ನಾನು ಒಂದು ತಿಂಗಳ ಕಾಲ ನನ್ನ CI/CD ಪೈಪ್ಲೈನ್ ಅನ್ನು AI-ಚಾಲಿತ ಏಜೆಂಟ್ ಮೂಲಕ ನಡೆಸಿದೆ. ಪ್ರಯೋಗದ ಅಂತ್ಯದ ವೇಳೆಗೆ, ಅದು ವಿಫಲವಾದ ಬಿಲ್ಡ್ಗಳನ್ನು ಸರಿಪಡಿಸುವುದು, ಪುಲ್ ರಿಕ್ವೆಸ್ಟ್ಗಳನ್ನು (pull requests) ತೆರೆಯುವುದು ಮತ್ತು ಕೆಲಸಗಳನ್ನು ಮರು-ಪ್ರಚೋದಿಸುವ ಮೂಲಕ (re-triggering jobs), ಕೇವಲ ಒಂದು ಮಾನವ ಅನುಮೋದನೆಯ ಹಂತವನ್ನು ಮಾತ್ರ ಉಳಿಸಿತ್ತು. ಈ ಪ್ರಯೋಗವು "ಏಜೆಂಟಿಕ್" (agentic) DevOps ಕಾರ್ಯವಿಧಾನವು ದಿನನಿತ್ಯದ ಟ್ರಯಾಜ್ (triage) ಕೆಲಸಗಳನ್ನು ಬ್ಯಾಕ್-ಆಫೀಸ್ನಿಂದ ಸ್ವಯಂಚಾಲಿತ ಮೆದುಳಿಗೆ ವರ್ಗಾಯಿಸಬಹುದು ಎಂದು ತೋರಿಸುತ್ತದೆ, ಆದರೆ ಇದು ಸ್ವಾಯತ್ತ ವ್ಯವಸ್ಥೆಯು ಹೊಸ ಅಪಾಯದ ಮೂಲವಾಗದಂತೆ ತಡೆಯುವ ಗಾರ್ಡ್ರೈಲ್ಸ್ಗಳ (guardrails) ಅಗತ್ಯವನ್ನೂ ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ.
ಈ ಪ್ರಯೋಗ ಏಕೆ ಮುಖ್ಯವಾಗಿತ್ತು
ಹೆಚ್ಚಿನ ಸಾಫ್ಟ್ವೇರ್ ತಂಡಗಳು ಇಂದಿಗೂ AI ಅನ್ನು ಕೇವಲ ಒಂದು ಸುಧಾರಿತ ಆಟೋ-ಕಂಪ್ಲೀಟ್ (autocomplete) ಆಗಿ ಪರಿಗಣಿಸುತ್ತವೆ—ಅಂದರೆ ಒಂದು ಸಾಲನ್ನು ಸೂಚಿಸುವ ಅಥವಾ ದೋಷದ ಸಂದೇಶವನ್ನು ವಿವರಿಸುವ ಸಾಧನ ಎಂದು. 2025 ರಲ್ಲಿ, ಉದ್ಯಮವು "ನಿಮಗೆ ಟೈಪ್ ಮಾಡಲು ಸಹಾಯ ಮಾಡುವ AI" ಇಂದ "ಕೆಲಸ ಮಾಡುವ AI" (AI that acts) ಕಡೆಗೆ ಬದಲಾಗುತ್ತಿದೆ. ಕ್ರಿಯೆಗೈಗೊಳ್ಳುವ ಏಜೆಂಟ್ ಲಾಗ್ಗಳನ್ನು ಓದಬಲ್ಲದು, ಪರಿಹಾರವನ್ನು ನಿರ್ಧರಿಸಬಲ್ಲದು, ಅದನ್ನು ಅನ್ವಯಿಸಬಲ್ಲದು ಮತ್ತು ಫಲಿತಾಂಶದಿಂದ ಕಲಿಯಬಲ್ಲದು—ಇವೆಲ್ಲವೂ ಒಬ್ಬ ಡೆವಲಪರ್ ಒಂದೇ ಕಮಾಂಡ್ ಟೈಪ್ ಮಾಡದೆಯೇ ಸಾಧ್ಯವಾಗುತ್ತದೆ.
