Perché la tua prossima idea merita più di un semplice pensiero?

Abbiamo parlato spesso di GenAI, delle implicazioni per la produttività, per le aziende. Delle implicazioni per le nostre skills, per quello che possiamo e potremo fare.

Occorre però mettersi in gioco, sporcarsi le mani, provarci. Avere “Skin in the game”, come dice Taleb in uno dei suoi libri. Perché se non agisci, se non ci provi, allora non hai nessun incentivo a dirmi solo le cose che effettivamente hai testato.

E siccome in questa newsletter di parole ne scrivo molte, ma forse di fatti, di prodotti, di test molto meno, beh oggi non parliamo di parole, ma di azioni.

Un’azione sulle potenzialità e sui limiti dei tanto famosi tool di GenAI, quelli che ti permettono di tradurre in modo quasi magico qualsiasi strana idea tu possa avere in testa in un prodotto funzionante. O che almeno così dicono.

Bene, tutto nasce da un problema reale. Perché altrimenti continuerei a prendere in giro qualcuno.

Atto 1: Il problema

Con la mia ragazza condividiamo la passione per l’outdoor. Passeggiate, corse, giri in bici. Con il tempo, e con molti errori (anche qui un’evidente prova del nostro Skin in the game) abbiamo capito che è meglio programmare le nostre avventure.

Per farlo utilizziamo solitamente l’app Komoot (diventata recentemente italiana, nella fabbrica di Bending Spoons), che permette di tracciare in modo molto comodo percorsi su una mappa di sentieri e strade in tutto il mondo. Disegniamo, valutiamo dislivello, percorsi alternativi. Salviamo.

Questa estate però abbiamo scoperto una nuova app, pensata unicamente per la bici: Climbfinder. L’idea alla base è quella di poter cercare su una mappa i migliori percorsi in bici in base a difficoltà, bellezza e altri criteri. Non puoi tracciare i tuoi percorsi, ma solo cercare quelli esistenti (e qui vince Komoot). Permette però di creare una Wishlist di percorsi, e segnare i percorsi svolti sulla stessa mappa.

E ci siamo innamorati specificamente di questa feature. Un diario digitale per le avventure outdoor. Peccato fosse limitato alla sola bicicletta.

Komoot permette di avere un archivio delle tracce, ma pecca della funzione immediata di visualizzazione e filtro di climbfinder. Climbfinder però pecca della possibilità di estendere l’archivio ai propri percorsi personalizzati. Ed è limitato alla bici.

Un gran peccato. Se non fosse che entrambe le app poggiano su un sistema open source di mappe.

Letteralmente il valore di queste app non è nella tecnologia, perché quella componente è gratuita e utilizzabile da chiunque. Risiede piuttosto nella community, nelle informazioni integrate dagli utenti nella mappa, e nell’uso dell’app.

Lampadina. 💡 

Atto 2: Lovable

Lovable è la startup del momento. Permette di tradurre linguaggio naturale (come in chatgpt), in prodotti software funzionanti. La domanda che tutti si pongono è: qual è il limite della difficoltà di queste applicazioni?

Con Rosa abbiamo deciso di testarlo direttamente. D’altronde perché no?

Per capirlo effettivamente ci siamo dati delle regole per un test un po’ più rigoroso:

• Usare solo il piano free, quindi con massimo 5 crediti (traduciamolo in richieste/messaggi) al giorno, e con un limite massimo di 20 richieste in un mese > in questo modo volevamo capire con quale velocità e facilità potessimo tradurre un’idea in una cosa concreta

• Non chiedere aiuto esterno > solo noi, e la GenAI

• Focalizzarsi su una singola feature > non eravamo interessati a replicare komoot o climbfinder, ma trovare lo specifico caso d’uso che manca ad entrambi.

Ne è nata una sfida interessante, da cui abbiamo imparato molto (di più su questo tema tra poco). Il risultato?

