Wspólne standardy
Zasady testowania, bezpieczeństwa, przeglądu i tworzenia kodu są zapisane w projekcie. Automatyczna kontrola wykrywa brak aktualizacji ich wspólnego spisu.
Tworzenie oprogramowania w Idego
AI-native cykl tworzenia
Sześć etapów. Kontrola jakości. Decyzje ekspertów.
Agenci AI piszą i testują kod. Nasi eksperci rozumieją potrzeby biznesowe, wybierają rozwiązania i sprawdzają ich jakość. To oni zatwierdzają zakres pracy i decydują, które zmiany trafią do wspólnej wersji oprogramowania.
Czym jest AI-Native SDLC?
AI-Native SDLC to proces tworzenia oprogramowania, w którym sztuczna inteligencja pomaga na każdym etapie. Agenci AI, czyli narzędzia wykonujące powierzone zadania, pracują według wspólnych zasad. Doświadczeni specjaliści określają wymagania, oceniają rozwiązania i odpowiadają za decyzje.
Wymagania, testy i historia zatwierdzeń znajdują się razem z kodem w repozytorium, czyli wspólnym miejscu przechowywania projektu. Dzięki temu Twój zespół może sprawdzić, co powstało, dlaczego i jak kontynuować pracę.
Tworzenie oprogramowania AI-native a wsparcie AI
Asystent AI może pomóc w pojedynczym zadaniu. W naszym procesie każde zadanie podlega wspólnym zasadom i kontroli ekspertów.
| Obszar | Praca ze wsparciem AI | Proces AI-native |
|---|---|---|
| Zapis zasad pracy | Może zależeć od indywidualnych nawyków i poleceń. | Wspólne zasady, wymagania i instrukcje dla AI są zapisane razem z projektem. |
| Wymagania przed kodem | Opis wymagań może być opcjonalny lub poza procesem. | Najpierw uzgadniamy, co ma powstać. Wyjątki dotyczące samej dokumentacji lub procesu wymagają uzasadnienia. |
| Testy przed kodem | Asystent może pisać testy, ale zespół nie musi zaczynać od nich. | Najpierw tworzymy test, który wykrywa brak oczekiwanego działania. Sprawdzamy też nietypowe sytuacje. |
| Automatyczny przegląd | Zakres sprawdzania może zależeć od osoby i wybranych przez nią kontroli. | Czterech agentów sprawdza bezpieczeństwo, błędy, zgodność z wymaganiami i łatwość dalszego rozwoju. |
| Zasady naprawy problemów | Może brakować wspólnych zasad oceny problemów i zapisu odłożonych napraw. | Poważne problemy trzeba naprawić. Odłożenie mniej pilnej naprawy wymaga pisemnego uzasadnienia przy zmianie. |
| Limit ponownych prób | Ponowne próby mogą nie mieć wspólnego limitu ani zasad przekazania problemu specjaliście. | Po dwóch nieudanych próbach agent zatrzymuje pracę. Ekspert otrzymuje opis problemu i decyduje, co dalej. |
| Decyzje ekspertów | Sposób zatwierdzania pracy może zależeć od indywidualnej praktyki. | Eksperci określają zakres, wybierają zadania, kontrolują zapis zmian i zatwierdzają gotowe rozwiązanie. |
| Praca w różnych narzędziach | Instrukcje mogą różnić się między narzędziami. | Te same instrukcje dla agentów działają w Cursor, Claude Code i Codex. Sprawdzamy ich zgodność. |
| Historia zmian | Powiązania wymagań, testów i decyzji mogą być niepełne. | Każdą zmianę można powiązać z wymaganiami, testami i decyzją o zatwierdzeniu. |
Jak Idego realizuje AI-Native SDLC
Każda zmiana przechodzi przez sześć etapów. Do kolejnego przechodzimy po wymaganych kontrolach jakości. Większe prace dzielimy na zadania, które agenci mogą wykonywać równolegle. Ekspert ocenia łączny wynik i decyduje o włączeniu zmian do wspólnej wersji oprogramowania.
Zakres
RezultatLista zadań i plan realizacji
Uzgadniamy, co ma powstać i jak sprawdzimy wynik.
