Aku mula cuba bina aplikasi dengan AI kerana mahu tahu satu perkara: sejauh mana idea dalam kepala aku boleh menjadi sesuatu yang boleh digunakan?
Aku ada pengalaman melihat masalah operasi bisnes. Tempahan, maklumat pelanggan, status bayaran dan kerja pentadbiran memang dekat dengan kehidupan aku. Tetapi memahami masalah bisnes dan membina perisian untuk menyelesaikannya ialah dua perkara yang berbeza.
Bila ada ChatGPT dan alat AI yang boleh membantu menulis kod, jarak itu terasa semakin dekat. Aku boleh terangkan idea dalam bahasa biasa, kemudian mula berbincang tentang skrin, borang dan aliran pengguna.
Cuma, apabila mula mencuba sendiri, aku semakin nampak bahawa kod yang terhasil itu baru satu bahagian daripada kerja sebenar.
Aku Bermula Dengan Masalah Yang Aku Faham
Antara eksperimen yang aku sedang usahakan ialah BizBooking Lite, sistem tempahan ringkas yang turut menjadi bahan pembelajaran untuk beginner. Aku juga sedang meneroka pembangunan TravelOS, projek berkaitan pengurusan perjalanan.
Untuk BizBooking Lite, arah pembelajaran dibahagikan kepada versi Local menggunakan Python dan SQLite, kemudian versi Online menggunakan Flask dan PostgreSQL. Pembahagian itu membantu aku melihat beza antara aplikasi yang berjalan di komputer sendiri dengan aplikasi yang perlu dicapai melalui internet.
Aku tak mahu terus menganggap semua idea ini sudah menjadi produk matang. Ada bahagian yang masih dibina, disemak dan diuji. Tulisan ini ialah catatan proses itu, setakat Oktober 2026.
Apa Yang Berjaya Bila Aku Bina Aplikasi Dengan AI
Perkara yang paling membantu ialah aku boleh mengubah penerangan masalah menjadi langkah kerja yang lebih jelas.
Daripada sekadar berkata “aku nak sistem tempahan”, perbincangan boleh dipecahkan kepada maklumat yang perlu disimpan, tindakan pengguna dan perkara yang patut berlaku selepas borang dihantar.
AI juga membantu menyediakan draf kod, menerangkan fungsi bahagian tertentu dan menyusun panduan supaya langkah pembangunan lebih mudah diikuti. Bagi aku, kelebihan ini besar kerana aku boleh bertanya semula apabila ada istilah atau arahan yang belum jelas.
Aku boleh minta penjelasan yang lebih mudah. Aku boleh minta contoh. Aku boleh minta satu tugasan besar dipecahkan kepada beberapa langkah kecil.
Yang terasa berubah ialah cara aku bermula: idea yang kabur boleh disusun menjadi sesuatu yang boleh dicuba dan dinilai.
Bila Masuk Bahagian Teknikal, Realitinya Mula Terasa
Dalam kerja TravelOS, ada ketika semakan automatik pembangunan memaparkan kegagalan pada aliran PostgreSQL. Aku perlu kembali kepada ralat itu dan meminta ia diperiksa. Kod yang sudah ditulis tetap perlu melalui semakan.
Itu antara perkara yang membuatkan aku lebih berhati-hati. Paparan yang nampak kemas belum menjawab sama ada data disimpan dengan betul atau perubahan selamat digunakan.
Untuk modul perbelanjaan dan bajet, contohnya, aku meminta pengujian pada PostgreSQL, semakan ketepatan bajet dan transaksi. Aku juga meminta QA pelayar serta latihan migrasi. Permintaan semakan itu sendiri menunjukkan berapa banyak lapisan kerja yang wujud selepas kod awal siap.
Aku tidak menganggap senarai ujian itu sebagai bukti semua perkara sudah lulus. Keputusan ujian perlu dilihat satu per satu. Kalau belum ada bukti, aku masih perlu menganggapnya belum disahkan.
Pengalaman Guna ChatGPT Mengajar Aku Cara Bertanya
Dalam pengalaman guna ChatGPT untuk projek sendiri, aku semakin nampak pentingnya memberi konteks. Aku perlu tahu siapa pengguna, masalah apa yang mahu diselesaikan dan fungsi mana yang patut didahulukan.
Permintaan seperti “buat aplikasi lengkap” membuka terlalu banyak kemungkinan. Sebaliknya, apabila satu aliran kecil dinyatakan dengan jelas, hasilnya lebih mudah diperiksa.
