50 de Zile, de la Zero la v2.0: Ce Am Învățat Construind cu AI

În 50 de zile, am trecut de la zero absolut la o platformă cu 10 spații de lucru, 33+ endpointuri AI, 16 limbi native și peste 1.000 de commituri. Un studiu McKinsey (2024) raportează că echipele care adoptă AI în dezvoltarea software livrează cu 30-50% mai rapid decât echipele tradiționale. Experiența noastră de a construi Nervus.io cu Claude Code sugerează că acel număr este conservator. Acest articol documentează exact cum am făcut-o, ce a funcționat, ce a eșuat și ce poate replica orice fondator.

Provocarea: Construirea unui SaaS Complet cu o Echipă Minimă

Majoritatea produselor SaaS din piața de productivitate au nevoie de 12 până la 18 luni pentru a ajunge la un MVP funcțional, conform datelor Founders Factory (2025). Echipe de 5-10 ingineri. Runde de investiții. Manageri de produs. Designeri. Modelul tradițional de dezvoltare software necesită capital, timp și coordonare între zeci de persoane.

Premisa pentru Nervus.io a fost diferită: construiește o platformă completă de productivitate personală bazată pe AI, folosind AI ca partener de dezvoltare, nu doar ca asistent de cod. Nervus.io este o platformă de productivitate personală cu o ierarhie rigidă (Arie > Obiectiv > Țintă > Proiect > Sarcină), coaching AI, evaluări de responsabilitate și management inteligent al sarcinilor. Complexitatea reală: 32+ tabele de bază de date, 4 furnizori AI integrați, un sistem financiar complet, CRM, obiceiuri și un flux de onboarding care configurează structura vieții unui utilizator în 3 minute.

Aceasta nu a fost o aplicație CRUD simplă. A fost un sistem de operare pentru viață.

Decizia de a folosi Claude Code ca partener de dezvoltare a transformat ecuația. În loc să angajăm o echipă, am investit în proces. În loc de sprinturi tradiționale, am folosit un model de execuție bazat pe faze pe care AI-ul putea să-l urmeze, planifice și execute cu context complet.

Abordarea: 516 Planuri, 117 Faze, 13 Lansări

Diferențiatorul nu a fost viteza brută. A fost modelul de planificare. Fiecare funcționalitate Nervus.io a început ca un plan detaliat de implementare — un document structurat cu scop, dependențe, criterii de acceptare și secvență de execuție. La finalul proiectului, aveam 516+ planuri create și 117 faze executate.

Cum funcționează modelul de faze

Fiecare fază este o unitate de lucru autonomă. Conține:

• Scop definit: ce este inclus, ce nu
• Dependențe mapate: ce faze trebuie completate mai întâi
• Criterii de acceptare: cum validezi că este gata
• Secvență de execuție: pas cu pas pentru AI

Acest model rezolvă cea mai mare problemă în dezvoltarea asistată de AI: contextul. Conform cercetării Google DeepMind (2025), modelele de limbaj pierd până la 40% din acuratețe la sarcinile de cod când contextul depășește 50.000 de tokeni fără structură clară. Planurile noastre de implementare au funcționat ca un sistem de memorie externă — fiecare fază avea tot contextul necesar, fără a depinde de model să „își amintească" deciziile anterioare.

Cadența lansărilor

Lansare	Perioadă	Livrabile cheie
v1.0	Zilele 1-5	Ierarhia de bază, autentificare, CRUD entități
v1.1-1.3	Zilele 6-15	Spațiu de lucru Focus, calendar, sistem de tag-uri
v1.4-1.6	Zilele 16-25	Sugestii AI inline, chat entitate, evaluări
v1.7-1.9	Zilele 26-35	Modul financiar, CRM, obiceiuri și trackere
v2.0-2.0.5	Zilele 36-50	Internaționalizare (16 limbi), onboarding v3, panou admin, creare conținut

13 lansări majore în 50 de zile înseamnă că fiecare lansare s-a întâmplat, în medie, la fiecare 3,8 zile. O echipă tradițională face lansări bisăptămânale sau lunare. Diferența nu este doar viteză — este capacitatea de a itera și corecta cursul la o frecvență mult mai mare.

