AI Dictionary › Fondamenti AI
Deployment is the process of releasing software into the environment where users will actually use it: the passage from code that works on the developer's machine to a service that works in production. It is every project's moment of truth, and modern engineering has turned it from a rare, risky event into a daily, reversible routine.
Deployment is the process of releasing software into the environment where users will actually use it: the passage from code that works on the developer's machine to a service that works in production. It is every project's moment of truth, and modern engineering has turned it from a rare, risky event into a daily, reversible routine.
CI/CD pipelines (Continuous Integration / Continuous Deployment) automate the journey: on every change the code is built, tested and packaged, then rolled out with risk-reducing strategies: blue-green (two identical environments, traffic switches in one move), canary (the novelty goes first to a small percentage of users, like the canary in the mine), rolling (gradual node-by-node update). If metrics degrade, a rollback restores the previous version.
In AI, deployment has its own nuances: you release models as well as code (with A/B tests between versions and shadow deployments, where the new model receives real traffic without answering users) and even prompts follow versioning and release cycles. The discipline that industrializes all this is called MLOps. Beyond AI, web giants perform thousands of deployments a day.
The term comes from military vocabulary: to deploy is to position troops in the field, from the French déployer, to unfold (in turn from the Latin displicare). Software inherited the idea of putting things into operational position. Continuous release practice was codified between 2009 and 2010, with the birth of the DevOps movement and Jez Humble and David Farley's book Continuous Delivery (2010).
Il deployment è il processo di rilascio del software nell'ambiente dove gli utenti lo useranno davvero: il passaggio dal codice che funziona sul computer dello sviluppatore al servizio che funziona in produzione. È il momento della verità di ogni progetto, e l'ingegneria moderna lo ha trasformato da evento raro e rischioso a routine quotidiana e reversibile.
Le pipeline CI/CD (Continuous Integration / Continuous Deployment) automatizzano il percorso: a ogni modifica il codice viene compilato, testato e impacchettato, poi distribuito con strategie che riducono il rischio: il blue-green (due ambienti identici, si scambia il traffico in un colpo), il canary (la novità va prima a una piccola percentuale di utenti, come il canarino in miniera), il rolling (aggiornamento graduale dei nodi). Se le metriche peggiorano, il rollback riporta la versione precedente.
Nell'AI il deployment ha sfumature proprie: si rilasciano modelli oltre che codice (con test A/B tra versioni e shadow deployment, dove il nuovo modello riceve traffico reale senza rispondere agli utenti) e persino i prompt seguono cicli di versionamento e rilascio. La disciplina che industrializza tutto questo si chiama MLOps. Fuori dall'AI, i giganti del web eseguono migliaia di deployment al giorno.
Il termine viene dal lessico militare: deploy è schierare le truppe sul campo, dal francese déployer, spiegare, dispiegare (a sua volta dal latino displicare). Il software ne ha ereditato l'idea di mettere in posizione operativa. La pratica del rilascio continuo si è codificata tra il 2009 e il 2010, con la nascita del movimento DevOps e il libro Continuous Delivery di Jez Humble e David Farley (2010).
From our network
HSE Genius — AI for Safety Data Sheets
Extract SDS data, H phrases and ECHA compliance checks in seconds, powered by AI.
Visit hsegenius.com →From the Agora Intelligence blog
📱 Download the Android app (beta) iOS coming soon
Say what you mean. Get what you need.
Grace Certified — the AI coach that trains and certifies your prompt engineering — by Agora Intelligence.