Gordon Van Huizen, SVP di Strategia di Mendix – Serie di Interviste

Gordon Van Huizen è SVP di Strategia di Mendix, il principale fornitore di piattaforme di sviluppo di applicazioni low-code, una società del gruppo Siemens. In questo ruolo, Van Huizen identifica ed esplora strategie per l’avanzamento tecnologico emergente e lavora per incubare innovazioni di prodotto all’interno di Mendix, con l’obiettivo di comprendere come queste tecnologie possano impattare e portare valore ai clienti.

Come l’AI sta alterando permanentemente il ciclo di vita dello sviluppo del software (SDLC), in particolare negli ambienti low-code e no-code?

L’AI sta realmente scuotendo il ciclo di vita dello sviluppo del software, soprattutto mentre sfruttiamo sempre di più il linguaggio naturale. Invece di scrivere righe di codice, le organizzazioni stanno iniziando a definire e costruire software semplicemente descrivendo le aspettative. Sta diventando sempre più una questione di esprimere l’intento e avere una conversazione con strumenti intelligenti che possono prendere quell’intento e trasformarlo in codice, interfacce e persino test.

Man mano che l’AI continua a intrecciarsi nel SDLC, credo che inizieremo a vedere quanto sia potente questo cambiamento. Comunicare ciò che vogliamo piuttosto che come costruirlo sarà più naturale e, onestamente, più duraturo rispetto al modo tradizionale di scrivere il codice. Alla fine, il codice come lo conosciamo potrebbe scomparire. E non solo, stiamo andando verso un nuovo modello di software che non è solo costruito dall’AI, ma è intelligente di per sé. Il cambiamento è grande e entusiasmante, e forse il più significativo cambiamento nel software che vedremo nella nostra vita.

Qual è il ruolo che vede l’AI Agentic nel futuro dello sviluppo di applicazioni e come i developer e gli architetti di piattaforma dovrebbero prepararsi per le sfide di osservabilità?

Man mano che l’AI Agentic continua a rimmaginare il SDLC, non stiamo solo vedendo uno sviluppo più veloce, più economico e di alta qualità, ma stiamo anche vedendo che lo sviluppo diventa più accessibile. Le persone possono diventare creative e sperimentare senza dover essere esperti sviluppatori; tutto ciò di cui hanno bisogno è poter esprimere chiaramente ciò che vogliono. Tuttavia, tutta questa potenza arriva con la complessità. Il software che stiamo costruendo oggi è più avanzato che mai, il che porta a nuove sfide, soprattutto man mano che le piattaforme multi-agente continuano a emergere. L’interoperabilità sta diventando un mal di testa perché le applicazioni sono naturalmente distribuite e spesso coinvolgono strumenti di altri vendor e stack tecnologici. È qui che le piattaforme low-code iniziano veramente a brillare.

Possono automatizzare molto del lavoro di routine sul lato della distribuzione, fornendo una visione chiara dell’intero sistema. Una volta che si dispone di questo livello di osservabilità, è possibile introdurre l’AI per aiutare a comprendere cosa sta succedendo. L’AI può evidenziare problemi come cali delle prestazioni o output inaccurati e spiegare la causa radice in linguaggio chiaro. Quella chiarezza è un cambiamento di gioco per gli sviluppatori e per i team operativi. Tutto ciò significa che avremo bisogno più che mai di piattaforme low-code, poiché la loro natura stessa affronta queste sfide di petto. In particolare, vedremo la potente combinazione di sviluppo aumentato dall’AI e low-code. È possibile esprimersi in linguaggio naturale, poi vedere i risultati in modo visivo — compresi dati, logica e interfacce utente — e interagire attraverso qualsiasi combinazione di linguaggio naturale e IDE visivo per raffinare e ampliare ulteriormente il software generato.

Credi che il concetto tradizionale di “sviluppatore” stia evolvendo a causa del low-code e dell’AI? Quali saranno le competenze più critiche nel prossimo decennio?

Oggi, gli sviluppatori di software e gli ingegneri dell’AI sono spesso visti come due ruoli separati, ma stiamo già iniziando a vedere un po’ di sovrapposizione, sia attraverso gli sviluppatori che apprendono le competenze richieste per l’ingegneria dell’AI, sia attraverso team di fusione che riuniscono sviluppatori, ingegneri dell’AI, ingegneri dei dati e persino scienziati dei dati. Onestamente, quel tipo di collaborazione è esattamente ciò di cui abbiamo bisogno in questo momento. Ma, sì, il concetto tradizionale di “sviluppatore” sta certamente evolvendo. È solo questione di tempo prima che gli sviluppatori di software diventino ingegneri dell’AI. In ultima analisi, l’ingegneria dell’AI è ancora ingegneria del software; si tratta solo di un set di strumenti e concetti con cui molti sviluppatori non hanno ancora lavorato. Queste competenze sono apprendibili, e molti sviluppatori tradizionali troveranno probabilmente questo nuovo lavoro emozionante. Apre la porta alla costruzione di soluzioni più intelligenti e dinamiche, e questo è un percorso gratificante in cui crescere.

