AI Product Engineering: From Concept to Launch

• Ի՞նչ է իրականում AI-ը․ վիճակագրական կանխատեսման մոդել, ոչ թե գիտելիքի համակարգ Տվյալներ → Օրինաչափություններ → Հավանականություն

• Դետերմինիստական ծրագրային ապահովում vs. հավանական AI — «սովորական ծրագիրը խափանվում է, իսկ AI-ը վստահորեն սխալվում է»

• Ալան Թյուրինգը և Թյուրինգի թեստը, «արհեստական բանականություն» եզրույթի ստեղծումը, ELIZA-ն

• Ինչպե՞ս է ուսուցանվել AI-ը, ո՞վ է այն ուսուցանել․ reCAPTCHA-ն՝ որպես չվճարվող տվյալների պիտակավորում, անոտացիոն աշխատանք և «անտեսանելի աշխատանք» (ghost work)

• Անտեսանելի AI-ը, որն արդեն օգտագործում ենք՝ Siri, Netflix, Spotify, TikTok, Google Translate

• AI effect-ը․ ինչո՞ւ է AI-ը դադարում AI թվալ այն պահից, երբ սկսում է լավ աշխատել

• OpenAI-ի պատմությունը․ Սեմ Ալթման, Y Combinator, DeepMind-ի ձեռքբերումը, OpenAI-ի հիմնադրումը, Մասկի հեռանալը, ոչ առևտրային → սահմանափակ շահույթով → հանրային շահի կորպորացիա

• «The Blip» — 2023 թվականի նոյեմբերը և այն, թե ինչ բացահայտվեց AI-ի կառավարման մասին

• «Դիասպորան»՝ Anthropic, SSI, Thinking Machines, xAI

• AI մոդելների ներկայիս դաշտը․ ԱՄՆ-ի առաջատար լաբորատորիաները և չինական open-weight լաբորատորիաները, փակ և բաց կշիռները՝ որպես մրցակցող բիզնես մոդելներ

• AI «փուչիկի» շուրջ քննարկումները

• Երեք AI օգնականների համեմատությունը՝ ոչ թե պարզապես ֆունկցիաների ցանկով, այլ ըստ այն բանի, թե իրականում որտեղ է յուրաքանչյուրն ավելի ուժեղ՝ reasoning, մեծածավալ փաստաթղթեր, կոդ, պատկեր և տեսանյութ, որոնում, արագություն, գին

• Յուրաքանչյուրի դերը աշխատանքային գործընթացում, և ինչու՞ են մասնագետների մեծ մասն ի վերջո օգտագործում ոչ թե մեկ, այլ երկու AI օգնական

• Երեք եղանակ, որոնցով AI-ը հասանելիություն է ստանում ձեր տվյալներին

• Plugins / GPTs / Gems — լրացուցիչ հնարավորություններ՝ ինտեգրված հենց AI օգնականի ինտերֆեյսում

• Connectors — պատրաստի կապ արդեն գոյություն ունեցող ծառայության հետ, որը ստեղծվել է մեկ ուրիշի կողմից (Gmail, Drive, Slack)

• MCP — բաց ստանդարտ, որը հնարավորություն է տալիս ցանկացած AI client-ի հաղորդակցվել ցանկացած համակարգի հետ, այդ թվում՝ ձեր իսկ ստեղծած համակարգի

• Ինչու՞ MCP-ն դարձավ ստանդարտ և ի՞նչ փոխեց․ մեկ անգամ ստեղծված ինտեգրումն աշխատում է այն աջակցող յուրաքանչյուր client-ում

• Context, memory և projects․ ի՞նչ է իրականում պահպանում յուրաքանչյուր AI օգնական և ի՞նչ է աննկատ մոռանում

• Արժեք և սահմանափակումներ․ ինչի՞ համար եք վճարում և ի՞նչ ռեսուրսներ կարող են սպառվել

• Այս դասընթացի տեխնոլոգիական stack-ի ընտրությունը և դրա հիմնավորումը՝ Claude Code՝ կառուցման, Figma Make + Claude Design՝ դիզայնի, Replit՝ առաջին deploy-ի, Supabase՝ տվյալների, Vercel՝ production-ի համար

• Մեկ պարբերությունից մինչև պատրաստի դիզայն․ ինչպե՞ս ճիշտ prompt տալ դիզայնի գործիքին՝ իրականում կիրառելի արդյունք ստանալու համար

• Իտերացիան՝ որպես հիմնական հմտություն․ նկարագրել → դիտարկել → կատարելագործել։ Որտե՞ղ AI-ի ստեղծած դիզայնը դեռևս մարդկային գնահատման կարիք ունի

