Gordon Van Huizen, Wiceprezes ds. Strategii w Mendix – Seria wywiadów

Gordon Van Huizen jest Wiceprezesem ds. Strategii w Mendix, wiodącym dostawcy oprogramowania niskiego kodu, który jest częścią koncernu Siemens. W tej roli Van Huizen identyfikuje i eksploruje strategie dla nowych technologii, a także pracuje nad inkubacją innowacji produktowych w Mendix, wszystko to z uwzględnieniem wpływu tych technologii na klientów.

Mendix to wiodąca platforma rozwoju oprogramowania niskiego kodu, zaprojektowana do umożliwienia firmom budowy, wdrożenia i ciągłej poprawy oprogramowania krytycznego dla misji z minimalnym kodowaniem ręcznym. Platforma oferuje środowisko programistyczne wyposażone w sztuczną inteligencję, narzędzia zarządzania, wbudowane integracje oraz opcje wdrożenia w chmurze, umożliwiając zarówno profesjonalnym deweloperom, jak i tzw. citizen developerom współpracę. Jako część koncernu Siemens, Mendix kładzie nacisk na skalowalność, solidne zarządzanie oraz gotowość do pracy w środowisku przedsiębiorstw, a także był wielokrotnie uznany za lidera w dziedzinie oprogramowania niskiego kodu.

Jak sztuczna inteligencja trwale zmienia cykl życia oprogramowania (SDLC), zwłaszcza w środowiskach niskiego i bezkodeowego?

Sztuczna inteligencja naprawdę zmienia cykl życia oprogramowania, zwłaszcza gdy wykorzystujemy język naturalny coraz częściej. Zamiast pisać linie kodu, organizacje zaczynają definiować i budować oprogramowanie, po prostu opisując oczekiwania. To staje się bardziej kwestią wyrażania intencji i prowadzenia rozmowy ze smart toolami, które mogą wziąć tę intencję i przekształcić ją w kod, interfejsy i nawet testy.

Gdy sztuczna inteligencja będzie coraz bardziej przenikać do SDLC, myślę, że zaczniemy widzieć, jak potężna jest ta zmiana. Komunikowanie tego, co chcemy, zamiast tego, jak to zbudować, będzie czuło się bardziej naturalnie i, szczerze mówiąc, będzie trwało dłużej niż pisanie kodu tradycyjnym sposobem. Ostatecznie kod, jaki znamy, może zniknąć w tle. A nie tylko to, zmierzamy w kierunku całkowicie nowego modelu oprogramowania, które nie tylko jest budowane przez sztuczną inteligencję, ale także jest samo w sobie inteligentne. Zmiana jest ogromna i ekscytująca, i być może największa zmiana w oprogramowaniu, jaką zobaczymy w naszym życiu.

Jaką rolę widzi Pan dla Agentic AI w przyszłym rozwoju aplikacji, i jak deweloperzy oraz architekci platform powinni przygotować się do wyzwań obserwowalności?

Jako Agentic AI zmienia SDLC, widzimy nie tylko szybszy, tańszy i lepszy rozwój, ale także bardziej dostępny. Ludzie mogą być kreatywni i eksperymentować bez potrzeby bycia ekspertami od kodowania; wszystko, co muszą umieć, to wyrazić jasno, co chcą. Jednakże, cała ta moc przychodzi z złożonością. Oprogramowanie, które budujemy dzisiaj, jest bardziej zaawansowane niż kiedykolwiek, co przynosi nowe wyzwania, zwłaszcza gdy platformy wieloagentowe nadal się pojawiają. Interoperacyjność staje się bólem głowy, ponieważ aplikacje są naturalnie rozproszone i często obejmują narzędzia od innych dostawców i technologii. To właśnie tam platformy niskiego kodu naprawdę zaczynają świecić.

