---
title: "Kerangka AI SDLC: fase, peran, dan guardrail"
description: "Kerangka AI SDLC praktis: rencanakan, bangun, tinjau, uji, deploy, dan operasikan. Peran manusia vs agen, checklist, dan bagaimana Automo Build menjalankan tiap fase."
canonical: https://automo.build/id/learn/ai-sdlc-framework
last-updated: 2026-11-19
---
# Kerangka AI SDLC: fase, peran, dan guardrail

Model kerja untuk menjalankan siklus hidup perangkat lunak dengan agen AI: siapa mengerjakan fase mana, di mana manusia tetap dalam loop, dan guardrail mana yang menjaga kecepatan tidak menjadi kekacauan.

Kerangka AI SDLC adalah model operasional praktis untuk menjalankan siklus hidup pengembangan perangkat lunak dengan agen AI: rencana dan spek, build, tinjauan dengan guardrail, uji, deploy, dan operasi. Manusia menetapkan niat dan menyetujui perubahan berkonsekuensi; agen mengerjakan produksi di bawah aturan itu. Inilah cara menjalankan AI SDLC, bukan hanya definisinya.

## Apa itu kerangka AI SDLC?

Jika Anda butuh definisi siklus hidupnya, mulai dari [Apa itu AI SDLC](/learn/what-is-an-ai-sdlc). Halaman ini adalah model operasional di atas definisi itu: fase, peran manusia versus agen, dan guardrail yang membuat loop aman pada kecepatan AI. Saat memilih produk per fase, gunakan [panduan alat AI SDLC](/learn/ai-sdlc-tools).

SDLC klasik mengasumsikan orang menulis pekerjaan dan orang lain memeriksanya. Kerangka AI SDLC mengasumsikan agen menulis sebagian besar pekerjaan dan manusia mengatur kelas perubahan. Fasanya tetap. Yang berubah adalah satuan kerja (prompt dan rencana, bukan tumpukan tiket), titik kontrol (kebijakan, bukan membaca setiap baris), dan bukti (jejak audit dari prompt ke produksi, bukan ingatan suku).

Perlakukan kerangka ini sebagai checklist cakupan, bukan organigram wajib. Vendor menamai tahap secara berbeda. Jika suatu fase tidak punya pemilik, gerbang, dan artefak, Anda tidak punya fase itu. Anda punya slide.

## Enam fase kerangka AI SDLC

Rencana dan spek, build, tinjauan dan guardrail, uji dan QA, deploy, operasi dan monitor. Yang pertama dipimpin manusia. Empat di tengah adalah tempat agen mengerjakan volume di bawah kontrol. Yang terakhir menjaga sistem jujur setelah rilis.

1. **Rencana dan spek** Pekerjaan masuk sebagai niat yang bisa diuji: masalah, pengguna, batasan, dan seperti apa selesai. Agen mengubahnya menjadi rencana yang bisa ditinjau. Manusia mengoreksi arah di sini, di mana koreksi murah.
2. **Build** Agen builder mengimplementasikan rencana dalam kode nyata di cabang. Logika, skema, integrasi. Setiap perubahan adalah diff berversi yang bisa ditinjau, bukan suntingan buram pada sistem yang sedang berjalan.
3. **Tinjauan dan guardrail** Kebijakan mengklasifikasikan setiap perubahan menurut area bisnis dan risikonya. Perubahan rutin lanjut. Yang berkonsekuensi menunggu persetujuan manusia yang tercatat. Zona terlindung menolak modifikasi sambil lalu. Agen reviewer (CTO, Security, Doctor) plus product owner manusia memilah apa yang butuh orang.
4. **Uji dan QA** Verifikasi otomatis berjalan di setiap perubahan, bukan sebagai fase di akhir: cek unit dan integrasi plus replay tingkat browser untuk alur yang penting. Gerbang yang gagal menghentikan jalur.
5. **Deploy** Rilis melewati gerbang asap sebelum publikasi dan cek sesudahnya, dengan rollback sebagai operasi kelas satu. Deployment adalah tahap terkontrol, bukan tombol di samping siklus hidup.
6. **Operasi dan monitor** Sistem live diawasi. Kesehatan aplikasi, DNS, CDN, dependensi. Degradasi didiagnosis sampai akar masalah dan dikembalikan sebagai pekerjaan yang dideskripsikan baru.

