Software Development Life Cycle atau SDLC memberi disiplin untuk merancang, membangun, menguji, merilis, dan memelihara perangkat lunak. Agen AI tetap membutuhkan disiplin tersebut, tetapi karakter model generatif, penggunaan tools, serta konteks yang berubah membuat SDLC saja belum cukup.
Aplikasi tradisional umumnya menjalankan logika yang ditulis secara eksplisit. Jika masukan dan kondisi sama, hasilnya diharapkan konsisten. Agen AI melibatkan model probabilistik yang menafsirkan instruksi dan dapat memilih tindakan berbeda berdasarkan konteks. Pengujian unit dan integrasi tetap diperlukan, tetapi tidak dapat menggantikan evaluation berbasis skenario.
ADLC bukan pengganti SDLC. ADLC menambahkan praktik khusus agen di atas fondasi rekayasa perangkat lunak, keamanan, operasi, dan tata kelola yang sudah ada. Keduanya perlu dihubungkan dengan pengelolaan proses bisnis agar solusi yang dibangun benar-benar menyelesaikan masalah operasional.
Ringkasan Utama
- SDLC mengelola perangkat lunak; ADLC menambahkan pengelolaan perilaku, konteks, tools, dan otonomi agen.
- Pengujian agen membutuhkan dataset, rubrik, skenario, dan evaluasi berulang.
- Perubahan prompt, model, tools, atau knowledge base dapat mengubah perilaku tanpa perubahan kode utama.
- BPMN membantu mengubah variasi proses menjadi test case dan acceptance criteria.
Perbedaan Sistem Deterministik dan Sistem Berbasis Agen
Pada perangkat lunak deterministik, aturan bisnis diterjemahkan menjadi kode atau konfigurasi yang hasilnya dapat diprediksi. Pada agen AI, model menafsirkan tujuan dan konteks, kemudian memilih respons atau tools. Perilaku akhirnya dipengaruhi oleh prompt, model, data, urutan pesan, hasil tools, dan memori.
Implikasinya, keberhasilan tidak cukup dinilai dengan pertanyaan apakah fungsi berjalan. Tim juga perlu menilai apakah agen memilih tools yang benar, mematuhi batas tindakan, menggunakan sumber yang tepat, berhenti pada kondisi yang semestinya, dan mengeskalasi kasus berisiko.
- Kode yang benar belum menjamin perilaku agen yang tepat.
- Variasi bahasa dan konteks harus masuk ruang pengujian.
- Kegagalan tools dapat mengubah keputusan berikutnya.
- Perubahan model perlu diuji seperti perubahan komponen sistem.
Praktik ADLC yang Tidak Cukup Ditangani SDLC Biasa
ADLC menambahkan instruction design, prompt versioning, tool evaluation, memory policy, guardrails, red teaming, serta observability perilaku agen. Setiap komponen perlu memiliki pemilik, versi, dan cara pengujian. Tim juga memerlukan dataset evaluasi yang mewakili proses nyata, termasuk kondisi langka dan permintaan yang seharusnya ditolak.
Acceptance criteria tidak hanya berbentuk lulus atau gagal. Beberapa ukuran menggunakan skor kualitas, ketepatan sumber, keberhasilan penyelesaian tugas, jumlah intervensi manusia, latensi, dan biaya. Batas kelayakan rilis ditentukan berdasarkan risiko proses.
- Versi dan evaluasi untuk instructions serta prompt.
- Kontrak, izin, dan pengujian setiap tool.
- Kebijakan penyimpanan konteks serta memori.
- Guardrails dan evaluasi keamanan sebelum rilis.
Cara Menggabungkan ADLC dan SDLC
SDLC tetap mengelola requirement, arsitektur aplikasi, API, database, deployment pipeline, keamanan kode, dan incident management. ADLC mengelola lapisan agen yang berada di dalam sistem tersebut. Keduanya bertemu pada requirement, integration testing, release management, observability, dan perubahan produksi.
Organisasi dapat menggunakan release gate bersama. Sebuah versi hanya dirilis ketika pengujian software lulus, evaluation agen memenuhi baseline, hak akses telah ditinjau, dan pemilik proses menerima hasil UAT. Dengan cara ini, tim AI tidak bekerja terpisah dari standar engineering perusahaan.
