Timu yetu ya watu wanne ilijenga jukwaa la AI la huduma za afya ambalo leo linahudumia zaidi ya wahudumu wa afya 78,000 katika vituo 108 kila siku — na hakuna hata mmoja wetu aliye na aina ya uhandisi ambao Silicon Valley ingemwajiri kufanya hivyo.
Siwezi kuandika for-loop. Siwezi kuendesha kasha la Docker. Timu yangu inapozungumzia "rate limiting the API," inanibidi nitumie muktadha kubahatisha maana wakati mkutano ukiendelea.
Tulijenga kitu kizima kupitia Lovable. Kuanzia mwanzo hadi mwisho. Kwa kuelezea kile tulichotaka kwa Kiingereza rahisi — na kisha kujifunza, kwa tabu, jinsi ya kuifanya Lovable ifanye kazi kwelikweli kwetu katika kiwango cha uzalishaji.
Hii si hadithi kuhusu jinsi AI inavyofanya uandishi wa kodi kuwa kizamani. Ni hadithi kuhusu jambo la kusisimua zaidi. Nataka kueleza kwa nini nafikiri hivyo, tulichojifunza, na kile ambacho nafikiri waasisi wengi wa AI wanakikosea.
Timu iliyojenga hili
Tulikuwa wanne mwanzoni: mimi, Sasha — Oleksandra Matkovska — anayesimamia bidhaa, Dmitri Batulin anayesimamia utekelezaji wa kiufundi, na Kole Nelson kwenye timu ya uasisi, akishughulikia upande mwingine wa tatizo.
Kole hayupo tena na kampuni, lakini yeye ni sehemu ya hadithi ya asili na nataka kusema hivyo kwa uwazi. Toleo la kwanza la kile sasa kinachoitwa ShiftNex lilijengwa na sisi wanne, na hilo ni muhimu — kwa sababu ni kweli, na kwa sababu linakuambia kila kitu kuhusu jinsi kampuni hii ilivyojengwa. Hakuna timu ya wahandisi. Hakuna CTO. Muasisi asiyejua kuandika kodi, kiongozi wa bidhaa anayefanyia kazi kutokea Odessa, mtekelezaji wa kiufundi kando yake, na mwanatimu aliyekuwa akishughulikia mifumo ya AI ambaye tangu wakati huo ameshaondoka.
Kiukweli sidhani kama kuna mtu amewahi kujenga jukwaa la kuajiri wahudumu wa afya kwa njia hii hapo awali. Si kwa ukubwa tulioufikia. Si kwa muda tulioutumia. Si kwa muundo huu wa timu.
Swali lisilo sahihi
Kwa miaka miwili iliyopita, kila mazungumzo ya AI yamekuwa yakijikita kwenye swali lisilo sahihi: "Je, modeli hii ni nzuri kiasi gani?" GPT dhidi ya Claude dhidi ya Gemini. Vipimo vya ubora. Alama za tathmini. Viwango vya muktadha. Michakato ya kufikiri.
Ni swali lisilo sahihi kwa sababu modeli siyo tena kikwazo. Kikwazo ni kujua nini cha kujenga, na kujua jinsi ya kufanya zana hizo zitekeleze kweli.
Najua nini cha kujenga kwa sababu nilitumia karibu muongo mmoja nikiendesha kampuni ya uajiri wa wahudumu wa afya iitwayo Actriv. Tumekuwa kwenye Inc. 5000 kwa miaka minne mfululizo, tukishika nafasi ya #40 kitaifa mnamo 2021. Makumi ya maelfu ya wauguzi kwenye zamu halisi katika hospitali halisi kote Marekani. Najua hasa nini kimeharibika katika uajiri wa huduma za afya kwa sababu nimekuwa nikiwajazia zamu hizo saa nane za usiku hospitali inapopiga simu kwa taharuki.
Nilipoketi na Lovable, haikunibidi nifikirie nini cha kujenga. Nilikuwa nimeishi ndani ya tatizo hilo kwa karibu muongo mmoja. Sehemu ngumu haikuwa maono — ilikuwa kuzifanya zana zitekeleze maono hayo.
