AI-DLC: co jest metodyką AWS, a co marketingiem innych firm

Co AWS opublikował jako metodykę AI-DLC

AWS opublikował dwa pierwotne źródła AI-DLC, oba dostępne bez opłat. Pierwsze to Method Definition autorstwa Rajy SP z lipca 2025 roku, ośmiostronicowy opis zasad, artefaktów i rytuałów. Drugie to repozytorium awslabs/aidlc-workflows, utworzone w listopadzie 2025 roku, na licencji MIT-0, w wersji stabilnej 2.11.2 z 28 października 2026. Działa w Claude Code, Kiro, Codex CLI, Cursorze, opencode i GitHub Copilot. Obok są wpisy na blogu DevOps, reguły dla Amazon Q Developer, workflow w Kiro i przykładowa platforma w repozytorium aws-samples.

Repozytorium jest czymś więcej niż zapisem metodyki. To gotowe narzędzie instalowane poleceniem aidlc, z 14 agentami, 11 profilami pracy, bramkami zatwierdzeń i dziennikiem audytowym obejmującym 131 typów zdarzeń. Instalacja nie wprowadza jednak rytuałów z dokumentu z 2025 roku, bo praca w jednej sali zależy od organizacji zespołu. Grupowej sesji dotyczy profil Workshop. Firma może więc używać narzędzia od AWS bez pracy w mobie albo odwrotnie: robić Mob Elaboration w innym narzędziu i nadal stosować metodykę w sensie dokumentu.

Warstwa handlowa zaczyna się już w AWS. Method Definition wspomina o AI-DLC Unicorn Gym, ofercie warsztatowej architektów AWS dla dużych organizacji, oraz o generowaniu kodu przez dobór usług AWS. Blog kończy się propozycją kontaktu z opiekunem konta. Autor metodyki sprzedaje chmurę i narzędzia. README repozytorium deklaruje niezależność metodyki od dostawcy modeli, a TestGuild nazywa ją podejściem pochodzącym od dostawcy, które nie jest standardem branżowym. Żaden z cytowanych tu materiałów nie wskazuje niezależnego organu ani certyfikacji wdrożeń.

Czym różni się AI-DLC z dokumentu od AI-DLC z repozytorium AWS?

Porównanie dokumentu AWS o AI-DLC z 2025 roku ze słownikiem repozytorium aidlc-workflows pokazuje, że firma mówiąca "wdrożyliśmy AI-DLC" może mieć na myśli dwie różne rzeczy. Wersja druga specyfikacji zapowiada wprost marsz ku autonomicznemu dostarczaniu oprogramowania i zmniejszanie udziału człowieka tam, gdzie kontrolę przejmuje weryfikacja maszynowa. Tymczasem w dokumencie pierwotnym człowiek zatwierdza każdy znaczący krok. Dla Mob, Bolta i Intencji przesunięcie jest konkretne:

• Mob: w 2025 roku ludzie w jednej sali przy wspólnym ekranie, w repozytorium tryb wykonania, w którym agent prowadzący szkicuje, agenci współpracujący dokładają swoje części w rundach, a do człowieka trafiają tylko nierozstrzygnięte kwestie.
• Bolt: w 2025 roku najmniejsza iteracja, w repozytorium zaplanowany wycinek Construction z własną Definition of Done i właścicielem, obejmujący powiązane Unity.
• Intent: w 2025 roku ogólne określenie celu, w repozytorium także wpis w pliku intents.json z własnym katalogiem zapisów.

Kto poza AWS używa nazwy AI-DLC?

Nazwy AI-DLC poza AWS używają między innymi Harness, TestGuild, Wiz, IBM, Perficient i Brights. Strona produktu Harness rozwija skrót tak samo i przyznaje, że metodyka pochodzi z AWS, ale w jej treści nie ma słów Inception, Construction, Bolt, Unit ani Mob. Zamiast tego jest ścieżka Build, Test, Secure, Deliver, Operate na platformie Harness, która zaczyna się po napisaniu kodu przez ludzi i agentów. AWS zaczyna od celu biznesowego i traktuje człowieka jako osobę zatwierdzającą plan. Harness sprzedaje narzędzia do CI/CD, bezpieczeństwa i kosztów. Taki produkt ocenia się jak platformę dostarczania.

TestGuild idzie w inną stronę. Joe Colantonio w tekście z 6 sierpnia 2026 rozwija skrót tak samo jak AWS, ale obok stawia AI Delivery Lifecycle, opisany jako model niezależny od dostawcy, z pięcioma etapami: Intent, Generate, Verify, Release, Learn. Oddziela go od trzech faz AWS, lecz nazwa AI Delivery Lifecycle stoi w tytule tekstu o AI-DLC, więc czytelnik może wziąć jedno za drugie. Autor ma sponsorów i partnerów z branży testowej, a serwis organizuje wydarzenia dla testerów, choć tekst nie reklamuje konkretnego narzędzia.

