Mielőtt belevágsz az AI-val építésbe

A legtöbben azt hiszik, kód-tudás kell ahhoz, hogy AI-val építkezz. Egy 400 ezer munkamenetet vizsgáló kutatás mást mond: a domén-tudás jobban jelzi a sikert, mint a fejlesztői háttér. Ez a sorozat nulladik része arról szól, mi kell ahhoz, hogy neki merj állni, mit hittem én tévesen előfeltételnek, és mit kell valójában hoznod. Közel három hónap és 1750 mentési pont után már azt is tudom, mit becsültem alá én magam. A jó hír változatlan: a nehezebbik felét valószínűleg már ma is hozod.

Ez a rész a sorozat elé kerül. A teljes számláról, a biztonságról és a launch utáni valóságról szóló darabok arról szólnak, milyen volt megcsinálni. Ez arról szól, mi kell ahhoz, hogy egyáltalán elkezdd.

A kérdés, ami visszatart

Amikor elmesélem, hogy marketingesként, fejlesztő nélkül építek egy fizetős oktatási platformot, amin az első valódi bankkártyás vásárlás már végigment, számlástul, a leggyakoribb reakció nem a „hogyan", hanem egy önmagát leállító mondat: „na, én ehhez nem értek". Mögötte mindig ugyanaz a feltevés: ehhez programozni kell tudni, én meg nem tudok, tehát nekem ez nem megy.

Ez a feltevés téves. És nem véleményként mondom, hanem mert van rá adat.

A bizonyíték, ami mindent átrendez

Az Anthropic 2026-ban lefuttatott egy vizsgálatot 400 ezer valós munkameneten, 235 ezer felhasználótól. Azt nézték, mi jelzi előre, hogy valaki sikeresen fejez-e be egy AI-val épített feladatot. A várható válasz az lett volna, hogy a fejlesztői háttér. Nem az lett.

A tanulság ez: a domén-tudás megbízhatóbban jelzi a sikert, mint a szoftverfejlesztői múlt. Aki szakértő a saját területén, az az esetek 33 százalékában ért célt, a kezdő 15 százalékában. Ez több mint kétszeres szakadék. A fejlesztői diploma ezzel szemben alig számít: a szoftvermérnökök 30, a nem-technikai szakmák 26 százalékon teljesítettek. Négy-öt százalékpont az egész különbség.

És a legérdekesebb: a legmagasabb sikerarányt a menedzsment- és üzleti szakmák érték el, nem a technikaiak.

Miért? Mert a munkamegosztás megfordult. A kutatás szerint a felhasználó hozza a tervezési döntések nagyjából 70 százalékát, azt, hogy MIT építsünk és miért, az AI pedig a kivitelezés 80 százalékát, azt, hogy HOGYAN. A szűkebb erőforrás tehát nem a kód. Az a tudás, ami eldönti, mit érdemes építeni, és felismeri, ha az eredmény rossz. Ez pedig domén-kérdés, nem szintaxis kérdése.

Mi volt meg nekem a rajtvonalnál

Hadd legyek konkrét, mert az „elég a domén-tudás" könnyen üres bátorításnak hangzik. Amikor 2026 májusában nekiálltam, három dolgot hoztam magammal, és egyik sem kód volt.

Egy: mély marketing-tudás, gyakorlatból és elméletből. A marketingcool tananyagainak a gerince nem a semmiből született. Éveken át tesztelt anyagokból állt össze, valódi céges környezetben, a Szallas.hu és a Pepita Group csapatainál, éles kampányokon.

Kettő: egy rendszerezett tudás-archívum, amit évek alatt építettem. Nem véletlenszerű jegyzetek, hanem témákba rendezett anyag: a vásárláspszichológia, a konverzió-optimalizálás, a neuromarketing, az árazás, a copywriting, a viselkedéstervezés, a mérés és az adatelemzés. Ez a „miért működik" réteg, amit a legtöbb tanfolyam kihagy. És pont ez az, amit az AI önmagában nem tud pótolni: az ítéletet, hogy mi a jó és mi nem.

