Vai al contenuto

root / tags / sdlc-ai-native

#SDLC AI-native

2 fiches

Qualità e Sicurezza Traduzione verificata automaticamente

Anthropic sécurise un SDLC où l'IA écrit 80 % du code : le cycle redevient le socle

Decrittazione SFEIR (voce istituzionale) dell'after-action report di Jason Clinton (Deputy CISO, Anthropic) pubblicato cinque giorni prima — già censito in [[clinton-anthropic-secure-ai-native-sdlc-2026-07-21]]. **Il valore aggiunto non sta nei fatti, sta nella tesi che li rilegge**: se i controlli di Anthropic tengono, è perché esiste **un ciclo con fasi denominate a cui agganciarli** — "l'SDLC è il fondamento, non la formalità." Dimostrazione attraverso una rilettura della mappatura (**PSR a Plan, CLAUDE.md + egress allowlist a Code, agenti di review a Test, DAST continuo a Deploy, triage + instradamento SIEM a Monitor**) seguita da un'**anafora in quattro parti**: (1) *senza un SDLC, i guadagni di produttività non arrivano* — Clinton cita **Amdahl**: moltiplicare per 8 il volume di codice non moltiplica nulla se la review resta sequenziale e umana, e Anthropic non ha guadagnato distribuendo agenti ma **identificando la fase che bloccava (Test) e ricostruendola** — "non si ottimizza un collo di bottiglia che non si è mappato" (un richiamo al **mirror effect** del DORA 2025); (2) *senza un SDLC, la sicurezza non ha un punto di ancoraggio* — un **gate è per definizione un controllo posto tra due fasi**, e le tre minacce di Clinton sono affrontate in momenti distinti; (3) *senza un SDLC, nessuna politica **FinOps token** può essere formulata* — lo scanning agentico è fatturato a consumo e cresce con il throughput di codice, quindi **il tiering basato sul rischio È la politica FinOps** (decide dove si pagano tre passaggi agentici e dove basta un SAST), altrimenti "la spesa in token non è pilotata, viene osservata a fine mese"; (4) *senza un SDLC, non c'è nulla da misurare* — gli indicatori (dal 16% al 54% delle PR commentate, un terzo degli incidenti passati intercettati) esistono solo perché ci sono fasi in cui si può collocare un contatore, in assenza delle quali si producono solo **cifre di utilizzo** (licenze, token) mute su qualità e rischio. Due punti di forza esterni alla tesi: la lettura dell'**incident agent-à-agent** ("un perimetro di sicurezza che poggia su un'istruzione in un prompt non è un perimetro"; **l'accesso di un agente ad altri agenti fa parte della sua superficie d'attacco**) e un **avvertimento metodologico esplicito** — cifre di Anthropic su Anthropic, non verificate, pubblicate dal fornitore del modello descritto, nel contesto di una codebase giovane senza mainframe: **ciò che si traspone è il metodo, non le cifre**.

#SDLC#SDLC AI-native#ciclo di sviluppo

SFEIR (voix éditoriale du cabinet, article non signé individuellement) — commentaire de Jason Clinton (Deputy CISO, Anthropic)

Trasformazione e Adozione Traduzione verificata automaticamente

The AI-native SDLC is paying off: 19% more PRs and 2–3 hours saved per developer per week

Studio di dati Atlassian (Inside Atlassian) che misura il rendimento effettivo di un **SDLC AI-native** basato su **Rovo Dev**. Su 3.400 repository di 2.500 clienti (un quasi-esperimento con propensity-score matching), i repository che adottano lo strumento uniscono il **19% di PR in più al mese**; fino al **37-51%** sui repository a bassa/media attività e al **59-87%** quando **da 3 a 5 membri** del team adottano lo strumento. Sul fronte dell'efficienza, gli sviluppatori risparmiano **2-3 h/settimana** (circa il 10% delle 24 ore dedicate a coding e review), ossia 20-30 ore/settimana reinvestite per un team di 10 persone. La tesi: risolvere il "paradosso della produttività" di Solow (1987) passando da **metriche di utilizzo** (token) a **metriche di impatto** (throughput, tempo risparmiato, tasso di fallimento, soddisfazione). Raccomandazione: iniziare con un **team** (non un individuo) e misurare 2-3 mesi dopo.

#AI-native SDLC#Rovo Dev#coding agents

Robbie Geoghegan · Fan Jiang (Atlassian)