Fare un’applicazione web da zero, con design e produzione di un database relazionale, autenticazione strutturata, documentazione e codice su github in 25 minuti? Fatto!
“Vibe coding” è il nuovo mantra della Silicon Valley, coniato da Andrej Karpathy. Non è più programmazione tradizionale, ma un flusso creativo dove si dà in pasto un’idea all’AI e si lascia che il codice prenda forma. L’obiettivo? Scrivere il meno possibile e costruire software nel tempo di un caffè.
Negli ultimi anni, lo sviluppo di applicazioni complete è diventato incredibilmente semplice, soprattutto nella fase di prototipazione. Strumenti come Lovable.dev hanno rivoluzionato questo processo, permettendo di creare, distribuire e documentare applicazioni in modo rapido ed efficiente. Piattaforme di questo tipo ce ne sono sempre di più: replit.com, bolt, devin… ma Lovable mi aiuta a spiegarvi meglio di cosa parliamo quando facciamo Vibe Coding!
Lovable.dev è una piattaforma che funge da “super ingegnere full stack”, trasformando idee descritte in linguaggio naturale in applicazioni funzionanti. Con Lovable, è possibile descrivere ciò che si desidera costruire, e la piattaforma genera istantaneamente una prima versione del progetto. Successivamente, attraverso un editor interattivo, si possono progettare e ampliare le funzionalità dell’applicazione. Una volta soddisfatti del risultato, è possibile condividere il progetto tramite un link o sincronizzare il codice con GitHub per ulteriori sviluppi.
Questa evoluzione degli strumenti di sviluppo ha reso la creazione di software di alta qualità accessibile a un pubblico più ampio, eliminando molte delle barriere tecniche tradizionali. Ora, anche chi non ha competenze di programmazione avanzate può trasformare rapidamente un’idea in un’applicazione funzionante, pronta per essere testata, distribuita e documentata.
Introduzione
Questa è la storia di come ho usato Lovable per sviluppare un’app che raccoglie feedback anonimi dai dipendenti, li analizza con GPT-4o-mini e genera report utili per i manager. L’obiettivo era creare un’applicazione “qualsiasi” in ambito web. Mi ha dato supporto ChatGPT con l’idea di creare un canale diretto per monitorare il clima aziendale e individuare criticità in modo tempestivo.
Lovable ha gestito l’intero processo: dalla creazione dell’interfaccia alla configurazione del backend su Supabase, fino all’implementazione dell’analisi del sentiment con AI.
Ingredienti
- Lovable: ha generato l’interfaccia utente e automatizzato lo sviluppo. Io ho attivato la versione a pagamento per avere il tutto in ambiente privato. Ma per i primi test potete usare la versione pubblica.
- Supabase: per la gestione del database, autenticazione e funzioni serverless
- API KEY GPT-4o-mini: per analizzare automaticamente il sentiment dei feedback
- Un’Analisi di un progetto da sviluppare: in questo caso questo semplice testo (rigorosamente generato da un’AI per tener fede alla rubrica) “un’app per raccogliere feedback anonimo dai dipendenti, analizzarlo e trasformarlo in report utili per individuare aree di miglioramento. Caratteristiche possibili: Sondaggi e questionari personalizzabili. Analisi del sentiment tramite algoritmi AI. Dashboard per visualizzare trend e commenti più ricorrenti. Vantaggio per i manager: Fornisce un canale diretto per conoscere il clima aziendale e intervenire tempestivamente su eventuali criticità.”
Difficoltà
☕ Americano (3/5) – Nonostante l’automazione, ho dovuto intervenire per correggere alcuni errori e configurare il backend. Se non sappiamo di cosa stiamo parlando la complessità arriva a 5/5.
Tempo di preparazione
⏳ 25 minuti (setup completo con testing Sotto il video che ve lo racconta a velocità 5x)
Preparazione: il processo di lovable
1. Generazione dell’interfaccia
La mia richiesta iniziale era chiara:
“Voglio un’app che raccolga feedback anonimi, analizzi il sentiment e visualizzi i dati in una dashboard per i manager.” L’ho lavorata un po’ per estenderla usando O3-mini-high. Estendere l’analisi è importante e ho pensato di farlo mettendoci dentro un po’ dei miei anni di esperienza. Poi l’ho passata a Lovable
✅ Lovable ha generato automaticamente un’interfaccia minimalista con:
- Un form per l’invio di feedback
- Una dashboard per i manager
- Un design pulito e professionale
❌ Errore: La pagina di feedback restituiva un 404.
Problema: Il backend non esisteva ancora.
2. Configurazione del backend con Supabase
Soluzione di Lovable:
- Ha suggerito di creare un progetto su Supabase per gestire autenticazione e database.
- Ha generato ed eseguito uno script SQL per creare le tabelle necessarie:
- profiles (per utenti autenticati)
- feedback (per memorizzare i feedback anonimi)
- feedback_categories (per classificare i feedback)
- Ha impostato le Row Level Security (RLS) per garantire anonimato e protezione dei dati.
