Nuo ChatGPT Idėjos Iki Realios Aplikacijos: 5 Spąstai

Beveik kiekvieną savaitę man parašo žmogus, kuris su ChatGPT susidėliojo aplikacijos idėją, gavo atsakymą „taip, tai visiškai įmanoma, štai planas", ir nuoširdžiai patikėjo, kad liko tik suprogramuoti. Idėja dažnai gera. Problema prasideda ten, kur ChatGPT nustoja matyti — kelyje nuo pokalbio lango iki realios, paleistos, žmonių naudojamos aplikacijos.

Tas kelias turi penkis spąstus, į kuriuos patenka beveik visi. Ne todėl, kad žmonės kvaili — todėl, kad AI parodo gražiausią ir lengviausią dalį, o sunkiausią nutyli. Šiame straipsnyje einu per visus penkis: kaip kiekvieną atpažinti dar prieš įklimpstant, ir ką konkrečiai daryti. Pabaigoje — realus kelias nuo idėjos iki paleisto produkto su € diapazonais, kad žinotum, į ką ruošiesi.

Per savo karjerą esu užbaigęs nemažai projektų, kurie atėjo būtent tokie — su gera idėja, AI sugeneruotu pradžios gabalu ir sustojusiu žmogumi, nesuprantančiu, kodėl „beveik baigta" niekaip netampa „baigta". Štai kur paprastai užkliūnama.

Trumpas vaizdas: kur slypi spąstai

Prieš einant į detales — bendras žemėlapis. AI nuveda tave iki maždaug 70 % matomo rezultato greitai ir įspūdingai. Likę 30 % — nematoma dalis — yra ten, kur visi penki spąstai ir gyvena.

Spąstas	Ką ChatGPT parodo	Ką nutyli
1. „Pasakė, kad paprasta"	Matomą funkciją, gražų planą	Realią apimtį ir kraštinius atvejus
2. Prototipas ≠ produktas	Veikia tavo ekrane	Testus, klaidas, mastelį, monitoringą
3. Duomenys ir GDPR	Slapukų juostą, privatumo tekstą	Realią duomenų architektūrą ir atsakomybę
4. Mokėjimai ir integracijos	Kaip API teoriškai kviečiamas	Sutartis, sandbox, atitiktį, saugumą
5. Priežiūra po paleidimo	„Štai, paleista!"	Kad paleidimas — tik pradžia

Dabar — kiekvienas atskirai.

Spąstas 1: „ChatGPT pasakė, kad paprasta" (scope iliuzija)

Pirmas ir klastingiausias. Tu aprašai idėją: „noriu aplikacijos, kur klientai užsisako laiką pas mane, sumoka avansą ir gauna priminimą". ChatGPT atsako entuziastingai — taip, paprasta, štai funkcijų sąrašas, štai technologijos, galima padaryti greitai. Ir tu išeini su jausmu, kad tai savaitgalio darbas.

Problema: ChatGPT įvertino tik tai, ką tu jam pasakei — matomą funkciją. Jis nemato to, ko tu nepaminėjai, nes nežinojai, kad reikia paminėti. Ką darys aplikacija, jei du klientai užsako tą patį laiką tą pačią sekundę? Kas nutiks, jei mokėjimas pradedamas, bet nutrūksta? Kaip klientas atšaukia rezervaciją? Kas atsitinka, kai tavo telefono numeris pasikeičia? Kaip apsisaugai nuo žmogaus, kuris užsako 500 laikų botu?

Tai nereiškia, kad idėja bloga ar kad nereikia jos daryti. Reiškia tik tiek, kad „paprasta" — tai pradžios iliuzija. Realus įvertinimas ateina tada, kai surašai visą elgesį, ne tik laimingą scenarijų.

Spąstas 2: prototipas dar nėra produktas

Antras spąstas užklumpa tada, kai jau turi kažką veikiančio. Su Lovable, Bolt, v0 ar tiesiog kopijuodamas ChatGPT kodą, pasidarei aplikaciją, kuri atrodo ir veikia. Tu ją parodai draugui, ji veikia, ir atrodo, kad liko 10 %. Tai didžiausias optinis apgavimas visame kelyje.

Prototipas veikia tavo ekrane, su tavo duomenimis, gerame internete, kai tu spaudinėji mygtukus teisinga tvarka. Produktas turi veikti su nepažįstamais žmonėmis, kurie spaudžia ne taip, su blogu internetu, su tuščiais laukais, su keistais simboliais varduose, su dviem žmonėmis vienu metu ir su realiais pinigais. Tarp šių dviejų būsenų yra visas pasaulis nematomo darbo.

