Fra Lovable-prototype til rigtig app: hvad mangler før du går live?
Nicky Christensen · · 8 min læsning
Hvis du har bygget en app med Lovable, Bolt, Base44 eller Cursor, har du gjort noget fornuftigt. Du har testet en idé for en brøkdel af, hvad det ville have kostet for tre år siden, og du har noget, folk kan klikke på i stedet for et slide-deck.
Jeg bruger selv AI-værktøjer hver dag. Jeg har bygget og driver mine egne SaaS-produkter, Coachplan (Nuxt og Firebase med abonnementer og betaling) og Sitewatch (website monitoring), og AI gør mig hurtigere på begge. Det her er ikke et indlæg om, at AI-kode er farlig. Det handler om forskellen på en prototype og en app, der skal håndtere andre menneskers data og penge.
Den forskel bliver vigtig i det øjeblik, du får rigtige brugere.
Hvorfor AI-builders er gode til prototyper
En prototype skal besvare ét spørgsmål: vil nogen bruge det her? Til det er Lovable og lignende værktøjer svære at slå. Du beskriver en skærm, og den er der. Du ændrer et flow, og det tager minutter. Du kan vise noget til ti potentielle kunder i denne uge i stedet for om tre måneder.
Det, værktøjerne optimerer efter, er at noget virker, når du klikker på det. Hvad der sker, når en bruger gør noget, du ikke havde forudset, er de dårligere til. Det er det, der adskiller en demo fra produktion: alle de situationer, hvor ingen kigger.
De typiske huller før produktion
Det her er de ting, jeg oftest finder, når jeg kigger en AI-bygget app igennem. Ikke alle apps har dem alle, men de fleste har flere.
Row Level Security i Supabase er ikke slået til eller er forkert
Lovable bygger typisk på Supabase. Her kalder frontenden databasen direkte med en offentlig nøgle, og det eneste, der forhindrer en bruger i at læse alle andres data, er Row Level Security (RLS). Supabase skriver det selv ret direkte i deres dokumentation om RLS: RLS skal være slået til på alle tabeller i et eksponeret schema.
Det er ikke et teoretisk problem. I marts 2025 scannede Matt Palmer 1.645 apps fra Lovables showcase og fandt 303 endpoints i 170 projekter, hvor RLS manglede eller var utilstrækkelig. Det gav adgang til blandt andet e-mails, telefonnumre, betalingsoplysninger og API-nøgler. Hans oprindelige rapport og Lovables svar, set fra hans side er værd at læse. Sagen blev til CVE-2025-48757.
Én detalje fra rapporten bør interessere alle med en betalingsflow: på en af de berørte sider kunne man selv indsætte en ordre med payment_status: "paid" og dermed springe Stripe over. Og Lovables indbyggede sikkerhedsscanner tjekkede ifølge Palmer kun, om der fandtes en RLS-policy, ikke om den var korrekt. En policy, der eksisterer, er ikke det samme som en policy, der beskytter noget.
API-nøgler i frontenden
Supabases offentlige nøgle (anon eller publishable key) er lavet til at ligge i browseren. Det er ikke farligt, så længe RLS er sat rigtigt op. Den hemmelige nøgle (service_role eller secret key) omgår derimod RLS helt og må aldrig ligge i klientkoden (Supabase om API-nøgler). Det samme gælder nøgler til OpenAI, Stripe, e-mailudbydere og alt andet, der koster penge eller giver adgang. Det er en af de første ting, jeg tjekker: står der en hemmelig nøgle i JavaScript-bundtet eller i en .env-fil, der er blevet bygget med ind i frontenden?
Validering kun i browseren
Formularen siger, at beløbet skal være positivt, og at e-mailen skal være gyldig. Men hvis tjekket kun sker i frontenden, kan alle med browserens udviklerværktøjer sende hvad som helst direkte til databasen eller dit API. Alt, der betyder noget, skal valideres på serveren: priser, roller, hvem der ejer hvad, og hvilke felter en bruger overhovedet må ændre.
En datamodel, der voksede af sig selv
AI-værktøjer laver tabeller efterhånden, som du beder om features. Resultatet er ofte duplikerede felter, manglende relationer, ingen constraints og tekstfelter, hvor der burde være en fremmednøgle. Det virker fint med 20 brugere. Det bliver dyrt at ændre med 2.000, fordi hver migrering nu skal flytte rigtige data uden at miste noget.
Ingen tests, ingen fejlmonitorering, ingen backup
Når du beder AI om at rette én ting, ændrer den ofte tre andre. Uden tests opdager du det, når en kunde skriver til dig. Uden fejlmonitorering (fx Sentry) opdager du det slet ikke. Og hvis ingen har tjekket, at backups kører og faktisk kan gendannes, har du ikke en backup.
GDPR og persondata
Så snart du gemmer navne, e-mails eller noget om dine brugeres helbred, økonomi eller arbejde, er du dataansvarlig. Det betyder databehandleraftaler med de tjenester, du bruger (Supabase, hosting, e-mail, analytics, AI-udbydere), viden om hvor data ligger, og helst EU-hosting. Supabase lader dig vælge region, men standardvalget er ikke altid det, du ville have valgt. Hvis du sender brugerdata videre til en AI-model som en del af din feature, skal det også med i overvejelserne.
