Dzięki narzędziom takim jak Lovable, Bolt, Replit czy Claude Code Twój zespół może dziś zbudować działające narzędzie w kilka dni, nawet bez programistów. Dla firmy to świetna wiadomość. Prototyp odpowiada jednak tylko na pytanie „czy to w ogóle działa?”. Produkt musi działać także wtedy, gdy przyjdzie tysiąc użytkowników, ktoś spróbuje dostać się do cudzych danych albo jedna zmiana zepsuje coś, co wczoraj działało.
W tym wpisie pokazuję, co trzeba dodać do aplikacji zbudowanej z AI, zanim oddasz ją w ręce klientów albo całej firmy. Piszę z perspektywy współzałożyciela firmy, która na co dzień tworzy oprogramowanie z agentami AI dla klientów z Polski i krajów nordyckich.
Jeśli wolisz najpierw szerszy obraz, bez technicznych szczegółów, zacznij od wpisu Vibe coding w firmie: gdzie kończy się zabawa, a zaczyna inżynieria.
W skrócie
- Prototyp z AI sprawdza pomysł. Produkt musi być bezpieczny, przetestowany, wdrażany w powtarzalny sposób i utrzymywany.
- Najczęstsze problemy aplikacji zbudowanych z AI to luki w dostępie do danych, klucze API widoczne w przeglądarce, brak kopii zapasowych i brak testów.
- Część rzeczy zrobisz sam w jeden dzień (lista na końcu wpisu). Przed startem kod powinien jednak przejrzeć ktoś, kto go rozumie.
Czym różni się prototyp od produktu?
| Prototyp | Produkt | |
|---|---|---|
| Cel | Sprawdzić pomysł | Obsłużyć prawdziwych użytkowników |
| Użytkownicy | Autor i kilka osób z zespołu | Ludzie, których nie znasz, także tacy, którzy szukają luk |
| Dane | Testowe | Prawdziwe, często osobowe |
| Skutek błędu | Odświeżasz stronę | Tracisz dane, pieniądze albo zaufanie |
| Zmiany | „Popraw to” w czacie | Zmiana, która nie psuje reszty i którą da się cofnąć |
| Odpowiedzialność | Niewielka | Twojej firmy, także prawna |
AI świetnie radzi sobie z tym, co widać na demo. Gorzej z tym, czego nie widać. Model dąży do tego, żeby aplikacja zadziałała teraz, a nie żeby była bezpieczna i dała się rozwijać za pół roku.
Dobrze pokazują to dane. W raporcie Veracode z 2026 roku kod wygenerowany przez ponad 100 modeli AI przechodził testy bezpieczeństwa średnio tylko w 56% przypadków, a przez rok ten wynik prawie się nie poprawił. Badano same modele, bez przeglądu kodu przez człowieka. Czyli dokładnie tak, jak wygląda to u kogoś, kto buduje aplikację sam.
Co trzeba dodać? Lista kontrolna na 2026 rok
1. Bezpieczeństwo i dostęp do danych
To najczęstszy i najdroższy problem. Każdy użytkownik musi widzieć tylko swoje dane, a pilnować tego ma serwer albo baza danych, nie sam interfejs. Ukrycie przycisku nie chroni danych, jeśli da się o nie zapytać bezpośrednio.
Przykład z 2025 roku: badacze opisali lukę w aplikacjach zbudowanych w Lovable. W ponad 170 z nich brakowało poprawnych reguł dostępu do bazy danych, więc obca osoba mogła bez logowania odczytać, a czasem zmienić dane użytkowników (CVE-2025-48757). Lovable kwestionuje to zgłoszenie i wskazuje, że za ochronę danych odpowiada twórca aplikacji. I właśnie dlatego warto to sprawdzić samemu.
Co sprawdzić:
- czy klucze API (np. do modelu AI, płatności czy bazy danych) nie trafiają do kodu, który działa w przeglądarce,
- czy z jednego konta da się zobaczyć lub zmienić dane drugiego, np. po zmianie identyfikatora w adresie strony,
- czy hasła, logowanie i resetowanie hasła obsługuje sprawdzona usługa, a nie kod napisany od zera.
2. Dane, kopie zapasowe i osobne środowiska
W lipcu 2025 roku agent AI w Replit usunął produkcyjną bazę danych podczas eksperymentu Jasona Lemkina, założyciela SaaStr, mimo polecenia, żeby niczego nie zmieniać bez zgody (OECD AI Incidents). Dane ostatecznie udało się odzyskać, bo przywracanie kopii jednak zadziałało, choć agent twierdził, że to niemożliwe.
Wniosek jest prosty:
- miej osobne środowisko do rozwoju i osobne dla użytkowników, a agent AI nie powinien pracować bezpośrednio na prawdziwych danych,
- włącz automatyczne kopie zapasowe bazy,
- przynajmniej raz sprawdź, czy z kopii da się odtworzyć dane. Kopia, której nikt nie przetestował, to tylko nadzieja.
3. Testy automatyczne
Gdy AI zmienia kod, potrafi przy okazji zepsuć coś w zupełnie innym miejscu. Bez testów dowiesz się o tym od użytkowników. Minimum to testy najważniejszych ścieżek: rejestracji, logowania, płatności i głównej funkcji aplikacji.
