AI-Disrupt PDLC от CIO Сбера Кирилла Меньшова: подробный обзор

AI-Disrupt PDLC — концепция перестройки жизненного цикла разработки продукта под условия, в которых значительная часть инженерной работы выполняется ИИ-агентами. В центре подхода находится не код, а намерение человека, которое преобразуется в формализованную спецификацию, а затем реализуется агентами.

Что такое AI-Disrupt PDLC

Появление генеративного ИИ и особенно автономных ИИ-агентов меняет саму организацию разработки ПО. Если традиционный PDLC строился вокруг последовательного выполнения человеком аналитических, архитектурных, программных и тестовых работ, то в новой модели значительная часть этих операций может выполняться агентами.

Предыстория

Традиционный жизненный цикл разработки продукта формировался в условиях, когда основным исполнителем инженерных операций был человек. Аналитик собирал требования, архитектор проектировал систему, разработчик писал код, тестировщик проверял результат, а команда сопровождения отвечала за дальнейшее развитие продукта. Даже при использовании автоматизации человек оставался основным исполнителем интеллектуальной работы.

Развитие больших языковых моделей изменило эту ситуацию. ИИ сначала стал инструментом для генерации отдельных фрагментов кода и документации, затем научился работать с большими контекстами, выполнять последовательности действий и использовать внешние инструменты. Следующим шагом стали ИИ-агенты, способные самостоятельно планировать выполнение задачи, изменять код, запускать проверки и исправлять обнаруженные ошибки.

Главное изменение заключается не в том, что ИИ быстрее пишет код, а в том, что меняется распределение ролей: человек формирует намерение, а агент получает всё больше полномочий на его реализацию.

Именно на этой основе в концепции AI-Disrupt PDLC предлагается перестроить процесс разработки вокруг человеческого намерения и спецификации, а не вокруг последовательного производства программного кода.

Расшифровка

PDLC (Product Development Life Cycle) — Product Development Life Cycle, или жизненный цикл разработки продукта. Приставка AI-Disrupt указывает на принципиальное изменение этого цикла под воздействием искусственного интеллекта.

В традиционном подходе основным результатом инженерной работы является работающий программный код. В AI-Disrupt PDLC акцент смещается на спецификацию: она фиксирует, что должно быть создано, зачем это необходимо, какие ограничения существуют и каким критериям должен соответствовать результат.

Суть

Основная идея AI-Disrupt PDLC заключается в разделении двух типов деятельности. Человек отвечает за намерение, смысл и принятие решений, а ИИ-агент — за значительную часть технического исполнения. Это позволяет убрать человека из множества рутинных операций, не передавая машине ответственность за продуктовые и архитектурные решения.

Вместо модели «человек пишет код → машина помогает» формируется модель «человек задаёт намерение → агент реализует его».

Такое разделение меняет и значение самого кода. Код становится во многом производным артефактом, который может генерироваться, изменяться и пересоздаваться на основании актуальной спецификации. Если реализация не соответствует замыслу, корректироваться должна не только программа, но и исходное описание того, что необходимо получить.

Для такой модели особенно важны контекст, правила, инструменты, проверки и среда выполнения. Поэтому рядом с ИИ-моделью появляется специальный управляющий контур — harness, который определяет, какие данные получает агент, какие действия ему разрешены и каким образом проверяется результат.

Простыми словами

AI-Disrupt PDLC можно представить как переход от задачи «напиши программу» к задаче «создай работающий результат в соответствии с этим намерением». Человек формулирует, что нужно получить и зачем, а агент самостоятельно выполняет значительную часть промежуточной работы.

Например, вместо ручного написания десятков файлов разработчик может сформировать требования, архитектурные ограничения и критерии приемки. Агент изучит существующий код, составит план изменений, внесёт их, запустит тесты, проанализирует ошибки и выполнит дополнительные итерации.

При этом человек не исчезает из процесса. Напротив, его роль смещается в сторону формирования намерения, проектирования продукта, архитектуры, контроля и приемки результата.

Этапы AI-Disrupt PDLC

AI-Disrupt PDLC можно представить как последовательность этапов, на которых постепенно проходит путь от исходной проблемы и намерения до реализации, запуска и дальнейшего развития продукта. При этом граница между этапами становится более гибкой: ИИ позволяет быстрее возвращаться к предыдущим решениям и повторять цикл.

Discovery Loop

Discovery Loop предназначен для исследования задачи до начала непосредственной реализации. На этом этапе выясняется, какая проблема существует, почему её необходимо решать, какие ограничения действуют и какой результат действительно нужен бизнесу или пользователю.

Особенность AI-подхода заключается в том, что агент может помогать анализировать документацию, существующую систему, данные, требования и возможные варианты решения. Это позволяет глубже исследовать задачу до формирования окончательной спецификации.

Intent Loop

Intent Loop переводит результаты исследования в формализованное человеческое намерение. Здесь определяются цели продукта или изменения, архитектурные решения, ограничения, критерии приемки и другие параметры, которые должны быть понятны агенту.

Чем качественнее сформулировано намерение, тем меньше неопределённости переносится в Implementation Loop.

Ключевым артефактом становится спецификация. Она выступает своеобразным контрактом между человеком и агентом: человек определяет ожидаемый результат, а агент получает основу для его технической реализации.

Implementation Loop

Implementation Loop — контур непосредственного выполнения задачи агентами. Агент получает спецификацию и необходимый контекст, изучает кодовую базу, формирует план, вносит изменения и выполняет технические операции.

