Gordon Van Huizen, SVP of Strategy at Mendix – Interview Series

Gordon Van Huizen je SVP of Strategy u leading low-code poskytovatele, Mendix, který je součástí Siemens. V této roli Van Huizen identifikuje a prozkoumává strategie pro technologický pokrok a pracuje na inkubaci inovací produktů uvnitř Mendix, vše se zaměřením na to, jak tyto technologie mohou ovlivnit a přinést hodnotu zákazníkům.

Mendix je leading low-code platforma pro vývoj aplikací, která umožňuje společnostem vytvářet, nasazovat a nepřetržitě zlepšovat kriticky důležité software s minimálním ručním kódováním. Platforma nabízí AI-poháněný IDE, nástroje pro správu, vestavěné integrace a možnosti cloudového nasazení, které umožňují jak profesionálním vývojářům, tak citizen vývojářům spolupracovat. Jako součást Siemens Mendix zdůrazňuje škálovatelnost, robustní správu a připravenost pro podniky a byl opakovaně uznán jako leader v low-code v Magic Quadrantu.

Jak AI trvale mění software development lifecycle (SDLC), zejména v low-code a no-code prostředí?

AI skutečně otřásá software development lifecycle, zejména když využíváme přirozený jazyk více a více. Místo psaní řádků kódu organizace začínají definovat a vytvářet software jednoduše popisováním očekávání. Stává se to více o vyjádření záměru a konverzaci se chytrými nástroji, které mohou vzít tento záměr a proměnit ho v kód, rozhraní a dokonce i testy.

Jak AI pokračuje ve své cestě do SDLC, myslím, že budeme vidět, jak moc tato změna opravdu je. Komunikace o tom, co chceme, místo toho, jak to postavit, bude cítit přirozeněji a upřímně, bude to trvalejší než psaní kódu tradičním způsobem. Nakonec může kód, jak jej známe, zmizet do pozadí. A nejen to, míříme k úplně novému modelu software, který není jen postavený pomocí AI, ale je sám o sobě inteligentní. Změna je velká a vzrušující a možná nejvýznamnější změna v software, kterou uvidíme ve svých životech.

Jakou roli vidíte Agentic AI hrající v budoucím aplikacím a jak by vývojáři a architekti měli připravit na jeho výzvy pozorovatelnosti?

Jak Agentic AI přetváří SDLC, nevidíme pouze rychlejší, levnější a vyšší kvalitu vývoje, ale také vidíme, že se vývoj stává přístupnějším. Lidé mohou být kreativní a experimentovat bez potřeby být odbornými kódéry; vše, co potřebují, je být schopni jasně vyjádřit, co chtějí. Přestože veškerá tato síla přichází s komplexitou. Software, který stavíme dnes, je pokročilejší než kdykoli předtím, což přináší nové výzvy, zejména když se objevují multi-agentní platformy. Interoperabilita se stává bolestí hlavy, protože aplikace jsou přirozeně distribuované a často zahrnují nástroje od jiných dodavatelů a technologických značek. To je místo, kde low-code platformy opravdu začínají zářit.

Mohou automatizovat spoustu rutinní práce na straně nasazení, zatímco vám poskytují jasný pohled na celý systém. Jakmile máte tuto vrstvu pozorovatelnosti na místě, můžete do mixu přidat AI, aby vám pomohlo dát smysl tomu, co se děje. AI může zobrazit problémy, jako jsou poklesy výkonu nebo nesprávné výstupy, a vysvětlit základní příčinu v běžném jazyce. Taková jasnost je game-changer pro vývojáře i operační týmy. To vše znamená, že budeme potřebovat low-code více než kdykoli předtím, protože jeho samotná povaha řeší tyto výzvy přímo. Konkrétně uvidíme mocnou kombinaci AI-augmentovaného vývoje a low-code. Můžete se vyjádřit v přirozeném jazyce, pak vidět výsledky vizuálně — včetně dat, logiky a uživatelských rozhraní — a interagovat prostřednictvím libovolné kombinace přirozeného jazyka a vizuálního IDE, aby dále upravili a rozšířili vygenerovaný software.

Věříte, že tradiční koncept „vývojáře“ se vyvíjí kvůli low-code a AI? Jaké dovednosti budou nejkritičtější v příštím desetiletí?

