Gordon Van Huizen, SVP de Strategie la Mendix – Seria de Interviuri

Gordon Van Huizen este SVP de Strategie la Mendix, principalul furnizor de soluții low-code, o afacere Siemens. În acest rol, Van Huizen identifică și explorează strategii pentru avansurile tehnologiei emergente și lucrează pentru a incubă inovații de produs în cadrul Mendix, toate cu focus pe modul în care aceste tehnologii pot impacta și aduce valoare clienților.

Mendix este o platformă de dezvoltare a aplicațiilor low-code de top, proiectată pentru a permite companiilor să construiască, să distribuie și să îmbunătățească continuu software-ul critic pentru misiuni cu un minim de codare manuală. Platforma oferă un mediu de dezvoltare integrat (IDE) alimentat de inteligență artificială, unelte de guvernanță, integrări încorporate și opțiuni de implementare în cloud, permițând atât dezvoltatorilor profesioniști, cât și celor non-tehnici să colaboreze. Ca parte a Siemens, Mendix accentuează scalabilitatea, guvernanța robustă și pregătirea pentru întreprinderi și a fost recunoscută în mod repetat ca lider în cvadrantul magic al low-code.

Cum modifică inteligența artificială (AI) în mod permanent ciclul de viață al dezvoltării software (SDLC), în special în medii low-code și no-code?

Inteligența artificială este cu adevărat o schimbare majoră în ciclul de viață al dezvoltării software, mai ales pe măsură ce folosim din ce în ce mai mult limbajul natural. În loc de a scrie linii de cod, organizațiile încep să definească și să construiască software doar prin descrierea așteptărilor. Acesta devine mai mult despre exprimarea intenției și despre a avea o conversație cu unelte inteligente care pot lua intenția și transforma-o în cod, interfețe și chiar teste.

Pe măsură ce inteligența artificială continuă să pătrundă în SDLC, cred că vom începe să vedem cât de puternică este această schimbare. Comunicarea a ceea ce dorim, mai degrabă decât cum să construim, va deveni mai naturală și, sincer, va fi mai durabilă decât scrierea codului în modul tradițional. În cele din urmă, codul așa cum îl știm poate dispărea în fundal. Și nu numai atât, ne îndreptăm către un model întreg nou de software care nu numai că este construit de inteligență artificială, dar este și inteligent în sine. Schimbarea este mare și entuziasmantă și, poate, cea mai semnificativă schimbare în software pe care o vom vedea în viețile noastre.

Care este rolul pe care îl vedeți pentru AI Agentic în dezvoltarea de aplicații viitoare și cum ar trebui dezvoltatorii și arhitecții de platforme să se pregătească pentru provocările de observabilitate?

Pe măsură ce AI Agentic reimaginează SDLC, nu vedem doar o dezvoltare mai rapidă, mai ieftină și de calitate superioară, ci și o dezvoltare care devine mai accesibilă. Oamenii pot fi creativi și experimenta fără a fi nevoie să fie dezvoltatori experimentați; tot ce trebuie să poată face este să exprime clar ceea ce doresc. Cu toate acestea, toată această putere vine cu complexitate. Software-ul pe care îl construim astăzi este mai avansat ca niciodată, ceea ce aduce provocări noi, mai ales pe măsură ce continuă să apară platforme multi-agente. Interoperabilitatea devine o durere de cap, deoarece aplicațiile sunt în mod natural distribuite și adesea implică unelte de la alți furnizori și stive tehnologice. Acolo este unde platformele low-code strălucesc cu adevărat.