- Wymagana kontrola
- Ekspert zatwierdza listę zadań i zakres przed rozpoczęciem pracy.
Szczegóły procesu
Po rozmowie o potrzebach biznesowych i analizie projektu dzielimy pomysł na zadania. Każde ma jasny wynik i warunki, które pozwalają sprawdzić jego wykonanie. Dla większych prac ustalamy kolejność i zależności. Analiza istniejącego systemu może też wskazać zadania usprawnień.
- Rola agenta
- Analizuje kod, pyta o niejasności i przygotowuje zadania.
- Rola eksperta
- Wykorzystuje wiedzę o biznesie i systemie, aby określić zakres i priorytety.
Przygotowanie
RezultatOpis wymagań i propozycja rozwiązania
Opisujemy wymagania i wybieramy sposób realizacji.
- Wymagana kontrola
- Zakres i wymagania muszą być jasne przed tworzeniem kodu. Każdy wyjątek wymaga uzasadnienia.
Szczegóły procesu
Pracę nad zadaniem prowadzimy oddzielnie od wspólnej wersji kodu. Agent przygotowuje opis wymagań, proponowane rozwiązanie i przykłady użycia. Zapisujemy decyzje i ustalenia. Praca nad samą dokumentacją lub procesem może mieć uzasadniony wyjątek od osobnej specyfikacji.
- Rola agenta
- Przygotowuje miejsce pracy, specyfikację i propozycję zmiany do przeglądu.
- Rola eksperta
- Wybiera punkt wyjścia do pracy i ocenia, czy wymagania odpowiadają potrzebom projektu.
Tworzenie kodu
RezultatKod, testy i wyniki kontroli
Tworzymy rozwiązanie i sprawdzamy jego działanie.
- Wymagana kontrola
- Wszystkie wymagane kontrole muszą się powieść. Zapis wykonanej pracy musi odpowiadać wynikom.
Szczegóły procesu
Najpierw sprawdzamy wymagania, bezpieczeństwo i zgodność z projektem systemu. Agenci tworzą testy, które wykrywają brak oczekiwanej funkcji, a potem piszą kod i upraszczają go. Sprawdzają błędne i puste dane, wartości graniczne oraz wpływ zmiany na inne funkcje. Na końcu uruchamiają testy i sprawdzają, czy aplikację można przygotować do użycia.
- Rola agenta
- Pisze testy i kod, uruchamia kontrole i przedstawia wyniki.
- Rola eksperta
- Rozwiązuje problemy wymagające wiedzy o systemie i ocenia decyzje techniczne.
Przegląd jakości
RezultatRaport przeglądu i plan testów
Sprawdzamy jakość i usuwamy problemy blokujące ukończenie.
- Wymagana kontrola
- Nie może być nierozwiązanych poważnych problemów. Raport i plan testów muszą być aktualne.
Szczegóły procesu
Czterech agentów sprawdza gotową zmianę z różnych perspektyw. Poważne problemy trzeba naprawić. Odłożenie mniej pilnych napraw wymaga pisemnego uzasadnienia. Przegląd ma najwyżej dwie rundy. Jeśli po nich pozostają poważne problemy, pracę zatrzymujemy i przekazujemy sprawę ekspertowi.
- Rola agenta
- Sprawdza pracę, naprawia problemy i raportuje, czy zmiana jest gotowa.
- Rola eksperta
- Ocenia raport, ryzyko i problemy wymagające decyzji specjalisty.
Aktualizacja dokumentacji
RezultatAktualny opis systemu
Dokumentujemy to, co faktycznie powstało.
- Wymagana kontrola
- Dokumentacja musi odpowiadać gotowej zmianie przed jej końcowym zatwierdzeniem.
Szczegóły procesu
Agent aktualizuje opis wymagań tak, aby odpowiadał sprawdzonemu rozwiązaniu. Zapisuje dokumentację i historię zmian zgodnie z zasadami projektu.
- Rola agenta
- Aktualizuje i zapisuje wymagania opisujące gotowe rozwiązanie.
