Project Invisible Risk
Discovery pełnej bazy kodu - to, czego nie znajdzie analiza wyrywkowa
Wyzwanie
Operator przetwarzający duży wolumen transakcji potrzebował oceny technicznej swojej platformy - 97 projektów w 17 modułach - przed decyzją o programie ERP. Wcześniejsza ocena, oparta na wywiadach i próbkach kodu, nie wykryła tego, co później znalazło pełne skanowanie.
Co zrobiłem
Poprowadził analizę z AI obejmującą wszystkie 97 projektów i 17 modułów - nie próbkę. Zmapował przepływy danych ze wskaźnikami pewności 0-100% i wydobył z kodu ponad 100 reguł biznesowych, nie z dokumentacji. Pełne skanowanie ujawniło 529 endpointów REST bez uwierzytelniania, o których po stronie klienta nikt nie wiedział. Prowadził cykle audytu, które wyłapywały i poprawiały błędne wnioski przed prezentacją klientowi.
Wynik
529 endpointów bez uwierzytelniania - niewidocznych dla wcześniejszej analizy wyrywkowej - stało się priorytetem numer jeden do naprawy. Do klienta nie trafił żaden błędny wniosek. Due diligence było wystarczająco szerokie dla decyzji inwestycyjnej w program ERP i wystarczająco konkretne, by zasilić roadmapę wdrożenia.
Dlaczego to ma znaczenie
Różnica między "próbkowaniem" a "pełną analizą" to dokładnie miejsce, w którym chowa się ryzyko. To praktyczne użycie AI przy najtrudniejszym problemie inżynierskim: zrozumieć 97 powiązanych projektów na tyle dobrze, by znaleźć to, czego nie znalazłaby analiza częściowa - ludzka czy z AI.