Сбор данных из разных сервисов для создания ИИ-спецификаций
Разрозненные переписки в Slack, задачи в Jira и отчеты в Salesforce могут стать основой для разработки продукта. Так работает новый фреймворк AI-PDLC в AWS Quick.
Когда ИИ-агенты начинают писать код, главной проблемой становится не скорость написания строк, а риск создать ненужный продукт. Чтобы избежать этого, AWS представила концепцию AI-Driven Product Development Lifecycle (AI-PDLC). Она переносит фокус с кодинга на этап планирования, где нужно найти реальную проблему клиента и спроектировать верное решение.
Система AWS Quick собирает данные из корпоративных инструментов, от Slack и Outlook до Salesforce и ServiceNow. На основе этой информации создаётся персональный граф знаний, который связывает людей, проекты и принятые решения. Вместо того чтобы начинать работу с чистого листа, команда использует уже накопленный контекс компании.
Процесс строится на работе шести специализированных агентов под управлением одного Оркестратора. Они анализируют боли клиентов, расставляют приоритеты и готовят черновики документов. Результатом становится единая спецификация (prototype_spec.md), которая содержит описание персонажей, экранов и моделей данных. Эти данные затем передаются кодинг-агентам, таким как Claude Code или Kiro, для реализации.
Важным элементом является контроль. Человек должен подтвердить каждое решение на каждом этапе, от выявления проблемы до утверждения спецификации. Итоговая цель, не просто ускорить написание документов, а дать инженерам точное задание, основанное на реальных данных, а не на догадках. Это превращает разрозненные сигналы из чатов в структурированный план разработки.
Инструмент собирает знания из рабочих чатов и задач, чтобы превратить их в техническое задание. Это значит, что проектирование продукта теперь может опираться на историю переписок и реальные запросы клиентов, а не только на идеи менеджеров.
Источники · 1
Текст подготовила языковая модель по материалам источников.