- Rola eksperta
- Kontroluje zapis zmian zgodnie z zasadami projektu.
Zatwierdzenie zmiany
RezultatZmiana zatwierdzona przez eksperta
Ekspert ocenia wynik i zatwierdza zmianę.
- Wymagana kontrola
- Wymagane kontrole muszą się powieść. Ekspert zatwierdza i włącza zmianę do wspólnej wersji.
Szczegóły procesu
Ekspert ocenia ukończoną pracę i włącza ją do wspólnej wersji oprogramowania. Agenci mogą wcześniej połączyć wyniki kilku zadań do przeglądu. Ten krok nie daje im prawa do końcowego zatwierdzenia.
- Rola agenta
- Przekazuje sprawdzoną pracę i raport. Nie zatwierdza samodzielnie końcowej zmiany.
- Rola eksperta
- Sprawdza gotowe rozwiązanie i podejmuje decyzję o jego przyjęciu.
Eksperci kierują pracą, agenci AI realizują zadania
Nasi specjaliści wykorzystują wiedzę o biznesie, projektowaniu systemów i jakości oprogramowania. Dobierają rozwiązania do potrzeb projektu, oceniają pracę AI i podejmują decyzje, za które odpowiadają.
Eksperci wyznaczają kierunek
- Uzgadniają potrzeby biznesowe i zakres pracy.
- Wybierają rozwiązania techniczne i wyjaśniają wymagania.
- Kontrolują zapis zmian zgodnie z zasadami projektu.
- Rozwiązują problemy wymagające wiedzy i oceny specjalisty.
- Oceniają wynik i zatwierdzają włączenie zmian do oprogramowania.
Agenci AI wykonują zadania
- Analizują projekt i przygotowują opis zadań oraz wymagań.
- Dzielą pracę między agentów, piszą testy i kod.
- Uruchamiają kontrole jakości oraz cztery niezależne przeglądy.
- Naprawiają błędy, zapisują uzasadnienia odłożonych napraw i przedstawiają wyniki.
- Aktualizują dokumentację i łączą wyniki zadań do oceny przez eksperta.
Tworzenie oprogramowania z agentami według specyfikacji
Przed napisaniem kodu uzgadniamy specyfikację, czyli opis tego, co rozwiązanie ma robić. Określamy przykłady użycia i oczekiwane wyniki. Testy oraz końcowy przegląd sprawdzają, czy oprogramowanie spełnia te wymagania.
Do przechowywania specyfikacji używamy OpenSpec. Dokumentacja projektu zawiera też uzasadnienia decyzji i słownik pojęć związanych z Twoim biznesem.
- Propozycja: uzgadniamy problem, zakres i oczekiwany wynik.
- Projekt rozwiązania: zapisujemy podejście i uzasadniamy kluczowe decyzje.
- Wymagania: opisujemy działanie rozwiązania i przykłady, które pozwolą je sprawdzić.
- Zadania: dzielimy zatwierdzoną pracę na konkretne kroki.
- Tworzenie kodu: najpierw przygotowujemy testy oczekiwanego działania.
- Weryfikacja: sprawdzamy kod, testy i wszystkie uzgodnione przykłady.
- Aktualizacja dokumentacji: zapisujemy wymagania zgodne z gotowym rozwiązaniem.
Praca nad samą dokumentacją lub zasadami procesu może nie wymagać osobnej specyfikacji. Powód zapisujemy w projekcie. Wyjątek nie obejmuje zmian w kodzie i nie zwalnia z kontroli jakości.
Kontrole jakości i automatyczny przegląd
Przed rozpoczęciem sprawdzamy, czy wymagania są jasne i projekt jest gotowy do pracy. Przed zakończeniem sprawdzamy działanie rozwiązania, także w nietypowych sytuacjach i przy błędnych danych.
Obszary przeglądu
Bezpieczeństwo
Sprawdza zagrożenia i zgodność z zasadami bezpieczeństwa projektu.
Błędy
Sprawdza działanie kodu, możliwe błędy i nietypowe sytuacje.
Standardy i specyfikacja
Sprawdza zgodność z zasadami projektu i uzgodnionymi wymaganiami.