Dnes jsou softwaroví vývojáři a inženýři AI často považováni za dvě samostatné role, ale již začínáme vidět určitou překryv. To je jak prostřednictvím vývojářů, kteří se učí dovednosti požadované pro inženýrství AI, a prostřednictvím fúzních týmů, které spojují vývojáře, inženýry AI, inženýry dat a dokonce i datové vědce. Upřímně, taková spolupráce je přesně to, co potřebujeme právě teď. Ano, tradiční koncept „vývojáře“ se určitě vyvíjí. Je pouze otázkou času, než se softwaroví vývojáři stanou inženýry AI. Nakonec je inženýrství AI stále softwarové inženýrství; pouze zahrnuje sadu nástrojů a konceptů, se kterými mnoho vývojářů dosud nepracovalo. Tyto dovednosti jsou naučené, a mnoho tradičních vývojářů pravděpodobně najde tuto novou práci vzrušující. Otevírá dveře k budování chytrějších, dynamických řešení, a to je odměňující směr, ve kterém růst.

Jak Mendix vyvažuje přístupnost low-code s komplexitou budování AI-poháněných aplikací?

Cílem Mendix je zmírnit komplexitu budování AI-poháněných aplikací, zatímco zároveň zajišťuje, že to, co vývojáři budují dnes, je budoucnost odolné. Chceme věci zjednodušit, aniž bychom odstranili flexibilitu, kterou vývojáři potřebují. Utilizujeme vizuální přístup, abyste mohli skutečně vidět, jak agenti a systémy spolu fungují, jako když jeden agent spustí jiný. S nástroji low-code Mendix je architektura a chování těchto AI-naplněných systémů rozložena způsobem, který se necítí jako komplexní multi-agentní systém. Jednoduše to vypadá jako čisté, srozumitelné aplikace.

Jak low-code platformy, jako je Mendix, umožňují non-vývojářům budovat sofistikované AI-poháněné řešení, a jaké jsou některé z nejlepších příkladů, které jste viděli?

V Mendix nás setkáváme s vývojáři, business technologists a citizen vývojáři tam, kde jsou, pokud jde o jejich porozumění a potřeby AI-naplněných aplikací; nástroje platformy jsou snadno přístupné a použitelné od začátku. Vede je prostřednictvím zkušeností krok za krokem, dokud nebudou používat low-code k budování chytrých, AI-poháněných aplikací, které jsou stejně pokročilé jako ty, které jsou postaveny s high code. Začínají budováním promptů pomocí našeho low-code prompt builderu. Jakmile jsou s tím pohodlní, mohou zakotvit svou generativní AI-naplněnou aplikaci s daty specifickými pro podnik nebo řešení s vestavěnou low-code znalostní základnou. A když jsou připraveni na to, mohou dokonce postavit AI-agenty prostřednictvím low-code orchestrace a nástrojů.

Jedním z nejlepších reálných příkladů je AI-rodinná globální payroll platforma postavená na Mendix, datascalehr. Payroll, zejména jak se liší z země do země, je proslulý svou komplexností, s neustále se měnícími předpisy, požadavky na dodržování předpisů a obrovskými množství dat. Používáním Mendix, datascalehr zakladatelé rychle vyvinuli next-generační platformu, která využívá AI pro inteligentní automatizaci, kontroly dodržování předpisů a kontextovou pomoc. Co je zde mocné, je to, že business technologists a doménoví experti — ne pouze profesionální vývojáři — byli schopni tvarovat, jak jsou AI-funkce vloženy, zajišťují, že řešení přímo řeší potřeby zákazníků. Low-code činí sofistikovaná, AI-poháněná řešení jak přístupná, tak podnikově připravená.

Můžete nás provést, jak je AI využíván uvnitř Mendix — både v tom, jak je platforma postavena a jak umožňuje uživatelům?

„Create with Maia“ je odpovědí Mendix na obě infuzi AI do procesu vývoje aplikací a umožnění zákazníkům a partnerům budovat inteligentní, AI-poháněné aplikace. Nedávno spuštěno s nejnovější verzí Mendix, Mendix 11, Maia umožňuje uživatelům snadno vytvářet, orchestrovat a nasazovat AI-agenty a multi-agentní aplikace po整个 software development lifecycle. Už předtím, než uživatelé začnou budovat, mohou využít Maia a použít přirozený jazyk k zajištění, že cíle, kritéria úspěchu a uživatelské příběhy jsou zarovnány před vytvořením. Create with Maia také pomáhá převést brainstorming, náčrtky, diagramy a požadavky na jasný, akční projektový plán. Poté, co je inicializován software, uživatelé mohou rychle upravit software s inherenty rychlostí low-code. Výsledkem je méně iterací, rychlejší dodání, silnější správa a software, který je postaven správně od začátku.

Jak vidíte AI a low-code přicházející dohromady, aby podporovaly neziskové organizace nebo organizace s cílem řešit sociální nebo environmentální problémy?

