меняет саму логику: цель, спецификация, архитектура агентов, автономный код, тестирование, деплой, оценка и наблюдаемость замыкаются в непрерывный цикл обучения и улучшения.

Классический жизненный цикл разработки (SDLC) строился на предсказуемом детерминированном коде: планирование, требования, дизайн, реализация, тестирование, деплой, поддержка.

Фокус смещается с разработки детерминированных компонентов на управление поведением, знаниями, качеством и взаимодействием AI-систем:

1. Драйвер процесса ADLC) Большинство задач автономно выполняют ИИ-агенты. SDLC) Вся работа и выполнение идут вручную разработчиками.

2. Планирование проекта ADLC) Цели и Бизнес-требования динамически развиваются и эволюционируют по мере выполнения плана агентами. SDLC) Обхват, бюджет и требования жестко фиксируются заранее.

3. Скорость разработки ADLC) Множество саб-агентов работают параллельно над задачами. SDLC) Последовательные фазы — следующая начинается строго после одобрения предыдущей.

4. Тестирование (QA) ADLC) Непрерывный процесс проверки в ходе всего написания кода. SDLC) Отдельный выделенный этап, который наступает после завершения дизайна и кодирования.

5. Адаптивность к изменениям ADLC) Мгновенная самокоррекция и перепланирование в реальном времени. SDLC) Изменение требований посреди цикла приводит к дорогостоящему переделыванию.

6. Цикл обратной связи ADLC) Непрерывный мониторинг производительности и детектирование аномалий. SDLC) Обучение и выводы происходят на ретроспективах в самом конце

Главная задача инженера меняется. Раньше она была в том, чтобы написать предсказуемый алгоритм. Теперь нужно создать среду, задать рамки (guardrails) и направить эмерджентное поведение AI в русло, которое нужно бизнесу.