Технічний контекст
Я подивився, що GitLab називає Act 2, і це не просто чергове оновлення з чатиком збоку. Вони реально перебудовують платформу під сценарій, де AI automation живе всередині SDLC, а не висить над IDE як іграшка для генерації коду.
Суть проста: GitLab хоче, щоб агенти не тільки писали шматки коду, але й самі відкривали merge request, ганяли пайплайни, розбирали знахідки безпеки, правили CI та працювали паралельно. Для впровадження AI в інженерних командах це вже ближче до платформного шару, а не до разових експериментів.
У центрі всього — GitLab Duo Agent Platform. Там кілька спеціалізованих агентів: розробка, безпека, дослідження, CI. Плюс шар оркестрації, щоб вони не сперечалися один з одним хаотично, а йшли за заданими потоками.
З цікавого я б виділив підтримку MCP, підключення зовнішніх агентів на кшталт Claude Code і Codex, а також custom flows. Тобто GitLab не замикає все на одному вбудованому агенті, а робить шину, де можна зібрати свій процес під конкретну команду чи продукт.
Ще один важливий момент: GitLab прямо говорить про machine-scale workflow. Це означає, що сама модель Git, пайплайнів та внутрішніх сервісів адаптується під потік комітів і запусків, який створюють вже не люди руками, а агенти 24/7. Ось тут я і зупинився: гарна презентація закінчується, починається важка AI architecture.
Щодо доступності картина теж приземлена: бета заявлена для GitLab 18.2, нормальна доступність очікується ближче до 18.8+, переважно для рівнів Premium та Ultimate. Безкоштовний шар урізаний, витрати йдуть через GitLab Credits, а отже, питання ціни швидко стане не теоретичним, а дуже бухгалтерським.
Що це змінює для бізнесу та автоматизації
Перший виграш очевидний: CI/CD перестає бути лише перевіркою після коміту і стає середовищем, де агенти самі лагодять поломки, оптимізують пайплайн і переводять старі Jenkins-сценарії в GitLab CI/CD. Для DevOps-команд це економія не на відсотках, а на постійній рутині.
Другий момент жорсткіший: без правил, аудиту та обмежень це швидко перетвориться на дорогий хаос. Виграють команди, у яких вже є нормальна AI integration, зрозумілі політики та спостережуваність. Програють ті, хто просто увімкне агентів усім підряд.
І третє: зростає цінність архітектури потоків, а не однієї моделі. Ми в Nahornyi AI Lab вирішуємо для клієнтів саме такі завдання: де агенту можна довірити дію, де потрібен human-in-the-loop, і як зібрати automation with AI без вибуху витрат та ризику для продакшену.
Якщо ваш CI/CD вже впирається в ручні перевірки, нічні фікси та вічний розбір нестабільних пайплайнів, це гарний момент перезібрати процес. Можемо разом подивитися, де у вашому випадку створити AI agent або зібрати акуратну AI automation так, щоб команда реально прискорилася, а не отримала ще одне модне джерело шуму.