Vibe-koodauksella toteutettu AI-prototyyppi duathlonin harjoitus- tuen kehittämiseen
Fred, Mikael (2026)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202605038940
https://urn.fi/URN:NBN:fi:amk-202605038940
Tiivistelmä
Opinnäytetyössä kehitettiin tekoälyavusteinen prototyyppi duathlon-harjoittelun tukemiseen hyödyntäen vibe-koodausta. Tekijällä on tausta teknisenä projektipäällikkönä, mutta ei aiempaa ohjelmistokehityskokemusta. Kehitysalustana käytettiin Google Antigravitya, tietokantana Supabasea ja tekoälymallina Google Gemini 2.5 Flashia.
Työt käynnistettiin markkinakartoituksella ja viiden kestävyysurheilijan haastattelulla. Keskeisiksi käyttäjätarpeiksi tunnistettiin harjoitusohjelmien joustamattomuus arjessa, tuki useammalle lajille samanaikaisesti sekä tarve saada dataan perustuvia ja sanallisesti perusteltuja suosituksia pelkän numeerisen datan sijaan.
Prototyypin kehitys eteni neljässä vaiheessa. Garminin biometrisen datan integraatio, kalenterinäkymä työkaluun, adaptiivinen AI-valmennus ja viimeisenä kausisuunnittelu ja UI-optimointi. Lopputuloksena syntyi sovellus, joka analysoi käyttäjän biometristä dataa, kuten unidataa, HRV-arvoja ja harjoituskuormaa. Biometrinen data huomioiden prototyyppi osaa generoida pitkän aikavälin harjoitusohjelman perustuen urheilijan kilpailutavoitteisiin ja ehdottaa näihin päivittäisiä muutoksia. Valinnan vapaus suositeltujen muutoksien osalta on kuitenkin jätetty sovelluksessa urheilijalle.
Kehitys osoitti, että vibe-koodauksella pystyy rakentamaan toimivan prototyypin, mutta tekninen ymmärrys perusasioista oli kuitenkin välttämätön useassa kohdassa kehitystä. Ihmisen rooli korostui erityisesti tietokanta-arkkitehtuurin valvonnassa ja rajapintaongelman ratkaisemisessa Garminin Connect portaaliin.
Tavoitteena oli pitää kehityskulut hyvin maltillisina alle 20 € / kk ja lopulta kehityskulut olivat 0 € per kuukausi, koska kehityksessä hyödynnettiin tehokkaasti ilmaisversioita ja opiskelijoille saatavilla olevia normaalisti maksullisia palveluita, joista ei pitänyt kehitystyön aikana maksaa mitään.
Tekoäly osoittautui kyvykkääksi tulkitsemaan biometristä dataa ja generoimaan loogisesti eteneviä harjoitusohjelmia. Prototyyppi vastasi haastatteluissa tunnistettuihin käyttäjätarpeisiin kuten dynaaminen suositus perustuen biometriseen dataan, psykologinen tuki eli lupa levätä, kun havaittiin kasvanut kuormitus. Vibe-koodaus osoittautui toimivaksi kehitysmenetelmäksi ei-tekniselle kehittäjälle, mutta edellytti teknistä ymmärrystä erityisesti tietokanta-arkkitehtuurin osalta.
Lopuksi tehtiin vielä AI-pohjainen tietoturva-analyysi, joka osoitti useita merkittäviä puutteita ratkaisussa tietoturvan kannalta. Prototyypin kannalta havainnot eivät aiheuttaneet välitöntä tarvetta korjauksille, mutta ennen tuotannollista julkaisua valtaosa näistä on ehdottomasti korjattava.
Työt käynnistettiin markkinakartoituksella ja viiden kestävyysurheilijan haastattelulla. Keskeisiksi käyttäjätarpeiksi tunnistettiin harjoitusohjelmien joustamattomuus arjessa, tuki useammalle lajille samanaikaisesti sekä tarve saada dataan perustuvia ja sanallisesti perusteltuja suosituksia pelkän numeerisen datan sijaan.
Prototyypin kehitys eteni neljässä vaiheessa. Garminin biometrisen datan integraatio, kalenterinäkymä työkaluun, adaptiivinen AI-valmennus ja viimeisenä kausisuunnittelu ja UI-optimointi. Lopputuloksena syntyi sovellus, joka analysoi käyttäjän biometristä dataa, kuten unidataa, HRV-arvoja ja harjoituskuormaa. Biometrinen data huomioiden prototyyppi osaa generoida pitkän aikavälin harjoitusohjelman perustuen urheilijan kilpailutavoitteisiin ja ehdottaa näihin päivittäisiä muutoksia. Valinnan vapaus suositeltujen muutoksien osalta on kuitenkin jätetty sovelluksessa urheilijalle.
Kehitys osoitti, että vibe-koodauksella pystyy rakentamaan toimivan prototyypin, mutta tekninen ymmärrys perusasioista oli kuitenkin välttämätön useassa kohdassa kehitystä. Ihmisen rooli korostui erityisesti tietokanta-arkkitehtuurin valvonnassa ja rajapintaongelman ratkaisemisessa Garminin Connect portaaliin.
Tavoitteena oli pitää kehityskulut hyvin maltillisina alle 20 € / kk ja lopulta kehityskulut olivat 0 € per kuukausi, koska kehityksessä hyödynnettiin tehokkaasti ilmaisversioita ja opiskelijoille saatavilla olevia normaalisti maksullisia palveluita, joista ei pitänyt kehitystyön aikana maksaa mitään.
Tekoäly osoittautui kyvykkääksi tulkitsemaan biometristä dataa ja generoimaan loogisesti eteneviä harjoitusohjelmia. Prototyyppi vastasi haastatteluissa tunnistettuihin käyttäjätarpeisiin kuten dynaaminen suositus perustuen biometriseen dataan, psykologinen tuki eli lupa levätä, kun havaittiin kasvanut kuormitus. Vibe-koodaus osoittautui toimivaksi kehitysmenetelmäksi ei-tekniselle kehittäjälle, mutta edellytti teknistä ymmärrystä erityisesti tietokanta-arkkitehtuurin osalta.
Lopuksi tehtiin vielä AI-pohjainen tietoturva-analyysi, joka osoitti useita merkittäviä puutteita ratkaisussa tietoturvan kannalta. Prototyypin kannalta havainnot eivät aiheuttaneet välitöntä tarvetta korjauksille, mutta ennen tuotannollista julkaisua valtaosa näistä on ehdottomasti korjattava.