Risorse
Framework AI SDLC: fasi, ruoli e guardrail
Un modello operativo per far girare il ciclo di vita del software con agenti AI: chi fa quale fase, dove restano le persone, e quali guardrail impediscono alla velocità di diventare disordine.
Un framework AI SDLC è un modello operativo pratico per far girare il ciclo di vita dello sviluppo software con agenti AI: piano e specifica, build, revisione con guardrail, test, deploy e operazioni. Gli umani fissano l'intento e approvano le modifiche con conseguenze; gli agenti fanno il lavoro di produzione sotto quelle regole. È il come di un AI SDLC, non solo la definizione.
Pubblicato 2026-07-15 · Ultimo aggiornamento 2026-07-15 · Redazione Automo
Che cos'è un framework AI SDLC?
Se ti serve la definizione del ciclo di vita, parti da Che cos'è l'AI SDLC. Questa pagina è il modello operativo che ci costruisci sopra: fasi, ruoli umani contro agenti, e i guardrail che rendono il loop sicuro alla velocità dell'AI. Quando scegli i prodotti per ogni fase, usa la guida sugli strumenti AI SDLC.
Un SDLC classico presuppone che le persone scrivano il lavoro e altre persone lo controllino. Un framework AI SDLC presuppone che gli agenti scrivano gran parte del lavoro e le persone governino classi di modifica. Le fasi restano. Cambia l'unità di lavoro (un prompt e un piano invece di una pila di ticket), il punto di controllo (la policy invece di leggere ogni riga) e la prova (un registro dal prompt alla produzione invece della memoria di tribù).
Tratta il framework come una checklist di copertura, non come un organigramma obbligatorio. I vendor chiamano le fasi in modo diverso. Se una fase non ha un responsabile, un gate e un artefatto, non hai quella fase. Hai una slide.
Sei fasi di un framework AI SDLC
Piano e specifica, build, revisione e guardrail, test e QA, deploy, operazioni e monitoraggio. La prima è guidata dagli umani. Le quattro centrali sono dove gli agenti fanno il volume sotto controlli. L'ultima tiene onesto il sistema dopo il rilascio.
1. Piano e specifica
Il lavoro entra come intento verificabile: problema, utenti, vincoli e che aspetto ha il fatto. Gli agenti lo trasformano in un piano revisionabile. Gli umani correggono la rotta qui, dove le correzioni costano poco.
2. Build
Gli agenti builder implementano il piano in codice reale su branch. Logica, schema, integrazioni. Ogni modifica è un diff versionato e revisionabile, non una modifica opaca a un sistema in esecuzione.
3. Revisione e guardrail
Le policy classificano ogni modifica per area di business e rischio. Le modifiche di routine procedono. Quelle con conseguenze aspettano l'approvazione umana registrata. Le zone protette rifiutano modifiche casuali. Gli agenti reviewer (CTO, Security, Doctor) più un product owner umano smistano ciò che serve a una persona.
4. Test e QA
La verifica automatica gira su ogni modifica, non come fase alla fine: check unitari e di integrazione più replay a livello browser dei flussi che contano. I gate che falliscono fermano la linea.
5. Deploy
I rilasci passano da smoke gate prima della pubblicazione e da controlli dopo, con rollback come operazione di prima classe. Il deploy è una fase controllata, non un pulsante accanto al ciclo di vita.
6. Operazioni e monitoraggio
Il sistema live è osservato. Salute dell'app, DNS, CDN, dipendenze. I degradi si diagnosticano fino alla causa radice e tornano nel ciclo come nuovo lavoro descritto.
Cosa cambia rispetto a un SDLC classico
Stesso lavoro, macchinario diverso. Usa questa tabella quando qualcuno dice che l'AI SDLC è solo CI/CD con una chat.
| Fase | SDLC classico | Framework AI SDLC |
|---|---|---|
| Piano e specifica | Ticket scritti per gli sviluppatori | Intento in linguaggio semplice, verificabile da chiunque, piano bozza dell'agente |
| Build | Gli sviluppatori scrivono il codice a mano | Gli agenti builder producono diff versionati ad alto volume |
| Revisione | Gli umani leggono ogni riga | Le policy smistano; gli umani revisionano ciò che la policy segnala |
| Test | QA verso la fine | Gate automatici su ogni modifica, anche a livello browser |
| Deploy | Finestre di rilascio e change board | Pubblicazione con gate, controlli di produzione, rollback pronto |
| Operazioni | On-call umani smistano dashboard | Diagnosi della causa radice da parte dell'agente, gli umani approvano le correzioni |
Umani contro agenti
Gli agenti fanno il lavoro di produzione. Gli umani possiedono i risultati. Se inverti questo, hai un sistema senza supervisione, non un framework.
| Responsabilità | Umani | Agenti |
|---|---|---|
| Direzione | Fissano intento, vincoli, definizione di fatto | Trasformano l'intento in un piano revisionabile |
| Implementazione | Scelte di architettura ed eccezioni | Scrivono e modificano il codice |
| Revisione | Approvano modifiche con conseguenze e zone protette | Classificano il rischio, applicano la policy, abbozzano note di review |
| Qualità | Decidono quali flussi non devono mai rompersi | Scrivono ed eseguono test su ogni modifica |
| Sicurezza | Accettano il rischio residuo, possiedono l'incidente | Scansionano, sondano, confermano i finding sull'app live |
| Rilascio | Possiedono il go/no-go quando la policy lo richiede | Eseguono la pipeline, gli smoke gate, il rollback |
| Operazioni | Approvano la correzione e il messaggio al cliente | Osservano la produzione, diagnosticano, abbozzano la modifica |
Una checklist breve da far girare questa settimana
Valuta il loop attuale. Due o più buchi significano che hai sviluppatori assistiti da AI, non un framework AI SDLC.