Három: egy kész terv, mielőtt egyetlen sor kód megszületett. Ez a rész a legfontosabb, és a legtöbben átugorják. Mielőtt bármit építeni kezdtem, a kezemben volt egy üzleti terv a két üzletággal, egy kéttucatnyi kurzust felsoroló katalógus-terv a teljes szerkezettel, egy gyártási és méretezési terv, egy lecke-formátum specifikáció, és egy 8 pontos launch-checklist, ami pontosan tudta a különbséget egy szép látványterv és egy működő rendszer közt. Vagyis a kezemben volt egy pontos brief. És ahogy később írom: a jó brief az új kód.

Amit NEM hoztam: fejlesztői diplomát, programozói múltat, egyetlen kiadott alkalmazást sem. Ezek egyike sem hiányzott.

Mi lett a háromból közel három hónap alatt

Ez a rész az, amit a rajtnál még nem tudtam volna megírni, és pont ezért érdemes.

A domén-tudásból gyártósor lett. Nem a kódé, a tartalomé. Mára 17 kurzus tematikája áll 195 leckével, ebből 35 lecke épült meg teljesen, három kurzusban, összesen 721 kivetíthető diával, a diákon belüli képkockákkal együtt 851-gyel, és mindegyikhez tartozik egy Tanuld / Gyakorold / Teszteld szerkezetű lecke-oldal. A leckéknek saját szereplője van (egy marketinges, Penny Sellmore, aki majd mindegyik leckében szerepel és segíti a tanulást), saját forrás-jegyzéke, és saját szabálykönyve arról, mikor melyik dia-típus jöhet. Ezt a szabálykönyvet nem az AI írta. Az évek alatt összegyűlt tudásból és a hibáimból írtam, az AI pedig végrehajtja.

A rendszerezett archívumból pedig kiderült, hogy a legértékesebb részét nem a lecke-tartalom adja, hanem az ítélet: az, hogy egy dián ránézésre látom, ha a szomszédjához képest fél centit lejjebb csúszott a kártya, vagy ha a narrátor olyat ígér, amit a felület nem mutat. Erről még lesz szó, mert ez a pont az, ahol a marketinges tényleg pótolhatatlan.

A tervből pedig kiadási rend lett. A 8 pontos launch-checklist mára egy gépi kapu: egyetlen parancs adja ki a változást, ami előbb ellenőriz mindent, és nem enged ki semmit, ami piros.

Amit tévesen hiszel előfeltételnek

Nézzük végig a leggyakoribb önmarcangoló mondatokat, mert mindegyik cáfolható.

„Kell hozzá informatikai diploma vagy matek." Nem kell. Az imént idézett kutatás szerint a diploma négy-öt százalékpontot ér. A logika és az adatáramlás alapjainak megértése segít finomítani, de nem belépő.

„Kell hozzá jó angol." Anyanyelvi szint nem kell. A mai eszközök természetes nyelven működnek, magyarul is. Én a projekt nagy részét magyarul csináltam: magyarul írtam a feladatokat, magyarul kaptam a magyarázatokat, és a rendszer teljes belső szabálykönyve, a gépi őrök hibaüzenetei, a mérők jelentései is magyarul készülnek. A hangsúly nem a nyelven van, hanem azon, hogy világosan meg tudod-e fogalmazni, mit akarsz.

„Nekem nincs technikai fejem, nem vagyok logikus." Az élettapasztalat és a szakterületi megértés gyakran többet számít, mint a technikai háttér. Ha valaha írtál részletes briefet egy ügynökségnek vagy egy kollégának, akkor megvan a legfontosabb készség.