Atto 3: Mappy

Mappy è un archivio personale delle proprie avventure. Consente di caricare facilmente una traccia GPX (fatta con qualsiasi altro tool) e visualizzarla su una mappa della zona in base a semplici criteri:

• Wishlist: voglio fare questo percorso in futuro

• Completed: l’ho fatta, e me ne voglio ricordare, magari con qualche nota

è esattamente ciò che volevamo. Esattamente ciò di cui avevamo bisogno. Ci sono voluti alla fine 22 crediti (quindi sì, abbiamo sforato di 2, violato la regola #1, ma solo parzialmente, è ancora tutto gratis!).

Quindi possiamo dire che abbiamo rispettato tutti i criteri. Né io, né Rosa sappiamo programmare. Lavoriamo nel tech, quindi abbiamo cognizione di causa su principi di software development, UX e UI (due parole per dire come fare delle cose utili e belle).

Non è stato difficile, ma è stato più lungo e complesso di quanto ci aspettassimo, soprattutto per alcuni dettagli (reset password, rendere il tool privato, gestione corretto del salvataggio dei file tramite Supabase).

Direi che ci sono due esperienze utente distinte e nette nell’uso:

• L’inizio - il wow effect: è qui che sicuramente tutto è più entusiasmante. Perché è effettivamente un po’ magico vedere che le due parole in chiave che vengono condivise in una chat diventino senza ulteriori dettagli un interfaccia cliccabile, con un’estetica già soddisfacente. è un po’ il lovable moment in tutti i sensi.

• Il fine tuning - the expert moment: ma è quando vuoi cominciare a mettere a posto i dettagli (grafici, di flusso, qualche piccola funzionalità) che si perde la magia. Le iterazioni si fanno più lente, e il rendimento marginale decresce. Per andare veloci bisogna sapere quello che si sta facendo ed utilizzare effettivamente lovable quale braccio operativo. Ma se pecchi della conoscenza, l’interazione può diventare frustrante a mano a mano che usi crediti, ma non vedi il risultato.

Insomma, luci e ombre. Ma possiamo sicuramente identificare delle best practices e cose da evitare, ora che abbiamo rischiato grosso.

Cosa funziona

Quindi, tirando una linea, ecco cosa penso funzioni molto bene oggi pensando sia agli strumenti che alla metodologia:

1. Serve un’idea super chiara: devi sapere esattamente cosa vuoi costruire, lo devi poter visualizzare, descrivere. Un buon test è poter creare un piccolo schizzo dell’idea su un foglio con carta e penna, e ancor meglio se puoi descrivere nel dettaglio tutto il flusso che porta all’implementazione dell’idea. Nel caso di Mappy era molto chiaro il focus: visualizzare tracce gpx personalizzate in una mappa con dei filtri. Punto. E già così è stato complesso.

2. Serve un piano, dettagliato, molto dettagliato: dicevamo sul flusso. è fondamentale. Un’idea sembra semplice, ma quando provi a dettagliarla in tutti i singoli step, la complessità aumenta. Per ogni step è utile chiedersi: 1) input - cosa mi serve? da dove lo prendo?; 2) azione: cosa faccio? Come? Con cosa? Dove?; 3) output: cosa viene restituito? in che forma? è un aspetto chiave per poter guidare il tool e non essere guidati. Vi faccio un esempio semplice: in Mappy è l’utente a caricare dall’estero un file gpx con il percorso già fatto (input). Per farlo deve cliccare un bottone specifico (azione) e ottiene la visualizzazione della traccia sulla mappa (output). Se non sono chiari gli step, si rischia di voler sovraccaricare la propria idea, magari provando a implementare una funzione troppo complessa, come quella per disegnare direttamente l’intera traccia nel sistema.

3. Serve caparbietà, e in questo un piano aiuta: perché se per le prime 3 iterazioni è il “Wow moment” a tenerti incollato al progetto, poi dovrà essere la caparbietà a veder finito il progetto ad aiutarti a vincere le resistenze. E qui un piano dettagliato aiuta molto. Quella ancora il modello non la può sostituire a te.

