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.
- 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.
- 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.
- 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.
- 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.
- 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.
- 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.
| Lépés | Ki csinálja? | Miért így? |
|---|---|---|
| 1. Üzleti kérdés és specifikáció | Ember | Az AI jó kérdésre ad gyors választ, rossz kérdésre gyors rosszat. |
| 2. Architektúra és adatmodell | Ember | Évekre szól, utólag a legdrágább javítani. |
| 3. Kódgenerálás | AI | A terv és a mi mintáink alapján; itt tényleg napokból órák lesznek. |
| 4. Kódátnézés | Ember + AI | Minden generált sort ember olvas el; az AI második szemként segít. |
| 5. Teszt valós adaton | Ember + AI | Tesztkörnyezet, éles adatmásolat, mérés. Itt bukik ki az 1. és 3. példa. |
| 6. Telepítés, felelősség, karbantartás | Ember | Verziózás, 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.