Mentionsy Mentionsy
Patoarchitekci
Patoarchitekci

Good enough definiujesz ty, nie agent - SDLC z AI

02.10.2026 ·46 min 48 s · 12 rozdziałów

"Jeżeli chodzi o architekturę, nie pozwalam mu podejmować żadnych decyzji." 🎯 Łukasz stawia granicę, a Szymon kontruje: "pozwólmy tym agentom robić ten kod, który jest krótkowzroczny" - i raz na pięć iteracji każmy zrobić refactor. Przechodzimy SDLC z AI fazę po fazie, od zbierania wymagań do życia po deployu. Na wejściu AI tylko wspomaga - "nie pójdzie do legala, do procurementu" i nie odsiedzi dupogodzin na spotkaniach. Dalej: linki do chatów od biznesu zamiast przepakowanych wymagań, powrót Enterprise Architecta i YAML jako formalny output specyfikacji. Plus prototypy klikane przez biznes, których nie negujesz - ale kod i tak idzie do kosza. ⚠️ Potem twarda część: harness to nie pliki MD, tylko hooki, lintery i SonarQube, których agent nie ominie. Frontend przechodzi testy - OK, skasujesz i wygenerujesz na nowo. Logika biznesowa - review. Agent SRE na read only halucynuje, a z pełnymi uprawnieniami stwierdzi, że "buga nie będzie jak będzie baza pusta". 🤖 Na deser koszty tokenów (150-300 dolarów na DevOpsa, od 300 na developera), mBankowe 3-4% wpływu AI na cały proces i złośliwa puenta: "Jakbyś miał dobry proces, to byłeś już gotowy." Kto definiuje good enough - Ty czy agent?     A teraz nie ma co się obijać! 👉 Wpadajcie na naszego Discorda: https://discord.gg/78zPcEaP22 ! 🔥Tam możecie się z nami pokłócić o przyspieszanie SQL-a, podyskutować o naiwnych nadziejach na AI albo po prostu podzielić się swoimi IT-owymi przemyśleniami.     Słuchasz Patoarchitektów dzięki PROTOPII – firmie, w której Łukasz i Szymon działają na co dzień, wspierając zespoły IT na każdym etapie: od projektowania, przez wdrożenia i migracje, aż po optymalizację i zabezpieczenia. Oferujemy też mentoring i szkolenia dostosowane do potrzeb każdej firmy, niezależnie od wielkości. Sprawdź nas: 👉 protopia.tech   - Nasze sociale i linki - Materiały do odcinka - Pato szkolenia     00:00:00 Intro 00:01:44 Zbieranie wymagań: kontekst, chaty od biznesu i formalny output 00:10:47 PoC i MVP budowane przez biznes — jak na to reagować 00:12:33 Faza projektu: krótkowzroczny kod agenta i long term maintainable code 00:15:11 Przygotowanie środowiska pracy, harness i workflow zespołu 00:18:30 Dekompozycja na zadania, architektura, granice i good enough 00:23:44 Wytwarzanie: skala szarości, frontend, logika biznesowa i frameworki 00:31:05 Ownership kodu, odpowiedzialność za outcome i myślenie holistyczne 00:34:24 Dostarczanie i życie po deployu: release'y, agenci SRE, halucynacje 00:40:32 Utrzymanie i ewolucja: aktualizacje, martwy kod i decommissioning 00:42:30 Mity, koszty tokenów i dobry proces jako gotowość na agentów 00:45:34 Podsumowanie i zakończenie

Wprowadzenie i tematyka odcinka

Łukasz i Szymon przedstawiają strukturę odcinka i temat, który będą omawiali - proces SDLC z AI.

1:57
Zbieranie wymagań

Diskussja na temat zbierania wymagań i roli AI w tym procesie.

3:07
Rola czatów w zbieraniu wymagań

Analiza zalet i wad roli czatów w zbieraniu wymagań.

1:30
Strukturyzacja procesu

Rozważania na temat strukturyzacji procesu SDLC, w tym zbierania wymagań i podsumowywania rozmów.

3:53
Rola agentów w procesie

Analiza roli agentów w procesie SDLC i ich ograniczenia.

4:45
Przygotowanie środowiska pracy

Diskussja na temat przygotowywania środowiska pracy i dekompozycji na zadania.

6:07
Architektura i granice

Analiza architektury i granic w procesie SDLC, w tym dekompozycji na zadania i przygotowania środowiska pracy.

6:14
Implementacja i testy

Rozważania na temat implementacji, testów i roli agentów w tych procesach.

3:54
Wnioski i ownership

Podsumowanie i dyskusja na temat ownershipu kodu i jego znaczenia w procesie SDLC z AI.

0:21
Responsibility and Ownership

Rozmowa skupia się na konsekwencjach delegowania odpowiedzialności za kod napisany przez agenta AI. Autor podkreśla, że większość ludzi nie bierze odpowiedzialności za kod, który jest tworzony przez agencje, co prowadzi do problemów z jakością i ownershipem kodu.

3:50
Access Control and Testing

Autor omawia problemy z kontrolą dostępu i testowaniem kodu tworzonego przez agenta AI. Podkreśla, że brak odpowiedzialności i kontrolki może prowadzić do nieefektywnego kodu i problemów technicznych.

9:51
Project Management and Critical Thinking

Rozmowa zamyka się na temat potrzeby krytycznego myślenia i decyzyjności w zarządzaniu projektami z użyciem AI. Autor podkreśla, że choć AI może zwiększyć efektywność, nadal jest potrzebna ludzka kontrola i odpowiedzialność.

1:18

Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.