Łatwość utrzymania
Wskazuje zbędną złożoność i kod, który trudno zmieniać.
Waga problemu
- Krytyczna
- Wymaga naprawy przed uznaniem pracy za ukończoną.
- Wysoka
- Wymaga naprawy przed uznaniem pracy za ukończoną.
- Średnia
- Odłożenie naprawy wymaga pisemnego uzasadnienia przy zmianie.
- Niska
- Odłożenie naprawy wymaga pisemnego uzasadnienia przy zmianie.
Wdrażanie agentów programistycznych AI w firmie
Zasady pracy i wyniki kontroli są częścią projektu. Twój zespół może prześledzić decyzje, ocenić pracę agentów i zastosować ten sam proces do kolejnych zmian.
Obowiązkowe zasady pracy
Testy powstają przed kodem i obejmują nietypowe sytuacje. Agenci korzystają z istniejących elementów interfejsu. Zmiany mają uporządkowane nazwy i opisy, które sprawdzamy automatycznie.
Aktualne wymagania i historia decyzji
Zadania są powiązane z wymaganiami, testami i zatwierdzeniami. Historia decyzji wyjaśnia ich przyczyny, a słownik opisuje pojęcia związane z biznesem.
Limity prób i raportowanie
Po dwóch nieudanych próbach agent zatrzymuje pracę i przedstawia opis braków. Raport pokazuje liczbę prób, przeglądów, przekazanych zadań i odłożonych napraw.
Instrukcje dla różnych narzędzi AI
Te same instrukcje działają w Cursor, Claude Code i Codex. Sprawdzamy zgodność między narzędziami. Proces nie zależy od jednego modelu AI.
Zatwierdzenia przez ekspertów
Eksperci określają zakres, wybierają zadania i kontrolują zapis zmian. To oni zatwierdzają gotowe rozwiązanie. Agenci zgłaszają problemy, aby specjalista mógł zdecydować o kolejnym kroku.
Dla kogo jest AI-Native SDLC?
Pracujemy z zespołami inżynierskimi w Wielkiej Brytanii i całej Europie. Nasz proces jest dla organizacji, które chcą powierzyć zadania agentom, zachować kontrolę i dalej prowadzić pracę we własnym zespole.
Zespoły zamawiające oprogramowanie
Od pierwszego dnia masz dostęp do kodu, wymagań i zasad pracy agentów. Raporty pokazują wyniki kontroli oraz sprawy wymagające decyzji ekspertów.
Zespoły wdrażające agentów programistycznych
Twój zespół pracuje według wspólnych zasad: testuje rozwiązania, przegląda kod i zatwierdza zmiany. Specjaliści oceniają jakość pracy AI, zamiast ustalać proces każdy z osobna.
Twój zespół po przekazaniu projektu
Kod, dokumentacja i zasady pracy zostają w projekcie. Twój zespół może sprawdzić wymagania, wyniki testów i wcześniejsze decyzje, a następnie kontynuować rozwój oprogramowania.
Pytania o AI-Native SDLC
Czym jest AI-native SDLC?
To proces tworzenia oprogramowania z pomocą sztucznej inteligencji na każdym etapie. Agenci AI wykonują zadania według wspólnych zasad. Eksperci określają wymagania, oceniają rozwiązania i zatwierdzają zmiany. Kod, dokumentacja i historia decyzji pozostają razem w projekcie.
Czym różni się od używania asystenta programistycznego?
Asystent pomaga w pojedynczych zadaniach, takich jak pisanie i sprawdzanie kodu. W AI-Native SDLC wszystkie zadania podlegają wspólnym zasadom. Wymagania uzgadniamy przed kodem, sprawdzamy jakość i ustalamy limity prób. Eksperci zatwierdzają zakres oraz gotowe rozwiązanie.
Czy AI samodzielnie zatwierdza zmiany w oprogramowaniu?
Nie. Agenci mogą połączyć wyniki kilku zadań i przygotować je do przeglądu. Ekspert sprawdza całość, zatwierdza ją i włącza do wspólnej wersji oprogramowania.