Realus pavyzdys: žmogus turėjo rezervacijų aplikaciją, kuri „veikė puikiai". Paleidus realiai, paaiškėjo, kad jei du klientai rezervuoja tą patį laiką per kelias sekundes, abu gauna patvirtinimą — sistema neturėjo užrakto. Prototipe to nepamatysi niekada, nes vienas testuoji. Produkcijoje tai pirmos savaitės problema.

Spąstas 3: duomenys ir privatumas (GDPR)

Trečias spąstas yra tas, kurio žmonės dažniausiai net nemato kaip spąsto, kol negauna laiško. Vos tik tavo aplikacija renka realių žmonių duomenis — el. paštą, vardą, telefoną, mokėjimo informaciją, vietą — tu patenki po BDAR (GDPR). Lietuvoje ir visoje ES tai ne rekomendacija, o pareiga nuo pirmos paleidimo dienos.

ChatGPT mielai sugeneruos tau slapukų sutikimo juostą ir privatumo politikos tekstą. Bet GDPR yra ne tekstas puslapio apačioje — tai realus elgesys su duomenimis. Kur fiziškai saugomi tavo naudotojų duomenys? Ar tas serveris ES? Kas turi prie jų prieigą? Kaip žmogus realiai ištrina savo paskyrą ir visus duomenis? Kaip valdai sutikimus? Ką darai, jei duomenys nuteka? Tekstas, kurio niekas neįgyvendina, yra ne atitiktis, o atsakomybės iliuzija.

Svarbu suprasti: tai ne biurokratija dėl biurokratijos. Tai apsauga ir tau, ir tavo naudotojams. Ir tai tikrai ne ta dalis, kurią galima „pridėti vėliau" — duomenų architektūrą perdaryti paleidus yra daug brangiau, nei padaryti teisingai iškart.

Spąstas 4: mokėjimai ir integracijos (sunkusis 30 %)

Ketvirtas spąstas yra ten, kur sustoja daugiausia projektų. Viskas iki šiol veikė, dizainas gražus, duomenys teka — ir tada reikia, kad žmogus realiai sumokėtų. Arba prisijungtų per Smart-ID. Arba kad sistema išrašytų e-sąskaitą VMI. Štai čia AI nustoja padėti, nes integracija su realiomis sistemomis nėra kodo rašymas.

ChatGPT parodys, kaip teoriškai kviečiamas Stripe ar Paysera API. Ko jis negali padaryti: užregistruoti tavo verslo paskyros mokėjimų sistemoje, praeiti jų patikros, pasirašyti sutarties, sukonfigūruoti sandbox aplinkos, apdoroti webhook'ų, kai mokėjimas pavyko, atmestas ar pakibo, ir užtikrinti, kad pinigai realiai pasiektų tavo sąskaitą. Lietuvoje tai ypač jaučiasi su Paysera, Montonio, Smart-ID, e-sąskaita ir VMI — tai vietinės sistemos su savo taisyklėmis, kurių AI fiziškai negali sutvarkyti.

Šitą dalį vadinu „sunkiuoju 30 %". Ji nematoma, kol nepasiekei, brangiausia visame projekte, ir būtent ji skiria „gražų demo" nuo „aplikacijos, kuri realiai uždirba". Kai sakau, kad nestatau lopytų spagečių, o pastatau, kad veiktų ir uždirbtų — kalbu būtent apie šią dalį.

Spąstas 5: priežiūra po paleidimo

Penktas spąstas ateina tada, kai atrodo, kad jau viskas baigta. Aplikacija paleista, žmonės naudoja, ir tu galvoji „pagaliau". Bet paleidimas — ne finišas, o startas. Nuo tos dienos prasideda visai kitas darbas.

Ateina realių naudotojų klaidų pranešimai apie scenarijus, apie kuriuos negalvojai. Aplikacija sulūžta, kai atsinaujina biblioteka, naršyklė ar telefono operacinė sistema. Atsiranda saugumo spragų, kurias reikia užlopyti. Serveris nukrenta naktį, ir reikia, kad kažkas tai pamatytų. Naudotojai prašo pakeitimų. Niekas iš to nepadaroma savaime — ir niekas iš to nebuvo įvertinta pradiniame ChatGPT plane.

Geras palyginimas — automobilis. Niekas negalvoja, kad nupirkus mašiną daugiau nieko mokėti nereikės. Aplikacija lygiai tokia pati: pirkinys turi eksploataciją. Kas to nesuplanuoja, tas po metų turi ne veikiantį produktą, o lūžtantį palikimą.

Realus kelias nuo idėjos iki paleisto produkto

Dabar, kai matei visus penkis spąstus, štai kaip atrodo realus kelias — be iliuzijų, su etapais, kuriuos verta eiti iš eilės.

