AWS Quick и ИИ-PDLC: как ИИ-агенты ускоряют цикл разработки продуктов
AWS Machine Learning · оригинал
Материал подготовлен автоматизированной редакционной системой. Факты можно сверить по указанному первоисточнику.

Компания AWS представила фреймворк AI-PDLC, который использует набор ИИ-агентов в платформе Quick для автоматизации этапов обнаружения проблем, приоритизации и проектирования. Система позволяет командам превращать разрозненные данные из корпоративных инструментов в валидированные спецификации с сохранением полного аудита решений.
Методология решает проблему потери контекста при передаче задач от продуктовых команд к разработчикам, обеспечивая прозрачность и скорость принятия решений на ранних этапах жизненного цикла продукта.
Современные инструменты генерации кода значительно ускорили этап реализации программного обеспечения, однако ключевым узким местом остается предшествующая работа: выявление реальных проблем клиентов, выбор приоритетов и проектирование опыта. По оценке AWS, конкурентное преимущество смещается вверх по цепочке создания стоимости, где критически важны четыре активности: обнаружение проблемы, решение о преследовании возможности, дизайн и валидация через прототип. Проблема усугубляется тем, что сигналы для принятия этих решений разбросаны по множеству систем: от Slack и Salesforce до Jira и SharePoint. При переходе между этими инструментами контекст часто теряется, что приводит к созданию продуктов, не отвечающих реальным потребностям рынка.
Для решения этой задачи AWS предлагает фреймворк AI-Driven Product Development Lifecycle (AI-PDLC), реализованный на базе платформы Quick. Архитектура системы строится вокруг шести специализированных агентов, координируемых центральным Orchestrator. Эти агенты собирают данные из подключенных корпоративных источников, структурируют их и формируют артефакты, такие как доски болевых точек, матрицы приоритизации и технические спецификации. Ключевой особенностью подхода является встроенный механизм человеческого одобрения: на каждом этапе процесса команда должна валидировать результаты работы ИИ перед переходом к следующему шагу.
Процесс начинается с фазы Discover, где агент анализирует обратную связь из различных каналов и оценивает тяжесть и частоту проблем. На этапе Decide система использует прозрачные шкалы для ранжирования идей, а затем генерирует документ PR/FAQ по методологии Amazon Working Backwards. Это позволяет выявить слабые места концепции до вложения ресурсов в разработку. Фаза Design превращает валидированную идею в готовую к реализации спецификацию с критериями приемки, которые служат как контрактом для кодинг-агентов, так и рубрикой для ревью.
Важным аспектом является интеграция с внешними инструментами разработки. AWS Quick поддерживает Agent Client Protocol (ACP) — открытый стандарт JSON-RPC 2.0, который позволяет передавать сгенерированные спецификации любым предпочтительным кодинг-агентам, таким как Kiro или Claude Code, без привязки к конкретному вендору. Это обеспечивает гибкость и позволяет командам использовать уже имеющиеся в стеке инструменты для написания кода на основе детальных инструкций, созданных продуктовыми агентами.
Фреймворк предлагает два режима работы: Deep Discovery, который задает 8–12 вопросов на этапе для глубокого анализа неопределенностей, и Fast Track, сокращающий процесс до 3–5 ключевых вопросов для быстрых сессий. Такой подход адаптируется под разные сценарии: от разработки нового продукта «с нуля» до исправления багов или добавления фич в существующие приложения. В каждом случае система сохраняет полный след аудита, фиксируя логику каждого решения и связывая его с исходными данными клиента.
AWS подчеркивает, что цель AI-PDLC — не просто ускорить написание документов, а помочь командам думать лучше и сохранять обоснование каждого шага. Когда спецификация достигает этапа инженерии, она содержит полный контекст: почему продукт существует, кто его валидировал и что считается готовым результатом. Это снижает количество дорогостоящих пивотов и обеспечивает более предсказуемый цикл разработки.