One mogą zautomatyzować wiele pracy na stronie wdrożeniowej, jednocześnie dając wyraźny widok na cały system. Następnie, gdy tylko mają warstwę obserwowalności na miejscu, mogą wprowadzić sztuczną inteligencję, aby pomóc zrozumieć, co się dzieje. Sztuczna inteligencja może ujawnić problemy, takie jak spadki wydajności lub nieprecyzyjne dane wyjściowe, i wyjaśnić przyczynę w zrozumiałym języku. Taka klarowność jest przełomem dla zarówno deweloperów, jak i zespołów operacyjnych. To wszystko oznacza, że będziemy potrzebować platform niskiego kodu bardziej niż kiedykolwiek, ponieważ ich natura bezpośrednio rozwiązuje te wyzwania. W szczególności zobaczymy potężne połączenie sztucznej inteligencji i rozwoju niskiego kodu. Można wyrazić się w języku naturalnym, a następnie zobaczyć wyniki w sposób wizualny — w tym dane, logikę i interfejsy użytkownika — i współpracować za pomocą kombinacji języka naturalnego i wizualnego środowiska programistycznego, aby dalej udoskonalać i rozwijać wygenerowane oprogramowanie.

Czy uważa Pan, że tradycyjna koncepcja “dewelopera” ewoluuje ze względu na niski kod i sztuczną inteligencję? Jakie umiejętności będą najbardziej kluczowe w nadchodzącej dekadzie?

Dzisiaj deweloperzy oprogramowania i inżynierowie sztucznej inteligencji są często postrzegani jako dwie odrębne role, ale już zaczynamy widzieć pewne nakładanie się, zarówno poprzez naukę deweloperów umiejętności wymaganych dla inżynierii sztucznej inteligencji, jak i poprzez zespoły fuzji, które łączą deweloperów, inżynierów sztucznej inteligencji, inżynierów danych i nawet naukowców danych. Szczerze mówiąc, tego rodzaju współpraca jest dokładnie tym, czego potrzebujemy teraz. Ale tak, tradycyjna koncepcja “dewelopera” ewoluuje. To tylko kwestia czasu, zanim deweloperzy oprogramowania staną się inżynierami sztucznej inteligencji. Ostatecznie inżynieria sztucznej inteligencji jest nadal inżynierią oprogramowania; po prostu obejmuje zestaw narzędzi i pojęć, z którymi wielu deweloperów jeszcze nie pracowało. Te umiejętności są naucalne, a wielu tradycyjnych deweloperów prawdopodobnie znajdzie tę nową pracę ekscytującą. Otwiera to drzwi do budowy inteligentniejszych, bardziej dynamicznych rozwiązań, i to jest satysfakcjonujący kierunek rozwoju.

Jak Mendix balansuje dostępność niskiego kodu z złożonością budowy aplikacji wyposażonych w sztuczną inteligencję?

Celem Mendix jest złagodzenie złożoności budowy aplikacji wyposażonych w sztuczną inteligencję, jednocześnie zapewniając, że to, co deweloperzy budują dzisiaj, jest przyszłościowe. Chcemy uczynić rzeczy prostszymi, nie usuwając elastyczności, której deweloperzy potrzebują. Wykorzystujemy podejście wizualne, aby można było zobaczyć, jak agenci i systemy pasują do siebie, jak jeden agent wyzwala inny. Z narzędziami niskiego kodu Mendix, architektura i zachowanie tych systemów wyposażonych w sztuczną inteligencję są przedstawione w sposób, który nie czuje się jak złożony system wieloagentowy. To po prostu wygląda jak czysta, zrozumiała aplikacja.

Jak platformy niskiego kodu, takie jak Mendix, umożliwiają osobom niebędącym deweloperami budowanie zaawansowanych rozwiązań napędzanych przez sztuczną inteligencję, i jakie są najlepsze przykłady, które Pan widział?

W Mendix spotykamy deweloperów, specjalistów od technologii biznesu i citizen deweloperów tam, gdzie są oni w odniesieniu do ich zrozumienia i potrzeb aplikacji wyposażonych w sztuczną inteligencję; narzędzia platformy są łatwe do opanowania i użycia na początku. Przewodzimy ich przez doświadczenie krok po kroku, aż będą używać niskiego kodu do budowy inteligentnych, aplikacji wyposażonych w sztuczną inteligencję, które są równie zaawansowane, jak te zbudowane z użyciem wysokiego kodu. Zaczynają od budowy podpowiedzi przy użyciu naszego narzędzia do budowy podpowiedzi niskiego kodu. Gdy są już komfortowo z tym, mogą ugruntować swoją aplikację wyposażoną w sztuczną inteligencję danymi specyficznymi dla biznesu lub rozwiązania z wbudowaną bazą wiedzy niskiego kodu. A gdy są gotowi do tego, mogą nawet budować agenci sztucznej inteligencji za pomocą narzędzi niskiego kodu i ich użycia.