AI a low-code jsou úžasnými nástroji pro řešení reálných problémů, hlavně protože dávají personálu, který se zaměřuje na řešení kritických sociálních problémů, možnost inovovat, i s omezenými rozpočty a technickými dovednostmi. Jeden příklad, který mi opravdu utkvěl, je z Alliance for Orphans (A4O), neziskové organizace se sídlem v San Antoniu, která nabízí oddechové hlídací služby pro pěstounské rodiny. Společnost narazila na velkou překážku, když si uvědomila, že je těžké najít, vyškolit a certifikovat hlídací, což je nezbytné pro pomoc pěstounským rodičům získat podporu, kterou potřebují. Low-code pomohl postavit aplikaci pro streamování certifikačního procesu, spojující systémy napříč různými agenturami, digitalizaci papírování a budování centralizované databáze pro sledování certifikovaných hlídacích. Aplikace pomohla A4O certifikovat 81 oddechových hlídacích, a od svého vzniku se aplikace pouze dále rozšiřují. Je to tak silný příklad toho, jak low-code může udělat skutečný, pozitivní rozdíl v lidských životech, a to byl pouze jeden příklad.

Jaké jsou jedinečné výzvy a příležitosti použití syntetických dat v low-code prostředí?

Syntetická data samy o sobě snižují rizika ochrany osobních údajů, protože neobsahují skutečné osobní informace, což usnadňuje dodržování předpisů o ochraně dat (jako je GDPR) a minimalizuje právní expozici. Samozřejmě, že využívání syntetických dat je také rychlejší, levnější a snazší než budování datových sad od začátku a označování dat pro použití AI, což může být mimo rozsah nebo nerealistické pro některé projekty.

To řečeno, syntetická data mohou obsahovat nepřesnosti, zkreslení a toxicity a dokonce selhat při zachycení hluku, outlierů a plného rozsahu scénářů, které jsou inherentní pro reálné použití — vedoucí k potenciálním selháním ve výrobě. Proto je nezbytné nastavit zábrany a vytvořit přísný testovací a validační přístup, který rozšiřuje proces testování aplikací o ověření výstupu AI. Pro business-kritické systémy je také důležité udržet lidi v smyčce, aby mohli uplatnit své vlastní úsudky, optimálně poskytovat zpětnou vazbu z aplikace samotné.

Jak vidíte konvergenci IT a OT vyvíjející se, když jsou AI a low-code nástroje zavedeny do provozních prostředí?

Síla a přesnost jakéhokoli agentic AI řešení se rozbíjí na kontext; kvalita a objem dat jsou kritické. To je důvod, proč se stává nezbytným pro ty v výrobě, energii a dalších průmyslových segmentech mít pevný datový základ, který spojuje jak IT, tak OT data. Bohužel OT data nejsou vždy snadná na práci. Například, často nejsou označena žádnými jasnými metadaty nebo schématy, které by vás vedly. Dobrou zprávou je, že jsou k dispozici specializované nástroje pro transformaci OT dat a doplnění nezbytných metadat, připravující je pro použití uvnitř inteligentních aplikací prostřednictvím AI-augmentovaného vytváření vhodných datových modelů. Jakmile jsou data načtena, mohou být použita spolu s IT daty pro použití uvnitř aplikací a poskytnout kontext generativnímu AI.

Jako bývalý analytik Gartner a nyní SVP of Strategy at Mendix, jak oddělujete AI hype od skutečně transformační inovace při formování produktové roadmapy?

Oddělování AI hype od skutečné inovace vyžaduje disciplinovaný a pragmatičtější přístup, ale je to procedura, kterou jsem vyladil, jak trendy přicházejí a odcházejí. Především se přímo angažuji se zákazníky a potenciálními zákazníky, abych pochopil jejich reálné plány a požadavky — to, co skutečně potřebují, aby posunuli své podnikání vpřed. Tým produktu Mendix také přijímá test-and-learn přístup, dodávající MVP nových schopností a poté pracující v úzké spolupráci se zákazníky, aby shromáždil zpětnou vazbu a ověřil, zda tyto inovace skutečně dodávají hmotnou hodnotu. Jak můžete vidět, spolupráce je klíčovým způsobem, jak procházet AI hype, takže také aktivně pracuji s našimi stávajícími partnery a prozkoumávám potenciální nové, aby přinesl další perspektivy a odborné znalosti.

Nakonec se opírám o svou zkušenost s aktuálními a předchozími vlnami vznikající technologie, udržuji blízký pohled na úrovně zralosti a křivky adopce. To opravdu pomáhá filtrovat, co je spekulativní versus co pravděpodobně získá trakci, abychom mohli prioritizovat investice, které povedou k dlouhodobému dopadu pro naše zákazníky.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Mendix.