Projektinhallintasovelluksen kehittäminen käyttäen tekoälykoodaustyökaluja
Käppi, Panu (2025)
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025122138800
https://urn.fi/URN:NBN:fi:amk-2025122138800
Tiivistelmä
Opinnäytetyön tavoitteena oli kehittää Elenium Oy:n SkillHub-sovellukseen uusi projektinhallintaosio hyödyntäen tekoälykoodaustyökaluja osana kehitysprosessia. Projektinhallintaosion tarkoituksena oli tarjota yritykselle mahdollisuus tarkastella käynnissä olevia projekteja sekä suunnitella tulevia hankkeita ja niiden resursointia projektien myynnin tueksi. Tavoitteena oli luoda työkalu, joka selkeyttää projektien ja asiantuntijaresurssien hallintaa sekä parantaa näkyvyyttä organisaation projekteihin kokonaisuutena. Työn tutkimuksellisena tavoitteena oli tutkia neljän eri tekoälykoodaustyökalun (Cline, OpenAI Codex, Cursor IDE, Pythagora) käyttöä ja toimivuutta sovelluksen kehittämisessä.
Sovelluksen palvelinpuoli (backend) rakennettiin Node.js-teknologialla, ja tietokantana oli Google Cloudissa toimiva PostgreSQL sekä Milvus-vektoritietokanta asiantuntijahakuja varten. Versionhallinta ja julkaisu toteutettiin Bitbucketin ja sen julkaisuketjujen (pipelines) avulla. Käyttöliittymä (frontend) kehitettiin käyttäen Reactia, TypeScriptiä ja Tailwind CSS:ää. Tekoälytyökaluja hyödynnettiin erityisesti uusien laajojen toiminnallisuuksien luomisessa: tekoäly tuotti alustavan koodin, jonka jälkeen sitä muokattiin ja viimeisteltiin käsin sovelluksen vaatimusten mukaiseksi. Käyttöliittymä sen sijaan toteutettiin pääosin manuaalisesti, jotta se vastaisi tarkasti UI/UX-suunnittelijan Figmassa tuottamaa visuaalista suunnitelmaa.
Projektin aikana tekoäly osoittautui hyödylliseksi erityisesti kehityksen alkuvaiheessa, jolloin rakennettiin uusi mikropalvelu ja luotiin projektinäkymän perusrakenne. Myös testien generointi oli merkittävä hyötyalue. Sen sijaan käyttöliittymän visuaalisen ilmeen toteutukseen tekoäly soveltui heikommin. Tekoälytyökalujen vertailussa havaittiin, että Cline tuotti laadukkainta koodia mutta oli kustannuksiltaan korkea. OpenAI Codex oli koodin laadussa hieman heikompi, mutta edullisempi ratkaisu. Cursorin vahvuus oli nopeissa tab-automaattitäydennyksissä ja inline-toiminnoissa, ja Pythagora toimi erityisen hyvin projektin alkuvaiheessa, mutta ei yhtä tehokkaasti myöhemmässä vaiheessa, ja sen hintataso oli korkea. Lopputuloksena projektinhallintanäkymä toteutettiin onnistuneesti alkuperäisten tavoitteiden mukaisesti. Tutkimustehtävät toteutuivat, ja neljän tekoälytyökalun toimivuudesta ohjelmistokehityksessä saatiin selkeät ja perustellut johtopäätökset. Valmis projektinhallintaosio integroitui sujuvasti SkillHub- sovellukseen.
Sovelluksen palvelinpuoli (backend) rakennettiin Node.js-teknologialla, ja tietokantana oli Google Cloudissa toimiva PostgreSQL sekä Milvus-vektoritietokanta asiantuntijahakuja varten. Versionhallinta ja julkaisu toteutettiin Bitbucketin ja sen julkaisuketjujen (pipelines) avulla. Käyttöliittymä (frontend) kehitettiin käyttäen Reactia, TypeScriptiä ja Tailwind CSS:ää. Tekoälytyökaluja hyödynnettiin erityisesti uusien laajojen toiminnallisuuksien luomisessa: tekoäly tuotti alustavan koodin, jonka jälkeen sitä muokattiin ja viimeisteltiin käsin sovelluksen vaatimusten mukaiseksi. Käyttöliittymä sen sijaan toteutettiin pääosin manuaalisesti, jotta se vastaisi tarkasti UI/UX-suunnittelijan Figmassa tuottamaa visuaalista suunnitelmaa.
Projektin aikana tekoäly osoittautui hyödylliseksi erityisesti kehityksen alkuvaiheessa, jolloin rakennettiin uusi mikropalvelu ja luotiin projektinäkymän perusrakenne. Myös testien generointi oli merkittävä hyötyalue. Sen sijaan käyttöliittymän visuaalisen ilmeen toteutukseen tekoäly soveltui heikommin. Tekoälytyökalujen vertailussa havaittiin, että Cline tuotti laadukkainta koodia mutta oli kustannuksiltaan korkea. OpenAI Codex oli koodin laadussa hieman heikompi, mutta edullisempi ratkaisu. Cursorin vahvuus oli nopeissa tab-automaattitäydennyksissä ja inline-toiminnoissa, ja Pythagora toimi erityisen hyvin projektin alkuvaiheessa, mutta ei yhtä tehokkaasti myöhemmässä vaiheessa, ja sen hintataso oli korkea. Lopputuloksena projektinhallintanäkymä toteutettiin onnistuneesti alkuperäisten tavoitteiden mukaisesti. Tutkimustehtävät toteutuivat, ja neljän tekoälytyökalun toimivuudesta ohjelmistokehityksessä saatiin selkeät ja perustellut johtopäätökset. Valmis projektinhallintaosio integroitui sujuvasti SkillHub- sovellukseen.