Koniec tradycyjnych ról: analityk, architekt i tester w świecie GENESIS-AI (AI by design)
GENESIS-AI to projekt badawczy programu inLABs. Opisane funkcje są celem badań, a nie dostępnym produktem. Status projektu: inLABs
W autonomicznym tworzeniu oprogramowania — takim, jakie badamy w projekcie GENESIS-AI — klasyczne role analityka, architekta i testera mogą w znacznej mierze zaniknąć. Jeśli platforma rozmawia z biznesem, przekształca rozmowę w specyfikację, projektuje aplikację oraz generuje kod i testy, system przejmuje operacyjną część ich pracy. W modelu AI by design proces od początku buduje się tak, aby AI wykonywała większość pracy, a ludzie definiowali reguły, granice i znaczenia — projektują fabrykę, a nie pojedyncze projekty.
Co naprawdę znika
W podejściu tradycyjnym:
- Analityk zbiera wymagania, zapisuje je w MS Word/Jira i porządkuje backlog.
- Architekt projektuje strukturę systemu, integracje i modele danych oraz rysuje diagramy.
- Tester przygotowuje scenariusze, ręcznie wykonuje regresję i pisze skrypty automatyczne.
W świecie, do którego zmierza projekt GENESIS-AI:
- Zestaw wymagań jest wynikiem pracy GENESIS-BIZSTORY z zespołem biznesowym, a nie ręcznej pracy analityka.
- Architektura, integracje i modele danych powstają z ustrukturyzowanej specyfikacji, a nie z diagramów UML.
- Testy są generowane i uruchamiane automatycznie w GENESIS-QA na podstawie wymagań i modelu systemu, dlatego ręczne powtarzanie scenariuszy traci sens.
Zadania te nie znikają – po prostu wykonuje je fabryka oprogramowania, a nie pojedynczy ludzie.
Dziś a jutro: jak zmieniają się role
:::role
Analityk → kurator domeny
Dziś
- Rozmawia z biznesem, zapisuje wymagania, wyjaśnia sprzeczności i braki.
Jutro
- Wskazuje, *jak* GENESIS-AI powinna rozmawiać z biznesem w danej domenie: jakie pytania agent ma zadawać, przez jakie scenariusze musi przejść i jakich pojęć używać.
- Definiuje słownik terminów, strukturę odpowiedzi i reguły kompletności – co trzeba wyjaśnić, zanim specyfikacja będzie „gotowa do generowania”.
Zamiast produkować kolejne dokumenty, analityk „jutra” kieruje językiem i wzorcem rozmowy między biznesem a fabryką oprogramowania – jego wiedza dziedzinowa trafia do promptów, szablonów i reguł używanych wielokrotnie, a nie tylko raz.
:::role
Architekt → projektant ekosystemu i barier ochronnych
Dziś
- Projektuje pojedynczą aplikację: jej moduły, integracje, modele danych i dobór technologii.
Jutro
- Definiuje reguły całej fabryki: standardy modułów, integracji, bezpieczeństwa, rejestrowania zdarzeń i monitoringu.
- Buduje szablony repozytoriów, komponenty modelowe, standardowe adaptery i reguły, których GENESIS-AI używa podczas generowania wielu aplikacji.
Architekt nie rysuje już pojedynczych diagramów – projektuje metaarchitekturę, czyli bariery ochronne i wzorce określające, jakie systemy może generować fabryka. Jego decyzje żyją w szablonach, potokach i politykach, a nie tylko w dokumentacji.
:::role
Tester/QA → właściciel jakości fabryki
Dziś
- Pisze testy, ręcznie wykonuje regresję, zgłasza defekty.
Jutro
- Definiuje wskaźniki jakości.
Testerzy nie „testują aplikacji”; konfigurują system jakości: standardy testów, automatyczne kontrole i reguły reagowania na odchylenia. Testy są produktem procesu, a rolą ludzi jest zapewnienie, że obejmują rzeczywiste ryzyka biznesowe, regulacyjne i techniczne.
Filozofia AI by design: fabryka zamiast rzemiosła
AI by design zakłada, że od pierwszego dnia projektujemy proces wytwarzania, przyjmując, że AI jest głównym wykonawcą, a ludzie — projektantami fabryki.
