[KNIFE] Claude ako kolaboračný priestor pre SDLC v bankovom prostredí
Typ: Koncept / Architektonická úvaha
Status: Draft
Autor: Roman [Knowledge Management Enterprise Architect]
Dátum: 2026-04-26
Tags: SDLC collaboration knowledge-sharing banking AI-adoption governance
1. Motivácia: Otvorený Mindset ako vstupná podmienka
Akákoľvek kolaboračná platforma zlyháva, ak ľudia nie sú ochotní do nej vkladať znalosti.
Claude nie je len ďalší chatbot. V kontexte SDLC môže fungovať ako neutrálny, jazykovo bohatý mediátor medzi fázami a rolami – ale iba ak existuje kultúrna pripravenosť. Prvou podmienkou adopcie je teda zmena postoja, nie technológia.
Otvorený mindset = ochota zdieľať znalosti naprieč fázami SDLC, aj keď to nie je diktované procesom.
2. Problém: Ostrovy vedomostí v SDLC
2.1 Štrukturálne príčiny
Organizačné siloá vo vývoji nie sú náhoda. Vytvárajú ich:
- Zámerná ochrana pozície: Špecialista, ktorého znalosti sú jedinečné a netransparentné, je ťažko nahraditeľný. Knowledge hoarding je racionálna kariérna stratégia.
- Fázová fragmentácia: Každá fáza SDLC (Requirements → Design → Development → Testing → Operations) používa iné nástroje, iný jazyk, iné artefakty.
- Nástrojová roztrieštenosť: JIRA, Confluence, Git, Sparx EA, Word dokumenty, e-mail – každý nástroj je ostrovom. Znalosti sa strácajú v prekladoch.
2.2 Dôsledky pre banku
- Onboarding nových členov trvá mesiace, nie týždne.
- Kritické rozhodnutia z dizajnovej fázy nie sú dostupné testerom ani operácii.
- Regulačné audity odhaľujú medzery práve preto, že dokumentácia a realita sa rozišli niekde medzi fázami.
- Znalosti odchádzajú s ľuďmi.
3. Claude ako kolaboračný priestor: Čo to znamená konkrétne
3.1 Nie náhrada nástrojov, ale prekladová vrstva
Claude nenahrádza JIRA, Confluence ani Sparx EA.
Funguje ako kontextovo bohatý most:
Požiadavky (Business Analyst)
↓
Claude: štruktúrovaný summary + otázky na medzery
↓
Dizajn (Architekt / EA)
↓
Claude: preklad do technického zadania + diagram draft
↓
Development (Developer)
↓
Claude: code review komentáre + konzistencia s dizajnom
↓
Testing (QA)
↓
Claude: test scenáre generované z requirements
↓
Operations (Ops / Security)
↓
Claude: runbook draft, security checklist
3.2 Konkrétne use cases naprieč SDLC
| Fáza | UC | Čo Claude robí |
|---|---|---|
| Requirements | Business → technický preklad | Generuje štruktúrovaný user story draft zo surového textu |
| Design | EA → Developer briefing | Transformuje Sparx EA export do zrozumiteľného technického summaru |
| Development | Code review | Kontroluje konzistenciu implementácie s dohodnutými patterns |
| Testing | Test design | Generuje test scenáre z acceptance criteria |
| Operations | Incident handling | Pomáha diagnostikovať logy, navrhuje runbook kroky |
| Cross-fázy | Knowledge capture | Extrahuje rozhodnutia z neštruktúrovaných diskusií (chat, e-mail) |
3.3 Projekt ako trvalá pamäť tímu
Claude Project = zdieľaný kontext pre celý tím.
Nie len individuálny asistent – ale kolektívna pamäť projektu, dostupná naprieč rolami.
4. Zapojenie špecialistov rôznych domén
4.1 Problém fragmentovaného jazyka
Architekt hovorí inak ako developer, developer inak ako tester, tester inak ako business owner.
Claude vie prekladať medzi doménovými jazykmi bez straty obsahu.
4.2 Framework pre zapojenie
- Spoločný kontext projektu – všetky role majú prístup k zdieľaným artefaktom v Claude Projecte.
- Rolovo špecifické queries – každý sa pýta v svojom jazyku, Claude odpovedá kontextovo.
- Rozhodovací log – kľúčové rozhodnutia sa zapisujú ako strukturované MD záznamy (ADR pattern).
- Iteratívne upresňovanie – nejasnosti sa riešia v Claude, nie e-mailom.
