Dlaczego uważamy, że AI nie zastąpi w 100% człowieka przy projektowaniu i tworzeniu stron internetowych?

Sztuczna inteligencja pisze dziś kod, projektuje layouty i odpowiada szybciej niż jakikolwiek konsultant. Mimo to w Patrick.pro regularnie widzimy ten sam obrazek: stronę wygenerowaną przez AI, która na pierwszy rzut oka wygląda dobrze, ale nie przynosi ani jednej sprzedaży. W tym artykule pokazujemy, jak wygląda AI w tworzeniu stron internetowych w naszej codziennej pracy: co robi za nas sztuczna inteligencja, a co zawsze zostaje po stronie człowieka.

Jak wykorzystujemy AI w codziennej pracy?

AI to dla nas codzienne narzędzie. Tworzymy z nim oprogramowanie, generujemy layouty, szukamy grafik pasujących do konkretnego przycisku i przyspieszamy powtarzalne, strukturalne zadania. Przy budowie niestandardowego modułu dla WordPressa sztuczna inteligencja zakłada za nas pliki w odpowiednich katalogach i podpina je we właściwym miejscu. To, co siedzi w środku pliku odpowiedzialnego za działanie modułu, zawsze jednak sprawdzamy sami.

Oszczędność czasu bywa ogromna. Wtyczkę, której napisanie zajęłoby nam 40 godzin, z AI kodujemy w 3–4. Prosta funkcja typu „pokaż hasło” w formularzu (zaplanowanie mechanizmu, JavaScript, CSS, sprawdzenie responsywności) zajmuje nam ręcznie około 15 minut. AI robi to w 20–30 sekund. To nie jest oszczędność na jednej funkcji, tylko realny budżet, który przenosimy na dopracowanie animacji, przejść i detali. Przy tańszym MVP (minimalnej wersji produktu, która pozwala sprawdzić pomysł) zwykle nie starcza na nie czasu.

Największa korzyść nie leży jednak w tempie. Chodzi o to, że junior przestał być wąskim gardłem projektu. AI wykonuje bezmyślną, powtarzalną robotę, a my zajmujemy się tym, co wymaga decyzji.

W czym AI jest naprawdę dobre

• Generowanie kodu — dziś to standard, a nie luksus. Ręczne pisanie prostych funkcji jest po prostu nieefektywne. Ograniczenie polega na tym, że to, co napisze dla nas sztuczna inteligencja, trzeba rozumieć. Prędzej czy później ktoś będzie musiał ten kod utrzymać, i to niekoniecznie z pomocą AI. .
• Debugowanie i analiza cudzego kodu — kiedy przejmujemy projekt po innym programiście, ręczne zrozumienie struktury kodu zajmuje godziny. AI znajduje interesujący nas fragment w minutę. 
• Refaktoryzacja — przy stronach internetowych porządkujemy stary kod rzadko. Strony i sklepy zwykle przepisuje się od nowa, bo ich kod po kilku latach jest przestarzały. Gdy jednak refaktoryzacja ma sens, AI sprawnie wyszukuje zdublowaną logikę i proponuje czytelniejszą strukturę. 
• Dokumentacja — dokumentację dla klienta wciąż piszemy ręcznie, bo musi ona “mówić” jego językiem. AI przydaje się przy opisie samego kodu: szybko przygotuje komentarze i opisy funkcji. Dobrze napisany kod i tak nie potrzebuje rozbudowanych objaśnień.
• Automatyzacja i szkielety projektów — tu AI wygrywa bez dyskusji. Szkielet wtyczki, szkielet szablonu, podpięcie zależności to zadania, z którymi sztuczna inteligencja radzi sobie bardzo dobrze. 
• Komponenty i praca z frameworkami — prowadzone krok po kroku AI potrafi napisać kompletny, działający system. Usuwa też barierę frameworków. Przeciętny programista zna na wylot może dwa, a z AI można dowieźć projekt we frameworku widzianym pierwszy raz w życiu. Wolimy jednak, gdy AI pracuje w technologii, którą programista już zna. Łatwiej wtedy wychwycić błędy i odstępstwa od standardu. 

Wszystkie te punkty łączy jedno: AI świetnie wykonuje zadania, które ktoś już zdefiniował. Słabo radzi sobie z ustaleniem, co w ogóle trzeba zrobić. I tu bez dwóch zdań potrzebny jest człowiek.

Dlaczego wygenerowana strona nie oznacza dobrej strony?

Layout można stworzyć w kilka minut. Kod, który go obsługuje, może działać bez błędów. Problem w tym, że wygenerowanie strony to zaledwie ułamek pracy. Gdzie SEO, reklamy, utrzymanie, poprawki bezpieczeństwa, aktualizacje? Są strony, które po prostu istnieją, i są strony, które sprzedają. To dwie różne kategorie produktu, nawet jeśli na pierwszym ekranie wyglądają podobnie.