ಮೂಲ ಪರಿಕಲ್ಪನೆ: ಏಜೆಂಟಿಕ್ ಪೈಪ್ಲೈನ್
ಏಜೆಂಟಿಕ್ ಪೈಪ್ಲೈನ್ ಎನ್ನುವುದು ಪ್ರೊಡಕ್ಷನ್ಗೆ ಅನಿಯಮಿತ ಪ್ರವೇಶವಿರುವ ಒಂದೇ ದೊಡ್ಡ ಮಾದರಿಯಲ್ಲ (monolithic model). ಬದಲಾಗಿ, ಇದು ವಿಶೇಷ ಪರಿಕರಗಳನ್ನು ಸಂಯೋಜಿಸುವ, ಸಂದರ್ಭವನ್ನು (context) ನೆನಪಿಟ್ಟುಕೊಳ್ಳುವ ಮತ್ತು ಕಟ್ಟುನಿಟ್ಟಾದ ಗಾರ್ಡ್ರೈಲ್ಸ್ಗಳ ಅಡಿಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಒಂದು ಸಂಕುಚಿತ ಆರ್ಕೆಸ್ಟ್ರೇಟರ್ (orchestrator) ಆಗಿದೆ. ಇದರ ಪ್ರಮುಖ ಕಾರ್ಯಚಕ್ರವು ಮನುಷ್ಯನ ತೊಂದರೆ ಪರಿಹಾರ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹೋಲುತ್ತದೆ:
- Perceive (ಗ್ರಹಿಸು) – ಲಾಗ್ಗಳು, ಟೆಸ್ಟ್ ಔಟ್ಪುಟ್ ಮತ್ತು ಮೆಟ್ರಿಕ್ಸ್ಗಳನ್ನು ಪಡೆಯುವುದು.
- Reason (ತರ್ಕಿಸು) – ವೈಫಲ್ಯವನ್ನು ವಿಶ್ಲೇಷಿಸುವುದು ಮತ್ತು ಸುರಕ್ಷಿತವಾದ ಪರಿಹಾರವನ್ನು ಯೋಜಿಸುವುದು.
- Act (ಕಾರ್ಯನಿರ್ವಹಿಸು) – ಪ್ಯಾಚ್ ಅನ್ವಯಿಸಲು, ಡಿಪೆಂಡೆನ್ಸಿಯನ್ನು ಅಪ್ಗ್ರೇಡ್ ಮಾಡಲು ಅಥವಾ ಕೆಲಸವನ್ನು ಮರು-ಚಾಲನೆ ಮಾಡಲು ಒಂದು ನಿರ್ದಿಷ್ಟ ಪರಿಕರವನ್ನು ಬಳಸುವುದು.
- Learn (ಕಲಿಯು) – ಮುಂದಿನ ನಿರ್ಧಾರವು ಉತ್ತಮವಾಗಿರಲು ಫಲಿತಾಂಶವನ್ನು ದಾಖಲಿಸುವುದು.
ಪ್ರಯೋಗವನ್ನು ಸುರಕ್ಷಿತವಾಗಿರಿಸಿದ ಆರ್ಕಿಟೆಕ್ಚರ್ ಈ ಕೆಳಗಿನಂತಿತ್ತು:
- CI/CD ಪ್ಲಾಟ್ಫಾರ್ಮ್ – ಕೆಲಸಗಳನ್ನು ನಿಗದಿಪಡಿಸುತ್ತದೆ ಮತ್ತು ನಡೆಸುತ್ತದೆ.
- Orchestrator (ಆರ್ಕೆಸ್ಟ್ರೇಟರ್) – ಡೇಟಾವನ್ನು ಸ್ವೀಕರಿಸುವ, ಕಂಟ್ರೋಲ್ ಲೂಪ್ ಅನ್ನು ನಡೆಸುವ ಮತ್ತು ಏನು ಮಾಡಬೇಕೆಂದು ನಿರ್ಧರಿಸುವ "ಮೆದುಳು".
- Tools (ಪರಿಕರಗಳು) – ನಿರ್ದಿಷ್ಟ ಕ್ರಮಗಳನ್ನು ಮಾಡುವ ಕೈಗಳು (ಉದಾಹರಣೆಗೆ, PR ತೆರೆಯುವುದು, ವರ್ಷನ್ ಬದಲಾಯಿಸುವುದು).
