The Software Development Lifecycle Is Dead (Рубрика #Software) В это интересной февральской статье 2026 Boris Tane делает громкое заявление о смерти SDLC, которое по моему мнению хорошо отражает ситуацию стратегически, но опережает текущие подходы на годик. Сам я думаю, что мы перейдем от классического PDLC к AI-native разработке и эту статью Бориса упомянул @brolnickij в канале @ai4sdlc, где можно обсудить посты из этого канала и не только. Если возвращаться к главному тезису Бориса в его статье, то он такой - Классический SDLC с фазами requirements → design → implementation → testing → code review → deployment → monitoring больше не распадается на отдельные этапы - Вместо этого появляется короткий цикл: intent + context → agent → build/test/deploy → observe → repeat Ну и дальше очень интересен взгляд автора на новый lifecycle по стадиям - Требования больше не замораживаются перед стартом задачи, а уточняются по ходу итераций - System design теперь не предписывается заранее, а обнаруживается в диалоге с агентом - Имплементация изменений в коде почти целиком уходит агенту - Тестирование теперь существует не отдельно, а тесты пишутся вместе с кодом (как многие хотели раньше) - PR/code review как отдельный ритуал должны исчезнуть и стать exception-based (на случай, если автоматика не спрашивала) - Деплои становятся действивтельно continuous и by design отделяются от release через flags/rollbacks - Мониторинг превращается из последнего этапа в главный safety layer всей системы Из этого у него следует довольно жесткий вывод: новый главный навык - context engineering, а новый контур safety - это observability. То есть выигрывает не та команда, у которой больше церемоний, а та, которая лучше умеет собирать контекст, задавать ограничения агенту и быстро замыкать telemetry обратно в цикл изменений. Это хорошо бьется и с DORA: они отдельно выделяют AI-accessible internal data и context engineering как ключевую capability для AI-assisted разработки. Все это выглядит очень реалистично для небольших компаний или на greenfield проектах - инструменты уже реально умеют работать на уровне всего репозитория: читать codebase, менять много файлов, запускать команды и тесты, делать refactoring и code review. OpenAI пишет, что Codex заточен под длинные инженерные задачи и review, а Anthropic показывает, что опытные пользователи со временем дают агенту больше автономии, хотя продолжают активно вмешиваться по ходу работы. Плюс бенчмарки вроде SWE-bench Verified показывают, что agentic systems уже решают заметную долю реальных issue из open-source. А вот что ждет большие компании и как будет выглядеть переход я рассказывал в статье "От классического PDLC к AI-native разработке" #Engineering #AI #Metrics #Software #DevEx #Productivity #DevOps #Architecture #Culture #Engineering #ML #SystemDesign