Ele pot automatiza o mulțime de muncă de rutină pe partea de implementare, oferindu-vă în același timp o vedere clară asupra întregului sistem. Și odată ce aveți acest strat de observabilitate în loc, puteți aduce inteligența artificială în mix pentru a ajuta la înțelegerea a ceea ce se întâmplă. Inteligența artificială poate evidenția probleme precum scăderea performanței sau ieșirile inexacte și poate explica cauza de bază în limbaj simplu. Acest tip de claritate este un factor de schimbare pentru ambele echipe de dezvoltare și operațiuni. Toate acestea înseamnă că vom avea nevoie mai mult ca oricând de low-code, deoarece natura sa abordează direct aceste provocări. În special, vom vedea combinația puternică a dezvoltării augmentate de inteligență artificială și low-code. Puteți vă exprima în limbaj natural, apoi puteți vedea rezultatele într-un mod vizual — inclusiv date, logică și interfețe cu utilizatorul — și interacționați prin orice combinație de limbaj natural și IDE vizual pentru a rafina și extinde software-ul generat.

Credeti că conceptul tradițional de “dezvoltator” evoluează din cauza low-code și AI? Care sunt abilitățile care vor fi cele mai critice în următorul deceniu?

Astăzi, dezvoltatorii de software și inginerii de inteligență artificială sunt adesea văzuți ca două roluri separate, dar începem deja să vedem o suprapunere, atât prin dezvoltatorii care învață abilitățile necesare pentru ingineria inteligenței artificiale, cât și prin echipele de fuziune care reunesc dezvoltatori, ingineri de inteligență artificială, ingineri de date și chiar oameni de știință din domeniul datelor. Sincer, acest tip de colaborare este exact ceea ce avem nevoie în acest moment. Dar, da, conceptul tradițional de “dezvoltator” evoluează cu siguranță. Nu este decât o chestiune de timp până când dezvoltatorii de software vor deveni ingineri de inteligență artificială. În cele din urmă, ingineria inteligenței artificiale este încă inginerie software; ea implică doar un set de unelte și concepte cu care mulți dezvoltatori nu au lucrat încă. Aceste abilități sunt învățabile, și mulți dezvoltatori tradiționali vor găsi probabil această nouă muncă entuziasmantă. Deschide ușa către construirea de soluții mai inteligente, mai dinamice, și aceasta este o direcție de creștere răsplătitoare.

Cum echilibrează Mendix accesibilitatea low-code cu complexitatea construirii de aplicații alimentate de inteligență artificială?

Scopul Mendix este de a atenua complexitatea construirii de aplicații alimentate de inteligență artificială, asigurând în același timp că ceea ce construiesc dezvoltatorii astăzi este viabil pentru viitor. Vrem să facem lucrurile mai simple fără a înlătura flexibilitatea de care au nevoie dezvoltatorii. Utilizăm o abordare vizuală, astfel încât puteți vedea realmente cum agenții și sistemele se potrivesc împreună, ca atunci când un agent declanșează altul. Cu uneltele low-code Mendix, arhitectura și comportamentul acestor sisteme alimentate de inteligență artificială sunt prezentate într-un mod care nu se simte ca un sistem multi-agent complex. Pur și simplu arată ca o aplicație curată și inteligibilă.

Cum permit platformele low-code, cum ar fi Mendix, persoanelor non-dezvoltatori să construiască soluții avansate conduse de inteligență artificială, și care sunt unele dintre cele mai bune exemple pe care le-ați văzut?

La Mendix, ne întâlnim cu dezvoltatori, tehnologiști de afaceri și dezvoltatori non-tehnici acolo unde se află ei în ceea ce privește înțelegerea și nevoile lor pentru aplicații infuzate cu inteligență artificială; uneltele platformei sunt ușor de învățat și utilizat de la început. Îi ghidăm pas cu pas până când aceștia folosesc low-code pentru a construi aplicații inteligente și alimentate de inteligență artificială, care sunt la fel de avansate ca cele construite cu high-code. Ei încep prin a construi prompturi folosind constructorul nostru de prompturi low-code. Odată ce sunt confortabili cu asta, pot ancora aplicația lor infuzată cu inteligență artificială cu date specifice afacerii sau soluției, folosind o bază de cunoștințe low-code încorporată. Și când sunt gata pentru asta, pot chiar construi agenți de inteligență artificială prin orchestrare low-code și utilizarea uneltelor.

