Mentionsy
Powered By Protopia
Powered By Protopia
01.07.2026 08:00

Jak wdrażamy AI w SDLC - i czemu samo wrzucenie narzędzia nie działa?

CEO z Doliny Krzemowej mówią, że "problem kodu został rozwiązany", a raporty pokazują przyrosty rzędu 4-5%. Bo samo danie zespołowi Copilota nie przyspiesza pracy - widać tylko koszty. Łukasz Kałużny i Mikołaj Szczerbicki pokazują, jak Protopia wdraża AI w cały cykl wytwarzania oprogramowania (SDLC), a nie w jeden etap.

💡 Co wyniesiesz z tego odcinka:

✅ Dlaczego przyspieszenie jednego etapu zapycha proces gdzie indziej
✅ Paradoks Solowa i raport DORA 2025: AI to wzmacniacz, który podnosi dojrzałe zespoły i nasila dysfunkcje słabych
✅ Spec-driven development zamiast vibe codingu - powtarzalny standard pracy z agentem
✅ Mierzenie bez KPI: DORA metrics, flow i jakość zamiast "malowania trawy na zielono"
✅ Pilot na realnej produkcji i skalowanie przez ambasadorów

⏱️ W odcinku:

- Czemu samo wrzucenie narzędzia nie działa
- SDLC to cały proces + paradoks Solowa i DORA
- Co standaryzujemy: spec-driven development, skille, harness
- Wdrożenie: ocena gotowości i zespół pilotażowy
- Mierzenie bez KPI: DORA metrics, flow i jakość
- Skalowanie przez ambasadorów i podsumowanie

🎙️ Prowadzą:

Łukasz Kałużny - Managing Partner & Technology Advisor w Protopia, Microsoft Azure MVP
https://linkedin.com/in/lukaszkaluzny

Mikołaj Szczerbicki - Head of Sales & Business Development w Protopia
https://linkedin.com/in/mikołaj-szczerbicki-14548613b

👥 Dla kogo jest ten odcinek:

🎯 CTO i liderów IT wdrażających AI w wytwarzanie oprogramowania
🎯 Menedżerów, którzy chcą wiedzieć, jak mierzyć zysk z AI w developmencie
🎯 Każdego, kto dał zespołowi Copilota i nie widzi przyspieszenia

🔧 Protopia - Rozwiązujemy problemy z cloud, AI i Kubernetes
Kontakt: https://protopia.tech/kontakt

🎧 Nasz bardziej technologiczny podcast - Patoarchitekci: https://www.youtube.com/@Patoarchitekci

Rozdziały (12)

1. Introdukcja i motywacja

Mikołaj Szczerbicki i Łukasz Kałużny omawiają problem z implementacją AI w procesach SDLC.

2. Analiza rynku i problemu

Rozmówcy omawiają, że AI jest często nieefektywnie wprowadzane do procesów nieustandaryzowanych, co nie przynosi zysków.

3. Definicja SDLC i jego etapów

Rozmówcy wyjaśniają, że SDLC to cała droga od potrzeby biznesowej do działającego oprogramowania.

4. Zmiany spowodowane AI

Rozmówcy omawiają, że AI wprowadza zmiany w procesach, które wymagają przeprojektowania i standaryzacji.

5. Wdrożenie AI w SDLC

Rozmówcy omawiają, że wdrożenie AI w SDLC wymaga przeprojektowania procesu i standaryzacji.

6. Ewaluacja stanu bieżącego procesu

Rozmówcy omawiają, że pierwszym krokiem jest ocena stanu bieżącego procesu SDLC i jego standaryzacja.

7. Standardowanie procesu SDLC

Rozmówcy opisują, jak standardować proces SDLC, w tym spec-driven development, dokumentację, narzędzia i metryki.

8. Wdrożenie AI w SDLC

Rozmówcy omawiają kroki wdrożenia AI w SDLC, w tym wybór zespołu, ocena stanu przed i po, oraz pilota.

9. Monitorowanie i ocena efektów

Rozmówcy omawiają, że monitorowanie i ocena efektów jest kluczowe, aby zrozumieć, czy AI przynosi zyski.

10. Porównanie rezultatów wdrożenia

Rozmowa skupia się na porównaniu rezultatów wdrożenia AI w SDLC z wcześniejszym stanem, analizie efektów i podejmowaniu decyzji na podstawie tych porównań.

11. Skalowanie i adopcja standardów

Diskutowane jest o procesie skalowania i adopcji standardów AI w SDLC, w tym wyborze ambasadorów, mentoringu i dostosowywaniu procesu do konkretnych potrzeb zespołów.

12. Podsumowanie i zakończenie

Podsumowana jest rozmowa, podkreślana jest wartość wdrożenia AI w SDLC w firmie, a rozmówcy dziękują za rozmowę i zachęcają do zastosowania podanych metod.

Szukaj w treści odcinka

Wpisz frazę, aby wyszukać treść w transkrypcji tego odcinka

Ostatnie odcinki