Гордон Ван Хуизен, СVP по стратегии в Mendix – Интервью

Гордон Ван Хуизен является СVP по стратегии в ведущем поставщике низкокодовых решений, Mendix, бизнесе Siemens. В этой роли Ван Хуизен выявляет и исследует стратегии для новых технологических достижений и работает над инкубацией инноваций в продуктах внутри Mendix, все это с фокусом на том, как эти технологии могут повлиять и принести ценность клиентам.

Как ИИ навсегда меняет жизненный цикл разработки программного обеспечения (SDLC), особенно в низкокодовых и безкодовых средах?

ИИ действительно меняет жизненный цикл разработки программного обеспечения, особенно когда мы все больше и больше используем естественный язык. Вместо написания строк кода организации начинают определять и создавать программное обеспечение, просто описывая ожидания. Это становится все больше о выражении намерений и ведении разговора с умными инструментами, которые могут взять это намерение и превратить его в код, интерфейсы и даже тесты.

Когда ИИ продолжает проникать в SDLC, я думаю, мы начнем видеть, насколько мощным является этот сдвиг. Общение того, чего мы хотим, а не того, как это построить, будет казаться более естественным, и, честно говоря, будет более прочным, чем написание кода традиционным способом. В конечном итоге код, как мы его знаем, может исчезнуть в фоне. И не только это, мы движемся к совершенно новой модели программного обеспечения, которое не только построено с помощью ИИ, но и является интеллектуальным само по себе. Сдвиг велик и интересен, и, возможно, это самый значительный сдвиг в программном обеспечении, который мы увидим в нашей жизни.

Какую роль, по вашему мнению, будет играть агентный ИИ в будущей разработке приложений, и как разработчикам и архитекторам платформ следует подготовиться к проблемам наблюдаемости?

Когда агентный ИИ продолжает переосмысливать SDLC, мы не только видим более быструю, дешевую и качественную разработку, но и видим, что разработка становится более доступной. Люди могут быть креативными и экспериментировать без необходимости быть экспертными программистами; все, что им нужно уметь делать, – это четко выражать, чего они хотят. Однако вся эта сила приходит с сложностью. Программное обеспечение, которое мы строим сегодня, более продвинуто, чем когда-либо, что приносит новые проблемы, особенно когда многоагентные платформы продолжают появляться. Интероперабельность становится головной болью, поскольку приложения естественно распределены и часто включают инструменты из других поставщиков и технологических стеков. Вот где низкокодовые платформы действительно начинают сиять.

Они могут автоматизировать много рутинной работы на стороне развертывания, одновременно предоставляя четкий обзор всей системы. Затем, когда у вас есть этот слой наблюдаемости, вы можете ввести ИИ, чтобы помочь понять, что происходит. ИИ может выявить проблемы, такие как снижение производительности или неточные выходные данные, и объяснить коренную причину на простом языке. Такая ясность является прорывом как для разработчиков, так и для команд эксплуатации. Все это означает, что нам понадобится низкокод еще больше, поскольку его природа решает эти проблемы напрямую. В частности, мы увидим мощную комбинацию разработки, дополненной ИИ, и низкокода. Вы можете выразить себя на естественном языке, а затем увидеть результат визуально – включая данные, логику и пользовательские интерфейсы – и взаимодействовать с помощью любого сочетания естественного языка и визуальной среды разработки, чтобы дальше уточнять и расширять сгенерированное программное обеспечение.

Думаете ли вы, что традиционная концепция “разработчика” эволюционирует из-за низкокода и ИИ? Какие навыки будут наиболее важными в течение следующего десятилетия?

Сегодня программные разработчики и инженеры ИИ часто рассматриваются как две отдельные роли, но мы уже начинаем видеть некоторое совпадение, как через разработчиков, изучающих необходимые навыки для инженерии ИИ, так и через слияние команд, которые объединяют разработчиков, инженеров ИИ, инженеров данных и даже ученых данных. Честно говоря, именно такого рода сотрудничество нам сейчас нужно. Но, да, традиционная концепция “разработчика” определенно эволюционирует. Это только вопрос времени, когда программные разработчики станут инженерами ИИ. В конечном итоге инженерия ИИ все еще является программной инженерией; она просто включает в себя набор инструментов и концепций, с которыми многие разработчики еще не работали. Эти навыки можно изучить, и многие традиционные разработчики, вероятно, найдут эту новую работу интересной. Она открывает дверь к созданию более умных, динамичных решений, и это полезное направление для роста.

Как Mendix балансирует доступность низкокода с сложностью построения приложений, управляемых ИИ?

Цель Mendix – облегчить сложность построения приложений, управляемых ИИ, а также обеспечить, чтобы то, что разработчики строят сегодня, было готово к будущему. Мы хотим сделать вещи проще, не удаляя гибкость, необходимую разработчикам. Мы используем визуальный подход, поэтому вы можете фактически увидеть, как агенты и системы работают вместе, как один агент запускает другой. С помощью инструментов низкокодового развития Mendix архитектура и поведение этих систем, наполненных ИИ, представлены таким образом, что не кажется сложной многоагентной системой. Это просто выглядит как чистое, понятное приложение.

Как низкокодовые платформы, такие как Mendix, позволяют непрофессиональным разработчикам строить сложные решения, управляемые ИИ, и какие из них являются лучшими примерами, которые вы видели?