После этого запускаются тесты, линтеры, сборка и другие автоматические проверки. Если результат не проходит проверку, агент анализирует ошибки, вносит исправления и повторяет цикл. Таким образом, реализация превращается в итеративный автоматизированный процесс.

Validation и контроль результата

Проверка в AI-Disrupt PDLC становится не завершающей операцией, а постоянной частью процесса. Результат необходимо оценивать не только с точки зрения того, запускается ли программа, но и с точки зрения соответствия исходной спецификации и бизнес-целям.

Это особенно важно при работе автономных агентов. Чем больше технических действий машина выполняет самостоятельно, тем выше требования к автоматизированной валидации, тестированию, контролю прав доступа и наблюдаемости.

Запуск и развитие продукта

После прохождения инженерного контура результат поступает в эксплуатацию. Однако AI-Disrupt PDLC не заканчивается релизом: данные эксплуатации, обратная связь пользователей и новые бизнес-требования становятся входом для следующей итерации.

За счёт этого формируется непрерывный цикл: исследование → намерение → реализация → проверка → эксплуатация → новая итерация. ИИ позволяет значительно сократить длительность отдельных операций внутри этого цикла.

Особенности и новшества AI-Disrupt PDLC

Главное отличие AI-Disrupt PDLC от классических моделей заключается не в добавлении ИИ в существующий процесс разработки. Предлагается изменить саму архитектуру процесса, перераспределив интеллектуальную работу между человеком и агентом.

От кода к намерению

В традиционной разработке код является центральным результатом инженерной деятельности. В AI-Disrupt PDLC основным артефактом становится спецификация, отражающая намерение. Код может создаваться и пересоздаваться на её основе.

Такой подход меняет отношение к программному коду. Если реализация не соответствует замыслу, необязательно вручную исправлять каждую строку: можно уточнить спецификацию и поручить агенту повторно выполнить реализацию.

Specification-Driven Development

Одним из ключевых элементов новой модели становится Specification-Driven Development (SDD). Разработка строится вокруг формального описания ожидаемого поведения системы, а код рассматривается как результат преобразования спецификации в работающую реализацию.

Это повышает требования к качеству требований. В среде, где код может генерироваться быстро, узким местом становится уже не скорость написания программы, а точность постановки задачи и полнота спецификации.

Harness как часть архитектуры разработки

ИИ-модель сама по себе не является полноценным исполнителем. Ей необходим контур, который предоставляет контекст, инструменты, права доступа, правила, механизмы проверки и обратную связь. Такой контур принято обозначать термином harness.

Поэтому результат AI-разработки определяется не только возможностями конкретной LLM, но и тем, как организовано окружение агента. Хорошо построенный harness позволяет ограничивать действия агента, автоматически проверять результаты и обеспечивать воспроизводимость процесса.

Контекст вместо одного промпта

Для сложной разработки одного промпта недостаточно. Агенту требуется доступ к архитектурным документам, исходному коду, правилам проекта, истории изменений, тестам, API и другим источникам информации. Поэтому возникает задача context engineering — системного управления контекстом, который поступает к агенту.

Качество контекста становится одним из факторов качества результата. Если агент получает неполную или противоречивую информацию, даже сильная модель может принять неправильное решение.

Встроенное управление и безопасность

Автономность агентов создаёт новые требования к управлению. Агенту необходимо задавать границы полномочий: какие файлы он может изменять, какие команды выполнять, к каким системам обращаться и какие действия требуют подтверждения человека.

Безопасность, аудит, наблюдаемость и контроль стоимости должны встраиваться непосредственно в процесс. Для корпоративной разработки это означает появление нового слоя AgentOps и Governance, который контролирует работу агентных систем.

Влияние AI-Disrupt PDLC

Сбер выступил одним из первопроходцев в России, предложив публичную концепцию перестройки разработки ПО под эпоху агентного ИИ. Выпуск масштабного, примерно 400-страничного гайда показывает, что речь идёт уже не об экспериментальном использовании генераторов кода, а о попытке переосмыслить организацию всей инженерной деятельности.

Для ИТ-руководителей значение такого подхода заключается прежде всего в изменении операционной модели разработки. Если агенты берут на себя всё больше технических операций, то конкурентным преимуществом становится не просто наличие доступа к LLM, а способность организации выстроить вокруг неё процессы, контекст, инфраструктуру, контроль и систему ответственности.

AI-трансформация разработки — это не внедрение ещё одного инструмента программиста, а изменение самого способа организации инженерной работы.

Для CIO это означает необходимость пересматривать не только инструментарий разработчиков, но и SDLC, архитектурные практики, требования к документации, DevOps-конвейеры, информационную безопасность, управление доступами и метрики разработки. В противном случае ИИ будет ускорять существующие процессы, включая их недостатки и ошибки.

Итоги

AI-Disrupt PDLC предлагает рассматривать разработку продукта как взаимодействие человеческого намерения и машинного исполнения. Человек определяет, что и зачем необходимо создать, а ИИ-агенты берут на себя всё большую долю технической реализации.

Ключевыми элементами новой модели становятся Discovery Loop, Intent Loop и Implementation Loop, спецификация как основной артефакт, SDD, harness, управление контекстом и встроенная валидация. При этом классический SDLC не исчезает, а становится частью более широкого AI PDLC.

Для бизнеса наиболее важен сам переход от «разработки кода» к «инженерии намерения». По мере роста автономности ИИ главным ограничением разработки становится не способность написать код, а способность правильно сформулировать цель, предоставить агенту необходимый контекст и встроить достаточный уровень контроля.