Dezvoltare Tradițională vs. Asistată de AI: Unde Este Diferența Reală

Datele Gartner (2025) indică faptul că 75% din organizațiile enterprise vor folosi instrumente de dezvoltare asistată de AI până în 2028. Dar „a folosi AI" este un spectru larg. Pentru acest studiu de caz, comparația este specifică: dezvoltare SaaS cu o echipă minimă.

Dimensiune	Dezvoltare Tradițională	Asistată de AI (Claude Code)
Timp până la MVP	12-18 luni (Founders Factory, 2025)	50 de zile
Dimensiune echipă	5-10 ingineri	1 fondator + AI
Cost dezvoltare	$150K-$500K (seed-stage, date a16z)	Cost abonament instrument AI
Lansări pe lună	1-2	7-8
Planuri de implementare	PRD-uri manuale, ~20-30 pe trimestru	516+ planuri automatizate
Limbi suportate	1-3 (cu echipă de localizare)	16 native (bazat pe AI)
Endpointuri AI	Depinde de integrare manuală	33+ cu pattern adaptor
Acoperire review/QA	Manual + CI/CD	Review AI + teste automatizate

Cel mai subestimat avantaj este reducerea overhead-ului de coordonare. În echipele tradiționale, o parte semnificativă din timp se petrece în întâlniri de aliniere, code review-uri, documentare și predări. Studiul „The Cost of Interrupted Work" (University of California, Irvine) arată că profesioniștii software pierd 23 de minute pentru a-și recăpăta concentrarea după fiecare întrerupere. Cu AI ca partener, întreruperile de coordonare pur și simplu nu există.

Deciziile Tehnice Care Au Accelerat Totul

Viteza de dezvoltare nu depinde doar de instrumentul AI. Stack-ul contează. Alegerile greșite din ziua 1 creează datorie tehnică care încetinește totul de la ziua 30 înainte. Deciziile de mai jos au fost deliberate:

Next.js 16 + React 19 (App Router)

Alegerea framework-ului frontend a definit arhitectura. Next.js cu App Router a permis componente server, streaming și rute API în același proiect. Zero nevoie de un backend separat. Conform State of JS Survey (2025), Next.js este cel mai adoptat framework pentru proiecte noi (38% cotă de piață), ceea ce înseamnă că AI-ul a avut mai multe date de antrenament pentru a genera cod corect.

Supabase ca Backend-as-a-Service

PostgreSQL gestionat cu Row Level Security (RLS), autentificare integrată (Magic Link + Google OAuth) și subscripții în timp real. Decizia de a folosi Supabase a eliminat săptămâni de dezvoltare a infrastructurii de autentificare și securitate. RLS a asigurat că fiecare utilizator vede doar propriile date fără cod custom — securitate la nivel de bază de date.

AI Multi-Furnizor (4 furnizori)

În loc să depindem de un singur furnizor AI, am implementat un pattern adaptor cu 4 furnizori: OpenAI (GPT-5-nano, GPT-4.1), Anthropic (Claude Sonnet 4.5), Google (Gemini) și DeepSeek. Sistemul face rutare pe niveluri: sarcini simple (sugestii inline, categorizare) folosesc modele rapide și ieftine; sarcini complexe (perspective din evaluări, chat global) folosesc modele premium.

Beneficiul practic: reziliență și optimizare a costurilor. Când un furnizor are instabilitate, sistemul trece automat pe altul. Costul per utilizator rămâne controlat deoarece 70% din apelurile AI folosesc nivelul „rapid".