„Túl késő, túl öreg vagyok ehhez." A korod nem a fő akadály, a világos terv hiánya az. Én is közelítek már az 50-hez. Számos beszámoló is mesél ilyen történeteket: marketingesek technikai háttér nélkül, akik a saját fájdalompontjukat oldották meg AI-val, és eljutottak havi tízezer dolláros bevételig. Egy Lenny Rachitsky-féle felhívásra több mint ezren válaszolták meg, mit építettek AI-val és tényleg használnak: kaputelefon-appot, üdvözlőkártya-generátort, nyelvtanuló hírlevelet. Ez nem szűk elit, hanem tömegjelenség.

Amit viszont tényleg hoznod kell

Ha nem a kód, akkor mi? A szakértők egybehangzóan hat dolgot sorolnak a technikai tudás elé.

1. Világos kommunikáció. Ha meg tudsz írni egy részletes, egyértelmű emailt, akkor tudsz AI-val építeni. A vízió pontos megfogalmazása lett a legértékesebb készség.
2. Problémafelbontás. Andrew Ng, a téma egyik legismertebb oktatója így fogalmaz: ha egyben, egyetlen kéréssel akarod az egészet, az általában nem működik. Bontsd kis, kezelhető lépésekre.
3. Brief-írás. Írj egy egyoldalas leírást: mit építesz, kinek, hogyan működik. Inkább túl-specifikálj most, és finomíts később.
4. Iteráció. Kezelj minden AI-választ első vázlatként. A visszacsatolás az az erő, ami a célod felé kormányoz.
5. Kritikai ellenőrzés. Fel kell ismerned, amikor az AI magabiztosan téved. A hiba nem az, hogy nem tud kódot írni, hanem hogy neked kell megítélned, jó-e, amit írt.
6. Türelem és kudarctűrés. Ne ragaszkodj görcsösen egy megoldáshoz. Néha a leggyorsabb út eldobni és újrakezdeni.

Ha végignézed ezt a hatot, feltűnik valami: ez a marketinges alapszakma. Brief, célcsoport, iteráció, kritikai szem, kitartás. Nem véletlen, hogy a domén-szakértők nyernek.

És egy hetedik, amit a saját bőrömön tanultam meg, mert egyik listában sem szerepelt: éles összehasonlító szem. A gép mindent megmér, amit egy vászonhoz képest mérni lehet: hol kezdődik a dia, lóg-e le szöveg, fedi-e egymást két elem. Azt viszont egyetlen mérő sem látja, hogy egy dia úgy néz-e ki, mint a szomszédja. Volt egy nap, amikor hét ilyen hiba ment ki egy kiadásban: keskenyebb panel a doboz fölött, gomb a rossz helyen, egy üres félvászon, csupa nagybetűs mock. Mindegyik átment minden gépi kapun. Az összehasonlítás emberi munka, és pont az a fajta, amit egy marketinges egy kreatív-átnézésen évek óta csinál. Azóta ez szabály: új dia előtt egy kép a legközelebbi rokonával egymás mellett, és a hat pont a képen, nem emlékezetből.

A pár fogalom, amit elég felismerned

Van néhány szó, ami elsőre elriaszt, pedig nem megtanulni kell őket, csak felismerni, amikor előjönnek. Íme a minimum, laikus nyelven:

• Frontend: amit a felhasználó lát és amivel kattintgat. A termék kirakata.
• Backend: ami a függöny mögött fut, a belépés, az adatok, a logika. A termék agya.
• Adatbázis: ahol az app tárolja, amit meg kell jegyeznie. Elég annyit mondanod: „tárold a felhasználó rendelését".
• API: üzenetközvetítő két rendszer között. Mint a pincér az asztalod és a konyha között.
• Verziókezelés (git): mentési pontok, amikhez bármikor visszatérhetsz. Ments korán és gyakran.
• Környezetek: a gépeden futó próbaverzió és az éles rendszer két külön világ. A „nálam működik" nem ugyanaz, mint a „száz ember erre támaszkodik naponta".
• Deploy (élesítés): amikor az app kikerül a gépedről egy nyilvános címre, ahol mások is elérik.
• Titok (.env): a jelszavak és kulcsok, amiket a kódon kívül tartunk, hogy ne szivárogjanak ki.
• Hook (kapu): egy kis program, ami egy művelet előtt vagy után magától lefut, és megtilt vagy ellenőriz valamit. Ez az a fogalom, amit a rajtnál nem ismertem, és a második hónaptól ez tartja egyben a projektet.

