Good enough definiujesz ty, nie agent - SDLC z AI
"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 Intro00:01:44 Zbieranie wymagań: kontekst, chaty od biznesu i formalny output00:10:47 PoC i MVP budowane przez biznes — jak na to reagować00:12:32 Faza projektu: krótkowzroczny kod agenta i long term maintainable code00:15:11 Przygotowanie środowiska pracy, harness i workflow zespołu00:18:30 Dekompozycja na zadania, architektura, granice i good enough00:23:44 Wytwarzanie: skala szarości, frontend, logika biznesowa i frameworki00:31:05 Ownership kodu, odpowiedzialność za outcome i myślenie holistyczne00:34:24 Dostarczanie i życie po deployu: release'y, agenci SRE, halucynacje00:40:32 Utrzymanie i ewolucja: aktualizacje, martwy kod i decommissioning00:42:30 Mity, koszty tokenów i dobry proces jako gotowość na agentów00:45:34 Podsumowanie i zakończenie
I tu nie oszukujmy się. Nasz AI może pomóc w myśleniu, ale to jest ten obszar, kiedy... Jeżeli chodzi o architekturę, nie pozwalam podejmować żadnych decyzji. To jest tak, pozwólmy tym agentom robić ten kod, który jest krótkowzroczny. Większość ludzi po prostu wklepie prompt i odpowiedź przykleja dalej. To samo się dzieje u deweloperów. Jedna duża rada, I bardzo prosta, obcięcie uprawnień. Jeżeli przeciętny deweloper w Twoim repo po tygodniu się nie odnajduje, to agent też nie będzie odnajdywał. Cześć, słuchacie Patoarchitektów.
I na przykładzie Github SpecKita. Ale to za tydzień. Tak. Więc dzisiaj powiemy sobie o tym, jak obecnie wygląda proces w ogóle wytwórczy, ale taki zaczynając od biznesu. No dobra Szymon, to co? Lecimy z pierwszą fazą, o której mówimy, czyli zbieranie wymagań. Tak to powinno się poprawnie, w zależności jak tam patrzysz na cykl życia, to mamy wymagania. Tu nie oszukujmy się. Nasz AI może pomóc w myśleniu, ale to jest ten obszar, kiedy AI nie pójdzie do innego departamentu, nie dopyta się jak to wpłynie, nie pójdzie do legala, do prokurmentu, do wszystkich innych rzeczy, nie zrobi tych dupogodzin na spotkaniach, Więc on nam spisze notatki i tak dalej. Tu człowiek jest nieastąpiony, tym bardziej, że może powiedzieć, nie potrzebujemy tego jednak.
Mamy super ludzi w organizacji u nas, ale jak pójdziesz do dużej korporacji, Nie oszukujmy się. To Łukasz. Nie, bo teraz wiesz, cała dyskusja, wiesz, bo teraz powiedzmy sobie, fajnie powiedział, pamiętam, to też było trochę publicznie, Krzysiek Dąbrowski powiedział, na ile wyceniał w mBanku, że jego zakład wykorzystania AI po prostu. Że w skali całego procesu to są 3-4%. Że pisanie kodu, on ma tyle procesów. Dzisiaj tam zobaczę, nie wrzucę, bo autora, z autorem się pewnego nie zgadzam bardzo często, artykułu, ale wrzucił ciekawą rzecz akurat właśnie, która pasuje w wielu miejscach, która pokazuje dlaczego jest spowolnienie, że fine techy to skansen IT.
Pokazano wszystkie 3 dopasowania. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Łukasz i Szymon przedstawiają strukturę odcinka i temat, który będą omawiali - proces SDLC z AI.
Diskussja na temat zbierania wymagań i roli AI w tym procesie.
Analiza zalet i wad roli czatów w zbieraniu wymagań.
Rozważania na temat strukturyzacji procesu SDLC, w tym zbierania wymagań i podsumowywania rozmów.
Analiza roli agentów w procesie SDLC i ich ograniczenia.
Diskussja na temat przygotowywania środowiska pracy i dekompozycji na zadania.
Analiza architektury i granic w procesie SDLC, w tym dekompozycji na zadania i przygotowania środowiska pracy.
Rozważania na temat implementacji, testów i roli agentów w tych procesach.
Podsumowanie i dyskusja na temat ownershipu kodu i jego znaczenia w procesie SDLC z AI.
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.
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.
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.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.
Intro
Zbieranie wymagań: kontekst, chaty od biznesu i formalny output
PoC i MVP budowane przez biznes — jak na to reagować
Faza projektu: krótkowzroczny kod agenta i long term maintainable code
Przygotowanie środowiska pracy, harness i workflow zespołu
Dekompozycja na zadania, architektura, granice i good enough
Wytwarzanie: skala szarości, frontend, logika biznesowa i frameworki
Ownership kodu, odpowiedzialność za outcome i myślenie holistyczne
Dostarczanie i życie po deployu: release'y, agenci SRE, halucynacje
Utrzymanie i ewolucja: aktualizacje, martwy kod i decommissioning
Mity, koszty tokenów i dobry proces jako gotowość na agentów
Podsumowanie i zakończenie