Минулого тижня я зробив 102 коміти в 5 репозиторіях за 7 днів. Не коміти “виправити опечатку” — реальні фічі, створені за допомогою розробки з AI. Повний headless фронтенд на Next.js з нуля. Конвеєр синхронізації CRM → база даних. API Content-as-a-Service. Трекінг GTM. Оптимізація SEO. Адмін-панелі.
Я — розробник-одинак. Мені допомагав AI майже в усьому.
Це не хайповий матеріал про те, як AI замінить розробників. Це чесний, особистий звіт про те, що сталося, коли я протягом повного тижня сильно покладався на розробку з AI — що спрацювало, що мене здивувало, і про що я все ще думаю.
Цифри: що створила розробка з AI за один тиждень
Ось що каже git log:
| День | Коміти | Що я створив |
|---|---|---|
| ----- | --------- | ---------------- |
| Четвер | 9 | SEO-інфраструктура — IndexNow, виправлення для Bing, оптимізація render-blocking |
| П’ятниця | 15 | Згенерував повний Next.js фронтенд з design spec до початкового коміту |
| Субота | 13 | Редизайн діалогу пошуку, виправлення прокрутки в iOS, пайплайн зображень, SEO |
| Неділя | 1 | Вихідний день. Один невеликий коміт. |
| Понеділок | 17 | Адмін-панель, інтеграція розсилки, запустив Content-as-a-Service API |
| Вівторок | 22 | AI content pipeline, WP preview system, векторна база знань |
| Середа | 13 | Повний CRM sync pipeline (Perfex → Supabase → Next.js) + GTM tracking |
П’ять репозиторіїв. Чотири техстек-и (Next.js, PHP, Python, shell scripting). Жодних тиммейтів.
Для контексту: середній розробник робить 5–10 комітів на тиждень за індустріальними бенчмарками від GitClear і LinearB. У моєму досвіді розробка з AI підняла мій результат приблизно до 10–20x цього базового рівня — хоча сама кількість комітів розповідає лише частину історії.
Як насправді відчувається розробка з AI
Люди уявляють AI-кодинг як “ти вводиш промпт і з’являється код”. Це не так. Навіть близько.
Це більше схоже на те, що поруч із тобою сидить надзвичайно швидкий, надзвичайно обізнаний колега. Той, хто ніколи не втомлюється, ніколи не судить твої ідеї о 2 AM і може перемикатися між PHP, TypeScript і bash без жодного моргання. Я протестував кілька інструментів для цього воркфлоу — ось мій порівняльний огляд Claude Code vs Cursor→, якщо хочеш детальний розбір.
Ось як виглядала типова сесія розробки з AI:
Я: “Мені треба синхронізувати дані співробітників з нашого Perfex CRM у Supabase, включно з кастомними полями для посилань на соцмережі.”
AI: Читає документацію Perfex API, читає мою наявну схему Supabase, читає мій поточний data layer — а потім пише sync endpoint, трансформацію даних, обробку помилок і оновлює типи. Я переглядаю, коригую, відправляю.
Цей цикл — описати намір, переглянути результат, підправити, відправити — відбувався десятки разів на день. Кожен цикл займав хвилини замість годин. Це базовий loop розробки з AI, і як тільки ти це “внутрішньо відчуєш”, назад дороги вже немає.
Множник швидкості реальний, але не там, де ти думаєш
Прискорення “сирого” кодування від розробки з AI — можливо 3–5x. Вражає, але це не головне.
Реальний множник — перемикання контексту. У середу я перейшов від написання фіксу PHP API в CRM кодовій базі, до TypeScript data sync у Next.js, до налаштування GTM tags, до оновлення компонентів Tailwind — і все це за один ранок. Кожне таке перемикання контексту зазвичай коштувало мені 15–30 хвилин “де я був?” ментального навантаження. Коли AI тримає контекст, ці витрати падають майже до нуля.
Другий множник — сміливість щодо масштабу. Я намагався робити речі, які зазвичай відкладав би як “занадто складно для цього спринту”:
П’ять патернів, які я помітив у розробці з AI
Дивлячись на історію комітів, виділяються п’ять патернів:
1. Вертикальна інтеграція за замовчуванням
Без AI я б спочатку зібрав фронтенд, потім запланував CRM sync на “наступний спринт”, а потім, можливо, колись дійшов би до content pipeline. Натомість я зібрав повний вертикальний стек за один тиждень: CRM → API → Database → Frontend → Analytics. Кожна фіча була завершена end-to-end. Це схоже на те, як я будував свій custom CRM з Next.js та AI agents→.