Reszta rynku korzysta z oryginału mniej lub bardziej dosłownie. Wiz poprawnie opisuje trzy fazy, ale pisze, że podejście przyjęła cała branża, i kieruje do demo własnej platformy bezpieczeństwa AI. IBM przypisuje autorstwo Rajy SP i przedstawia IBM Bob jako narzędzie dobrze pasujące do metodyki. Perficient sprzedaje na AWS Marketplace trzymiesięczną usługę dla firm finansowych z trzyosobowym zespołem i Boltami, cena do uzgodnienia. Brights, firma programistyczna, deklaruje zbudowanie swoich praktyk wokół AI-DLC i zaprasza do wyceny. Te dwie ostatnie oferty są usługą ludzi, więc sprawdza się doświadczenie konkretnego zespołu.

IBM zauważa przy tym rzecz przydatną dla kupującego: metodyka jest ustandaryzowana wokół narzędzi AWS, takich jak Kiro i Amazon Q Developer, ale można ją stosować także w innych, na przykład w Claude Code. Firma nie musi więc kupować żadnej z tych platform, żeby sprawdzić rytuały na jednym projekcie.

Skąd pochodzą liczby o efektach AI-DLC

Wynik Wipro o efektach AI-DLC pochodzi ze sceny konferencji AWS DevSphere 2025 w Bengaluru, gdzie CTO Wipro Sandhya Arun powiedziała, że firma zbudowała z AI-DLC i Amazon Q Developer cztery gotowe do produkcji moduły w 20 godzin. Komunikat Amazon podaje to jako parafrazę, bez punktu odniesienia i bez opisu, co znaczyło "gotowe do produkcji".

Harness podaje na stronie bez daty 75% szybsze wdrożenia, 30% krótsze testowanie i 1,2 mln dolarów rocznych oszczędności na chmurze. Pod liczbami stoi jedna wspólna linia z czterema nazwami klientów, bez przypisania wyniku do firmy i bez metody. Opisy przypadków Harness pozwalają je rozdzielić i żaden z nich nie wspomina o AI-DLC. United Airlines mówi o 75% "efficiency gains", a opisany pomiar to build CI jednej aplikacji, z około 22 do poniżej 5 minut. Sensormatic skrócił czas testów o 30% przez ich automatyzację. Tyler Technologies osiągnął ponad 1,2 mln dolarów w ujęciu rocznym w Cloud Cost Management. Opisy nie podają, kiedy mierzono. AWS pisze z kolei, że Mob Elaboration skraca tygodnie lub miesiące do kilku godzin, też bez pomiaru. Żaden z tych wyników nie mówi, ile czasu ta sama praca zajęłaby bez AI-DLC.

Twardszych danych o adopcji brakuje. Wiz pisze o przyjęciu przez całą branżę bez liczb. Repozytorium AWS miało 2 listopada 2026 około 5,6 tys. gwiazdek na GitHubie, co pokazuje zainteresowanie programistów, ale nie mówi, ile firm pracuje tą metodyką ani z jakim skutkiem.

Jak sprawdzić ofertę z napisem AI-DLC?

Ofertę z napisem AI-DLC można sprawdzić pytaniami do dostawcy, które nie wymagają znajomości całej metodyki. Dobra odpowiedź to przykładowy artefakt z poprzedniego projektu.

• Którą wersję metodyki stosujecie: dokument z 2025 roku, repozytorium w konkretnej wersji czy własny wariant?
• Gdzie człowiek zatwierdza plan, projekt i kod, i gdzie jest zapis tych decyzji?
• Które artefakty zostają w naszym repozytorium, gdy skończy się kontrakt lub licencja?
• Co da się zrobić bez waszego produktu, skoro repozytorium AWS jest otwarte?
• Skąd pochodzi każda liczba: klient, zakres, punkt odniesienia, okres pomiaru?

Powiązane materiały

• AI-DLC od AWS po polsku: 3 fazy i co zmienia wobec Scruma
• Jak mierzyć produktywność programistów z AI: co działa, co myli
• Co jest gotowe do produkcji: Copilot, Claude Code, Codex i MCP

Źródła

• AWS, Raja SP: AI-Driven Development Lifecycle (AI-DLC) Method Definition (PDF)
• awslabs/aidlc-workflows na GitHubie
• AI-DLC Workflows: Glossary
• AI-DLC Workflows 2.0 Specification (PDF)
• Harness: AI-Driven Development Lifecycle
• TestGuild: What Is AI-DLC? The AI Delivery Lifecycle for Governed Software Delivery
• Wiz Academy: AI-Driven Development Lifecycle
• IBM Think: AI-DLC
• AWS Marketplace: oferta Perficient
• Brights: AI-DLC Explained
• Amazon India: AWS introduced new AI methodology and AI-Native Builders community
• Harness: United Airlines case study
• Harness: Sensormatic case study
• Harness: Tyler Technologies case study
• aws-samples: sample AI-DLC platform