• Intake form-ը՝ ամենակարևոր բաղադրիչը․ դաշտեր, validation և ինչ է տեղի ունենում submit-ից հետո

• Figma Make-ում ստեղծված դիզայնը Replit տեղափոխելը և աշխատող էջի վերածելը

• Responsive աշխատանք․ էջը պետք է ճիշտ աշխատի նաև հեռախոսով, քանի որ մեծ հավանականությամբ հենց այնտեղ էլ այն կբացվի

• Հրապարակում․ առաջին live URL-ը

• Որտե՞ղ են առայժմ պահպանվում form-ի տվյալները․ միտումնավոր ժամանակավոր լուծում, որը կփոխարինվի 4-րդ դասի ընթացքում։ Նախապես իմանալով ժամանակավոր լուծում կառուցելը լիովին բնական գործընթաց է

• Spec → Plan → Build։ Claude Code-ին փոխանցել տեխնիկական պահանջները, ստանալ պլան, ուղղել հենց պլանը և միայն հետո անցնել կառուցմանը։ Vibe coding-ի խնդիրների մեծ մասը սխալ պլանավորման հետևանք է

• Իրական repository-ում աշխատանք և Git-ը՝ որպես «Undo» կոճակ․ commits, branches և ինչպես վերադառնալ նախորդ տարբերակին, երբ սխալ փոփոխությունը վնասել է համակարգը։ Այս թեման ուսումնասիրվում է վաղ փուլում, քանի որ հենց այսպիսի խնդիրներն են հաճախ կանգնեցնում նախագծերը

• Supabase․ աղյուսակներ, կապեր և տվյալների բազայի իրական աշխատանքը։ Requests, notes և staff աղյուսակներ

• Authentication․ login էջ, իրական հաշիվներ և հասանելիության կառավարում

• Երկու հիմնական էկրան՝ queue՝ բոլոր հարցումները և դրանց ֆիլտրումը, և detail view՝ մեկ հարցում՝ նշումներով ու կարգավիճակով

• Landing page-ի form-ի վերակառուցում, որպեսզի տվյալներն անմիջապես գրանցվեն իրական տվյալների բազայում։ Երկու առանձին հատվածները դառնում են մեկ ամբողջական պրոդուկտ

• Ինչպես կարդալ ուրիշի գրած diff-ը․ ինչ ստուգել և ինչը միշտ կասկածի տակ դնել

• Ի՞նչ է նշանակում AI-ը կանչել ձեր իսկ պրոդուկտի ներսից, այլ ոչ թե chat պատուհանից․ նույն մոդելն է, բայց դրա հետ աշխատանքի ամբողջովին այլ ձևաչափ։ AI-ը գրում է ինտեգրումը, իսկ մասնակիցները հասկանում են դրա կառուցվածքն ու աշխատանքի տրամաբանությունը

• Auto-triage․ նոր հարցում է ստացվում → AI-ը սահմանում է կատեգորիան և հրատապության աստիճանը, գրում երկտող ամփոփում։ Queue-ն արդեն դասակարգվում է իմաստավորված չափանիշներով

• Draft reply․ AI-ը պատրաստում է պատասխանի սևագիր, մարդը խմբագրում և հաստատում է այն։ Հաստատման փուլն այստեղ առանցքային է․ AI-ը երբեք ինքնուրույն ոչինչ չի ուղարկում

• Ask across everything․ հարցերի դաշտ, որը պատասխանում է տվյալների բազայի բոլոր հարցումների հիման վրա։ Օրինակ՝ «Այս ամիս ինչի՞ց են մարդիկ ամենաշատը դժգոհում»

• Prompt-երը՝ որպես պրոդուկտի մաս․ դրանք պահվում են codebase-ում, ունեն տարբերակներ, խմբագրվում են և ամեն անգամ chat-ում նորից մուտքագրելու կարիք չկա

• Ի՞նչ անել, երբ production-ում AI-ը սխալվում է․ fallback-ներ, տրամաբանական default-ներ, error state-եր և կարևոր կանոն՝ AI call-ի ձախողումը երբեք չպետք է խանգարի մարդուն շարունակել աշխատանքը

• 15 դեպքից բաղկացած sanity check․ իրական հարցումներն անցկացնել triage-ով, հաշվել ճիշտ արդյունքները, ուղղել prompt-ը և նորից ստուգել

• Մեկ հարցման արժեքը՝ չափված, ոչ թե ենթադրված։ Որքա՞ն կարժենա հարթակի աշխատանքը ամսական 100 և 5,000 հարցման դեպքում