Czego AI nie potrafi w projektowaniu UX i UI?

AI analizuje obraz, ale nie patrzy na niego oczami projektanta. Można pokusić się o stwierdzenie, że AI nie widzi – i to dosłownie. Przy dopinaniu projektu graficznego do rzeczywistego wdrożenia praca i tak wraca do człowieka. Model nie ocenia koloru ani detalu wizualnego tak, jak robi to ktoś z wyczuciem estetyki.

AI nie rozumie też grupy docelowej. Grupa docelowa to nie dane demograficzne, tylko zachowania i obawy, które poznajemy w rozmowach z klientem i w analityce. Model nie projektuje ścieżki użytkownika pod realną psychologię zakupową. Układa ekrany „ładnie”, ale nie „skutecznie”.

Podobnie jest z dostępnością, czyli zgodnością z WCAG (międzynarodowymi wytycznymi dostępności treści internetowych). Nawet gdy wprost wskażemy w prompcie, że strona ma być dostępna, efekt zwykle pozostaje daleki od zadowalającego.

To samo dotyczy detali, które decydują o konwersji. Czy AI wie, że przycisk w danym miejscu irytuje użytkownika? Że popup wyskakujący po 10 sekundach potrafi drażnić bardziej niż ten, który pojawia się od razu? Taka wiedza bierze się z doświadczenia w prawdziwych zakupach online i z pracy z klientami, a nie z generowania layoutów.

Gdzie decyzje programisty ważą najwięcej

Przy projektach komercyjnych pisanie samego kodu w dużej mierze przerzuciliśmy na AI. Odpowiedzialność za logikę biznesową, strukturę plików i ogólną koncepcję zawsze jednak zostaje po naszej stronie. Nie działamy w stylu „napisz mi appkę” bez wiedzy, co dzieje się w środku.

Są też obszary, w których kod piszemy sami albo sprawdzamy każdą wygenerowaną linijkę:

• aplikacje obsługujące płatności i integracje z bramkami płatniczymi,
• systemy pracujące na danych szczególnie wrażliwych (PESEL, numery kart),
• systemy wewnętrzne, na których opiera się działanie naszej firmy.

W tych obszarach nie możemy ufać AI w stu procentach.

AI traktuje też po macoszemu wydajność, rozwój i utrzymanie projektu. Liczy się dla niego rozwiązanie problemu w najprostszy sposób, zgodny z ogólnymi dobrymi praktykami. Nie zna jednak naszych standardów ani nie wie tego, co klient zgłosi za trzy miesiące.

Dlatego nasze poprawki po AI dotyczą zwykle trzech rzeczy:

1. Struktury kodu: dopasowujemy ją do naszej architektury.
2. Wydajności pod skalę, której dziś jeszcze nie ma: blog z 10 wpisami za rok może mieć ich 10 000.
3. Ścieżek rozwoju: znamy klienta osobiście, więc wiemy nie tylko, czego potrzebował i potrzebuje, ale też czego może potrzebować za pół roku.

Jakie błędy najczęściej popełnia AI przy tworzeniu stron?

Konkretny przykład z WordPressa: wpautop, czyli mechanizm, który automatycznie wstawia znaczniki <p> i <br> do treści strony. W praktyce potrafi rozsypać starannie zaprojektowany układ tekstu. Da się to obejść niestandardowym rozwiązaniem, ale AI uparcie trzyma się domyślnego podejścia, dopóki sami nie wskażemy mu innego.

AI potrafi też generować kod na podstawie nieaktualnych lub niewspieranych bibliotek i proponować nieoptymalne rozwiązania. Klasyczny przykład to zapytanie do bazy danych wykonywane w pętli o nieokreślonym rozmiarze. Przy 10 elementach działa bez zarzutu. Przy 3000 potrafi przeciążyć bazę, a klient widzi stronę, która zaczyna się zawieszać. O skali AI nie myśli. Zdarza się też, że idzie po linii najmniejszego oporu. Napisze funkcję zmieniającą status podstrony, a gdy ta sama logika będzie potrzebna gdzie indziej, napisze ją drugi raz, zamiast wydzielić jedną funkcję pomocniczą wielokrotnego użytku.

Bywa też odwrotnie. Zamiast prostego rozwiązania AI strzela z armaty do wróbla i proponuje rozbudowaną architekturę tam, gdzie wystarczyłoby kilka linijek. To niepotrzebnie komplikuje projekt i zwiększa jego podatność na błędy. Do tego dochodzi nieczytelny kod, nad którym programista traci później długie godziny. I rzecz, o której warto pamiętać: największym wrogiem dobrego kodu od AI jest człowiek, który przyjmuje wygenerowane rozwiązanie bez zrozumienia, co właściwie dostał.