Sebagai contoh, aku boleh menetapkan bahawa pengguna perlu menambah satu rekod tempahan, melihatnya semula dan menukar status. Selepas aliran itu diperiksa, barulah masuk ke bahagian lain.
Aku juga semakin sedar bahawa jawapan yang panjang dan meyakinkan tetap perlu disemak. Kalau aku sendiri belum faham tujuan sesuatu perubahan, aku perlu berhenti sekejap dan meminta penerangan.
Berapa Lama Masa Yang Aku Gunakan?
Aku belum merekodkan jumlah jam pembangunan secara terperinci. Jadi aku tak boleh beri angka tepat tentang berapa lama keseluruhan aplikasi ini mengambil masa atau berapa banyak masa yang berjaya dijimatkan.
Yang boleh aku ceritakan ialah kerja ini berlangsung melalui beberapa pusingan: menyusun idea, menyediakan kod, mencuba, menyemak masalah dan membuat pembetulan. Satu sesi perbualan dengan AI bukan ukuran bahawa satu projek sudah selesai.
Ada bahagian yang cepat menghasilkan sesuatu untuk dilihat. Tetapi kerja memahami ralat, menyemak aliran pengguna dan menyediakan aplikasi untuk persekitaran sebenar masih memerlukan perhatian.
Untuk eksperimen seterusnya, aku mahu membezakan masa merancang, masa membina dan masa menguji. Barulah aku boleh menilai penggunaan AI berdasarkan rekod, bukan sekadar rasa bahawa semuanya lebih pantas.
Bahagian Yang Masih Memerlukan Aku Membuat Keputusan
AI boleh mencadangkan fungsi. Tetapi aku yang perlu menentukan sama ada fungsi itu benar-benar membantu pengguna atau sekadar menambah kerja.
Aku perlu memilih skop, menetapkan keutamaan dan memahami kesan perubahan. Kalau satu borang terlalu panjang untuk digunakan oleh staf, itu masalah yang perlu dinilai melalui cara orang bekerja.
Begitu juga dengan data dan akses. Aku perlu tahu maklumat apa yang dikumpulkan, siapa yang patut melihatnya dan apa yang berlaku jika sesuatu tersilap. Untuk ujian awal, data contoh membantu mengurangkan keperluan menggunakan maklumat pelanggan sebenar.
Tanggungjawab untuk menerima hasil, meminta pembetulan dan menentukan sama ada aplikasi sudah sesuai digunakan masih berada pada manusia.
Aku Sedang Belajar Mengecilkan Skop
Apabila AI boleh mencadangkan banyak perkara dengan cepat, mudah juga untuk aku terfikir mahu menambah macam-macam fungsi. Tetapi setiap tambahan membawa satu lagi perkara yang perlu difahami dan diuji.
Sebab itu aku semakin tertarik dengan cara membina secara berperingkat. Pilih satu masalah. Siapkan satu aliran. Cuba dengan situasi yang masuk akal. Kemudian nilai sama ada ia membantu.
Proses ini ada kaitan dengan apa yang aku tulis dalam Umur 30-an, Tapi Rasa Macam Baru Nak Mula Hidup Semula. Belajar kemahiran baharu ialah sebahagian daripada usaha aku membina langkah seterusnya, walaupun belum semua perkara jelas.
Aku mahu eksperimen seperti ini memberi hasil yang boleh dinilai. Kalau sesuatu belum menjadi, aku mahu tahu bahagian mana yang perlu dibaiki sebelum terus menambah perkara baharu.
Adakah Aku Akan Teruskan?
Ya. Setakat ini, AI membantu aku membuka ruang untuk mencuba idea aplikasi dengan lebih tersusun. Ia juga memperlihatkan perkara yang masih perlu aku pelajari tentang pembangunan perisian.
Aku belum boleh menulis cerita bahawa semuanya mudah, siap dengan satu prompt dan terus boleh dijual. Pengalaman aku masih melibatkan soalan, semakan, ralat dan keputusan yang perlu dibuat sendiri.
Tetapi aku kini ada projek yang boleh diusahakan, aliran yang boleh diuji dan soalan yang lebih jelas untuk ditanya. Itu perkembangan yang aku mahu terus dokumentasikan.
Kalau suatu hari nanti aku membaca semula catatan ini, aku mahu nampak bagaimana pemahaman aku berubah sepanjang proses. Bukan hanya gambar aplikasi yang sudah cantik, tetapi juga kerja yang membawanya sampai ke situ.
Catatan Journey & Eksperimen di FahmiSyakirin.com. Eksperimen ini masih berjalan; status pembangunan boleh berubah selepas tarikh tulisan ini.
