Agentisk AI driver på en övergång från SDLC till ADLC

Enligt en TechRadar-artikel av Gaurav Suman kan företag behöva tänka om kring hur de utvecklar och hanterar programvara när de börjar använda autonoma AI-agenter. Suman presenteras som chef för AI och branschlösningar på Solace.

Traditionell programvaruutveckling följer Software Development Life Cycle (SDLC), en strukturerad process för att planera, bygga, testa och underhålla system. Suman menar att AI-agenter fungerar annorlunda: de är sannolikhetsbaserade, autonoma aktörer som arbetar med realtidsdata och samordnar sig i händelsestyrda miljöer.

Artikeln föreslår en Agent Development Life Cycle (ADLC) som förenar återkommande arbetssätt för programvaruutveckling med metoder för att hantera agenter genom deras livscykel i organisationen. Det omfattar att definiera varje agents roll och gränser, ge den åtkomst till relevanta system, utvärdera dess prestanda och övervaka dess handlingar.

Suman menar också att företagsagenter bör vara specialiserade och samordnas genom ett agentnätverk, i stället för att byggas som monolitiska system som förväntas klara alla uppgifter. I den modellen kommunicerar agenter asynkront, medan rollbaserad åtkomstkontroll begränsar varje agent till de data och system den behöver. Ett agentnätverk skulle också kunna stödja tester under utvecklingen och skicka utvalda handlingar till mänskliga granskare för godkännande före genomförandet.

Artikeln presenterar ADLC och agentnätverk som arbetssätt för att hantera tillförlitlighet, samordning och styrning när organisationer inför AI-agenter. Det är författarens rekommendationer, inte redovisade resultat från en namngiven implementering.