РОЗРОБЛЕННЯ ПРОДУКТІВ НА ОСНОВІ ШТУЧНОГО ІНТЕЛЕКТУ В ЖИТТЄВОМУ ЦИКЛІ ВЕБЗАСТОСУНКІВ
Анотація
У статті представлено результати системного дослідження інтеграції штучного інтелекту в процеси розроблення продуктів упродовж життєвого циклу вебзастосунків. Основну увагу зосереджено на аналізі того, як методи, засновані на штучному інтелекті, впливають на масштабованість, затримку, персоналізацію та автоматизацію в різних архітектурних парадигмах, зокрема монолітній, мікросервісній, безсерверній та обчисленнях на периферії. Показано, що впровадження прогнозної аналітики, автоматизованого тестування та механізмів адаптивної оптимізації на кожному етапі життєвого циклу програмного забезпечення істотно знижує кількість помилок у розробленні, прискорює випуск нових версій і підвищує якість користувацького досвіду. Дослідження ґрунтувалося на моделюванні навантажень електронної комерції у контрольованих умовах із використанням моніторингу в реальному часі пропускної здатності системи, часу відгуку та розподілу ресурсів. Результати показали, що оркестрація на основі ШІ зменшує деградацію продуктивності за високої паралельності на 35%, тоді як частка помилок за навантаження понад 5 000 користувачів знизилася із 7,2% до 2,9%. Адаптивні алгоритми масштабування скоротили цикл випуску на 25–30% порівняно з базовими процесами та зменшили середню частку критичних збоїв із 9,1% до 2–3%. Окрема увага приділялася ролі ШІ в аналізі вимог, безперервній інтеграції, забезпеченні якості та післярелізному моніторингу, де інтелектуальні моделі продемонстрували ефективність у виявленні аномалій, прогнозуванні збоїв і рекомендації коригувальних дій. Із практичного погляду застосування ШІ в управлінні життєвим циклом вебзастосунків забезпечує вищу ефективність, кращу відповідність бізнес-цілям і зменшення операційних ризиків. Отримані результати підтверджують, що розроблення продуктів на основі штучного інтелекту є технологічно обґрунтованим підходом, який може бути інтегрований у сучасні конвеєри розроблення без утрати надійності чи економічної доцільності.
Посилання
2. Kommireddy V.V.S. AI-driven process automation in product lifecycle management: a transformative approach. Journal of Computer Science and Technology Studies. 2025. Vol. 7. No. 7. P. 91–100. DOI: https:// doi.org/10.32996/jcsts.2025.7.7.7.
3. Soni A., Kumar A., Arora R., Garine R. Integrating AI into the software development life cycle: best practices, tools, and impact analysis. SSRN. 2023. DOI: https://doi.org/10.2139/ssrn.4918992.
4. Upadhyaya N. Artificial intelligence in web development: enhancing automation, personalization, and decision-making. Artificial Intelligence. 2024. Vol. 4. No. 1. P. 534–540. DOI: https://doi.org/10.48175/ijarsct-19367.
5. Quan H., Li S., Zeng C., Wei H., Hu J. Big data and AI-driven product design: a survey. Applied Sciences. 2023. Vol. 13. No. 16. Art. 9433. DOI: https://doi.org/10.3390/app13169433.
6. Wang L., Liu Z., Liu A., et al. Artificial intelligence in product lifecycle management. The International Journal of Advanced Manufacturing Technology. 2021. Vol. 114. P. 771–796. DOI: https://doi.org/10.1007/s00170-021-06882-1.
7. Ali K.M. Yaqub. AI-driven test case optimization: enhancing efficiency in software testing life cycle. SSRN. 2024. DOI: https://doi.org/10.2139/ssrn.5135677.
8. Phanireddy S. Securing modern web applications using AI-driven static and dynamic analysis techniques. International Journal of Artificial Intelligence, Data Science, and Machine Learning. 2025. Vol. 6. No. 2. P. 73–82. DOI: https://doi.org/10.63282/3050-9262.IJAIDSML-V6I2P108.
9. Amugongo L.M., Kriebitz A., Boch A., et al. Operationalising AI ethics through the agile software development lifecycle: a case study of AI-enabled mobile health applications. AI Ethics. 2025. Vol. 5. P. 227–244. DOI: https://doi.org/10.1007/s43681-023-00331-3.
10. Bali M.K., Mehdi A. AI-driven DevOps transformation: a paradigm shift in software development. 2024 3rd International Conference on Sentiment Analysis and Deep Learning (ICSADL). IEEE, 2024. P. 117–123. DOI: https://doi.org/10.1109/ICSADL61749.2024.00026.
11. Alenezi M., Akour M. AI-driven innovations in software engineering: a review of current practices and future directions. Applied Sciences. 2025. Vol. 15. No. 3. Art. 1344. DOI: https://doi.org/10.3390/app15031344.
12. Mohammed A.S., Saddi V.R., Gopal S.K., Dhanasekaran S., Naruka M.S. AI-driven continuous integration and continuous deployment in software engineering. 2024 2nd International Conference on Disruptive Technologies (ICDT). IEEE, 2024. P. 531–536. DOI: https://doi.org/10.1109/ICDT61202.2024.10489475.
13. Saklamaeva V., Pavlič L. The potential of AI-driven assistants in scaled agile software development. Applied Sciences. 2023. Vol. 14. No. 1. Art. 319. DOI: https://doi.org/10.3390/app14010319.
14. Kulkarni V., Kolhe A., Kulkarni J. Intelligent software engineering: the significance of artificial intelligence techniques in enhancing software development lifecycle processes. In: Abraham A., Gandhi N., Hanne T., Hong T.P., Nogueira Rios T., Ding W. (eds) Intelligent Systems Design and Applications. 21st International Conference on Intelligent Systems Design and Applications (ISDA 2021). DOI: https://doi.org/10.1007/978-3-030-96308-8_7.
15. Lakarasu Phanish. AI-driven data engineering: automating data quality, lineage, and transformation in cloud- scale platforms. SSRN. 2022. DOI: https://doi.org/10.2139/ssrn.5246619.

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