Come Mendix bilancia l’accessibilità del low-code con la complessità della costruzione di applicazioni alimentate dall’AI?

L’obiettivo di Mendix è alleviare la complessità della costruzione di applicazioni alimentate dall’AI, garantendo al contempo che ciò che gli sviluppatori costruiscono oggi sia a prova di futuro. Vogliamo semplificare le cose senza rimuovere la flessibilità di cui gli sviluppatori hanno bisogno. Sfruttiamo un approccio visivo in modo che sia possibile vedere come gli agenti e i sistemi si incastrano, come se un agente attivasse un altro. Con gli strumenti low-code di Mendix, l’architettura e il comportamento di questi sistemi AI-infusi sono presentati in un modo che non sembra un sistema complesso multi-agente. Sembra semplicemente un’applicazione pulita e comprensibile.

Come le piattaforme low-code come Mendix stanno abilitando i non sviluppatori a costruire soluzioni AI-driven sofisticate e quali sono alcuni degli esempi migliori che hai visto?

Presso Mendix, incontriamo sviluppatori, tecnologi aziendali e citizen developer dove si trovano in termini di comprensione e necessità per le app AI-infuse; gli strumenti della piattaforma sono facili da imparare e utilizzare fin dall’inizio. Li guidiamo attraverso l’esperienza passo dopo passo fino a quando non utilizzano il low-code per costruire applicazioni intelligenti e alimentate dall’AI che sono ogni bit altrettanto avanzate di quelle costruite con il codice alto. Iniziano costruendo prompt utilizzando il nostro costruttore di prompt low-code. Una volta che si sentono a proprio agio con ciò, possono radicare la loro app AI-infusa con dati specifici per l’azienda o la soluzione con una conoscenza low-code incorporata. E quando sono pronti per farlo, possono anche costruire agenti AI attraverso l’orchestrazione low-code e l’utilizzo degli strumenti.

Uno degli esempi più reali è la piattaforma di payroll globale nativa AI costruita su Mendix, datascalehr. Il payroll, soprattutto come varia da paese a paese, è notoriamente complesso, con regolamenti, requisiti di conformità e vasti dati in costante cambiamento. Utilizzando Mendix, i fondatori di datascalehr hanno sviluppato rapidamente una piattaforma di nuova generazione che sfrutta l’AI per l’automazione intelligente, i controlli di conformità e l’assistenza contestuale. Ciò che è potente qui è che i tecnologi aziendali e gli esperti di dominio — non solo gli sviluppatori professionisti — sono stati in grado di plasmare come le funzionalità AI sono state incorporate, garantendo che la soluzione affrontasse direttamente le esigenze dei clienti. Il low-code sta rendendo le soluzioni sofisticate e alimentate dall’AI sia accessibili che pronte per l’impresa.

Puoi guidarci su come l’AI viene utilizzata all’interno di Mendix stesso — sia nel modo in cui la piattaforma è costruita che nel modo in cui abilita gli utenti?

“Create with Maia” è la risposta di Mendix all’infusione di AI nel processo di sviluppo delle applicazioni e all’abilitazione dei clienti e dei partner a costruire applicazioni intelligenti e alimentate dall’AI. Recentemente lanciato con l’ultima versione di Mendix, Mendix 11, Maia consente agli utenti di creare, orchestrare e distribuire facilmente agenti e applicazioni multi-agente in tutto il ciclo di vita dello sviluppo del software. Anche prima che gli utenti inizino a costruire, possono sfruttare Maia e utilizzare il linguaggio naturale per garantire che gli obiettivi, i criteri di successo e le storie degli utenti siano allineati prima della creazione. Create with Maia aiuta anche a trasformare brainstorming, mockup, diagrammi e requisiti in piani di progetto chiari e azionabili. Poi, una volta che il software iniziale è stato creato, gli utenti possono raffinare rapidamente quel software con la velocità intrinseca del low-code. Il risultato è meno iterazioni, consegna più veloce, governance più forte e software costruito correttamente fin dall’inizio.

Come stai vedendo l’AI e il low-code unirsi per sostenere le organizzazioni no-profit o a scopo di missione che lavorano per risolvere problemi sociali o ambientali?

