Từ ý tưởng đến prototype trong một buổi tối
Một quy trình dùng AI để đi từ ý tưởng mơ hồ tới prototype có thể bấm được: brief, luồng màn hình, dữ liệu giả, UI, rồi kiểm tra bằng người thật.
Viết bởi Zenith Nguyen
Một trong những cảm giác vui nhất khi dùng AI là thấy ý tưởng đi từ mơ hồ thành thứ có thể bấm được rất nhanh. Nhưng nhanh không có nghĩa là vội. Nếu bỏ qua cấu trúc, prototype sẽ đẹp lúc đầu và rối ngay sau đó.
Đây là quy trình tôi hay dùng khi muốn thử một ý tưởng sản phẩm nhỏ trong một buổi tối.
Bắt đầu bằng một câu hứa
Trước khi vẽ UI, tôi viết một câu: sản phẩm này giúp ai làm việc gì tốt hơn trong tình huống nào. Ví dụ: giúp lập trình viên mới học AI tạo checklist học mỗi ngày dựa trên thời gian rảnh.
Câu này là neo. Nếu một màn hình không phục vụ câu hứa đó, tôi bỏ ra.
Nhờ AI tạo user flow
Tôi đưa câu hứa cho AI và yêu cầu tạo luồng 4-6 bước: vào app, nhập dữ liệu, nhận kết quả, chỉnh sửa, lưu lại, quay lại. Sau đó tôi hỏi tiếp: bước nào có khả năng làm người dùng bỏ cuộc?
Câu hỏi thứ hai thường thú vị hơn câu đầu. Nó kéo UI về thực tế.
Tạo dữ liệu giả trước UI
Một UI không có dữ liệu thật rất dễ bị ảo. Tôi nhờ AI tạo 10 bản ghi mẫu: tên, trạng thái, lỗi, trường hợp dài, trường hợp rỗng. Sau đó mới dựng component.
Dữ liệu giả tốt giúp bạn thấy layout có vỡ không, chữ có dài quá không, empty state có cần không.
Dựng lát đầu tiên thật nhỏ
Tôi không cố dựng toàn bộ app. Tôi chọn một đường chính: nhập ý tưởng, nhận kế hoạch, chỉnh một mục. Nếu lát này ổn, các phần còn lại mới đáng làm.
AI có thể viết nhanh component, nhưng tôi vẫn tự giữ quyết định về hierarchy, spacing, trạng thái loading, lỗi và cách đặt tên.
Kết thúc bằng câu hỏi khó
Prototype xong, tôi hỏi AI review: người dùng mới sẽ hiểu gì trong 5 giây đầu? Chỗ nào giống demo hơn sản phẩm thật? Cần bỏ gì để rõ hơn?
Một buổi tối không đủ để tạo sản phẩm hoàn chỉnh. Nhưng đủ để trả lời câu hỏi quan trọng: ý tưởng này có đáng thêm một buổi tối nữa không?
Đọc tiếp
Bài viết liên quan
Xây hệ thống ghi chú AI cá nhân
Một hệ thống ghi chú nhỏ để học AI bền hơn: lưu điều đã thử, prompt đã dùng, kết quả, lỗi sai, và bài học có thể tái sử dụng.
Cách kiểm tra câu trả lời AI trước khi tin
AI có thể rất hữu ích và vẫn sai. Đây là checklist tôi dùng để phân loại rủi ro, kiểm nguồn, chạy thử, và quyết định mức độ tin cậy.
AI Agent thực tế: bắt đầu từ checklist nhỏ
Đừng bắt đầu agent bằng giấc mơ tự động hóa cả công ty. Hãy bắt đầu bằng một checklist lặp lại, có đầu vào rõ, đầu ra kiểm được.