Как я за несколько месяцев совместно с AI — ассистентом собрал SaaS для прокатного бизнеса и при чем тут QA Automation

Вот важная новость с фронта ИИ: Kirs1704 44 минуты назад Как я за несколько месяцев совместно с AI — ассистентом собрал SaaS для прокатного бизнеса и при чем тут QA Automation Простой 3 мин 1. JS * React Native * Кейс Привет, Хабр! В этой статье я хочу рассказать о своем пет-проекте, который вырос в итоге в CRM-систему для прокатного бизнеса - Впрокате ПРО.

Это история не просто "очередного стартапа". Для меня, как для человека, нацеленного на карьеру в QA Automation, этот проект стал (а в чем-то еще станет в ближайшем будущем) идеальным объектом для исследования: от применения Generative AI в разработке до построения сложной системы, которую теперь предстоит покрывать автотестами на Python. Зачем рынку еще одна CRM?

Технические детали

Прокатный бизнес (лыжи, инструменты, декор, одежда) часто живет в Excel или на бумаге. Текущие решения либо слишком тяжелые, либо не учитывают специфику: например, гибридную оплату (нал + карта в одном чеке) или изменение стоимости при изменении тарифа "на лету". Кроме того, была возможность тестировать программу "на бою", так почему бы этим не воспользоваться?

:)Я решил сделать решение на стеке React + Node. js + PostgreSQL, которое будет быстрым, облачным и дружелюбным к мобильным устройствам. Кроме того, учитывая, что сейчас частенько наблюдаются проблемы с качеством интернета, мое решение должно было предусмотреть и внезапную потерю связи и при этом обеспечить возможностью продолжать работать прокатную точку.

AI как Co-pilot: ускорение без потери контроля. Один из частых вопросов: "Зачем писать самому, если есть AI? Отчасти я с этим согласен, в эпоху стремительного развития искусственного интеллекта довольно глупо отказываться от его помощи.

Отраслевые последствия

Я использовал ИИ как высококвалифицированного ассистента. Как это работало на практике:1. Проектирование логики: Сложные узлы, такие как расчет стоимости доплаты за просрочку, расчет праздничных коэффициентов, редактирование активного заказа с пересчетом стоимости "на лету", я описывал концептуально, а ИИ помогал генерировать базовый код функций.

Интеграция: Работа с API ЮKassa или мессенджером требует много рутинного описания интерфейсов. Делегирование этих процессов ИИ сэкономило до 40 % времени (может и больше по факту). Контроль: Важно понимать, что я не просто "копипастил".

Моя роль заключалась в архитектурном надзоре и тщательном код-ревью, а также проверкой внедренного функционала "на бою". ИИ отлично справляется с генерацией алгоритма, но только человек может вписать его в контекст существующей бизнес-логики. Такой подход позволил мне, как single разработчику, реализовать Enterprise - функционал за короткий срок.

Этот прогресс даёт важные сигналы о будущем отрасли, и технологический мир внимательно наблюдает.