Jeden z najlepszych przykładów z życia wziętego to platforma płacowa AI-native na skalę światową zbudowana na Mendix, datascalehr. Płace, zwłaszcza te, które różnią się z kraju do kraju, są niesamowicie złożone, z ciągle zmieniającymi się przepisami, wymogami zgodności i ogromnymi ilościami danych. Wykorzystując Mendix, założyciele datascalehr szybko opracowali platformę następnej generacji, która wykorzystuje sztuczną inteligencję do inteligentnej automatyzacji, kontroli zgodności i kontekstowej pomocy. To, co jest potężne, to fakt, że specjaliści od technologii biznesu i eksperci branżowi — a nie tylko profesjonalni deweloperzy — mogli kształtować, w jaki sposób funkcje sztucznej inteligencji były wbudowane, zapewniając, że rozwiązanie bezpośrednio odpowiadało potrzebom klientów. Niski kod sprawia, że zaawansowane, aplikacje wyposażone w sztuczną inteligencję stają się zarówno dostępne, jak i gotowe do użycia w przedsiębiorstwach.

Czy mógłby Pan oprowadzić nas przez to, jak sztuczna inteligencja jest wykorzystywana w samej firmie Mendix — zarówno w tym, jak platforma jest budowana, jak i w tym, jak umożliwia użytkownikom budowanie aplikacji wyposażonych w sztuczną inteligencję?

„Create with Maia” to odpowiedź Mendix na zarówno wprowadzanie sztucznej inteligencji do procesu rozwoju aplikacji, jak i umożliwienie naszym klientom i partnerom budowania aplikacji wyposażonych w sztuczną inteligencję. Maia pozwala użytkownikom łatwo tworzyć, orchestrować i wdrażać agenci sztucznej inteligencji i aplikacje wieloagentowe w całym cyklu życia oprogramowania. Nawet przed rozpoczęciem budowy użytkownicy mogą wykorzystać Maia i użyć języka naturalnego, aby upewnić się, że cele, kryteria sukcesu i historie użytkowników są zgodne przed rozpoczęciem. Create with Maia pomaga również przekształcić burze mózgów, makietę, diagramy i wymagania w jasne, działające plany projektu. Następnie, gdy oprogramowanie jest już utworzone, użytkownicy mogą szybko udoskonalić to oprogramowanie dzięki wewnętrznej szybkości niskiego kodu. Rezultatem jest mniej iteracji, szybsza dostawa, silniejsze zarządzanie i oprogramowanie, które jest budowane od samego początku.

Jak Pan widzi połączenie sztucznej inteligencji i niskiego kodu w celu wspierania organizacji non-profit lub misyjnych, które pracują nad rozwiązywaniem problemów społecznych lub środowiskowych?

Sztuczna inteligencja i niski kod są niesamowitymi narzędziami do rozwiązywania realnych problemów, głównie dlatego, że dają osobom skupionym na rozwiązywaniu krytycznych problemów społecznych możliwość innowacji, nawet przy ograniczonych budżetach i umiejętnościach technicznych. Jeden przykład, który naprawdę wyróżnia się, to Alliance for Orphans (A4O), organizacja non-profit z siedzibą w San Antonio, która oferuje opiekunki do dzieci dla rodzin zastępczych. Firma napotkała duży problem, gdy zrealizowała, że trudno jest znaleźć, przeszkolić i certyfikować opiekunki, co jest niezbędne do pomocy rodzicom zastępczym w uzyskaniu wsparcia, którego potrzebują. Niski kod pomógł im zbudować aplikację do uproszczenia procesu certyfikacji, połączenia systemów z różnych agencji, zdigitalizowania dokumentów i stworzenia scentralizowanej bazy danych do śledzenia certyfikowanych opiekunek. Aplikacja pomogła A4O certyfikować 81 opiekunek do dzieci, i od momentu jej powstania aplikacje te nieustannie rosną. To jest tak potężny przykład tego, jak niski kod może mieć realny, pozytywny wpływ na życie ludzi, i to był tylko jeden przykład.