Betaling og kanttilfælde
Den glade sti, hvor kunden betaler og får adgang, virker næsten altid. Det, der mangler, er resten: kortet bliver afvist ved fornyelse, kunden opsiger midt i perioden, webhooken fra Stripe kommer to gange eller slet ikke, eller brugeren lukker fanen midt i betalingen. Adgang skal styres af det, betalingsudbyderen bekræfter via webhooks på serveren, ikke af hvad frontenden tror, der skete.
Skalering og platformens pris
Mange AI-builders prissætter efter beskeder, credits eller forbrug. Det er fint i prototypefasen, men regn på, hvad det koster at lave hver eneste ændring gennem platformen, når appen er din forretning. Tjek også, om du kan eksportere koden og køre den uden platformen. De fleste kan i dag synkronisere til GitHub, og det bør du slå til fra dag ét.
Sådan tager en senior over
Jeg starter aldrig med at omskrive. Jeg starter med at forstå, hvad der er.
1. Review: hvad jeg kigger på
- Adgangskontrol: Hvilke tabeller kan læses og skrives af hvem? Jeg tester som anonym bruger og som en almindelig bruger, der prøver at se en andens data.
- Hemmeligheder: Hvad ligger i frontend-bundtet, i repoet og i git-historikken?
- Serverlogik: Hvad sker der kun i browseren, som burde ske på serveren? Typisk betaling, roller og alt med beløb.
- Datamodellen: Kan den bære de næste 12 måneders features, eller er den allerede ved at knække?
- Drift: Backup, logning, fejlmonitorering, og hvem der får besked, når noget går ned.
- Persondata: Hvor ligger data, hvilke underleverandører er involveret, og findes der databehandleraftaler?
Resultatet er en prioriteret liste: hvad der skal lukkes nu, hvad der skal fikses inden lancering, og hvad der kan vente.
2. Hardening
Det akutte først. RLS-policies skrives og testes tabel for tabel. Nøgler, der har ligget offentligt, roteres, for de skal betragtes som kompromitterede, også selvom du fjerner dem fra koden. Kritisk logik flyttes til server-side funktioner, og der kommer validering på alt input. Derefter fejlmonitorering, backup med en testet gendannelse og et par tests på de flows, der tjener penge.
3. Refactor eller rebuild?
Mit udgangspunkt er refactor. En fungerende app med brugere har en værdi, som en omskrivning først skal indhente, og en omskrivning tager altid længere tid end planlagt. AI-genereret kode er sjældent pæn, men pæn er ikke et krav. Det er et krav, at den er sikker og til at ændre.
En rebuild kan betale sig, når mindst ét af de her forhold gælder:
- Datamodellen er så forkert, at næsten hver ny feature kræver workarounds.
- Appen skal noget, platformens arkitektur ikke understøtter, fx tung baggrundsbehandling, avancerede roller eller integrationer, der skal køre server-side.
- Ingen, heller ikke AI-værktøjet, kan længere ændre én ting uden at ødelægge en anden.
Selv da genbruger jeg normalt UI og flows, fordi det er dem, du har valideret med rigtige brugere. Prototypen var ikke spildt, den blev specifikationen.
Tjekliste: kør den selv
Du behøver ikke en udvikler for at lave en første vurdering. Tjek de her ting:
- Åbn Supabase, gå til hver tabel og se, om RLS er slået til. Er der tabeller uden, er det det første, der skal fikses.
- Log ind som testbruger A og prøv at åbne en URL eller et ID, der tilhører testbruger B.
- Søg i din kode efter
service_role,sb_secret,sk_liveogsecret. Ligger nogen af dem i frontend-filer, så rotér nøglen. - Prøv at oprette en ordre eller ændre en pris med browserens udviklerværktøjer. Lykkes det, mangler der servervalidering.
- Tjek, om du har en backup, og om du nogensinde har prøvet at gendanne den.
- Find ud af, i hvilken region din database ligger, og om du har databehandleraftaler med dine leverandører.
- Slå et testkort fejl ved fornyelse i Stripes testmiljø og se, hvad der sker med brugerens adgang.
- Tjek, at koden ligger i et Git-repo, du selv ejer.
Får du rødt på et af de første fire punkter, bør du lukke det, før du inviterer flere brugere ind.
Du er ikke den eneste
Ifølge data fra Upwork er antallet af opslag, hvor folk søger hjælp til at rette eller færdiggøre AI-genereret arbejde, steget med 70 % på et år (Search Engine Journal om tallene). Det siger ikke, at AI-værktøjerne er dårlige. Det siger, at mange har fået lavet en prototype hurtigt og nu står ved samme punkt som dig.
Jeg hjælper founders og virksomheder med netop det skridt, enten som app-udvikling eller som teknisk partner på et SaaS- eller softwareprodukt. Typisk starter det med et review, så du ved, hvad der faktisk skal laves, før du binder dig til noget større.
Har du en app bygget med Lovable, Bolt, Base44 eller Cursor? Send mig et link til din app, så kigger jeg på den.
Relaterede artikler
Står du med et lignende projekt?
Skriv et par linjer om, hvad du vil opnå. Så vender jeg tilbage med et ærligt bud på, hvordan jeg kan hjælpe.
Svar inden for 24 timer