L’AI e il low-code sono strumenti incredibili per affrontare sfide del mondo reale, principalmente perché danno alle persone che si concentrano sulla risoluzione di problemi critici sociali un’opzione per innovare, anche con budget e competenze tecniche limitate. Un esempio che mi viene in mente è Alliance for Orphans (A4O), un’organizzazione no-profit con sede a San Antonio che offre babysitter di sostegno per le famiglie affidatarie. L’azienda ha incontrato un grande ostacolo quando ha realizzato che era difficile trovare, formare e certificare i babysitter, essenziali per aiutare i genitori affidatari a ottenere il sostegno di cui hanno bisogno. Il low-code ha aiutato a costruire un’applicazione per semplificare il processo di certificazione, riunendo sistemi tra diverse agenzie, digitalizzando la carta e costruendo un database centralizzato per tenere traccia dei babysitter certificati. L’applicazione ha aiutato A4O a certificare 81 babysitter di sostegno, e dal suo inizio, le applicazioni sono solo continuate a crescere. È un esempio così potente di come il low-code possa fare una differenza reale e positiva nella vita delle persone, e questo era solo un esempio.

Quali sono le sfide uniche e le opportunità dell’utilizzo di dati sintetici all’interno di un ambiente low-code?

I dati sintetici riducono intrinsecamente i rischi per la privacy poiché non contengono informazioni personali reali, rendendolo più facile ottemperare alle norme sulla protezione dei dati (come il GDPR) e minimizzare l’esposizione legale. Naturalmente, l’utilizzo di dati sintetici è anche più veloce, più economico e più facile rispetto alla creazione di set di dati da zero e all’etichettatura dei dati per l’uso dell’AI, che potrebbe essere fuori portata o impraticabile per alcuni progetti.

Tuttavia, i dati sintetici possono contenere inesattezze, pregiudizi e tossicità e persino non riuscire a catturare il rumore, gli outlier e l’intera gamma di scenari inerenti all’uso nel mondo reale — portando a potenziali fallimenti in produzione. Pertanto, è necessario mettere in atto delle protezioni e stabilire un approccio rigoroso di test e convalida, un approccio che estenda il processo di test dell’applicazione per includere la convalida della produzione AI. Per i sistemi aziendali critici, è anche importante tenere gli esseri umani nel loop in modo che possano applicare il loro stesso discernimento, fornendo idealmente feedback dall’applicazione stessa.

Come vedi l’evoluzione della convergenza di IT e OT quando gli strumenti AI e low-code vengono introdotti in ambienti operativi?

La potenza e l’accuratezza di qualsiasi soluzione AI agente si riducono al contesto; la qualità e il volume dei dati sono critici. È per questo che sta diventando essenziale per coloro che operano nel settore manifatturiero, energetico e in altri segmenti industriali avere una solida base di dati che unisca sia i dati IT che OT. Purtroppo, i dati OT non sono sempre facili da lavorare. Ad esempio, sono spesso non etichettati con nessun metadata o schema chiaro per guidarti. La buona notizia è che sono disponibili strumenti specializzati per trasformare i dati OT e arricchirli con i metadati necessari, preparandoli per l’uso all’interno di applicazioni intelligenti tramite la creazione AI-aumentata di modelli di dati adeguati. Una volta inghiottiti, i dati OT possono essere utilizzati insieme e combinati con i dati IT per l’uso all’interno delle applicazioni e per fornire contesto all’AI generativa.

Come ex analista di Gartner e ora SVP di Strategia di Mendix, come separi l’ipocrisia dell’AI dalla vera innovazione trasformativa quando definisci la roadmap del prodotto?

Separare l’ipocrisia dell’AI dalla vera innovazione richiede un approccio disciplinato e pragmatico, ma è una procedura che ho affinato man mano che le tendenze vanno e vengono. In primo luogo, mi impegno direttamente con i clienti e i potenziali clienti per comprendere i loro piani e requisiti del mondo reale — vale a dire, ciò di cui hanno realmente bisogno per spostare in avanti il loro business. Il team di prodotto di Mendix adotta anche un approccio test-and-learn, consegnando MVP di nuove funzionalità e poi lavorando a stretto contatto con i clienti per raccogliere feedback e convalidare se queste innovazioni consegnano realmente un valore tangibile. Come puoi vedere, la collaborazione è un modo fondamentale per setacciare l’ipocrisia dell’AI, quindi lavoro attivamente con i nostri partner esistenti e ne esploro di potenziali per portare prospettive e competenze aggiuntive.

Infine, attingo dalla mia esperienza con le onde attuali e precedenti di tecnologie emergenti, mantenendo un occhio attento ai livelli di maturità e alle curve di adozione. Ciò aiuta realmente a filtrare ciò che è speculativo rispetto a ciò che è probabile guadagnare trazione, in modo che possiamo priorizzare gli investimenti che guideranno l’impatto a lungo termine per i nostri clienti. Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Mendix.