- ✓ Ogni modifica parte da una specifica verificabile, non da una chat che nessun altro può rivedere.
- ✓ L'output del builder atterra come branch con un diff che puoi revertire.
- ✓ Le policy, non gli eroismi, decidono cosa si unisce senza un umano.
- ✓ I test che rappresentano i flussi utente reali girano su ogni modifica e possono bloccare la pubblicazione.
- ✓ I finding di sicurezza sono confermati sull'app in esecuzione, non solo in un report statico.
- ✓ La pubblicazione ha smoke gate e un rollback che avete davvero usato.
- ✓ Qualcosa osserva la produzione e sa nominare una causa radice senza aspettare un ticket utente.
- ✓ Un registro di audit risponde chi ha fatto il prompt, chi ha approvato e cosa è stato rilasciato.
Come Automo Build implementa ogni fase
Automo è un AI SDLC consegnato come piattaforma invece che assemblato da pezzi. Descrivi l'app in un prompt. Il loop intorno a quel prompt è il framework.
- Piano e specifica. Le richieste in linguaggio semplice diventano un piano che puoi correggere prima che esista il codice. Parti dal piano Free da un prompt. Nessuna chiamata commerciale obbligatoria.
- Build. Gli agenti builder generano vere applicazioni React, TypeScript e Supabase di tua proprietà, su branch, come diff revisionabili.
- Revisione e guardrail. Agenti reviewer (CTO, Security, Doctor) più Guardrails mappano il codice in aree di business, rilevano modifiche rischiose, applicano policy in linguaggio semplice, registrano la revisione umana e lasciano un registro dietro ogni merge. Un product owner umano approva ancora ciò che la policy segnala.
- Test e QA. L'agente QA esegue replay browser deterministici, test auto-riparanti, smoke gate prima della pubblicazione e controlli di produzione dopo.
- Deploy. La pipeline di deploy pubblica attraverso quei gate sul cloud Automo, sul tuo account AWS, Azure o GCP, in VPC privata o on-prem con termini separati, con rollback di prima classe.
- Operazioni e monitoraggio. Doctor, un AI SRE in sola lettura, sonda l'app live, DNS e CDN, diagnostica la causa radice e abbozza la correzione per l'approvazione umana.
Da dove partire
Non ti serve un nuovo dipartimento per far girare questo framework. Ti serve che le sei fasi esistano come default, non come cerimonia opzionale. Automo Build le mette sullo stesso percorso del prompt: piano Free, crediti mensili, nessuna carta. Descrivi l'app e il loop gira. Per la mappa dei prodotti di ogni fase, continua con gli strumenti AI SDLC. Per la definizione su cui poggia questo framework, tieni Che cos'è l'AI SDLC accanto a questa pagina.
Domande frequenti
Che cos'è un framework AI SDLC?
Un framework AI SDLC è il modello operativo per far girare la delivery del software con agenti AI: piano e specifica, build, revisione con guardrail, test, deploy e operazioni. Gli umani danno la direzione e approvano le modifiche con conseguenze; gli agenti fanno il lavoro di produzione sotto policy.
In che cosa un framework AI SDLC è diverso da un SDLC classico?
Le fasi sono familiari. Cambiano l'unità di lavoro, il punto di controllo e la prova. Gli agenti producono diff versionati ad alto volume, le policy smistano la revisione, i test fanno da gate a ogni modifica e un registro copre dal prompt alla produzione. Un SDLC classico è organizzato intorno ai passaggi di mano tra specialisti. Un framework AI SDLC è organizzato intorno alla governance.
Servono ancora sviluppatori e un product owner?
Sì. Gli umani possiedono intento, architettura, rischio residuo e go/no-go sulle modifiche segnalate. Gli agenti portano il volume di implementazione, abbozzano le review, eseguono i test e diagnosticano la produzione. Il framework esiste perché quella responsabilità umana resti praticabile alla velocità dell'AI.
Quali guardrail appartengono alla fase di revisione?
Policy che classificano le modifiche per area di business e rischio, zone protette che rifiutano modifiche casuali, approvazione umana registrata per i merge con conseguenze, e un registro immutabile di chi ha fatto il prompt e chi ha approvato. Su Automo, Guardrails più i reviewer CTO, Security e Doctor forniscono quello strato.
Come implementa Automo Build questo framework?
Gli agenti builder implementano il piano in codice reale di tua proprietà. Gli agenti reviewer (CTO, Security, Doctor) e Guardrails governano i merge. L'agente QA testa con replay browser e smoke gate. La pipeline di deploy pubblica con rollback. Doctor osserva la produzione. Puoi partire da un prompt sul piano Free.