. ügyvezetője
Urbán Gergely Ügyvezető
„Egy folyamat olyan, mint a humor – ha magyarázni kell, akkor valószínűleg nem jó!”
+36 20 801 1713 info@urban-it.hu 24 órán belül visszahívom

Van egy folyamat, amit automatizálna, digitalizálna?

Segítünk megtalálni a megfelelő megoldást. Írja le röviden a helyzetet, és felvesszük Önnel a kapcsolatot egy ingyenes konzultáció egyeztetésére.

Hasznos információk:
  • • Milyen területen működik a cége?
  • • Melyik folyamat okoz problémát?
  • • Hány ember érintett?
Opcionálisan:
  • • Jelenlegi szoftverek
  • • Tervezett határidő
  • • Beruházási keret
Opcionális - ha megadja, telefonon hívom fel

Az első konzultáció ingyenes és kötelezettségek nélküli.

Ugrás az oldal tetejére
;