## Apa yang berubah dibanding SDLC klasik

Pekerjaan sama, mesin berbeda. Pakai tabel ini ketika seseorang bilang AI SDLC hanyalah CI/CD plus chatbot.

| Fase | SDLC klasik | Kerangka AI SDLC |
| --- | --- | --- |
| Rencana dan spek | Tiket ditulis untuk developer | Niat bahasa biasa, bisa diuji siapa pun, rencana draf agen |
| Build | Developer menulis kode dengan tangan | Agen builder menghasilkan diff berversi dalam volume tinggi |
| Tinjauan | Manusia membaca setiap baris | Kebijakan memilah; manusia meninjau yang ditandai kebijakan |
| Uji | QA dekat akhir | Gerbang otomatis di setiap perubahan, termasuk tingkat browser |
| Deploy | Jendela rilis dan dewan perubahan | Publikasi bergerbang, cek produksi, rollback siap |
| Operasi | Manusia on-call memilah dasbor | Diagnosis akar masalah oleh agen, manusia menyetujui perbaikan |

## Manusia versus agen

Agen mengerjakan produksi. Manusia memiliki hasil. Jika dibalik, Anda punya sistem tanpa pengawasan, bukan kerangka.

| Tanggung jawab | Manusia | Agen |
| --- | --- | --- |
| Arah | Menetapkan niat, batasan, definisi selesai | Mengubah niat menjadi rencana yang bisa ditinjau |
| Implementasi | Keputusan arsitektur dan pengecualian | Menulis dan mengedit kode |
| Tinjauan | Menyetujui perubahan berkonsekuensi dan zona terlindung | Mengklasifikasi risiko, menerapkan kebijakan, menyusun catatan tinjauan |
| Kualitas | Memutuskan alur mana yang tidak boleh rusak | Menulis dan menjalankan tes di setiap perubahan |
| Keamanan | Menerima sisa risiko, memiliki insiden | Memindai, menguji, mengonfirmasi temuan pada app live |
| Rilis | Memiliki go/no-go ketika kebijakan memintanya | Menjalankan pipeline, gerbang asap, rollback |
| Operasi | Menyetujui perbaikan dan pesan ke pelanggan | Mengawasi produksi, mendiagnosis, menyusun perubahan |

## Checklist singkat untuk minggu ini

Nilai loop Anda sekarang. Dua celah atau lebih berarti Anda punya developer berbantuan AI, bukan kerangka AI SDLC.

- Setiap perubahan dimulai dari spek yang bisa diuji, bukan chat yang tidak bisa diulang orang lain.
- Keluaran builder mendarat sebagai cabang dengan diff yang bisa di-revert.
- Kebijakan, bukan heroik, yang memutuskan apa yang merge tanpa manusia.
- Tes yang mewakili alur pengguna nyata berjalan di setiap perubahan dan bisa memblokir publikasi.
- Temuan keamanan dikonfirmasi terhadap app yang berjalan, bukan hanya laporan statis.
- Publikasi punya gerbang asap dan rollback yang benar-benar pernah dipakai.
- Ada yang mengawasi produksi dan bisa menyebut akar masalah tanpa menunggu tiket pengguna.
- Jejak audit menjawab siapa yang mem-prompt, siapa yang menyetujui, dan apa yang dirilis.

## Bagaimana Automo Build mengimplementasikan tiap fase

Automo adalah AI SDLC yang dikirim sebagai platform, bukan dirakit dari potongan. Anda mendeskripsikan app dalam prompt. Loop di sekitar prompt itu adalah kerangkanya.