Ennyi. Nem kell tudnod megírni egyiket sem.

Az eszköz-minimum

A legkisebb működő felszerelés meglepően kevés:

• Egy AI-app-építő. Kezdőnek nem kódszerkesztőt, hanem böngészős app-építőt: Lovable, Bolt, Replit, v0. Fontos figyelmeztetés: aki nem-technikai fejjel kódszerkesztőt választ, azonnal falba ütközik, mert azok feltételezik, hogy tudsz programozni. (Én egy fejlettebb, terminál-alapú eszközzel, a Claude Code-dal dolgoztam, de az már a következő lépcső.)
• Egy előfizetés. A próbához mindenhol van ingyenes szint. Komolyabb építéshez pár ezer forinttól pár tízezerig havonta. A teljes platform-építéshez a legnagyobb csomag kellett, ez nálam havi 228 euró, és egyetlen hónapban, a lecke-gyártás csúcsán, ezen felül még 339 euró extra használat. Ezt nem ijesztésnek írom, hanem hogy tudd: a rajt olcsó, a nagy tempó nem.
• Egy GitHub-fiók. A munkád mentéséhez és ahhoz, hogy a kód tényleg a tiéd legyen, hordozható maradjon.

És egy tipp, ami sok időt megspórol: mielőtt építeni kezdesz, teszteld le az ötletet egy sima beszélgetésben egy chatbottal. Írasd meg vele a briefet, kérdeztesd ki magad. Az építés előtti fél óra beszélgetés megéri.

Amit alábecsülnek, és ezért a sorozat többi része

Idáig a bátorításról volt szó. De az őszinteség kedvéért: van négy dolog, amit szinte mindenki alábecsül, és pont ezek a valódi munka. Plusz egy ötödik, amit én becsültem alá.

A tesztelés a munka fele, nem a ráadás. Egy tapasztalt vibe coder szerint 150 órából több mint a fele hibakeresés és ellenőrzés volt. Nálam a rajt utáni hatodik hétre 372 automata teszt futott, mára 1055. Nem azért, mert több a kód, hanem mert minden hibából teszt lett, hogy ne jöjjön vissza.

A verziókezelés az első naptól kell. A mentés és a visszaállítás megmenti az idegeidet, de csak ha előbb tanulod meg, mint hogy kétségbeesetten szükséged lenne rá.

A biztonság valódi felelősség. Egy 5600 AI-val épített appot vizsgáló elemzés több mint kétezer sebezhetőséget és négyszáz kiszivárgott kulcsot talált. Ez nem ijesztgetés, hanem a belépő ára.

A működő demó még nem éles termék. A „nálam működik" és a „pénzt kezel valódi emberekkel" között ott van a munka másik fele. Én ezt a napot is megéltem: az első éles vásárlásnál a két titkos kulcs felcserélve került a rendszerbe, és a hibát egy naplósor árulta el. Működött a demó, működött a teszt, és az éles környezet első pillanata mégis hibával indult. Ez a normális.

És az ötödik, amit senki nem írt le nekem: a minőség-őrzés maga is termék. A második hónaptól a munka nagyobb része nem építés volt, hanem annak gépesítése, hogy ami egyszer jó lett, az jó is maradjon. Tizenegy automata őr és kilenc mérő fut ma minden változás előtt, és mind egy-egy hibából született. Ezt a rajtnál nem hittem volna el, hogy ennyit nyom.