1. Idėjos išgryninimas su elgesiu. Surašyk ne tik ką aplikacija daro, bet ir visus „o kas jeigu". Čia ChatGPT iš tikrųjų naudingas — kaip pašnekovas, ne kaip vertintojas.
2. Prototipas. Greitas, gražus, parodo idėją. AI įrankiai (Lovable, Bolt, v0) čia puikūs. Bet aiškiai žinok: tai dar ne produktas.
3. Švarus pagrindas. Autentifikacija, duomenų bazė ES, GDPR architektūra, klaidų valdymas. Nematoma, bet būtina dalis.
4. Integracijos. Mokėjimai, Smart-ID, e-sąskaita — sunkusis 30 %. Atskiras, planuojamas etapas.
5. Paleidimas ir priežiūra. Deploy, monitoringas, ir nuolatinė priežiūra nuo pirmos dienos.

O dabar — kainos, be migloto „priklauso". Štai realūs Lietuvos diapazonai 2026 metais:

Esmė tokia: idėja iš ChatGPT gali būti puiki. Prototipas iš AI gali būti tikrai geras pradžios taškas. Bet kelias nuo jų iki realiai veikiančio, saugaus, uždirbančio produkto eina per visus penkis spąstus. Kas juos žino iš anksto — nepatenka. Kas nežino — sustoja ties ketvirtu ir galvoja, kad kažką padarė ne taip. Nepadarei. Tiesiog AI tų penkių dalykų tau neparodė.

Dažniausiai užduodami klausimai

ChatGPT pasakė, kad mano aplikaciją galima padaryti per savaitgalį. Ar tai tiesa?

Beveik niekada. ChatGPT vertina tik tai, ką tu jam aprašei — paprastai matomą funkciją. Per savaitgalį tikrai gali turėti veikiantį prototipą ekrane. Bet produkto, kurį naudoja realūs žmonės, kelyje yra autentifikacija, duomenų bazė, mokėjimai, GDPR, deploy, klaidų valdymas ir priežiūra. Realiame projekte tos nematomos dalys sudaro 60–70 % darbo, ir būtent jų ChatGPT savo įverčiuose nemato.

Kuo skiriasi AI prototipas nuo realaus produkto?

Prototipas veikia tavo ekrane su tavo duomenimis idealiomis sąlygomis. Produktas veikia produkcijoje, su nepažįstamais naudotojais, blogu internetu, klaidingais įvedimais, vienu metu prisijungusiais žmonėmis ir realiais pinigais. Skirtumas tarp jų — testai, klaidų valdymas, saugumas, duomenų migracijos, monitoringas ir mastelis. AI puikiai padaro pirmą, bet ne antrą.

Ar AI gali sutvarkyti GDPR ir duomenų privatumą už mane?

Ne. AI gali sugeneruoti slapukų juostą ir privatumo politikos tekstą, bet GDPR yra ne tekstas, o realus elgesys: kur saugomi duomenys, kas turi prieigą, kaip naudotojas ištrina savo paskyrą, kaip valdomi sutikimai, kaip pranešama apie nutekėjimą. Tai architektūros ir teisinės atsakomybės klausimas, ne UI elementas. Lietuvoje ir ES tai privaloma nuo pirmos paleidimo dienos.

Kodėl mokėjimų ir vietinių integracijų prijungimas yra sunkiausia dalis?

Nes tai ne kodas, o sistema su sutartimis, sandbox aplinkomis, atitiktimi ir saugumu. Paysera, Stripe, Smart-ID, e-sąskaita VMI — kiekvienam reikia paskyros, testavimo, webhook'ų apdorojimo, klaidų scenarijų ir saugaus pinigų judėjimo. AI gali parodyti, kaip API teoriškai kviečiamas, bet negali už tave pasirašyti sutarties, praeiti patikros ar užtikrinti, kad pinigai realiai pasieks tavo sąskaitą.

Kiek kainuoja paversti ChatGPT idėją realia, paleista aplikacija?

Realus MVP, kurį galima paleisti realiems naudotojams — su autentifikacija, duomenų baze, baziniais mokėjimais ir deploy'u — Lietuvoje paprastai kainuoja 4 000–9 000 EUR. Pilnesnis produktas su keliomis integracijomis (mokėjimai, Smart-ID, e-sąskaita) ir admin panele — 9 000–20 000 EUR. Tikslią sumą lemia integracijų skaičius ir kiek esamo AI kodo verta gelbėti, o kiek pigiau perstatyti švariai.

Ką daryti su priežiūra, kai aplikacija jau paleista?

Suplanuoti ją iš anksto, ne po pirmo gedimo. Paleidimas — ne pabaiga, o pradžia: ateina naudotojų klaidų pranešimai, lūžta dėl bibliotekų atnaujinimų, reikia stebėti veikimą ir taisyti saugumo spragas. Realiai planuok 15–25 % pradinės kainos per metus priežiūrai. Jei to nesuplanuoji, aplikacija po pusmečio pradeda lūžti ir tampa brangiau ją prikelti, nei buvo sukurti.