Internaționalizare Bazată pe AI

16 limbi native în 24 de ore. Nu traducere automată în stil Google Translate — localizare reală cu context. AI-ul a primit texte în engleză cu context de utilizare (etichete butoane, mesaje de eroare, titluri spații de lucru) și a produs traduceri care respectă convențiile fiecărei limbi. Portugheză (BR și PT), spaniolă, franceză, germană, italiană, olandeză, poloneză, turcă, suedeză, daneză, norvegiană, finlandeză, română și cehă.

Kent Beck, creatorul Extreme Programming, a declarat în 2024: „AI nu înlocuiește programatorii. Înlocuiește părțile din programare pe care programatorii le-au urât mereu. Planificarea, boilerplate-ul, tiparele repetitive. Ce rămâne este gândirea." Experiența noastră confirmă această observație — AI a accelerat execuția, dar fiecare decizie de arhitectură, flux de utilizator și prioritate de funcționalitate a necesitat judecată umană.

Ce a Funcționat și Ce Nu

Transparența face parte din procesul nostru de construcție publică. Nu totul a fost accelerare exponențială. Unele lecții au fost învățate pe calea grea.

Ce a funcționat

1. Planurile de implementare ca „memorie externă" a AI-ului. Modelul de 516+ planuri nu a fost birocrație — a fost infrastructura care a permis AI-ului să mențină contextul între sesiuni. Fiecare plan avea scop clar, dependențe și criterii de acceptare. AI-ul nu trebuia să „ghicească" ce trebuie făcut.

2. Cadență rapidă de lansări (3,8 zile). Lansările frecvente înseamnă bucle scurte de feedback. Fiecare lansare a fost o oportunitate de a valida decizii și corecta cursul înainte ca datoria tehnică să se acumuleze. Eric Ries, în The Lean Startup, a demonstrat că startup-urile cu cicluri Build-Measure-Learn sub 2 săptămâni au de 3 ori mai multe șanse de supraviețuire în primii 2 ani.

3. Stack modern, bine documentat. AI-ul generează cod mai bun când stack-ul este popular și bine documentat. Next.js, React, Tailwind, Supabase — toate cu comunități mari și documentare extensivă. Aceasta reduce halucinațiile și codul incorect.

4. Pattern adaptor pentru furnizorii AI. Decizia de a abstractiza furnizorii AI din ziua 1 a permis schimbarea și adăugarea furnizorilor fără rescrierea codului. Când apare un model mai bun, costul de integrare este minim.

Ce nu a funcționat (sau a necesitat corecție)

1. Subestimarea complexității funcționalităților financiare. Modulul financiar (extras de cont, categorizare automată, valoare netă, facturi recurente) a consumat de 3 ori mai multe planuri decât estimarea. Datele financiare necesită precizie absolută — rotunjiri, multi-monedă, detectarea transferurilor interne. AI-ul a generat cod funcțional, dar cazurile limită financiare au necesitat revizuire umană meticuloasă.

2. Onboarding-ul a necesitat 3 versiuni. Primul onboarding a fost prea generic. Al doilea a fost prea complex. Abia la versiunea 3, cu AI-ul generând structura ierarhică dintr-o conversație naturală, am găsit echilibrul. 3-5 minute, 5 pași, și utilizatorul iese cu arii, obiective, ținte și proiecte configurate.

3. Fereastra de context ca blocaj. În fazele cu multe dependențe transversale (ex: integrarea financiar + AI + evaluări), contextul necesar depășea ceea ce AI-ul putea procesa cu acuratețe. Soluția a fost descompunere suplimentară — faze mai mici, planuri mai atomice. Mai mult overhead de planificare, dar calitate mai bună a rezultatelor.