Unul dintre cele mai bune exemple din lumea reală este platforma globală de salarizare nativă AI, construită pe Mendix, datascalehr. Salariul, mai ales în măsura în care variază de la o țară la alta, este notoriu complex, cu reglementări, cerințe de conformitate și cantități uriașe de date care se schimbă constant. Utilizând Mendix, fondatorii datascalehr au dezvoltat rapid o platformă de generație următoare care folosește inteligența artificială pentru automatizare inteligentă, verificări de conformitate și asistență contextuală. Ceea ce este puternic aici este că tehnologii de afaceri și experți în domeniu — și nu doar dezvoltatori profesioniști — au putut modela modul în care funcțiile de inteligență artificială au fost încorporate, asigurându-se că soluția abordează direct nevoile clienților. Low-code face soluții sofisticate și conduse de inteligență artificială atât accesibile, cât și gata pentru întreprinderi.

Ne puteți ghida prin modul în care inteligența artificială este utilizată în cadrul Mendix însuși — atât în ceea ce privește modul în care este construită platforma, cât și modul în care împuternicește utilizatorii?

“Create with Maia” este răspunsul Mendix pentru a infuza inteligență artificială în procesul de dezvoltare a aplicațiilor și pentru a permite clienților și partenerilor noștri să construiască aplicații inteligente și alimentate de inteligență artificială. Lansat recent cu cea mai recentă versiune a Mendix, Mendix 11, Maia permite utilizatorilor să creeze, să orchestreze și să implementeze agenți și aplicații multi-agente pe tot parcursul ciclului de viață al dezvoltării software. Chiar înainte de a începe să construiască, utilizatorii pot folosi Maia și limbajul natural pentru a se asigura că obiectivele, criteriile de succes și povestirile utilizatorilor sunt aliniate înainte de creare. “Create with Maia” ajută, de asemenea, la transformarea brainstorming-urilor, machetelor, diagramelor și cerințelor în planuri de proiect clare și acționabile. Apoi, odată ce software-ul inițial este creat, utilizatorii pot rafina rapid software-ul cu viteza inerentă a low-code. Rezultatul este mai puține iterații, livrare mai rapidă, guvernanță mai puternică și software construit corect de la început.

Cum vedeți inteligența artificială și low-code reunindu-se pentru a sprijini organizațiile non-profit sau organizațiile cu misiune, care lucrează pentru a rezolva probleme sociale sau de mediu?

Inteligența artificială și low-code sunt unelte incredibile pentru abordarea provocărilor din lumea reală, mai ales pentru că oferă personalului care se concentrează pe rezolvarea problemelor sociale critice o opțiune de a inova, chiar și cu bugete limitate și niveluri de abilități tehnice. Un exemplu care mi-a rămas în minte este cel de la Alliance for Orphans (A4O), o organizație non-profit cu sediul în San Antonio, care oferă babysitteri de respiro pentru familiile de adoptie. Compania a întâmpinat o piedică majoră atunci când a realizat că este dificil să găsească, să instruiască și să certifice babysitteri, esențiali pentru a ajuta părinții adoptivi să primească sprijinul de care au nevoie. Low-code a ajutat la construirea unei aplicații pentru a simplifica procesul de certificare, reunind sisteme din diferite agenții, digitalizând documente și construind o bază de date centralizată pentru a urmări babysitterii certificați. Aplicația a ajutat A4O să certifice 81 de babysitteri de respiro, și de la lansarea sa, aplicațiile nu au făcut decât să crească. Este un exemplu atât de puternic despre cum low-code poate face o diferență reală și pozitivă în viața oamenilor, și a fost doar un exemplu.

Care sunt provocările și oportunitățile unice ale utilizării datelor sintetice într-un mediu low-code?