5. Infraštruktúrne a prevádzkové nároky
5.1 SaaS model (claude.ai / API)
| Aspekt | Požiadavka |
|---|---|
| Sieťový prístup | Outbound HTTPS na api.anthropic.com |
| Autentifikácia | API key manažment (rotácia, vault integrácia) |
| Logging | API call logy pre audit trail |
| Dostupnosť | SLA Anthropic: 99.9% (bez garantovaného RTO pre banku) |
| Dátová lokalita | ⚠️ Dáta spracovávané mimo EU – viz bod 8 |
5.2 On-Premise model
| Aspekt | Požiadavka |
|---|---|
| Hardware | GPU server (min. A100/H100 pre produkčnú kvalitu) |
| Model | Mistral Large 3, Llama 3.x, IBM Granite 3.3, Aleph Alpha / PhariaAI |
| Integrácia | REST API wrapper, interná PKI, firewall rules |
| Prevádzkové náklady | MLOps tím, monitoring, fine-tuning pipeline |
| Air-gap | Možné pre klasifikované prostredia |
6. Licenčné a finančné nároky
6.1 SaaS (Anthropic API / claude.ai Teams/Enterprise)
- claude.ai Teams: fixný mesačný poplatok per seat
- claude.ai Enterprise: custom zmluva, SSO, pokročilé administračné funkcie
- API: pay-per-token model – vhodný pre piloty, rizikovejší pri scale-up bez cost controls
- Odporúčanie: Pre banku Enterprise tier s DPA (Data Processing Agreement)
6.2 On-Premise OSS modely
- Mistral, Llama 3.x: open weights, komerčné použitie povolené (licencia špecifická per model)
- IBM Granite 3.3: Apache 2.0, enterprise-friendly
- Aleph Alpha / PhariaAI: komerčná licencia, EU-natívny vendor
6.3 Skryté náklady
- Fine-tuning a RAG pipeline development
- GPU infra (CapEx alebo cloud GPU – Azure NDv4/H100)
- MLOps a security review
- Change management a školenia
7. On-Premise riešenia: Kedy a pre aké use cases
7.1 Kedy je On-Premise nutnosťou
| Situácia | Dôvod |
|---|---|
| Klasifikované dáta (interné regulácie) | Žiadny SaaS nesmie spracovávať |
| Air-gap prostredia (napr. core banking systémy) | Fyzická izolácia siete |
| Regulačný requirement na dátovú lokalitu | EU AI Act, NBS, ECB požiadavky |
| Citlivé M&A dokumenty | Obchodné tajomstvo |
7.2 Odporúčané modely pre banku
| Model | Silná stránka | Poznámka |
|---|---|---|
| IBM Granite 3.3 | Enterprise compliance, Apache 2.0 | Priamo zameraný na regulated industries |
| Mistral Large 3 | Kvalita blízka GPT-4, EU vendor | Komerčná licencia potrebná pri SaaS použití |
| Llama 3.3 70B | Najsilnejší OSS model vo svojej triede | Meta licencia, overiť pre banking |
| Aleph Alpha / PhariaAI | EU-natívny, nemecký vendor | GDPR natívne, enterprise support |
| DeepSeek R1 | Silný v reasoning úlohách | ⚠️ Čínsky vendor – regulačne problematický pre banku |
7.3 Hybridný model (odporúčaný)
Verejné / interné necitilivé use cases → Anthropic API / Azure OpenAI
Citlivé interné use cases → On-Premise (Granite / Mistral)
Air-gap / klasifikované → On-Premise, izolovaná sieť
8. Regulačné nároky v bankovom prostredí
8.1 Kľúčové regulačné rámce
| Rámec | Dopad na AI v banke |
|---|---|
| EU AI Act | Klasifikácia AI systémov, high-risk kategória pre credit/fraud |
| GDPR / DORA | Spracovanie osobných údajov, operačná odolnosť |
| NBS / ECB Guidelines | Lokálne regulačné požiadavky pre slovenské banky |
| EBA Guidelines on ICT | Risk management pre ICT a AI systémy |
8.2 Aktuálny stav: Claude a EU dátová lokalita
⚠️ Kritická poznámka (stav k 2026-04):
Anthropic aktuálne nemá EU dátové centrum. Dáta odoslané cez API sú spracovávané v USA.
Pre banku to znamená: Claude SaaS nie je vhodný pre osobné údaje a interné citlivé informácie bez explicitného DPA a posúdenia transferu dát mimo EÚ (SCCs).
8.3 Alternatívne cesty pre banku
- Azure OpenAI Service – Microsoft garantuje EU dátovú lokalitu, Private Endpoint / VNet integrácia, compliance certifikáty (ISO 27001, SOC 2, PCI DSS). Odporúčaná primárna cesta pre banku.
- On-Premise modely – plná kontrola, bez dátového transferu.
- Anthropic Enterprise s DPA – ak bude EU región dostupný, sledovať roadmapu.
8.4 Governance checklist pre AI v SDLC
- AI systém klasifikovaný podľa EU AI Act (high-risk / limited-risk)
- DPIA (Data Protection Impact Assessment) dokončený
- DPA s vendorom podpísaný
- Dátová lokalita overená a zdokumentovaná
- Model risk management framework aplikovaný
- Audit trail pre AI-asistované rozhodnutia zavedený
- Exit stratégia (vendor lock-in mitigation) definovaná
9. Záver: Čo to znamená pre banku prakticky
Krátky horizont (pilot):
- Azure OpenAI + interné necitilivé use cases (dokumentácia, test scenáre, code review)
- Jasné guardrails: čo môže ísť do AI, čo nesmie
- Meranie hodnoty: čas ušetrený v SDLC fázach
Stredný horizont (scale-up):
- On-Premise model pre citlivé use cases
- Integrácia s existujúcimi nástrojmi (JIRA, Confluence, Sparx EA)
- Knowledge base building cez Claude Projects
Dlhý horizont (transformácia):
- AI ako štandard SDLC fázy, nie výnimka
- Merateľné zníženie knowledge silos
- Regulačná dokumentácia generovaná ako vedľajší produkt procesu
Tento dokument je KNIFE príspevok – nie finálny návrh riešenia. Slúži na diskusiu a iteráciu.