• MCP․ Claude-ի ուղիղ կապը հարթակի տվյալների հետ, որպեսզի բիզնեսը հնարավոր լինի կառավարել ինչպես հարթակի էկրաններից, այնպես էլ chat պատուհանից

• Replit-ից տեղափոխում Vercel․ ի՞նչ է տալիս production hosting-ը և ինչու՞ է դասի ընթացքում ստեղծված տարբերակը դեռևս պատրաստ չէ հաճախորդին փոխանցելու համար

• Երկու հատվածների միավորում։ Մինչ այս landing page-ը գտնվում էր Replit-ում, իսկ հարթակը՝ GitHub repository-ում։ Այժմ դրանք տեղափոխվում են մեկ host և մեկ domain՝ public էջը root-ում, իսկ հարթակը՝ login-ի հետևում։ Հենց այս փուլում երկու մասերը դառնում են մեկ ամբողջական deploy արված պրոդուկտ

• Custom domain և DNS․ domain-ի գնում, կարգավորում և HTTPS։ Մոտ 15 րոպե տևողությամբ մանրակրկիտ աշխատանք՝ իրականացված միասին

• Environment variables և secrets․ ինչու՞ API key-ը երբեք չպետք է հասնի browser և ինչպես ստուգել, որ դա տեղի չի ունեցել։ Live ցուցադրում՝ ներառյալ այն, թե ինչպես կարող է արտահոսած key-ն արտացոլվել վճարման հաշվում

• Supabase Row Level Security՝ ամենակարևոր անվտանգության քայլերից մեկը։ Առանց դրա հանրային հավելվածի տվյալների բազան կարող է հասանելի լինել այն դիտող ցանկացած անձի։ Յուրաքանչյուր մասնակից այն միացնում և թեստավորում է մինչև դասի ավարտը

• Ո՞վ ինչ կարող է տեսնել․ staff vs. admin և այն մեկ տողի սխալը, որի պատճառով մի clinic-ի հարցումները կարող են տեսանելի դառնալ մյուս clinic-ներին

• Cost caps և rate limits․ պաշտպանություն loop-ից, bot-ից կամ անսպասելի մեծ օգտագործումից

• Logs և monitoring․ իմանալ խնդրի մասին նախքան հաճախորդը կտեղեկացնի դրա մասին

• Backups և կարևոր հարց՝ ի՞նչ է տեղի ունենում համակարգի հետ, եթե դուք այլևս հասանելի չեք

• Պրոդուկտը տալ երեք իրական մարդու և առանց օգնելու հետևել, թե ինչպես են նրանք այն օգտագործում։ Դասընթացի ամենաանհարմար, բայց միաժամանակ ամենաարժեքավոր 20 րոպեն

• Տարբերությունը այն բանի միջև, թե ինչ էիք կարծում, որ կխափանվի, և ինչն իրականում խափանվեց

• Վիզուալ կատարելագործում․ hierarchy, spacing, empty states, loading states և error messages-ի ուղղում՝ այն ամենը, ինչ տարբերակում է «ուսանողական նախագիծը» իրական «պրոդուկտից»

• Աշխատող copy․ ինչ պետք է գրված լինի կոճակներին, ինչ է տեսնում օգտատերը դատարկ queue-ի դեպքում և ինչ հաղորդագրություն է ստանում, երբ ինչ-որ բան չի աշխատում

• Արագություն․ ինչու է պրոդուկտը դանդաղ աշխատում և ինչպես դա բարելավել

• Production արագությամբ iteration loop․ feedback → spec change → Claude Code → review → deploy, մի քանի անգամ մեկ դասի ընթացքում

• Handover documentation․ կարճ README, որպեսզի համակարգը կարողանա գործարկել նաև ձեզնից բացի մեկ ուրիշը։ Այն գրվում է AI-ի օգնությամբ և ստուգվում մասնակցի կողմից

• Ի՞նչ է իրականում պահանջում live պրոդուկտի սպասարկումը դասընթացի ավարտից հետո

Յուրաքանչյուր մասնակից ներկայացնում է իր live պրոդուկտը, ոչ թե սլայդներ․

• Բացել public domain-ը՝ իրական URL-ով, բոլորի ներկայությամբ

• Landing page-ից ուղարկել հարցում

• Մուտք գործել հարթակ, ցույց տալ ստացված հարցումը և AI-ի իրականացրած triage-ը

• Ստեղծել պատասխանի draft և հաստատել այն

• Ցույց տալ դասընթացի ընթացքում առաջացած մեկ խնդիր և ինչպես է այն լուծվել

• Ներկայացնել պրոդուկտի ամսական գործարկման ծախսը