AI-native SDLC: код ускорился, а поставка — нет

Александр Поломодов и Антон Костерин разбирают The AI-Native SDLC Playbook от Anthropic. Это не сравнительное исследование, а практическая систематизация процесса, который компания использует сама: большинство приёмов уже знакомы инженерам, но документ ценен готовой последовательностью, примерами и шаблонами для команды без собственной отправной точки.

Playbook связывает шесть стадий разработки в один контур. Plan превращает замысел в intent.md, Design — в spec.md с ограничениями организации, а Build начинается с проверенного человеком plan.md и опирается на CLAUDE.md, команды, hooks, skills и специализированных агентов. Генерация кода ускоряется, но ограничение потока переезжает в постановку, проверку, review или выпуск.

Первые задачи уходят на настройку контура, а доверие команды и контролирующих функций нельзя получить одной конфигурацией. Детерминированные проверки в CI/CD должны независимо применять требования безопасности, права, дизайна и других владельцев; continuous evals ловят повторные ошибки при смене модели или harness. Hooks закрепляют запреты, но review и принятие остаточного риска остаются ответственностью человека.

Самая заметная часть модели — Maintain: наблюдаемый инцидент может породить новый intent и пройти тот же цикл вплоть до исправления, превращая runbook в ограниченный политиками агентный self-healing. Экономику такого процесса полезнее считать по принятым задачам и предотвращённым переделкам, а не только по токенам. На практике playbook стоит открывать у конкретного узкого места, забирать подходящий шаблон, проверять его локально и оставлять production-ответственность за людьми.