- Context store (ಕಾನ್ಟೆಕ್ಸ್ ಸ್ಟೋರ್) – ಇತ್ತೀಚಿನ ವೈಫಲ್ಯಗಳು ಮತ್ತು ಪರಿಹಾರಗಳ ಲಘು ನೆನಪು.
- Guardrails (ಗಾರ್ಡ್ರೈಲ್ಸ್) – ಏಜೆಂಟ್ ನೇರವಾಗಿ ಪ್ರೊಡಕ್ಷನ್ ಅನ್ನು ಮುಟ್ಟದಂತೆ ಅಥವಾ ಮಾನವ ಅನುಮೋದನೆಯಿಲ್ಲದೆ ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡದಂತೆ ತಡೆಯುವ ಕಟ್ಟುನಿಟ್ಟಿನ ಮಿತಿಗಳು.
ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಯನ್ನು (LLM) ನೇರ ಪ್ರೊಡಕ್ಷನ್ ಬರವಣಿಗೆಯಿಂದ ದೂರವಿಡುವ ಮೂಲಕ, ಈ ವ್ಯವಸ್ಥೆಯು ಸಮಸ್ಯೆಯ ಬಗ್ಗೆ ತರ್ಕಿಸಲು ಮಾದರಿಗೆ ಅವಕಾಶ ನೀಡುತ್ತಲೇ, ಅಟ್ಯಾಕ್ ಸರ್ಫೇಸ್ ಅನ್ನು (attack surface) ಕಡಿಮೆ ಮಾಡಿತು.
ಏಜೆಂಟ್ನ ಒಂದು ತಿಂಗಳ ಜೀವನದ ಹಾದಿ
ವಾರ 1 – ಕೇವಲ ಓದುವಿಕೆಯ ವೀಕ್ಷಣೆ (read-only observation)
ಏಜೆಂಟ್ "ವಿವರಿಸುವ ಮಾದರಿ"ಯಲ್ಲಿ (explain-only mode) ಕಾರ್ಯನಿರ್ವಹಿಸಿತು. ಪ್ರತಿಯೊಂದು ವಿಫಲವಾದ ಬಿಲ್ಡ್ ಕೂಡ ದೋಷವನ್ನು ಸಾರಾಂಶಗೊಳಿಸುವ ಮತ್ತು ಸಂಭವನೀಯ ಕಾರಣಗಳನ್ನು ಸೂಚಿಸುವ Slack ಸಂದೇಶವನ್ನು ಸೃಷ್ಟಿಸುತ್ತಿತ್ತು. ಯಾವುದೇ ಕೋಡ್ ಬದಲಾಗಲಿಲ್ಲ. ಈ ಹಂತವು ಪರ್ಸೆಪ್ಶನ್ ಮತ್ತು ರೀಸನಿಂಗ್ ಹಂತಗಳು ನೈಜ ಲಾಗ್ಗಳ ಮೇಲೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ ಎಂಬುದನ್ನು ಸಾಬೀತುಪಡಿಸಿತು ಮತ್ತು ಏಜೆಂಟ್ ಕೋಡ್ಬೇಸ್ ಅನ್ನು ಅರ್ಥಮಾಡಿಕೊಂಡಿದೆ ಎಂಬ ವಿಶ್ವಾಸವನ್ನು ತಂಡಕ್ಕೆ ನೀಡಿತು.
ವಾರ 2 – ಪರಿಹಾರಗಳನ್ನು ಪ್ರಸ್ತಾಪಿಸುವುದು
ಮುಂದಿನ ಏಳು ದಿನಗಳ ಕಾಲ, ಆರ್ಕೆಸ್ಟ್ರೇಟರ್ ಲಿಂಟಿಂಗ್ ವೈಫಲ್ಯಗಳು ಅಥವಾ ಹಳೆಯದಾದ ಡಿಪೆಂಡೆನ್ಸಿಗಳಂತಹ ಕಡಿಮೆ ಅಪಾಯದ ಸಮಸ್ಯೆಗಳಿಗಾಗಿ ಪುಲ್ ರಿಕ್ವೆಸ್ಟ್ಗಳನ್ನು (PRs) ತೆರೆಯಿತು. ಎಂಜಿನಿಯರ್ಗಳು ಮರ್ಜ್ ಮಾಡುವ ಮೊದಲು PRಗಳನ್ನು ಪರಿಶೀಲಿಸಿದರು.