Numerele Reale: Metrici de Dezvoltare

Date interne ale proiectului, nu estimări:

• 50 de zile de la zero la v2.0.5 în producție
• 117 faze executate secvențial
• 516+ planuri de implementare create
• 1.000+ commituri în repository
• 13 lansări majore (v1.0 până la v2.0.5)
• 32+ tabele în baza de date PostgreSQL
• 33+ endpointuri AI cu rutare pe niveluri
• 4 furnizori AI integrați (OpenAI, Anthropic, Google, DeepSeek)
• 100+ hook-uri React Query cu actualizări optimiste
• 16 limbi native suportate
• 10 spații de lucru active în produsul final
• 8 tipuri de ritualuri de evaluare (de la săptămânal la anual)

Aceste numere reprezintă densitate funcțională — cantitatea de funcționalitate livrată per unitate de timp. În dezvoltarea tradițională, un produs cu această profunzime ar lua minimum 12-18 luni cu o echipă de 5-10 persoane, la un cost estimat de $300K-$500K (bazat pe date de cost ingineresc de la Levels.fyi pentru piața din SUA, 2025).

5 Lecții pentru Oricine Construiește SaaS cu AI

Experiența de construire a Nervus.io a distilat învățăminte aplicabile oricărui fondator care folosește AI pentru dezvoltare. Acestea nu sunt teorii — sunt tipare pe care le-am observat de-a lungul a 50 de zile de execuție intensivă.

1. AI nu înlocuiește gândirea — accelerează execuția. Fiecare dintre cele 117 faze a început cu decizii umane: ce să construiești, de ce, în ce ordine. AI-ul a executat „cum"-ul la viteza de 10x. Dar fără un „ce" și „de ce" clar, viteza nu contează — doar construiești lucrul greșit mai repede.

2. Planificarea structurată este infrastructura critică. Cele 516+ planuri nu au fost overhead — ele sunt ceea ce a făcut AI-ul productiv. Fără structură, AI-ul produce cod generic. Cu planuri detaliate (scop, dependențe, criterii de acceptare), produce cod care se potrivește sistemului.

3. Livrează rapid, iterează și mai rapid. 13 lansări în 50 de zile înseamnă cicluri de 3,8 zile. Fiecare lansare este un checkpoint de validare. Costul corectării unei decizii greșite în ziua 5 este minim; în ziua 50, este exponențial. Frecvența lansărilor este un hedge împotriva deciziilor proaste.

4. Alege un stack pe care AI-ul îl cunoaște. Framework-urile populare, bine documentate (Next.js, React, Supabase) produc un output AI mai bun. Stack-urile obscure sau foarte noi generează mai multe halucinații și cod incorect. Popularitatea stack-ului se corelează direct cu calitatea dezvoltării asistate de AI.

5. Abstractizează dependențele externe din ziua 1. Patternul adaptor pentru furnizorii AI a costat 2 zile extra la început. A economisit săptămâni pe durata proiectului. Când am decis să adăugăm DeepSeek ca al patrulea furnizor, integrarea a durat ore, nu zile.

Concluzii Cheie

• AI ca partener de dezvoltare accelerează livrarea SaaS de 5-10x, dar necesită planificare structurată și decizii umane clare despre arhitectură și priorități.
• Modelul de faze cu planuri atomice (516+ planuri, 117 faze) rezolvă cel mai mare blocaj al dezvoltării asistate de AI: menținerea contextului între sesiunile de lucru.
• Cadența rapidă de lansări (3,8 zile în medie) funcționează ca management al riscului: fiecare lansare este un checkpoint care reduce costul corecțiilor viitoare.
• Un stack popular, bine documentat este o precondiție, nu o preferință. AI-ul generează cod mai bun când baza de antrenament este extinsă.
• Complexitatea umană (decizii de produs, UX, cazuri limită financiare) rămâne adevăratul blocaj — AI accelerează execuția, nu judecata.

FAQ

Este posibil să construiești un SaaS complet cu AI în 50 de zile?

Da, cu constrângeri. Experiența Nervus.io arată că este viabil folosind Claude Code ca partener de dezvoltare, cu condiția să existe planificare structurată (516+ planuri) și un fondator cu viziune clară de produs. AI accelerează execuția de 5-10x, dar nu înlocuiește deciziile de arhitectură și prioritizarea funcționalităților.

Ce instrument AI este cel mai bun pentru dezvoltarea software?

