Od IDP do ADP: platforma w erze agentów

We wprowadzeniu do serii postawiłem tezę, że platform engineering to skracanie organizacyjnej pętli OODA — uspójnianie i przyspieszanie drogi od obserwacji do działania. Zobaczmy teraz, co się z tą pętlą dzieje, gdy do gry wchodzą agenci AI: większość pracy przestaje wykonywać człowiek przy klawiaturze, a zaczyna ją wykonywać platforma. To wymusza zmianę samej platformy — z IDP (Internal Developer Platform) w ADP (Agentic Development Platform).

Dlaczego model to nie wąskie gardło

Wydajność modeli na zadaniach inżynierskich (mierzona np. na SWE-bench) przeszła w ostatnich latach od bliskiej zeru do poziomów porównywalnych z człowiekiem, i wciąż rośnie. Dostęp do mocnego modelu jest dziś kwestią klucza API, nie przewagi. Skoro tak, to przewaga nie może leżeć w „lepszym modelu” — bo ten ma każdy.

Z analiz nieudanych wdrożeń AI wyłania się powtarzalny wzorzec: w większości przypadków zawiodły nie modele, lecz platforma — brak guardrails, brak deterministycznych bramek, brak miejsca, w którym agent mógłby działać szybko i bezpiecznie. Organizacja, która „dokłada AI” na wierzch starego procesu, dostaje wszystkie wady probabilistyki (halucynacje, niespójność) przy znikomych korzyściach — i wnioskuje, że „to nie dla niej”. To samospełniająca się pułapka.

Prawdziwy wyścig toczy się więc o coś innego: jak bardzo zrównoleglić i zautomatyzować pracę, nie tracąc kontroli. A to zależy od jakości platformy.

Probabilistyczne spotyka deterministyczne

Architektura zdolna do bezpiecznej pracy z agentami musi połączyć dwa światy o przeciwnej naturze.

Systemy probabilistyczne — rozumują, generalizują i poprawiają się z kontekstem, ale są nieprzewidywalne:

• modele fundamentalne i agenci kodujący,
• frameworki koordynacji wielu agentów,
• warstwy oceny i ewaluacji zachowań (model-evaluating, behavioral evaluation).

Systemy deterministyczne — przewidywalne, powtarzalne, audytowalne:

• orkiestracja platformy (bezpieczne tworzenie i zmiana zasobów),
• jawne granice zdolności i stabilne API,
• reprodukowalne pipeline’y CI/CD i środowiska efemeryczne do izolacji i weryfikacji,
• egzekwowanie polityk, tożsamość i RBAC,
• zarządzanie stanem, warstwy semantyczne nad danymi, weryfikacja zależności i licencji,
• obserwowalność i ślad audytowy.

IDP standaryzuje ścieżki dla ludzi. ADP czyni te ścieżki wykonywalnymi przez agentów na dużą skalę — a docelowo pozwala agentom uruchamiać je samodzielnie. To nie jest nowy zestaw narzędzi, lecz nowy kontrakt: deterministyczna część platformy staje się systemem bezpieczeństwa dla części probabilistycznej.

Złote ścieżki dla ludzi to złote ścieżki dla agentów

Najważniejsza praktyczna obserwacja: ścieżki, które dziś budujesz dla developerów, to dokładnie te same ścieżki, które jutro będą wykonywać agenci. Model „paths-to-outcomes” z wprowadzenia (zdobądź kontekst → zmień → zweryfikuj → wypuść → obserwuj → napraw) nie znika — zmienia się tylko to, kto i jak często go przemierza.

Dlatego budowa solidnego IDP nie jest „warunkiem wstępnym” myślenia o agentach — to ta sama praca, widziana przez inną soczewkę. Jeśli ścieżka jest deklaratywna, idempotentna i weryfikowalna automatycznie, agent może po niej iść. Jeśli wymaga ręcznego klikania i wiedzy plemiennej, nie pójdzie po niej ani agent, ani nowy człowiek.

Przykład: ta sama bramka polityki (tu w Rego dla Open Policy Agent) chroni zarówno zmianę od człowieka, jak i od agenta — bo działa na artefakcie, nie na intencji autora:

package eiac.deploy

# żaden obraz z tagiem :latest nie wejdzie na produkcję
deny contains msg if {
  input.kind == "Deployment"
  some c in input.spec.template.spec.containers
  endswith(c.image, ":latest")
  msg := sprintf("obraz %q ma tag :latest", [c.image])
}

Bramka nie pyta „czy to napisał człowiek?”. Pyta „czy artefakt spełnia regułę?”. To właśnie czyni ją bezpieczną przy wolumenie zmian generowanych maszynowo.

Co naprawdę się zmienia: pętla, nie narzędzia

Struktura platformy pozostaje, ale obciąża się inaczej. Trzy przesunięcia są kluczowe:

• Walidacja z bramki staje się pętlą. Gdy agent generuje zmiany seriami, weryfikacja nie może być pojedynczym przystankiem — staje się przemysłowym sprzężeniem zwrotnym, w którym agent powtarza próby aż przejdzie. Rozwijamy to w artykule Deterministyczny szkielet platformy agentowej.
• Ograniczenie przesuwa się z „szybkości pisania” na „jakość weryfikacji”. Wąskim gardłem nie jest już, jak szybko ktoś pisze kod, lecz jak szybko i wiarygodnie platforma potrafi go sprawdzić.
• Rola człowieka wędruje w górę — od pisania, przez przegląd, po definiowanie reguł i granic. Te poziomy zaangażowania to temat artykułu Cztery poziomy agentowego wytwarzania.

Dlaczego to dotyczy też zgodności

Im więcej pętli domyka maszyna, tym ważniejsze stają się dwie rzeczy, które w świecie czysto ludzkim były „miłe, ale opcjonalne”: nadzór i ślad audytowy. To nie przypadek, że dokładnie tego wymagają regulacje — DORA (odporność operacyjna, udowadnialne procesy) i AI Act (nadzór człowieka, logowanie, transparentność). Deterministyczny szkielet ADP — polityki jako kod, audyt, RBAC, środowiska efemeryczne — jest tym samym, co spełnia te wymogi. Wrócimy do tego w częściach poświęconych DORA i AI Act.

Podsumowanie

Przejście z IDP do ADP nie polega na „dodaniu AI”. Polega na wzmocnieniu deterministycznej części platformy tak, by mogła bezpiecznie napędzać część probabilistyczną. Modele są towarem; przewagą jest system produkcyjny, który zamienia ich nieprzewidywalną moc w przewidywalny wynik. W kolejnej części rozkładam ten przeskok na cztery konkretne poziomy dojrzałości — od człowieka piszącego kod po platformę, która sama domyka pętlę. Zapraszam do maszynowni, tam robi się konkretnie.