✅ Risultato: Il database ora era configurato correttamente.
3. Implementazione dell’autenticazione
Problema: La dashboard doveva essere accessibile solo ai manager.
Soluzione di Lovable:
- Ha creato un sistema di login/registrazione.
- Ha aggiornato la navbar per mostrare lo stato di autenticazione.
- Ha reso la dashboard accessibile solo agli utenti autenticati.
✅ Risultato: I manager ora potevano accedere alla dashboard in modo sicuro.
4. Creazione della pagina di feedback
Problema: Gli utenti anonimi non potevano inviare feedback.
Soluzione di Lovable:
- Ha abilitato le policy RLS per permettere:
- L’invio di feedback senza autenticazione.
- La visualizzazione delle categorie di feedback senza login.
- Ha creato un form validato con Zod con notifiche toast.
✅ Risultato: Gli utenti ora potevano inviare feedback anonimi.
5. Costruzione della dashboard
Problema: La dashboard iniziale era vuota.
Soluzione di Lovable:
- Ha aggiunto una tabella per visualizzare i feedback ricevuti.
- Ha implementato badge di stato e sentiment.
- Ha creato un pannello di statistiche con:
- Numero totale di feedback
- Distribuzione del sentiment (positivo, negativo, neutro)
- Percentuale di feedback anonimi vs identificati
✅ Risultato: Ora i manager potevano monitorare il sentiment aziendale e valutare i feedback.
6. Implementazione dell’analisi del sentiment
Problema: I feedback non venivano analizzati automaticamente.
Soluzione di Lovable:
- Ha creato una Edge Function in Supabase per analizzare i feedback con GPT-4o-mini.
- Ha implementato un workflow automatico:
- L’utente invia un feedback ➝ Salvato nel database.
- L’Edge Function chiama GPT-4o-mini con il testo del feedback.
- GPT analizza e restituisce uno dei tre sentiment: positivo, negativo o neutro.
- Il risultato viene salvato nel database e mostrato nella dashboard.
✅ Risultato: Tutti i feedback ora hanno un’analisi del sentiment AI automatizzata.
7. Risoluzione degli errori
Durante lo sviluppo, sono emersi alcuni errori che Lovable ha risolto autonomamente:
❌ Errore 404 nella chiamata alla funzione di sentiment analysis
✔ Risolto: Utilizzato supabase.functions.invoke() invece di fetch().
❌ Problema con process.env.SUPABASE_ANON_KEY
✔ Risolto: Sostituito con import.meta.env.
❌ L’Edge Function tentava di analizzare una tabella inesistente
✔ Risolto: Modificato il test per interrogare la tabella feedback_categories invece di _realtime.
✅ Risultato: Dopo la correzione degli errori, tutto ha funzionato senza intoppi.
Risultato finale
L’app sviluppata da Lovable ora permette:
✔ Invio anonimo di feedback
✔ Analisi automatica del sentiment con AI
✔ Dashboard per i manager con statistiche dettagliate
✔ Protezione dei dati con Supabase RLS
L’app è pubblicata qui: https://employee-voice-lighthouse.lovable.app/. Perdonatemi se non vi fa vedere molto ma siamo su Internet ed è il 2025: un’app di raccolta dati anonima potrebbe generare (a me) qualche problema ????
La potete vedere qui.
Ho chiesto a Lovable cosa mancasse ancora rispetto all’analisi iniziale e, nonostante non avesse generato tutto, si è ricordato tutte le mie richieste e si è offerto di completarla. Ma mi sono fermato, credo abbiate capito il senso di questa modalità di lavoro.
Conclusione
Lovable ha gestito l’intero processo di sviluppo, automatizzando la creazione dell’interfaccia, la configurazione del database e l’analisi AI. Grazie a questa automazione, ho potuto ottenere un sistema di feedback aziendale completo in meno di mezz’ora, con analisi AI integrata.
Direi che non serve che commenti su quanto:
- il “Vibe Coding” non possa essere un sistema magico che risolve tutti i problemi di programmazione: ci sono molti limiti e il tutto funziona, per ora, in un ambiente ristretto;
- servano competenze per comprendere e gestire i risultati: vi troverete sommersi di codice non scritto da voi ma che dovrete controllare;
- nonostante i limiti, sia ora possibile testare un’idea in tempi estremamente rapidi: anche la fase di mockup è di fatto ‘inutile’ per piccoli progetti perché si può testare tutto in diretta;
- sia divertente lavorare in questo modo per chi, come me, è da un bel po’ che non programma.
Prossimo step? Testare la piattaforma con i primi utenti!
Se vi interessasse trovate qui i sorgenti: https://github.com/TheZapotech/employee-voice-lighthouse?tab=readme-ov-file.
Ma fate probabilmente prima, e vi divertirete di più, a generarla da zero.
