---
title: "AIDLC: AI-Driven Development Lifecycle"
description: "AI-Driven Development Lifecycle — AWS Labs 공식 방법론 기반 + DDD·Ontology·Harness 엔터프라이즈 확장"
domain: aidlc
tags: [aidlc, methodology]
created: 2026-03-23
updated: 2026-06-30
source_url: https://devfloor9.github.io/engineering-playbook/docs/aidlc
---

# AIDLC: AI-Driven Development Lifecycle

:::info 공식 AIDLC 레퍼런스
본 섹션은 [AWS Labs AIDLC Workflows](https://github.com/awslabs/aidlc-workflows) (v0.1.7, 2026-04-02) 를 기반으로 DDD·Ontology·Harness 확장을 덧붙였습니다. 공식 용어(User Request/Requirements, Unit of Work)와 engineering-playbook 용어(Intent, Unit, Bolt)의 매핑은 [10대 원칙과 실행 모델](./methodology/principles-and-model.md#12-aws-labs-aidlc-공식-용어-매핑) 에서 확인하세요.
:::

AIDLC(AI-Driven Development Lifecycle)는 AI가 소프트웨어 개발의 전 과정을 주도하는 새로운 개발 방법론입니다. 기존 SDLC가 사람 중심의 프로세스였다면, AIDLC는 **Intent → Unit → Bolt** 모델을 통해 AI가 요구사항 분석부터 설계, 구현, 테스트까지 개발 주기 전체를 가속합니다.

**AIDLC 정의 & SDLC 비교 상세**: [10대 원칙과 실행 모델](https://devfloor9.github.io/engineering-playbook/docs/aidlc/methodology/principles-and-model) 참조

## 4개 트랙

AIDLC 가이드는 독자의 역할과 관심사에 따라 4개 트랙으로 구성됩니다.

```mermaid
flowchart TB
    subgraph METHOD["방법론"]
        direction TB
        P["10대 원칙<br/>Intent · Unit · Bolt"]
        O["온톨로지 엔지니어링<br/>Typed World Model"]
        H["하네스 엔지니어링<br/>아키텍처 제약 설계"]
        D["DDD 통합<br/>도메인 주도 설계"]
    end

    subgraph ENTER["엔터프라이즈 도입"]
        direction TB
        A["도입 전략<br/>워터폴→하이브리드"]
        R["역할 재정의<br/>하네스 엔지니어"]
        C["비용 효과<br/>RFP 산정 모델"]
        G["거버넌스<br/>3층 프레임워크"]
        M["MSA 복잡도<br/>적합성 평가"]
        CS["사례 연구"]
    end

    subgraph TOOL["도구 & 구현"]
        direction TB
        AI["AI 코딩 에이전트<br/>Kiro · Q Developer"]
        OW["오픈 웨이트 모델<br/>온프레미스 · TCO"]
        EKS["EKS 선언적 자동화<br/>GitOps · Gateway API"]
        TR["기술 로드맵<br/>Build vs Wait"]
    end

    subgraph OPS["AgenticOps"]
        direction TB
        OB["관찰성 스택<br/>ADOT · AMP · CloudWatch"]
        PR["예측 운영<br/>ML 스케일링 · 이상 감지"]
        AR["자율 대응<br/>AI Agent · Chaos Eng"]
    end

    METHOD --> TOOL
    METHOD --> ENTER
    TOOL --> OPS
    OPS -->|"피드백 루프"| METHOD

    style METHOD fill:#326ce5,color:#fff
    style ENTER fill:#ff9900,color:#fff
    style TOOL fill:#76b900,color:#fff
    style OPS fill:#e74c3c,color:#fff
```

## 독자별 학습 경로

| 역할 | 추천 경로 |
|------|----------|
| **경영진 · PM** | [엔터프라이즈 도입](https://devfloor9.github.io/engineering-playbook/docs/aidlc/enterprise) → [비용 효과](https://devfloor9.github.io/engineering-playbook/docs/aidlc/enterprise/cost-estimation) → [사례 연구](https://devfloor9.github.io/engineering-playbook/docs/aidlc/enterprise/case-studies) |
| **아키텍트** | [방법론](https://devfloor9.github.io/engineering-playbook/docs/aidlc/methodology) → [온톨로지](https://devfloor9.github.io/engineering-playbook/docs/aidlc/methodology/ontology-engineering) → [하네스](https://devfloor9.github.io/engineering-playbook/docs/aidlc/methodology/harness-engineering) → [MSA 복잡도](https://devfloor9.github.io/engineering-playbook/docs/aidlc/enterprise/msa-complexity) |
| **개발자** | [10대 원칙](https://devfloor9.github.io/engineering-playbook/docs/aidlc/methodology/principles-and-model) → [DDD 통합](https://devfloor9.github.io/engineering-playbook/docs/aidlc/methodology/ddd-integration) → [AI 코딩 에이전트](https://devfloor9.github.io/engineering-playbook/docs/aidlc/toolchain/ai-coding-agents) |
| **운영팀 · SRE** | [AgenticOps](https://devfloor9.github.io/engineering-playbook/docs/aidlc/operations) → [관찰성](https://devfloor9.github.io/engineering-playbook/docs/aidlc/operations/observability-stack) → [자율 대응](https://devfloor9.github.io/engineering-playbook/docs/aidlc/operations/autonomous-response) |
| **보안 · 컴플라이언스** | [거버넌스](https://devfloor9.github.io/engineering-playbook/docs/aidlc/enterprise/governance-framework) → [하네스 엔지니어링](https://devfloor9.github.io/engineering-playbook/docs/aidlc/methodology/harness-engineering) → [오픈 웨이트 모델](https://devfloor9.github.io/engineering-playbook/docs/aidlc/toolchain/open-weight-models) |

## 핵심 개념

### 신뢰성 듀얼 축: 온톨로지 × 하네스

AI 생성 코드의 신뢰성을 체계적으로 보장하기 위해 AIDLC는 두 축의 프레임워크를 도입합니다. 온톨로지가 "무엇을 검증할지"를 정의하면, 하네스가 "어떻게 검증할지"를 구현하는 상호보완 구조입니다.

→ 상세는 [온톨로지 엔지니어링](https://devfloor9.github.io/engineering-playbook/docs/aidlc/methodology/ontology-engineering) · [하네스 엔지니어링](https://devfloor9.github.io/engineering-playbook/docs/aidlc/methodology/harness-engineering)

## 참고 자료

### 공식 레퍼런스
- [AWS Labs AIDLC Workflows](https://github.com/awslabs/aidlc-workflows) — 공식 저장소 (v0.1.7)
- [AWS Labs Common Rules](https://github.com/awslabs/aidlc-workflows/tree/main/aws-aidlc-rule-details/common) — 11개 공통 규칙
- [AWS Labs Inception Stages](https://github.com/awslabs/aidlc-workflows/tree/main/aws-aidlc-rule-details/inception) — 7 stage Adaptive Execution
- [AWS Labs Extensions](https://github.com/awslabs/aidlc-workflows/tree/main/aws-aidlc-rule-details/extensions) — opt-in 확장 메커니즘
- [AWS AI-Driven Development Life Cycle Blog](https://aws.amazon.com/blogs/devops/ai-driven-development-life-cycle/)
- [Open-Sourcing Adaptive Workflows for AI-DLC](https://aws.amazon.com/blogs/devops/open-sourcing-adaptive-workflows-for-ai-driven-development-life-cycle-ai-dlc/)