Hiyo ndiyo sehemu ambayo hakuna mtu anayeizungumzia. Ngome siyo modeli. Ngome ni yule muendeshaji anayejua wapi modeli inapaswa kuelekezwa, na timu inayojifunza jinsi ya kuielekeza.
Kilichotokea hasa
Mwaka mmoja uliopita, watatu kati yetu — mimi, Sasha, na Dmitri — tulifungua Lovable na kuanza kuelezea jukwaa ambalo nimekuwa nikiichora kwenye mbao nyeupe kwa miaka mingi. Mfumo wa utumishi ambao ungeweza kumwunganisha muuguzi sahihi na zamu sahihi papo hapo, kushughulikia sifa za kitaaluma, kudhibiti uzingatiaji wa sheria, na kuchakata malipo — bila zile simu 47 na majedwali 12 inavyochukua sasa.
Hatukuijenga kwa njia "sahihi." Tuliijenga jinsi ambavyo wasio wahandisi hujenga: kwa kuelezea matokeo tunayotaka, kutazama AI ikihangaika, na kujifunza nini cha kuiambia baadaye. Toleo la kwanza lilikuwa baya. Toleo la pili liliharibika. Toleo la tatu lilimfanyia kazi mteja mmoja.
Kisha jambo la muhimu zaidi likatokea: tulijifunza jinsi ya kuifunza Lovable itufanyie kazi sisi mahususi. Sio "kutumia Lovable" — kila onyesho la mwanzilishi hufanya hivyo. Iifunze. Jenga mifumo, maelekezo, kanuni, na chaguzi za usanifu zilizomaanisha kuwa Lovable haikuwa tena mjenzi wa AI wa kawaida; ilikuwa mjenzi wetu wa AI. Misuli hiyo — kugundua jinsi ya kufanya kifaa cha AI cha kawaida kienende kama mhandisi mwandamizi anayejua vizuri nambari zako za programu — ndicho kitu ambacho hakuna mtu anayekizungumzia, na hapo ndipo kazi nyingi ya kweli ilipo.
Miezi 12 baadaye, ShiftNex inahudumia zaidi ya wataalamu wa afya 78,000 katika vituo 108 kila siku na imetoa zaidi ya saa 20,000 za utunzaji kupitia jukwaa hilo. Mwaka mmoja baadaye, jukwaa hili bado ni la Lovable kikamilifu. Hakuna kuandika upya. Hakuna "sasa tunaajiri wahandisi halisi ili walifanye ipasavyo." Kila mstari unaoendesha mfumo uliundwa kwa kuelezea kile tulichotaka. Hiyo si hali ya mpito. Huo ndio usanifu wenyewe.
Kisha tukajenga nguvu kazi
Hapa ndipo hadithi inapoacha kuwa hadithi ya Lovable na kuanza kuwa kitu kikubwa zaidi.
Mara tu jukwaa lilipoanza kufanya kazi, tulianza kujenga mawakala juu yake. Halisi. Sio roboti za mazungumzo (chatbots). Wafanyakazi wa kidijitali — waliojengwa kwa Claude Code, wakiratibiwa kupitia Cowork — ambao wanashughulikia mzigo wa kiutendaji ambao kampuni ya utumishi kwa kawaida ingewaajiri watu kadhaa kuufanya. Ukaguzi wa sifa za kitaaluma. Uthibitishaji wa zamu. Ukaguzi wa kisheria. Uchakataji wa nyaraka. Ufuatiliaji wa wateja. Uwiano wa malipo.
Mawakala hawa hufanya kazi mchana na usiku. Hawalali, hawachoki, hawaachi kazi kwa ajili ya nyongeza ya dola 2 kwa saa kutoka kwa mshindani. Wanakua pamoja na jukwaa badala ya kulipinga. Miaka mitatu iliyopita, hii ilikuwa slaidi ya wasilisho tu. Leo ndivyo tunavyofanya kazi.