Cosa non funziona, ancora

1. Bug fixing e integrazioni: ci sono stati grossi miglioramenti già solo rispetto alle prime versioni di Lovable, e con il progredire dei modelli mi aspetto che la situazioni migliori ulteriormente. Ma se hai bisogno di qualcosa di più elaborato di una semplice pagina web, come un sistema di pagamento, un sistema di storage di dati, un sistema di autenticazione, aspettati di non aver subito la soluzione pronta, e di dover passare del tempo a risolvere degli errori che seppur ti sembrano semplici, devono comunque esser gestiti.

2. Ideation: il mio prof di statistica all’uni mi continuava a ripetere un concetto chiave “garbage in - garbage out”. Se fornisci a un modello statistico (e Lovable, e la GenAI in genere non sono altro che questo) spazzatura, otterrai spazzatura. Vale ancor di più in questo caso. Scrivere “crea un sistema per visualizzare dei percorsi su una mappa geografica” non funziona. O almeno: il wow effect all’inizio ti farà sembrare di sì, ma ti accorgerai che più andrai avanti, più farai fatica ad arrivare alla tua aspettative di risultato. Il nostro primo prompt era lungo 2 pagine, conteneva riferimenti all’infrastruttura tecnologica da usare, al design system. Insomma c’era un piano.

3. Il pre e il post prodotto: quindi l’ultimo punto. Passiamo dall’essere attori protagonisti e registi che scrivono sceneggiatura, fanno ricerca sui personaggi, le location, i costumi. E devono gestire budget e aspettative. In tutte le fase pre - (ricerca, ideazione, testing) e post (comunicazione, brand, viralità) dobbiamo ancora sbatterci molto, forse ancor di più.

Sulle skills, sui team, sulle organizzazioni

6 ore dopo, una newsletter dopo, cosa resta? Qualche pensiero sparso:

• “It feels like magic”: il primo risultato ottenuto da Lovable è effettivamente capace di instaurare quel “wow” moment. Da una semplice richiesta ottieni un interfaccia elegante, cliccabile, funzionante. Potete capire solo provando.

• “It doesn’t feel intelligent”: ma i problemi arrivano dopo. Penso che nel chiaro disegno di Lovable ci siano rendimenti decrescenti. All’inizio l’output generato a parità di input è superlativo. Man mano che vuoi affinarlo, ti sembra di dialogare con un sistema meno capace. E questo è chiaramente a favore di un uso maggiore di crediti, di maggior scambio con il sistema, di consumo di tempo. Quindi sì, non escludo sia precisamente disegnato in tal modo.

• “It is not a professional, still”: da quanto ho provato, per quanto ne so, per quanto posso capire da solo (ripeto, seguendo le regole che ci siamo dati per questo test), Lovable non mi permetterebbe di diventare uno sviluppatore, o di sostituirlo. Devi guidare un’integrazione con un’API? Beh, quasi sicuramente all’inizio ti darà degli errori, e per uscirne in fretta, senza che tu abbia paura di fare cavolate o senza perderti in imprecazioni dopo che alla quinta volta ancora nulla funziona: devi saperne di API. Ma i modelli sottostanti stanno migliorando molto velocemente, e lo stesso Lovable sta migliorando in funzioni chiave (pensiamo alla security o al bugfixing).

Mappy non è un prodotto, è un utile test. Ma testare, mantenere e aggiornare un vero prodotto richiede ben altro. Ad oggi - e ripeto, oggi - siamo ancora distanti.

Se volete provare anche voi

Se siete arrivati fino a qui, complimenti, forse vi interessa molto Lovable e quanto potete farci. Quindi due annunci.

Il primo - impara: se volete, potete testare con me un’esperienza simile. Sarò docente di un corso per tradurre un’idea in un prodotto con Cosmico, a Milano, nella bellissima sede di Fondazione Feltrinelli, il 3 ottobre e 4 ottobre.

Il secondo: mettiti in gioco e vinci! Se invece già ne sapete, stiamo organizzando il primo hackathon di Lovable in Italia. è una cosa grossa, per un paese che è sempre indietro in iniziative simili. Sarà a Milano, il 18 ottobre, tutto gratis, chi vince prende 3000 euro.

Alla prossima!

Elia