- Satu backlog yang menghubungkan kebutuhan proses, software, dan agen.
- Pipeline pengujian kode serta evaluation agen.
- Release gate bersama engineering, bisnis, dan keamanan.
- Incident review yang memeriksa kode sekaligus perilaku model.
Dampak terhadap Peran Tim dan Tata Kelola
Pengembangan agen membutuhkan kolaborasi lintas fungsi. Process owner menjelaskan tujuan dan risiko proses. Subject matter expert menilai kualitas hasil. Engineer membangun tools dan integrasi. Tim keamanan mengatur akses, sedangkan product owner menetapkan prioritas serta ukuran keberhasilan.
Pembagian ini mencegah semua keputusan dibebankan kepada developer prompt. Perilaku agen adalah keputusan bisnis dan operasional, bukan hanya keputusan teknis. Dokumentasi ADLC membantu memastikan tanggung jawab tersebut tetap jelas saat sistem berubah.
- Process owner bertanggung jawab pada hasil proses.
- Engineer bertanggung jawab pada sistem dan tools.
- Subject matter expert menilai kualitas serta pengecualian.
- Security dan compliance menetapkan kontrol yang diperlukan.
Hubungannya dengan BPM dan BPMN
BPM menyediakan lifecycle perbaikan proses yang melengkapi SDLC dan ADLC. Requirement tidak berhenti pada daftar fitur, tetapi berasal dari masalah proses, indikator kinerja, serta hasil yang ingin diperbaiki.
Model BPMN dapat menjadi sumber requirement dan skenario evaluasi. Jalur normal, gateway, boundary event, message flow, dan exception path diterjemahkan menjadi test case untuk software maupun perilaku agen.
Dalam praktiknya, BPM memastikan proses dikelola sebagai siklus perbaikan berkelanjutan, sedangkan BPMN memberi model yang dapat dibaca bersama sebelum perilaku agen AI diterapkan melalui ADLC.
Langkah Praktis untuk Organisasi
- Pertahankan standar SDLC yang sudah berlaku untuk aplikasi dan integrasi.
- Tambahkan inventaris prompt, model, tools, data, dan kebijakan memori.
- Turunkan test case agen dari variasi proses BPMN.
- Tetapkan release gate gabungan untuk software dan perilaku agen.
- Pantau perubahan kualitas setiap kali model atau instruksi diperbarui.
Kesimpulan
ADLC dan SDLC menyelesaikan lapisan masalah yang berbeda. SDLC memastikan perangkat lunak dibangun dengan baik, sedangkan ADLC memastikan agen berperilaku sesuai tujuan dan batas organisasi.
Menggabungkan keduanya dengan BPM dan BPMN menghasilkan jalur pengembangan yang lebih lengkap: mulai dari masalah proses, implementasi sistem, pengujian perilaku, hingga perbaikan berkelanjutan.
Bacaan dan Layanan Terkait
Pertanyaan yang Sering Diajukan
Apakah ADLC menggantikan SDLC?
Tidak. Agen AI tetap berjalan di dalam aplikasi yang membutuhkan requirement, arsitektur, coding, testing, deployment, dan maintenance. ADLC menambahkan praktik khusus untuk perilaku agen.
Mengapa unit test tidak cukup untuk agen AI?
Unit test memeriksa komponen deterministik. Agen juga perlu diuji terhadap variasi bahasa, konteks, pilihan tools, kualitas hasil, keamanan, serta failure path yang tidak sepenuhnya dapat direpresentasikan oleh assertion biasa.
Siapa yang seharusnya memiliki acceptance criteria agen?
Acceptance criteria perlu disepakati process owner, subject matter expert, engineering, security, dan product owner. Keputusan kelayakan tidak seharusnya hanya berada pada tim teknis.
Diskusikan Implementasi ADLC
Javan membantu organisasi memetakan proses, merancang agen AI, membangun integrasi, menerapkan kontrol, serta menyiapkan pengujian dan pemantauan sebelum digunakan di lingkungan produksi.