多くの現在のAI自動化の取り組みは、異なる段階を接続するために依然として人間の介入に大きく依存しており、高価なミドルウェアとして機能しています。個々のタスクは自動化されていますが、ワークフロー全体は断片化したままであり、システム間で情報を手動で転送するために人々が必要とされています。AWS、GitHub、Jiraのような既存のシステムは既にデータを共有できるAPIを持っているため、これは非効率的です。著者は、現在これらのギャップを埋めるために人間が必要とされているが、これは変化する可能性が高いボトルネックであると主張しています。真の問いは、人間の関与が本当に必要な場所を特定することであり、これはチームやコンプライアンスのニーズによって異なります。AIの出力は常に完璧ではありませんが、著者は人間がプロセスにおいて過剰に使用されていることが多いと考えています。多くのタスクでは、最初の目標を理解し、最終的な結果を確認するという、1つか2つの人間の決定だけが本当に必要です。著者は、これらの2つのポイント間のほとんどの作業は機械で処理できると示唆しています。エラー検出からコード変更、テストまで、人間の即時的な入力なしで、本番環境のバグを処理するための自動化されたプロセスの実用的な例が提示されています。これは、人間のレビュー担当者が必要とされる前に、大幅な自動化の可能性を強調しています。より高度な自動化に不可欠なのは、エージェントが学習した情報を保持し、引き継ぐことを可能にするメモリ、つまり永続的な状態です。現在、この情報はチャットウィンドウやターミナルで失われることが多く、手動での要約を余儀なくされています。著者は、エージェントが効果的に連携できるようにするためには、コンテキストを保存するためのデータベースまたは同様のメカニズムが不可欠であると提案しています。これらの自動化されたワークフローをローカルのラップトップ上に構築することは可能ですが、容易に中断される脆弱なインフラストラクチャを作成します。ソフトウェア開発ライフサイクルのタスクを実行するこれらのAI駆動型自動化システムは、他の本番サービスと同様の堅牢なインフラストラクチャを必要とします。これには、安定性、安全な認証情報、永続的な状態、ロギング、リトライ、および監査証跡が含まれます。究極の目標は、AIシステムが朝までにバグの調査と修正のようなタスクを自律的に処理し、開発者にとって面倒なコピー＆ペーストや手動の手順を排除することです。