Kilichokuwa hati miliki sasa kipo kwenye utendaji
Ongezeko hilo hilo lilitokea upande wa sauti, na hilo ni la binafsi — kwa sababu mimi ndiye niliyewasilisha hati miliki hizo.
Mnamo Septemba 2023, niliwasilisha maombi mawili ya hati miliki kwa USPTO kwa mifumo ya usimamizi wa nguvu kazi inayodhibitiwa kwa sauti. Sauti kama kiolesura kikuu cha kusimamia ratiba za huduma za afya, kutambua wataalamu wa afya, kutatua migogoro katika upangaji wa zamu — mambo ambayo kila kampuni ya utumishi huyafanya kwa mikono kwa simu na majedwali, lakini sasa yanafanywa kwa kusema.
Mnamo Aprili 2024, USPTO ilitoa hati ya kwanza: US 11,947,875 — usimamizi wa orodha ya matukio unaowezeshwa kwa sauti kwa utambulisho wa walengwa na tafsiri ya amri. Mnamo Juni 2025, walitoa muendelezo: US 12,327,067 — ikiongeza mifumo ya kujifunza kwa mashine na utatuzi wa migogoro ya matukio. Maombi mengine bado yanasubiriwa.
Miaka miwili iliyopita, tabaka hilo la sauti lilikuwa ombi la hati miliki — karatasi tu. Leo, tabaka la sauti la jukwaa letu lipo kazini, likiwapigia wataalamu wa afya saa 11 alfajiri wakati zamu inapopatikana, kwa sauti wanayoiamini, na kuwawekea nafasi ndani ya sekunde 90. Kitu nilichokichora kwenye faili ya hati miliki ndicho kinachopokea simu sasa.
Mfumo huo — jukwaa lililofunzwa na Lovable, mawakala wa Claude Code wanaofanya kazi 24/7, miliki ya sauti kazini — haupo mahali pengine popote. Ninajua kwa sababu tulijaribu kuununua kabla ya kuujenga.
Kwa nini viwanda vinavyodhibitiwa na sheria ndio tuzo halisi
Waanzilishi wengi wa AI wanashindana katika masoko yasiyo sahihi. Mifumo ya LLM, mifumo ya wakala, zana za uendelezaji, wasaidizi wa tija — haya ni makaburi yaliyojaa. Vizuizi vya kuingia ni sifuri, utofauti ni wa kijuujuu tu, na wanunuzi wamechoka. Kila kundi la YC hutoa arobaini kati yao.
Wakati huo huo, fursa za AI zenye thamani zaidi ziko katika viwanda ambavyo ni vinachosha sana kwa waanzilishi wengi kuvichunguza kwa umakini: utumishi wa huduma za afya, uandishi wa bima ya biashara, udalali wa mizigo, uajiri wa majaribio ya kliniki, vibali vya manispaa, uchakataji wa mikopo ya nyumba, uzingatiaji wa sheria za kilimo.
Viwanda hivi vina sifa tatu zinazovifanya kuwa na faida kubwa kwa wataalamu wa sekta hiyo:
- Kuta za kisheria huwazuia wageni. Kijana wa miaka 23 aliyeacha masomo ya CS huko Stanford hawezi kutoa jukwaa la utumishi wa afya akiwa kwenye duka la kahawa, kwa sababu hajui nini HIPAA, CMS, OIG, na bodi za serikali za kutoa leseni za wauguzi zitawafanyia. Mimi najua. Nimekaguliwa. Maarifa hayo ndiyo ngome yetu.
- Wanunuzi wana kiu. Programu za utumishi wa huduma za afya, karibu kote, ni mbaya. Mifumo ya usafirishaji ni mbaya. Zana za madalali wa bima ni mbaya. Makampuni yaliyopo ni makubwa mno, ya gharama kubwa, na yamepitwa na wakati kwa miaka 15. Bidhaa ya kisasa inayofanya kazi kwa AI inaonekana kama uchawi kwa kulinganisha.