Jakie są unikalne wyzwania i możliwości związane z użyciem danych syntetycznych w środowisku niskiego kodu?

Dane syntetyczne zmniejszają ryzyko prywatności, ponieważ nie zawierają prawdziwych informacji osobowych, co ułatwia przestrzeganie przepisów o ochronie danych (takich jak RODO) i minimalizuje ekspozycję prawną. Oczywiście, korzystanie z danych syntetycznych jest również szybsze, tańsze i łatwiejsze niż budowanie zbiorów danych od podstaw i oznaczanie danych do użycia przez sztuczną inteligencję, co może być poza zakresem lub niepraktyczne dla niektórych projektów.

Z drugiej strony, dane syntetyczne mogą zawierać nieścisłości, stronniczość i toksyczność, a także nie odzwierciedlać hałasu, odstępstw i pełnego zakresu scenariuszy właściwych dla świata rzeczywistego — co prowadzi do potencjalnych awarii w produkcji. Dlatego konieczne jest ustanowienie surowego podejścia testowego i walidacyjnego, które rozszerza proces testowania aplikacji o walidację danych wyjściowych sztucznej inteligencji. Dla systemów krytycznych dla biznesu ważne jest również utrzymanie ludzi w pętli, aby mogli zastosować swoją własną ocenę, optymalnie zapewniając informacje zwrotne z samej aplikacji.

Jak Pan widzi ewolucję połączenia IT i OT, gdy wprowadza się sztuczną inteligencję i narzędzia niskiego kodu do środowisk operacyjnych?

Moc i dokładność każdego rozwiązania sztucznej inteligencji sprowadzają się do kontekstu; jakość i ilość danych są kluczowe. Dlatego staje się coraz bardziej istotne dla osób w sektorach produkcyjnych, energetycznych i innych przemysłowych, aby mieć solidne podstawy danych, które łączą zarówno dane IT, jak i OT. Niestety, dane OT nie zawsze są łatwe do pracy. Na przykład, często są nieoznaczone bez wyraźnych metadanych lub schematu, który mógłby nas prowadzić. Dobra wiadomość jest taka, że dostępne są specjalistyczne narzędzia do transformacji danych OT i uzupełnienia ich o niezbędne metadane, przygotowując je do użycia w aplikacjach inteligentnych za pomocą sztucznej inteligencji. Gdy tylko zostaną wprowadzone, dane OT mogą być używane obok i łączone z danymi IT do zapewnienia kontekstu sztucznej inteligencji.

Jako były analityk Gartnera i obecny Wiceprezes ds. Strategii w Mendix, jak Pan oddziela sztuczną inteligencję od prawdziwej innowacji, kształtując plan rozwoju produktu?

Rozdzielenie sztucznej inteligencji od prawdziwej innowacji wymaga zdyscyplinowanego i pragmatycznego podejścia, ale jest to procedura, którą udoskonaliłem, gdy trendy przychodzą i odchodzą. Po pierwsze, angażuję się bezpośrednio z klientami i potencjalnymi klientami, aby zrozumieć ich prawdziwe plany i wymagania — to, co naprawdę potrzebują, aby ich biznes poszedł do przodu. Zespół produktowy Mendix stosuje podejście testowe i uczenie, dostarczając prototypy nowych możliwości, a następnie pracując ściśle z klientami, aby zebrać informacje zwrotne i zwalidować, czy te innowacje naprawdę dostarczają wymierne korzyści. Jak można zobaczyć, współpraca jest kluczem do sortowania sztucznej inteligencji, więc aktywnie pracuję z naszymi istniejącymi partnerami i badam potencjalnych nowych, aby przynieść dodatkowe perspektywy i ekspertyzę.

Wreszcie, korzystam z mojego doświadczenia z bieżącymi i poprzednimi falami nowych technologii, trzymając bliski zakres dojrzałości i krzywych adopcji. To naprawdę pomaga oddzielić to, co jest spekulatywne, od tego, co prawdopodobnie zyska przyczepność, abyśmy mogli priorytetowo traktować inwestycje, które napędzą długoterminowy wpływ na naszych klientów. Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Mendix.