AI without code - three attempts, zero genius strokes

Erlend Gram Gjesdal er forretningsutvikler med bred erfaring innen produkt

Kunstig intelligens (KI) har gjort det enklere enn noen gang å bygge, til stor glede for alle med et hjerte for produktutvikling. Lovnaden til no-code verktøy som Databutton er at du kan bygge fungerende løsninger kun ved hjelp av prompts. Det er lekent, gøy - og det virker.

Jeg skal ikke påstå at jeg kan lage noe som er 100% produksjonsklart, men slike verktøy åpner for å kunne teste hypoteser mye raskere enn før. Mine gode kollegaer Mari og Helge har skrevet godt om dette i en tidligere bloggpost. 

Jeg har tilnærmet null kodeerfaring, og ønsket å se hva jeg kunne få til innenfor en annen gren av KI-assisterte verktøy: workflows og automasjoner. Dersom KI forenkler dette i samme grad som for prototyping, tenkte jeg, vil det være mulig å bygge noen tidsbesparende verktøy til bruk internt i Kraftlauget, uten for mye innsats. Tre dager, tre problemer, tre forsøk på løsning. 

The Good

I Kraftlauget bruker vi Google Drive som felles database for dokumenter, malverk, presentasjoner og så videre. Hvis du ikke vet hvor du skal lete, kan det være veldig vanskelig å finne informasjonen du trenger, når du trenger den.

Jeg bygget «Tjommi» - en Slack-bot som svarer på spørsmål basert på filene i Drive. Jeg brukte ChatGPT for å generere det første forslaget til kode, og tok koden videre til Cursor for videre arbeid og justeringer. Rammeverk: Langchain og ChromaDB for vektorisering av databasen, og OpenAI for å generere et svar til brukeren. Jeg fikk til og med hjelp av en god kollega til å lage et Docker-image og deploye løsningen på fly.io. Helt ærlig har jeg aldri følt meg så techy i hele mitt liv.  

Første versjon av løsningen fungerte overraskende bra, og enda bedre med litt tilpasning av prompt’et som la grunnlaget for den genererte responsen. 

Jeg valgte Cursor litt tilfeldig. Utviklerne i Kraftlauget bruker Claude Code, men det føltes veldig fjernt å skulle jobbe direkte i en terminal. I skrivende stund har Cursor fått mye slakt for ny forretningsmodell, men verktøyet i seg selv syntes jeg var intuitivt og oversiktlig. Den KI-baserte copiloten lar meg skrive hva jeg ønsker å gjøre, generere kodeforslaget, og være i førersetet på å implementere stegvis.

The Bad

I Kraftlauget gjør vi utrolig mye bra arbeid med spennende teknologi hver dag, men vi er ikke alltid like flinke til å dele kunnskap og erfaringer, hverken internt eller eksternt. Min tilnærming var å bygge en automasjon ved hjelp av Zapier som stilte noen raske spørsmål til folk i Slack, lagret responsene i et regneark, identifiserte trender, og sendte en oppsummering til meg ved hjelp av OpenAI. Tanken var at en slik oppsummering kan brukes som grunnlag for bloggposter, innlegg på fagdager eller lignende.

Jeg valgte å teste «Bloggehjelpern» mot en spisset gruppe kollegaer, men den var ikke særlig populær. Både antall og kvalitet på responsene var for dårlig til å kunne lage en meningsfull oppsummering. Hadde jeg hatt mer tid, ville jeg forsøkt å gi en bedre forklaring rundt hvilken type informasjon jeg var ute etter og hvorfor, kanskje med noen eksempler. Det virket ikke som om folk forstod helt hva dette egentlig var for noe - men det forblir en hypotese for nå.

..and the Ugly

Det siste problemet handlet om møter. Jeg tror mange kan kjenne seg igjen i kalendere som raskt fylles opp, møter som kunne vært bedre forberedt, og timer som snakkes vekk uten at det egentlig føles som om man har noe fremdrift.

For å bøte på dette, tok jeg for meg en arbeidsgruppe internt som har ukentlige møter og en Slack-kanal. Jeg bygget en bot som skulle hjelpe folk med å forberede seg, basert på en analyse av Slack-meldinger og møtereferater. Jeg brukte n8n som orkestrator, for å teste ut et populært alternativ til Zapier. 

«Møteknusern» viste seg å være - på godt Bergensk - et ordentlig rævhål. Jeg bestemte meg raskt for å instruere den til å være litt mindre cheeky. Men resultatet bar fremdeles preg av at input’en var for dårlig, ettersom mye av det faktiske arbeidet gjøres i andre systemer, eksempelvis Figma. Det er selvsagt ikke sikkert at folk hadde brydd seg om hva Møteknusern hadde sagt uansett, men jeg kom ikke langt nok til å undersøke det nærmere. 

Å skynde seg langsomt

Jeg er glad i stisykling, og investerte nylig i en elektrisk variant. I en hektisk hverdag, vil dette gjøre at jeg kommer meg oftere ut, tenkte jeg. Kanskje oppoverbakkene blir kjekke, til og med? På første tur stilte jeg motoren på maks og tråkket til. Jeg havnet i grøften. Med mer kraft i pedalene, blir det enda viktigere å ha rett kurs.

Bildet er selvfølgelig lagete av ChatGPT, da det ikke ble tatt noe bilde av hendelsen.. heldigvis!

Med KI er det kanskje enda viktigere enn før å ta seg tid til å tenke litt før man begynner. Når man kan bygge en førsteversjon svært raskt, og uten å skrive kode selv, er det fristende å bare trykke på startknappen uten å ha stilt seg de gode spørsmålene. Hvem skal bruke dette? Hvilket problem prøver vi å løse? 

Dette er egentlig gammelt nytt i produktutforskning, men KI gjør prøvelsen større. Plutselig har man en hammer med fingerspissene som er så kraftig, at alt begynner å se ut som spikre. Det går fort å begynne, og når man har en førsteversjon på bordet, er det lett for å fortsette itereringen på brukervennlighet, design og nye funksjoner - mens spørsmålet om hvilken verdi som skapes blir glemt.

Av de tre løsningene jeg bygget, kommer jeg nok bare til å jobbe videre med Tjommi. Den forenkler ting for meg allerede, og med litt tilpasning tror jeg den kan skape verdi for flere. Uavhengig av dette, står jeg støtt i at dette var godt investerte dager. Jeg rakk å få litt hands-on erfaring og lærte masse.

Mine key takeaways for ikke-utviklere der ute som vil prøve noe lignende

1. Bruk fem minutter med penn og papir før du begynner, og skisser ut et grovt førsteutkast av løsningen og hva den skal gjøre. Det fungerer som en rettesnor og kan hjelpe deg til å fokusere på et problem som gir mening å løse.

2. Alliér deg med en utviklerkollega du kan sparre med underveis. Det vil gjøre underverker både for fremdrift og for læringsutbytte. Hvis du har en ambisjon om å bygge en workflow som faktisk skal brukes av flere over tid, trenger du kanskje litt hjelp av noen som har bygget noe før.

3. ChatGPT (eller tilsvarende) er en god kollega å sparre med hele veien. Lag et prosjekt og gi den en god kontekst. Jeg fant det veldig nyttig å definere en prompt-mal som lot ChatGPT hjelpe meg å spørre den riktig.