Kiedy AI faktycznie pomaga stworzyć lepszą stronę?

Po AI sięgamy głównie przy rutynowych, strukturalnych zadaniach. Chodzi o małe, jasno określone bloki kodu, które da się zweryfikować w kilka sekund. Rezygnujemy z niego, gdy zadanie obejmuje wiele warstw systemu naraz i niesie szerokie konsekwencje. AI może zbudować cały system od zera, ale przy złożonych zmianach w istniejącym projekcie prowadzenie go krok po kroku często trwa dłużej niż samodzielna praca. Wtedy szybciej zrobić to ręcznie.

Jedna zasada pozostaje niezmienna: o wszystkim, co wymaga podjęcia decyzji, decyduje człowiek. AI jest od wykonania niektórych prac, nie od zdejmowania odpowiedzialności.

Najczęstsze mity, z którymi się mierzymy

AI zastąpi programistów.

Nie zastąpi. AI zmieniło sposób pracy i, jak widzimy na rynku, mocno przetrzebiło stanowiska juniorskie. Ale to programiści z AI zastąpią programistów bez AI, a nie odwrotnie. AI samo niczego nie wymyśli. Nie zna klienta, kontekstu ani historii współpracy. Nie wie, że ten klient lubi ramki wokół przycisków, a tamten animacje, mimo że nie było ich w projekcie.

Za chwilę każdy będzie robił strony sam.

Zepsuł Ci się samochód? Przecież możesz kupić narzędzia, obejrzeć poradnik i naprawić auto samodzielnie. A jednak większość idzie do mechanika. AI obniżyło próg wejścia dla osób nietechnicznych, ale nie zastąpiło procesu myślowego inżyniera z piętnastoletnim doświadczeniem. AI ma tyle kontekstu, ile dostanie w prompcie, a człowiek tyle, ile zapamiętał przez lata współpracy z klientem. Część osób faktycznie postawi stronę samodzielnie. Zwykle są to ludzie bardziej techniczni, budujący proste projekty. Reszta prędzej czy później trafia do kogoś, kto poukłada wszystko od nowa.

AI tworzy idealny kod.

Owszem, pod warunkiem że to funkcja na trzy linijki. Technicznie idealny kod to taki, który działa bez błędów i luk bezpieczeństwa. Reszta to kwestia standardów, które trzeba AI narzucić, np. PSR, czyli przyjętych w PHP zasad pisania i porządkowania kodu. Doświadczony programista stosuje je odruchowo, a model za każdym razem musi dostać je w wymaganiach.

AI jest tańsze niż współpraca z agencją.

Wracając do samochodu: klucz francuski jest tańszy niż wizyta u mechanika. Tabletka przeciwbólowa jest tańsza niż leczenie kanałowe u dentysty. Wszystko zależy od tego, co chcesz osiągnąć. Testujesz pomysł na grupie znajomych? Zbuduj MVP z AI za cenę miesięcznej licencji. Pomysł chwycił i chcesz oprzeć na nim biznes? Wtedy potrzebujesz nadzoru doświadczonych inżynierów, którzy postawią go zgodnie ze sztuką. Nie dlatego, że mają pisać kod ręcznie, tylko dlatego, że wiedzą, kiedy coś pęknie.

AI projektuje lepiej niż UX Designer.

Czasem tak, pod warunkiem, że AI dostało dobry prompt i temat jest prosty. Widzieliśmy też naprawdę słabe projekty stworzone przez ludzi. Ale to, że AI projektuje szybciej i taniej, nie znaczy, że lepiej. Nie dostosowuje stron do WCAG. Nie ma doświadczenia w realnych zakupach online, które mówi, co realnie wpływa na decyzje zakupowe klientów.

AI stworzy stronę gotową do sprzedaży.

Stworzy layout i kod, a to w naszej ocenie najwyżej 20% pracy. Cała reszta, od SEO po aktualizacje, pozostaje poza zasięgiem promptu. Chyba że komuś zależy tylko na tym, żeby strona istniała.

AI w tworzeniu stron internetowych to narzędzie, a nie członek zespołu

AI zostaje u nas na stałe, ale jako narzędzie, a nie członek zespołu. Ono przyspiesza wykonanie. My odpowiadamy za to, żeby strona faktycznie realizowała cele biznesowe klienta, a nie tylko dobrze wyglądała po otwarciu.

Zastanawiasz się, czy Twoja strona to przemyślany projekt, czy tylko wygenerowany szkic? Napisz do nas, a przejrzymy ją i powiemy wprost, co działa, a co warto poprawić.