ವಾರ 3 – ನಿಯಂತ್ರಿತ ಕ್ರಮಗಳು
ಅನುಮೋದನಾ ಕಾರ್ಯವಿಧಾನವು ಜಾರಿಗೆ ಬಂದ ನಂತರ, ಏಜೆಂಟ್ ಪ್ರೊಡಕ್ಷನ್ ಅಲ್ಲದ ಪರಿಸರದಲ್ಲಿ (non-production environment) ಕೆಲಸಗಳನ್ನು ಮರು-ಚಾಲನೆ ಮಾಡಲು ಅನುಮತಿಯನ್ನು ಪಡೆಯಿತು. ಬಿಲ್ಡ್ ವಿಫಲವಾದಾಗ, ಆರ್ಕೆಸ್ಟ್ರೇಟರ್ ಸ್ವಯಂಚಾಲಿತವಾಗಿ ಹಾನಿಗೊಳಗಾದ ಡಿಪೆಂಡೆನ್ಸಿಯ ಸರಿಯಾದ ವರ್ಷನ್ ಅನ್ನು ಪին ಮಾಡಿತು, PR ತೆರೆಯಿತು ಮತ್ತು PR ಮರ್ಜ್ ಆದ ನಂತರ ಪೈಪ್ಲೈನ್ ಅನ್ನು ಮರು-ಚಾಲನೆ ಮಾಡಿತು.
ವಾರ 4 – ಪರಿಣಾಮವನ್ನು ಅಳೆಯುವುದು
ಅಂತಿಮ ವಾರವು ಏಜೆಂಟ್ ಎಷ್ಟು ವೈಫಲ್ಯಗಳನ್ನು ಪರಿಹರಿಸಿದೆ ಎಂಬುದನ್ನು ಟ್ರ್ಯಾಕ್ ಮಾಡುವ ಮೂಲಕ ಫಲಿತಾಂಶಗಳನ್ನು ಅಳೆಯುವತ್ತ ಗಮನಹರಿಸಿತು.
ಅನುಕೂಲಗಳು: ಬೇಸರ ತರುವ ಕೆಲಸಗಳನ್ನು ನಿರ್ಮೂಲನೆ ಮಾಡುವುದು
CI/CD ನ ಪುನರಾವರ್ತಿತ ಭಾಗಗಳನ್ನು—ಲಾಗ್ಗಳನ್ನು ಓದುವುದು, ತಿಳಿದಿರುವ ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸುವುದು, ವರ್ಷನ್ಗಳನ್ನು ಬದಲಾಯಿಸುವುದು ಮತ್ತು ಕೆಲಸಗಳನ್ನು ಮರು-ಚಾಲನೆ ಮಾಡುವುದು—ಒಂದು AI ಏಜೆಂಟ್ ನಿರ್ವಹಿಸಬಲ್ಲದು ಎಂದು ಈ ಪ್ರಯೋಗವು ತೋರಿಸಿದೆ. ಎಂಜಿನಿಯರ್ಗಳು ಕೇವಲ ಅಂತಿಮ ಬದಲಾವಣೆಗಳನ್ನು ಅನುಮೋದಿಸಬೇಕಾಯಿತು ಮತ್ತು ಏಜೆಂಟ್ ಪರಿಹರಿಸಲಾಗದ ಕೆಲವು ಎಡ್ಜ್-ಕೇಸ್ (edge-case) ವೈಫಲ್ಯಗಳನ್ನು ಮಾತ್ರ ತನಿಖೆ ಮಾಡಬೇಕಾಯಿತು. ಪ್ರಾಯೋಗಿಕವಾಗಿ ಇದರರ್ಥ ಮಧ್ಯರಾತ್ರಿಯ ಅಧಿಸೂಚನೆಗಳು ಕಡಿಮೆ, ಕಾನ್ಟೆಕ್ಸ್-ಸ್ವಿಚಿಂಗ್ ಕಡಿಮೆ ಮತ್ತು ಡೆವಲಪರ್ಗಳಿಗೆ ವೇಗವಾದ ಫೀಡ್ಬ್ಯಾಕ್ ಲೂಪ್ ಸಿಗುವುದು ಎಂದರ್ಥ.