- Wymagania powstają jako ustrukturyzowane artefakty, które od razu nadają się do generowania kodu, testowania i konfiguracji.
- Architektura jest modułowa i oparta na jasno zdefiniowanych kontraktach oraz adapterach, dzięki czemu agenci mogą autonomicznie generować i modyfikować komponenty.
- Jakość i bezpieczeństwo są wbudowane w potok — wskaźniki, testy i kontrole stanowią standard, a nie „opcję” dodawaną na końcu.
Zamiast doraźnie „doklejać AI” do klasycznego procesu (AI-ready), proces buduje się od podstaw do współpracy z GENESIS-AI – w przeciwnym razie system i tak zacznie omijać ręczne wąskie gardła.
Dlaczego jutro jest korzystniejsze ekonomicznie
- Operacyjna praca analityków, architektów i testerów zostaje przeniesiona do potoku, dzięki czemu jednostkowy koszt projektu spada – reguły i wzorce projektuje się raz, a wykorzystuje w wielu inicjatywach.
- Eliminuje się powtarzanie tych samych decyzji i artefaktów w każdym projekcie (np. standardu integracji z tym samym systemem, tego samego wzorca logowania, podobnego zestawu testów krytycznych).
Rezultat: mniej roboczogodzin „ręcznej” pracy na projekt i większy udział kosztów stałych (fabryki), które amortyzują się w całym portfelu systemów.
Dlaczego jutro zapewnia lepszą jakość produktu
- Standardy architektury, wymagań, testowania i bezpieczeństwa są zakodowane w fabryce, dlatego jakość nie zależy od tego, „jaki zespół się trafi” w danym projekcie.
- Każde wdrożenie zasila fabrykę doświadczeniem: defekty, incydenty i wzorce awarii są włączane do reguł, wzorców i testów, dzięki czemu jedna poprawka może chronić dziesiątki kolejnych systemów.
Zamiast „bohaterów” ratujących pojedyncze projekty powstaje powtarzalny system zaprojektowany do tworzenia lepszych rozwiązań.
Dlaczego jutro jest szybsze
- Znikają klasyczne przekazania (biznes → analityk → architekt → programista → QA): fabryka oprogramowania napędza ciągły przepływ od rozmowy do działającej aplikacji, a ludzie włączają się tam, gdzie potrzebna jest decyzja lub korekta.
- Prototypowanie (UI, przepływy, API) jest częścią tej samej fabryki – to, co biznes widzi jako prototyp, można rozwinąć do wersji produkcyjnej bez przepisywania całości.
Czas do uzyskania wartości się skraca: biznes szybciej otrzymuje działającą wersję, a iteracje są tańsze, ponieważ operacyjny koszt ich utrzymania ponosi głównie system.
Dlaczego jutro lepiej nadąża za zmianami
- Zmiana wymagań jest przede wszystkim zmianą modelu/specyfikacji, a nie serią spotkań i ręcznych przeróbek – fabryka generuje nową wersję aplikacji na podstawie zaktualizowanego opisu.
- Kuratorzy domen i projektanci ekosystemu działają na poziomie wzorców: gdy zmieniają się regulacje lub logika domeny, aktualizują reguły i struktury, a nie każdy system z osobna.
Organizacja reaguje na zmiany w tygodniach, a nie w latach, ponieważ modyfikuje fabrykę, a nie dziesiątki niezależnych projektów.
Co to oznacza dla ludzi
- Kariery oparte na prostych czynnościach operacyjnych będą znikać — zadania te przejmą fabryki oprogramowania AI.
- Pojawia się realna możliwość przejścia do metaról, które projektują reguły, wzorce, wskaźniki i sposób rozmowy z biznesem w całej organizacji.
GENESIS-AI nie „pomaga analitykom, architektom i testerom robić tego samego szybciej”. Zastępuje ich pracę operacyjną i pozostawia ludziom przestrzeń do projektowania sposobu działania całej fabryki oprogramowania – dlatego jutro jest zarazem bardziej wymagające i znacznie lepsze od dziś.