Ez a videó egy részletes, gyakorlatorientált workshopot mutat be, amely az AI natív (azaz mesterséges intelligencia-központú) szoftverfejlesztési életciklus (SDLC) átalakításának folyamatait tárja fel. Az előadó személyes tapasztalatokra építve bemutatja, hogyan vihetők át a hagyományos fejlesztési folyamatok egy AI-t aktívan alkalmazó, szervezett rendszerbe.
Az interaktív előadás lépésről lépésre halad végig a teljes fejlesztési folyamaton: az ötleteléstől és specifikációktól kezdve, a feladatok felosztásán, tervezésen és implementáción keresztül egészen a tesztelésig és kódellenőrzésig. Az előadó hangsúlyt helyez arra, miként válhat a mesterséges intelligencia nem csupán egyéni, hanem csapat- vagy vállalati szinten is szabványosított, mindenkinek elfogadott és hatékony folyamattá.
A workshop során konkrét példákon és élő demókon keresztül ismerhetjük meg, hogyan épül fel egy AI-réteg a meglévő kódbázisban, milyen szerepet kapnak a szabályok, a munkafolyamatok (skillek), MCP szerverek, és hogyan bízható az AI-ügynökökre a mentorálás, a feladatbontás és a validáció. Szó esik arról is, miért érzik a fejlesztők gyakran gyorsabbnak az AI-t, holott statisztikák szerint sokszor lassabbak – és milyen rendszerszintű változások szükségesek ahhoz, hogy valóban növelje a hatékonyságot.
Az előadás kiemeli az úgynevezett productivity mirage problémakört, a bizalmi rést az AI-eszközök használatában, és részletesen bemutatja, miként hidalhatók át ezek csapat szintű szabályozással és workflow-kkal. Az előadó végig arra ösztönöz, hogy minden szervezet a saját meglévő folyamataihoz szabja az AI-integrációt, és ossza meg a felgyűlt tudást – például egy központi AI-réteg létrehozásával, amelyet verziókövetésen keresztül fejleszt a csapat.
Az előadás rámutat arra is, hogy az AI-alapú fejlesztési rendszerek elengedhetetlen része a folyamatos fejlődés és visszacsatolás, azaz minden hibát, félreértést érdemes rendszerhibaként értékelni, és a szabályok, workflow-k frissítésével orvosolni, így mindenki profitálhat a tanulságokból. Az előadó kitér a különböző AI coding agent eszközök lehetőségeire is, de hangsúlyozza, hogy a bemutatott módszertan eszközfüggetlenül alkalmazható.
