Гендиректор компанії Zendesk Том Еггемаєр разом зі своїм сином Віллом розробив застосунок Underdog AI, який прогнозує рух гравців через трансферний портал NCAA. Проєкт створювали методом так званого vibe coding, коли програмний код пишеться з допомогою штучного інтелекту на основі опису бажаного результату. Про досвід батька і сина розповіла Fortune.
Ідея належала Віллу, старшокурснику Бостонського коледжу, який сам грає в баскетбол. Застосунок має допомогти меншим університетським спортивним програмам конкурувати за гравців із великими школами. Сервіс використовує предиктивну аналітику, щоб оцінювати, які спортсмени можуть змінити команду. Том Еггемаєр допомагав проєктувати інтерфейс застосунку, тож проєкт став спільною роботою покоління батьків і дітей, які разом вивчають нові інструменти.
Том Еггемаєр почав привчати своїх дітей до штучного інтелекту ще у 2023 році, переконуючи їх освоювати нові технології раніше, ніж це стане обов’язковим. Спільна робота над застосунком стала для нього практичним уроком. Початковий етап vibe coding був захопливим, адже створити робочий прототип удавалося напрочуд швидко. Проте пропозиції штучного інтелекту іноді здавалися неправильними, і розробникам доводилося перевіряти кожне рішення вручну, перш ніж рухатися далі.
Швидкість розробки мала й зворотний бік. За словами команди, поспіх призвів до технічного боргу в питаннях безпеки та протоколів API, тобто в тих частинах програми, від яких залежить захист даних і її стабільна взаємодія з іншими сервісами. Значна частина годин пішла на налагодження та виправлення помилок, які не були помітні на початку. Саме це, на думку Тома, наочно показало, що короткого шляху до безпечного і бездоганно працюючого програмного забезпечення не існує, навіть коли допомагає штучний інтелект.
Оцінку продукту дали два генеральні менеджери університетських баскетбольних команд. За їхніми словами, застосунок відповідає приблизно 70 відсоткам можливостей наявних на ринку продуктів. Це означає, що Underdog AI поки не претендує на повну заміну розвиненим аналітичним інструментам, однак покриває значну частину потреб, які стоять перед тренерськими штабами. Вілл, своєю чергою, не може продавати свій застосунок конкурентним школам, поки є гравцем складу Бостонського коледжу. Тож на нинішньому етапі проєкт залишається радше навчальним досвідом, ніж комерційною розробкою. Він планує вдосконалювати застосунок до завершення навчання.
Вілл прагне зробити кар’єру в спортивному бізнесі й вважає навички роботи зі штучним інтелектом обов’язковими для цієї сфери. Він бачить, що аналітика гравців дедалі частіше визначає рішення про трансфери та контракти, а вміння працювати з даними стає конкурентною перевагою. Том Еггемаєр каже, що проєкт зробив його кращим керівником досліджень і розробок. Водночас його фокус змістився до AI-агентів, здатних розв’язувати практичні проблеми, а не лише демонструвати можливості технології.
Власний персональний агент, за словами Тома Еггемаєра, допоміг йому переглянути витрати та скоротити рахунки й підписки. Завдяки цьому він заощадив 3150 доларів на рік. Він також згадав, що його персона ChatGPT Work попри інструкції продовжувала використовувати скорочені форми, тобто стягнення, які мали б бути відсутні у формальному діловому спілкуванні. Такий приклад, на його думку, показує, що навіть добре налаштовані системи потребують уважного нагляду з боку людини.
Том Еггемаєр радить керівникам компаній самим користуватися штучним інтелектом, а не делегувати його вивчення іншим. Він також закликає не відмовлятися від найму молодих працівників, адже саме вони часто першими освоюють нові інструменти та приносять свіжі погляди в команду. Досвід родини Еггемаєрів, за його словами, підтверджує, що найкращий спосіб зрозуміти можливості й обмеження штучного інтелекту — почати працювати з ним особисто.