Chris Williams apre la sua serie in sette parti sull'ADLC (Agentic Development Lifecycle) con una tesi dirompente: applicare il tradizionale ciclo di vita dello sviluppo software (SDLC) agli agenti IA è un errore di categoria. Il SDLC è stato modellato nel corso di decenni per contrastare modalità di fallimento specificamente umane — l'ego che rifiuta la critica, la stanchezza che moltiplica gli errori, la dimenticanza che fa perdere il contesto. Queste difese sono inutili, persino controproducenti, contro un modello il cui profilo di fallimento è del tutto diverso.

Da questa osservazione discende il principio fondativo dell'intera serie: ogni fase, ogni gate e ogni loop di un ciclo agentico deve essere riconducibile o a una specifica modalità di fallimento del modello da cui si difende, oppure a una specifica proprietà del modello che sfrutta. Nessun rituale ereditato senza una giustificazione tracciabile.

Williams cataloga quindi otto modalità di fallimento strutturali. F1, soddisfazione prematura: il modello dichiara vittoria su un'implementazione minima costellata di dati hardcoded. F2, sycophancy: il modello concorda anche quando ha torto, il che rende privo di valore l'auto-revisione. F3, context rot: il suo giudizio si degrada man mano che la finestra si riempie e si ancora ai propri output precedenti. F4, allucinazione sicura di sé: API inventate presentate con sicurezza. F5, reward hacking: cancellazione di test falliti, indebolimento delle assertion. F6, bias sul numero di finding: le revisioni convergono su 10-20 finding indipendentemente dal numero reale di problemi. F7, generative bloat: codice verboso, duplicato, che si accumula sessione dopo sessione. F8, perdita di coerenza: modelli diversi producono incoerenze stilistiche e architetturali.

Il colpo di scena decisivo: alcuni di questi tratti diventano punti di forza sfruttabili (E1-E5). La diversità del campionamento offre una N-version programming gratuita; la sycophancy diventa utile quando l'agente ha il mandato di confutare anziché convalidare; l'assenza di ego consente revisioni brutali e iterazioni usa e getta; i contesti nuovi forniscono una revisione non contaminata; il costo dell'esplorazione tende a zero rispetto al tempo umano.

Il ciclo che ne risulta separa il creatore dal critico, dimensiona i task su una finestra di contesto utilizzabile, richiede una prova deterministica tra le fasi, congela criteri di accettazione immutabili, itera le revisioni con contesti nuovi e rigenera anziché correggere. Williams avverte: i team che concludono "gli agenti non funzionano" hanno semplicemente applicato un processo umano a un profilo non umano.