ಅಪಾಯಗಳು ಮತ್ತು ಅವುಗಳನ್ನು ಹೇಗೆ ತಡೆಗಟ್ಟುವುದು
- ಆತ್ಮವಿಶ್ವಾಸದಿಂದ ಕೂಡಿದ ತಪ್ಪು ಪರಿಹಾರಗಳು – ಏಜೆಂಟ್ ಕೆಲವೊಮ್ಮೆ ಆಳವಾದ ಬಗ್ ಅನ್ನು ಮರೆಮಾಚುವಂತಹ ಮೇಲ್ಮಟ್ಟದ ಪ್ಯಾಚ್ ಅನ್ನು ಅನ್ವಯಿಸುತ್ತಿತ್ತು. ಪ್ರೊಡಕ್ಷನ್ ಕೋಡ್ ಅನ್ನು ಸ್ಪರ್ಶಿಸುವ ಯಾವುದೇ ಬದಲಾವಣೆಗಾಗಿ ಮಾನವ ಅನುಮೋದನೆಯನ್ನು ಬಯಸುವ ಗಾರ್ಡ್ರೈಲ್ಸ್ಗಳು ಈ ಅಪಾಯವನ್ನು ನಿಯಂತ್ರಣದಲ್ಲಿಟ್ಟವು.
- ಅತಿಯಾದ ಅಧಿಸೂಚನೆಗಳು (Noise overload) – ಅನ್-ಫಿಲ್ಟರ್ಡ್ ನೋಟಿಫಿಕೇಶನ್ಗಳು ನಿಜವಾದ ಎಚ್ಚರಿಕೆಗಳನ್ನು ಮರೆಮಾಚಬಹುದು.
- ವ್ಯಾಪ್ತಿಯ ವಿಸ್ತರಣೆ (Scope creep) – ಮಾದರಿಗೆ ಅನಿಯಮಿತ ಪ್ರವೇಶ ನೀಡುವುದು ಅನಿರೀಕ್ಷಿತ ಪರಿಣಾಮಗಳಿಗೆ ದಾರಿ ಮಾಡಿಕೊಡುತ್ತದೆ. LLM (ತರ್ಕಿಸುವುದು) ಮತ್ತು ಟೂಲ್ಸ್ (ಕಾರ್ಯನಿರ್ವಹಿಸುವುದು) ನಡುವಿನ ಕಟ್ಟುನಿಟ್ಟಿನ ಪ್ರತ್ಯೇಕತೆಯು ಏಜೆಂಟ್ ಅನಗತ್ಯ ಬದಲಾವಣೆಗಳನ್ನು ಮಾಡದಂತೆ ತಡೆಯಿತು.
ಇತರ ತಂಡಗಳಿಗಾಗಿ ಹಂತ-ಹಂತದ ಅನುಷ್ಠಾನ ಯೋಜನೆ
ನಿಮ್ಮ ಸಂಸ್ಥೆಯು ಏಜೆಂಟಿಕ್ ಪೈಪ್ಲೈನ್ ಅನ್ನು ಪ್ರಯತ್ನಿಸಲು ಬಯಸಿದರೆ, ಈ ಹಂತಾಂತ ಹಾದಿಯನ್ನು ಅನುಸರಿಸಿ:
- Set up the orchestrator – a lightweight service that can call the LLM, store context and invoke CI/CD APIs.
- Define guardrails – whitelist the CI/CD jobs the agent may trigger, require PR approval, and block any direct production writes.
- Week 1: Observation mode – feed logs to the orchestrator and let it post diagnostic summaries to a chat channel.
- Week 2: Suggestion mode – allow the agent to open PRs for non-critical fixes; keep human review mandatory.
- Week 3: Controlled action – grant permission to re-run jobs in staging or test environments after a PR merges.
- Week 4: Metrics and tuning – track triaged failures, false positives, and time saved; adjust alert thresholds and guardrails accordingly.
- Iterate – expand the tool set (e.g., automated rollbacks, security scans) only after each new capability passes the same safety checks.
The counter-argument
Skeptics point out that agents can be confidently wrong. The experiment did not eliminate this concern; it merely showed that disciplined guardrails let you reap the benefits while keeping risk manageable.
Takeaway
An AI agent that runs the CI/CD control loop can turn a reactive, manual triage process into an almost self-healing pipeline, provided you isolate the model, enforce strict approval steps, and start with a low-risk, observation-first approach. The real value lies not in replacing engineers but in offloading the tedious, repetitive chores that keep pipelines green and developers focused on building.