- **Rencana dan spek**: Permintaan bahasa biasa menjadi rencana yang bisa dikoreksi sebelum kode ada. Mulai di paket Free dari sebuah prompt. Tidak perlu panggilan penjualan.
- **Build**: Agen builder menghasilkan aplikasi React, TypeScript, dan Supabase nyata yang Anda miliki, di cabang, sebagai diff yang bisa ditinjau.
- **Tinjauan dan guardrail**: Agen reviewer (CTO, Security, Doctor) plus Guardrails memetakan kode ke area bisnis, mendeteksi perubahan berisiko, menerapkan kebijakan berbahasa sederhana, mencatat tinjauan manusia, dan meninggalkan jejak audit di balik setiap merge. Product owner manusia tetap menyetujui yang ditandai kebijakan.
- **Uji dan QA**: Agen QA menjalankan replay browser deterministik, tes yang memperbaiki diri, gerbang asap sebelum publikasi, dan cek produksi sesudahnya.
- **Deploy**: Pipeline deploy memublikasikan lewat gerbang itu ke cloud Automo, akun AWS, Azure, atau GCP Anda, VPC privat, atau on-prem dengan syarat terpisah, dengan rollback kelas satu.
- **Operasi dan monitor**: Doctor, AI SRE hanya-baca, menguji app live, DNS, dan CDN, mendiagnosis akar masalah, dan menyusun perbaikan untuk persetujuan manusia.

## Mulai dari mana

Anda tidak butuh departemen baru untuk menjalankan kerangka ini. Anda butuh enam fase itu ada sebagai default, bukan upacara opsional. Automo Build menaruhnya di jalur yang sama dengan prompt: paket Free, kredit bulanan, tanpa kartu. Deskripsikan app dan loop berjalan. Untuk peta produk tiap fase, lanjut ke [alat AI SDLC](/learn/ai-sdlc-tools). Untuk definisi tempat kerangka ini duduk, simpan [Apa itu AI SDLC](/learn/what-is-an-ai-sdlc) di samping halaman ini.

## FAQ

**Apa itu kerangka AI SDLC?**

Kerangka AI SDLC adalah model operasional untuk menjalankan delivery perangkat lunak dengan agen AI: rencana dan spek, build, tinjauan dengan guardrail, uji, deploy, dan operasi. Manusia memberi arah dan menyetujui perubahan berkonsekuensi; agen mengerjakan produksi di bawah kebijakan.

**Apa bedanya kerangka AI SDLC dengan SDLC klasik?**

Tahapannya familiar. Satuan kerja, titik kontrol, dan bukti yang berubah. Agen menghasilkan diff berversi dalam volume tinggi, kebijakan memilah tinjauan, tes menggerbang setiap perubahan, dan jejak audit mencatat dari prompt ke produksi. SDLC klasik diatur di sekitar serah terima antar spesialis. Kerangka AI SDLC diatur di sekitar tata kelola.

**Masih butuh developer dan product owner?**

Ya. Manusia memiliki niat, arsitektur, sisa risiko, dan go/no-go pada perubahan yang ditandai. Agen membawa volume implementasi, menyusun tinjauan, menjalankan tes, dan mendiagnosis produksi. Kerangka ada agar akuntabilitas manusia tetap jalan pada kecepatan AI.

**Guardrail apa yang masuk fase tinjauan?**

Kebijakan yang mengklasifikasikan perubahan menurut area bisnis dan risiko, zona terlindung yang menolak suntingan sambil lalu, persetujuan manusia tercatat untuk merge berkonsekuensi, dan jejak yang tidak bisa diubah tentang siapa mem-prompt dan siapa menyetujui. Di Automo, Guardrails plus reviewer CTO, Security, dan Doctor menyediakan lapisan itu.

**Bagaimana Automo Build mengimplementasikan kerangka ini?**

Agen builder mengimplementasikan rencana dalam kode nyata yang Anda miliki. Agen reviewer (CTO, Security, Doctor) dan Guardrails mengatur merge. Agen QA menguji dengan replay browser dan gerbang asap. Pipeline deploy memublikasikan dengan rollback. Doctor mengawasi produksi. Anda bisa mulai dari prompt di paket Free.

## Related

- [Apa itu AI SDLC?](https://automo.build/learn/what-is-an-ai-sdlc)
- [Alat AI SDLC](https://automo.build/learn/ai-sdlc-tools)
- [Guardrails: tahap govern](https://automo.build/platform/guardrails)
- [Automo vs pengembangan tradisional](https://automo.build/compare/traditional-software-development)
- [Dari prototipe ke produksi](https://automo.build/use-cases/prototype-to-production)
- [Harga](https://automo.build/pricing)

Canonical page: https://automo.build/id/learn/ai-sdlc-framework
Site overview for agents: https://automo.build/llms.txt