Datele sintetice reduc în mod inerent riscurile de confidențialitate, deoarece nu conțin informații personale reale, ceea ce face mai ușoară conformitatea cu reglementările de protecție a datelor (cum ar fi GDPR) și minimizarea expunerii legale. Desigur, utilizarea datelor sintetice este, de asemenea, mai rapidă, mai ieftină și mai ușoară decât construirea de seturi de date de la zero și etichetarea datelor pentru utilizarea de către inteligența artificială, ceea ce poate fi în afara scopului sau impracticabil pentru anumite proiecte.

Cu toate acestea, datele sintetice pot conține inexactități, prejudecăți și toxicitate și pot chiar să nu capteze zgomotul, valorile extreme și întreaga gamă de scenarii inerente lumii reale — ceea ce duce la posibile eșecuri în producție. Prin urmare, este necesar să punem în loc baraje și să stabilim o abordare riguroasă de testare și validare, una care extinde procesul de testare a aplicației pentru a include validarea ieșirilor inteligenței artificiale. Pentru sistemele critice pentru afaceri, este important să păstrăm oamenii în buclă, astfel încât aceștia să poată aplica propria lor discernământ, oferind feedback optim din aplicația însăși.

Cum vedeți convergența dintre IT și OT evoluând atunci când sunt introduse unelte de inteligență artificială și low-code în medii operaționale?

Puterea și acuratețea oricărei soluții de inteligență artificială agentică se reduc la context; calitatea și volumul de date sunt critice. De aceea, devine esențial pentru cei din sectoarele de producție, energie și alte segmente industriale să aibă o bază solidă de date care să reunească atât datele IT, cât și cele OT. Din nefericire, datele OT nu sunt întotdeauna ușor de lucrat. De exemplu, adesea nu sunt etichetate cu metadate clare sau scheme care să ne ghideze. Vestea bună este că există unelte specializate disponibile pentru transformarea datelor OT și pentru a le îmbogăți cu metadatele necesare, pregătindu-le pentru utilizare în cadrul aplicațiilor inteligente prin crearea augmentată de inteligență artificială a modelelor de date adecvate. Odată încorporate, datele OT pot fi utilizate alături de și combinate cu datele IT pentru utilizare în cadrul aplicațiilor și pentru a oferi contextul inteligenței artificiale generative.

Ca fost analist Gartner și acum SVP de Strategie la Mendix, cum separați hype-ul inteligenței artificiale de inovația cu adevărat transformativă atunci când modelați drumul dvs. de produs?

Separarea hype-ului inteligenței artificiale de inovația adevărată necesită o abordare disciplinată și pragmatică, dar este o procedură pe care am rafinat-o pe măsură ce tendințele vin și pleacă. În primul rând, mă implic direct cu clienții și prospectele pentru a înțelege planurile și cerințele lor din lumea reală — adică ceea ce au nevoie cu adevărat pentru a-și muta afacerea înainte. Echipa de produs Mendix adoptă, de asemenea, o abordare de testare și învățare prin livrarea de prototipuri ale noilor capacități și apoi lucrând îndeaproape cu clienții pentru a colecta feedback și a valida dacă aceste inovații aduc cu adevărat valoare tangibilă. Așa cum puteți vedea, colaborarea este o cale cheie de a trece prin hype-ul inteligenței artificiale, așa că îmi place, de asemenea, să lucrez activ cu partenerii noștri existenți și să explorez potențiali noi parteneri pentru a aduce perspective și expertiză suplimentare.

În cele din urmă, mă bazez pe experiența mea cu valurile actuale și anterioare de tehnologie emergentă, ținând un ochi atent pe nivelurile de maturitate și curbele de adoptare. Acest lucru ajută realmente la filtrarea a ceea ce este speculativ versus ceea ce este probabil să câștige tracțiune, astfel încât putem prioritiza investițiile care vor conduce la impact pe termen lung pentru clienții noștri.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe ar trebui să viziteze Mendix.