AI pomoże napisać testy, ale to Ty musisz zdecydować, co ma być sprawdzone. Zacznij od spisania zasad, które nigdy nie mogą zostać złamane, np. „użytkownik nie widzi cudzych zamówień”.
4. Kod, który da się rozwijać
Prototyp budowany kolejnymi poleceniami w czacie często rośnie chaotycznie: ta sama logika w kilku miejscach, przypadkowa struktura plików, rozwiązania doklejane na szybko. W pewnym momencie każda poprawka psuje dwie inne rzeczy.
Dlatego kod powinien trafić do repozytorium (np. na GitHub) z pełną historią zmian, mieć spójną strukturę i przejść przegląd (code review) przez doświadczonego programistę, przynajmniej przed startem. AI pisze kod szybko, ale ktoś musi go rozumieć i za niego odpowiadać.
5. Wdrożenie, monitoring i plan na awarię
Produkt potrzebuje powtarzalnego, zautomatyzowanego sposobu wdrażania zmian i możliwości szybkiego cofnięcia nieudanej wersji. Do tego monitoring błędów i powiadomienia. O problemie musisz wiedzieć, zanim napisze do Ciebie użytkownik.
6. Prawo: RODO i AI Act
- RODO. Jeśli zbierasz dane osobowe, nawet sam adres e-mail, potrzebujesz polityki prywatności, podstawy prawnej przetwarzania i wiedzy, gdzie fizycznie są przechowywane dane. Jeśli wysyłasz dane użytkowników do modelu AI przez API, dostawca modelu też je przetwarza i trzeba to uwzględnić.
- AI Act. Jeśli aplikacja rozmawia z użytkownikami przez czat z AI, od 2 sierpnia 2026 roku trzeba ich poinformować, że rozmawiają z AI, chyba że jest to oczywiste (art. 50 AI Act).
Przy danych wrażliwych, np. medycznych albo finansowych, skonsultuj to z prawnikiem jeszcze przed startem.
7. Utrzymanie i koszty
Aplikacja nie kończy się na premierze. Biblioteki wymagają aktualizacji, bo w starych wersjach znajdowane są luki. Koszty API modeli AI rosną razem z liczbą użytkowników, więc ustaw limity i monitoruj wydatki. Sprawdź też, czy możesz wyeksportować kod z narzędzia, w którym go zbudowałeś, i uruchomić go gdzie indziej.
Przepisać od nowa czy rozwijać prototyp?
To jedno z najczęstszych pytań. Nie ma jednej odpowiedzi, ale są dobre wskazówki.
Rozwijaj prototyp, jeśli:
- kod jest w repozytorium i ma sensowną strukturę,
- doświadczony programista go przejrzał i nie znalazł poważnych problemów,
- technologia pasuje do skali, jakiej się spodziewasz.
Przepisz od nowa, jeśli:
- każda poprawka psuje coś innego,
- nikt nie rozumie, jak działa aplikacja,
- dostęp do danych i uprawnienia trzeba zaprojektować od podstaw,
- narzędzie, w którym powstał prototyp, blokuje dalszy rozwój.
Przepisanie nie oznacza, że prototyp był stratą czasu. Najważniejszą część, czyli sprawdzenie pomysłu, masz już za sobą, a dzięki agentom AI zbudowanie solidnej wersji trwa dziś dużo krócej niż jeszcze kilka lat temu.
Jak podchodzimy do tego w Luxdone?
W Luxdone agenci AI na co dzień piszą i sprawdzają kod, testują i wdrażają zmiany. To bardzo przyspiesza pracę, ale nie zwalnia z niczego, co opisałem wyżej. Doświadczeni programiści decydują, co powstaje, oceniają wynik i odpowiadają za to, co trafia do użytkowników.
AI nie zastąpiło więc doświadczenia, tylko podniosło jego wartość. Im szybciej powstaje kod, tym ważniejsze jest, żeby ktoś umiał ocenić, czy jest dobry.
Co możesz zrobić sam już dziś?
- Przenieś kod do repozytorium na GitHubie. Większość narzędzi do budowania aplikacji z AI pozwala go wyeksportować.
- Poproś AI o sprawdzenie, czy w kodzie działającym w przeglądarce nie ma kluczy API ani haseł.
- Załóż dwa konta testowe i sprawdź, czy z jednego da się zobaczyć dane drugiego.
- Włącz automatyczne kopie zapasowe bazy i raz spróbuj odtworzyć z nich dane.
- Spisz, co aplikacja ma robić i czego nie może robić. To podstawa testów i każdego przeglądu kodu.
- Poproś AI o przegląd bezpieczeństwa całej aplikacji, ale traktuj go jako pierwszy filtr, a nie gwarancję.
Podsumowanie
AI sprawiło, że sprawdzenie pomysłu kosztuje dziś ułamek tego, co kiedyś. To ogromna szansa dla firm, bo pomysł może sprawdzić sam zespół, bez osobnego budżetu na projekt. Produkt to jednak nadal inżynieria: bezpieczeństwo, testy, wdrożenie i utrzymanie. Prototyp z AI to bardzo dobry pierwszy krok, o ile nie pomylisz go z metą.
Jeśli zastanawiasz się, czy Twój projekt potrzebuje już zespołu, sprawdź tabelę i sześć pytań do dostawcy we wpisie Vibe coding w firmie.