Co się dzieje, gdy agent utknie?
Po dwóch nieudanych próbach agent zatrzymuje pracę i przygotowuje opis problemu. Ekspert ocenia przyczynę i wybiera dalsze kroki. Przegląd jakości również ma najwyżej dwie rundy. Jeśli nadal pozostają poważne problemy, pracy nie uznajemy za ukończoną.
Jakich narzędzi i modeli AI używacie?
Korzystamy z Cursor, Claude Code i Codex. Wspólne instrukcje dla agentów pozwalają prowadzić ten sam proces w różnych narzędziach. Sprawdzamy ich zgodność. Proces nie zależy od konkretnego modelu AI.
Jak utrzymujecie zgodność specyfikacji z kodem?
Przed kodem opisujemy wymagania i oczekiwane wyniki w OpenSpec, narzędziu do przechowywania specyfikacji. Testy i przeglądy sprawdzają wszystkie uzgodnione przykłady. Następnie aktualizujemy dokumentację, aby odpowiadała gotowemu rozwiązaniu. Praca nad samą dokumentacją lub procesem może mieć zapisany i uzasadniony wyjątek od osobnej specyfikacji.
Czy nasz zespół może korzystać z procesu po przekazaniu projektu?
Tak. Kod, standardy, wymagania i instrukcje dla agentów pozostają w projekcie. Wasz zespół może kontynuować pracę według tych samych zasad oraz sprawdzać wcześniejsze decyzje i wyniki kontroli.
Jak prowadzicie przegląd bezpieczeństwa?
Wymagania bezpieczeństwa sprawdzamy przed tworzeniem kodu. Później osobny agent ocenia zagrożenia. Pozostali równolegle sprawdzają błędy, zgodność z wymaganiami i łatwość dalszego rozwoju kodu. Poważne problemy trzeba naprawić. Odłożenie mniej pilnej naprawy wymaga pisemnego uzasadnienia przy zmianie.
Jak firma może wdrożyć AI w całym cyklu rozwoju oprogramowania?
Zacznij od wspólnych zasad pracy. Zapisz wymagania, testy i zasady przeglądu razem z kodem. Określ, jakie zadania może wykonywać AI i jakie decyzje należą do ekspertów. Sprawdź proces w rzeczywistym projekcie, a potem przekaż go zespołowi, który będzie prowadził dalszą pracę.
Jak mierzyć wzrost produktywności dzięki narzędziom AI do programowania?
Mierz wyniki dostarczania oprogramowania, a nie wrażenia. Zapisz punkt odniesienia dla czasu od rozpoczęcia zmiany do jej wdrożenia, częstotliwości wdrożeń, odsetka zmian powodujących awarie i czasu przeglądu kodu. Następnie porównaj wyniki po wdrożeniu AI. Subiektywne oceny mogą mylić: w badaniu METR z 2025 roku doświadczeni programiści pracowali z narzędziami AI o 19% wolniej nad badanymi zadaniami, choć uważali, że byli o 20% szybsi.
Czym jest rozwój oprogramowania oparty na specyfikacji?
Najpierw uzgadniamy, co rozwiązanie ma robić. Specyfikacja opisuje problem, zakres, wybrane podejście i przykłady oczekiwanego działania. Agenci AI korzystają z niej jako instrukcji pracy. Testy i przeglądy sprawdzają, czy kod spełnia wymagania. W Idego przechowujemy te opisy razem z projektem w narzędziu OpenSpec.
Czy AI-native SDLC nadaje się do tworzenia oprogramowania dla dużych organizacji?
Tak, jeśli zasady kontroli są częścią procesu od początku. Duża organizacja potrzebuje wspólnych standardów, aktualnych wymagań i historii pokazującej, co zmieniono oraz kto to zatwierdził. Eksperci oceniają gotowe rozwiązania i zatwierdzają każdą zmianę we wspólnej wersji oprogramowania.
Proces, który zostaje w Twoim zespole
Porozmawiajmy o potrzebach Twojego projektu. Nasi eksperci określą zakres, wskażą zadania dla AI i ustalą, jak Twój zespół przejmie dalszą pracę.