2. Автоматизація як перший інстинкт
Замість того щоб вручну синхронізувати дані CRM перед кожним деплоєм, я одразу зібрав prebuild hook, який робить це автоматично. Замість того щоб вручну налаштовувати GTM у кожному проєкті, я створив повторно використовувану Claude Code skill для цього. Розробка з AI робить вартість автоматизації настільки низькою, що вона стає дефолтним вибором замість ручних процесів.
3. Архітектура вночі, полірування вдень
Найбільш амбітні за архітектурою коміти в мене траплялися після півночі. Повний scaffold проєкту о 2 AM. Редизайн контактної форми з UX, підкріпленим психологією, о півночі. Адмін-панель о 1 AM. Вдень я займався фіксами, поліруванням і деплоєм. Я перевірив цю теорію на своїх git-даних: 40% усіх комітів траплялися між 10 PM і 6 AM. З розробкою з AI ти можеш бути продуктивним навіть тоді, коли твоя ментальна енергія нижча.
4. Інструменти, що накопичуються
Протягом тижня я зібрав дві повторно використовувані Claude Code skills — інсталятор GTM і генератор Apple Shortcuts. Це не основний проєкт, але вони виникли природно, бо розробка з AI робить маржинальну вартість пакування воркфлоу в повторно використовуваний інструмент майже нульовою. Я використовую той самий підхід, коли будую MCP servers→ для свого MCP CMS з agent flows→.
5. Документація відбувається “всередині”
Коли AI пише код, він також генерує контекстну документацію — commit messages, оновлення CLAUDE.md, визначення типів. Документація перестала бути окремою “рутиною” і стала природним побічним продуктом воркфлоу розробки з AI.
Чесні компроміси розробки з AI
Такий темп не безкоштовний. Ось з чим я борюся:
Якість vs швидкість. Я відправляю швидко, але чи накопичую я технічний борг, який ще не бачу? Код, згенерований AI, проходить мій review, але мій review о 2 AM — це не мій review о 10 AM. Я почав робити “ранкові” code reviews для своїх нічних комітів.
Розуміння vs результат. Коли AI пише складну трансформацію даних, я розумію *що* вона робить. Але чи розумію я це достатньо глибоко, щоб дебажити це через шість місяців без допомоги AI? Не впевнений. Я роблю акцент на тому, щоб читати кожен рядок, але читання — це не те саме, що написання.
Стійкість. 102 коміти за 7 днів, 47 активних годин, 40% роботи після 10 PM. Це спринт, а не марафон. Інструменти роблять *можливим* працювати в такому темпі, але “можливо” — не те саме, що “доцільно”.
Ризик залежності. Якщо інструменти розробки з AI зникнуть завтра, чи зможу я підтримувати цю кодову базу з тією ж швидкістю? Звісно, ні. Я прийняв цей компроміс, бо не думаю, що ці інструменти зникнуть — але все одно варто бути чесним.
Що я б сказав іншим розробникам про розробку з AI
Якщо ти ще не використовуєш AI coding tools, ти залишаєш значний множник “на столі”. Не тому, що AI пише ідеальний код — він не пише — а тому, що він прибирає тертя, через яке амбітні проєкти здаються неможливими для розробників-одинаків.
Ось мій рекомендований прогрес для впровадження розробки з AI:
Розробники, які процвітатимуть у наступному десятилітті, не будуть тими, хто кодує найшвидше. Вони будуть тими, хто може думати про системи, поки AI займається реалізацією — і хто знає, коли треба сповільнитись і ретельно подумати, навіть якщо є інструмент, який робить “йти швидко” так легко.
Погляд на тиждень у перспективі
Я створив те, що традиційно було б місячним результатом маленької команди. Повну міграцію сайту, інтеграцію з CRM, API-платформу та кілька open-source інструментів — за сім днів.
Але найцінніше, що я відправив, було не кодом. Це було усвідомлення того, що вузьке місце змістилося. Тепер це не “чи можу я це зібрати?” Це “чи варто мені це збирати?” і “чи я будую правильну річ?”
Розробка з AI не змінила те, що складно в інженерії ПЗ. Вона просто перемістила складну частину.