Ez az öt pont nem visszatart, hanem eligazít. És pont ezekről szól a sorozat: a teljes számla az időről és a pénzről, a zöld pipa hazudik a biztonságról és a tesztelésről, a launch utáni rész a karbantartásról és a folyamatról.

Indulási checklist

Ha holnap nekivágnál, ez a lista a rajthoz:

1. Legyen egy konkrét, saját problémád, amit jól ismersz. A domén-tudásod az iránytű.
2. Írj egy egyoldalas briefet: mit építesz, kinek, hogyan működik.
3. Teszteld le az ötletet egy chatbottal, mielőtt építeni kezdesz.
4. Vázold fel, akár kézzel, a fő képernyőket és a felhasználó útját.
5. Válaszd ki az egy app-építő eszközt, ne kódszerkesztőt.
6. Nyiss GitHub-fiókot, és az első napon tanuld meg a visszaállítást.
7. Fogadd el a keretet: az AI-válasz első vázlat, a munka fele tesztelés, te vagy a minőségellenőr.
8. Kezdd a legkisebb működő verzióval. Egy lépés, egy kérés.
9. Vezess naplót az első naptól: mikor kezdted, mikor hagytad abba, mit döntöttél és miért. A sorozat minden számát ebből a naplóból tudtam. Napló nélkül csak érzések maradnak, és az érzések ebben a műfajban mindig a demó felé húznak.

A nehezebbik felét már hozod

A vibe coding belépője nem az, amitől félsz. Nem a kód-tudás, nem a diploma, nem az angol. A belépő a saját szakterületed ismerete, a világos gondolkodás, és a hajlandóság ellenőrizni, amit az AI csinál. Amit sokan előfeltételnek hisznek, az nem az. Amit alábecsülnek, a tesztelés, a verziókezelés, a biztonság, a türelem és a minőség őrzése, az viszont a valódi munka.

A jó hír az egészben: a nehezebbik fél, a domén-tudás és az ítélet, nem megtanulható egy hétvégén. Éveket vesz igénybe. És ha marketingesként olvasod ezt, akkor ezt a részt már letudtad. Csak eddig nem tudtad, hogy ez a belépő.

Ha készen állsz megnézni, mi lett belőle, kezdd a teljes számlával. Ha pedig inkább kipróbálnád, mit épített ez a folyamat: a kurzusok között ingyenes próbalecke vár, a Nagy Marketingteszten pedig felmérheted, hol tartasz.

Felhasznált források

Hitzig, Z., Massenkoff, M., Lyubich, E., Zhang, S., Heller, R., McCrory, P. (2026). Agentic coding and persistent returns to expertise. Anthropic.

Ellison, J. (2026). The Vibe Coding Wave Is Here: 5 Builders Who Turned Vibe Coding Into Serious Money. Substack.

codingwithvibe (2026). Real Apps Built by Vibe Coders: 6 That Actually Shipped. codingwithvibe.

Rachitsky, L. (2025). What people are vibe coding (and actually using). Lenny's Newsletter.

Lamichhane, N. (2026). Vibe Coding for Non-Developers: Build Real Apps Without Writing Code (2026 Guide). Serenities AI.

Chowdhury, H. (2025). Want to learn vibe coding? Andrew Ng has a course for that. Business Insider.

Ng, A. (2025). New short course: Vibe Coding 101 with Replit. LinkedIn.

Lovable (2026). Best Vibe Coding Tools in 2026: Build Apps by Chatting. Lovable.

Lemkin, J. (2025). The Complete Guide to Vibe Coding Without a Developer: The 14 Key Lessons to Learn Before You Start. SaaStr.

Hinniger-Foray, N., Mognier, G., Charikova, A. (2025). Methodology: How we discovered over 2k high-impact vulnerabilities in apps built with vibe coding platforms. Escape.