- Soko lote linalowezekana ni kubwa mno na halithaminiwi inavyostahili. Soko la utumishi wa afya la Marekani pekee lina thamani ya zaidi ya $40B. Hakuna anayeandika makala za TechCrunch kulihusu kwa sababu halivutii. Hiyo ndiyo fursa.
Kila sekta "inayochosha" ina fursa ya zaidi ya $10B iliyo wazi, ikimsubiri mtu anayeelewa sekta hiyo na zana mpya.
Ninachofikiri waanzilishi wengi wa AI wanakosea
Mambo matatu.
Wanaboresha zaidi mfumo wa AI wakati wanapaswa kuboresha mtiririko wa kazi. Modeli ni bidhaa ya kawaida tu. Mchakato wa kazi uliomo ndani yake ndio bidhaa halisi. Nilitumia muda mwingi zaidi kung'amua nini kinapaswa kutokea kati ya hatua ya 4 na 5 ya uandikishaji wa hospitalini kuliko nilivyotumia kwenye amri yoyote ya AI.
Wanaunda kwa ajili ya waasisi wengine badala ya waendeshaji wa kazi. Twitter huzawadia maudhui yanayoonekana kuwa ya werevu kwa wajenzi wengine wa AI. Soko huzawadia programu zinazotatua matatizo kwa watu wasiojua hata LLM ni nini. Hadhira hizo zinataka vitu tofauti kabisa. Chagua ya pili.
Wanafikiri kina cha kiufundi ni kinga ya biashara. Sivyo tena. Sehemu ngumu ya kuunda programu mnamo 2026 si kuandika kodi. Sehemu ngumu ni kujua ni kodi gani inayofaa kuandikwa, na kuvifunza vifaa vyako vya AI kuiandika kwa namna ambayo biashara yako inahitaji. Ikiwa faida yako pekee ni kwamba unaweza kuandika kodi mwenyewe, unashindana nami — nami nina Lovable iliyofunzwa kwenye mifumo yetu, mawakala wa AI wanaofanya kazi saa 24/7, hati miliki mbili za sauti za AI, karibu mwongo mmoja wa uzoefu wa sekta, na msingi wa wateja ambao tayari unaniamini.
Hii inamaanisha nini
Ikiwa wewe ni mwendeshaji katika sekta inayodhibitiwa — muuguzi, mwanadalali wa bima, msafirishaji wa vifaa, msaidizi wa kisheria, ofisa wa uzingatiaji sheria — na umetumia miaka mingi ukifikiri "programu hii ni mbaya, ningeweza kubuni kitu bora zaidi," nataka uchukulie hilo kwa uzito.
Huhitaji kujifunza kuandika kodi. Huhitaji kutafuta mtaji wa awali. Huhitaji mwanzilishi mwenza wa kiufundi. Unahitaji vitu vitatu: picha ya wazi ya mchakato wa kazi utakaorekebisha kwanza, utayari wa kutoa kitu ambacho hakijakamilika katika wiki ya kwanza, na subira ya kufunza vifaa vyako vya AI — si kuvitumia tu — hadi vifanye kazi kwa jinsi biashara yako inavyofanya kazi hasa.
Kitu tulichojenga hakivutii kwa sababu ya teknolojia. Kinavutia kwa sababu tulikuwa watu wasio sahihi kukijenga, na tulikijenga hata hivyo. Hiyo inapaswa kukuambia kitu kuhusu kile kinachowezekana sasa hivi.
Muongo ujao wa AI hautashinda na watu wanaofunza modeli. Utashindwa na watu wanaojua hasa wapi pa kuzielekeza.
Naweka dau la kampuni yangu kwenye hilo.
Mwanzilishi wa Actriv Healthcare na ShiftNex AI. Anaishi Lake Tapps, WA; alizaliwa Nairobi, Kenya. Mbunifu aliyetajwa kwenye hati miliki za US 11,947,875 na 12,327,067, kukiwa na maombi mengine yanayokusudiwa.