Claude Code s-a dovedit eficient pentru dezvoltare full-stack (Next.js + React + Supabase). Principalul avantaj este capacitatea de a menține context lung și de a urma planuri structurate de implementare. GitHub Copilot se concentrează pe autocompletare; Claude Code funcționează ca un inginer software complet.

Cât costă dezvoltarea unui SaaS cu AI în loc de o echipă tradițională?

Costul scade dramatic. Un SaaS cu complexitatea Nervus.io (32+ tabele, 33+ endpointuri AI, 16 limbi) ar costa $300K-$500K cu o echipă tradițională de 5-10 ingineri pe parcursul a 12-18 luni. Cu dezvoltare asistată de AI, costul se rezumă la abonamente pentru instrumente și infrastructură.

Ce este modelul de faze în dezvoltarea asistată de AI?

Fiecare fază este o unitate de lucru autonomă cu scop definit, dependențe, criterii de acceptare și secvență de execuție. Funcționează ca memorie externă pentru AI, eliminând problema pierderii contextului între sesiuni. Nervus.io a executat 117 faze cu 516+ planuri detaliate.

Poate AI să înlocuiască o echipă întreagă de ingineri?

Nu înlocuiește — restructurează. AI elimină munca de coordonare, boilerplate-ul și implementarea repetitivă. Ce rămâne este munca de nivel înalt: decizii de arhitectură, design de flux utilizator, prioritizare funcționalități și revizuire cazuri limită. Fondatorul se transformă din „manager de echipă" în „director AI."

Cum asiguri calitatea codului când AI-ul scrie cea mai mare parte?

Trei strategii: (1) planuri de implementare cu criterii de acceptare clare, (2) revizuire umană a codului concentrată pe cazuri limită și logica de business, și (3) un stack bine documentat care reduce halucinațiile. La Nervus.io, funcționalitățile financiare au necesitat de 3 ori mai multă revizuire umană decât funcționalitățile de UI.

Care sunt limitele dezvoltării asistate de AI?

Fereastra de context este limitarea principală. Fazele cu multe dependențe transversale pierd din calitate. Soluția este descompunerea: planuri mai mici, mai atomice. În plus, ariile care necesită precizie absolută (finanțe, securitate) necesită revizuire umană meticuloasă indiferent de calitatea codului generat.

Funcționează modelul de 50 de zile pentru orice tip de SaaS?

Modelul de faze cu AI este replicabil pentru SaaS-uri web cu stack modern. Produsele care necesită hardware custom, conformitate regulatorie intensă (fintech, healthtech) sau integrare profundă cu sisteme legacy vor avea cronologii mai lungi. Viteza de 50 de zile presupune un stack greenfield și decizii rapide de produs.

Construiește cu Intenție, Nu cu Grabă

Cele 50 de zile de dezvoltare Nervus.io nu au fost o cursă contra timpului. Au fost un experiment controlat despre cum AI poate transforma procesul de construire a software-ului. Rezultatul — o platformă cu 10 spații de lucru, 33+ endpointuri AI, 16 limbi și peste 1.000 de commituri — demonstrează că modelul funcționează. Dar funcționează pentru că a existat intenție în fiecare fază: planificare structurată, decizii deliberate de stack și claritate despre ce face AI-ul bine și unde judecata umană este de neînlocuit.

Dacă te gândești să construiești un SaaS cu AI, ghidul pentru fondatori solo detaliază cadrul complet pe care l-am folosit.

Nervus.io este o platformă de productivitate personală bazată pe AI. Folosește o ierarhie rigidă (Arie > Obiectiv > Țintă > Proiect > Sarcină) pentru a ajuta utilizatorii să atingă obiective semnificative cu coaching AI, evaluări de responsabilitate și management inteligent al sarcinilor.

---

Scris de echipa Nervus.io, care construiește o platformă de productivitate bazată pe AI care transformă obiectivele în sisteme. Scriem despre știința obiectivelor, productivitate personală și viitorul colaborării om-AI.