В Mendix мы встречаемся с разработчиками, бизнес-технологами и гражданскими разработчиками там, где они находятся в отношении их понимания и потребностей в приложениях, наполненных ИИ; инструменты платформы легки в использовании на начальном этапе. Мы ведем их через опыт шаг за шагом, пока они не начнут использовать низкокод для построения умных, приложений, управляемых ИИ, которые столь же продвинуты, как и те, которые построены с помощью высококода. Они начинают с построения подсказок с помощью нашего низкокодового инструмента построения подсказок. Как только они станут комфортными с этим, они могут основать свое приложение, наполненное генеративным ИИ, на данных, специфичных для бизнеса или решения, с помощью встроенной низкокодовой базы знаний. И когда они будут готовы к этому, они даже могут построить агентов ИИ с помощью низкокодовой оркестровки и использования инструментов.

Одним из лучших реальных примеров является глобальная платформа оплаты зарплаты, построенная на основе ИИ, построенная на Mendix, datascalehr. Оплата зарплаты, особенно поскольку она варьируется от страны к стране, является чрезвычайно сложной, с постоянно меняющимися правилами, требованиями соблюдения и огромными объемами данных. С помощью Mendix основатели datascalehr быстро разработали платформу следующего поколения, которая использует ИИ для интеллектуальной автоматизации, проверок соблюдения и контекстной помощи. Что здесь мощно, так это то, что бизнес-технологи и эксперты в области могут формировать, как функции ИИ встраиваются, обеспечивая, что решение напрямую решает потребности клиентов. Низкокод делает сложные решения, управляемые ИИ, как доступными, так и готовыми к корпоративному использованию.

Можете ли вы рассказать нам, как ИИ используется внутри Mendix – как в построении платформы, так и в том, как она наделяет пользователей возможностями?

«Create with Maia» – это ответ Mendix на то, чтобы ввести ИИ в процесс разработки приложений и позволить нашим клиентам и партнерам строить интеллектуальные, приложения, управляемые ИИ. Недавно запущенная с последней версией Mendix, Mendix 11, Maia позволяет пользователям легко создавать, оркестровать и развертывать агентов ИИ и многоагентные приложения на протяжении всего жизненного цикла разработки программного обеспечения. Даже до того, как пользователи начнут строить, они могут использовать Maia и естественный язык, чтобы обеспечить, что цели, критерии успеха и истории пользователей согласованы до создания. Create with Maia также помогает превратить мозговой штурм, макеты, диаграммы и требования в четкие, действенные планы проекта. Затем, когда исходное программное обеспечение создано, пользователи могут быстро усовершенствовать это программное обеспечение с помощью врожденной скорости низкокода. Результатом является меньше итераций, более быстрая поставка, более сильное управление и программное обеспечение, построенное правильно с самого начала.

Как ИИ и низкокод объединяются, чтобы поддержать некоммерческие или миссионно-ориентированные организации, работающие над решением социальных или экологических проблем?

ИИ и низкокод являются невероятными инструментами для решения реальных проблем, в основном потому, что они дают сотрудникам, занимающимся решением критических социальных проблем, возможность инноваций, даже с ограниченными бюджетами и техническими навыками. Одним из примеров, который действительно запоминается, является Альянс для сирот (A4O), некоммерческая организация, базирующаяся в Сан-Антонио, которая предлагает услуги по присмотру за детьми для семей, взявших на воспитание детей. Компания столкнулась с большой проблемой, когда они поняли, что трудно найти, обучить и сертифицировать присмотрщиков, что необходимо для того, чтобы помочь родителям, взявшим на воспитание детей, получить поддержку, в которой они нуждаются. Низкокод помог им построить приложение для упрощения процесса сертификации, объединив системы из разных агентств, оцифровав бумаги и построив централизованную базу данных для отслеживания сертифицированных присмотрщиков. Приложение помогло A4O сертифицировать 81 присмотрщика, и с момента его создания приложения продолжают расти. Это такой мощный пример того, как низкокод может сделать реальную, положительную разницу в жизни людей, и это был только один пример.

Каковы уникальные проблемы и возможности использования синтетических данных в низкокодовой среде?

Синтетические данные по своей сути снижают риски конфиденциальности, поскольку они не содержат реальной личной информации, что делает их более простыми для соблюдения правил защиты данных (таких как GDPR) и минимизации юридической ответственности. Конечно, использование синтетических данных также быстрее, дешевле и проще, чем построение наборов данных с нуля и маркировка данных для использования ИИ, что может быть вне области применения или нецелесообразно для некоторых проектов.

Однако синтетические данные могут содержать неточности, предвзятость и токсичность, и даже не могут отражать шум, выбросы и полный диапазон сценариев, присущих реальному миру, что может привести к потенциальным неудачам в производстве. Поэтому необходимо установить ограничения и разработать строгий подход к тестированию и проверке, который включает в себя проверку выходных данных ИИ. Для бизнес-критических систем также важно сохранять людей в цикле, чтобы они могли применять свое собственное суждение, оптимально предоставляя обратную связь из самого приложения.

Как вы видите слияние ИТ и ОТ, когда ИИ и низкокодовые инструменты вводятся в операционные среды?

Мощность и точность любого решения, управляемого агентным ИИ, сводятся к контексту; качество и объем данных являются критически важными. Это почему для тех, кто работает в производстве, энергетике и других промышленных сегментах, становится все более важным иметь прочную основу данных, которая объединяет как ИТ-, так и ОТ-данные. К сожалению, ОТ-данные не всегда легко работать. Например, они часто не имеют метаданных или схемы, которые могли бы руководить вами. Хорошая новость заключается в том, что существуют специализированные инструменты для преобразования ОТ-данных и дополнения их необходимыми метаданными, готовя их для использования в интеллектуальных приложениях через создание ИИ-усиленных моделей данных. Как только данные будут приняты, ОТ-данные можно использовать вместе с ИТ-данными для использования в приложениях и для предоставления контекста генеративному ИИ.

Как бывший аналитик Gartner и теперь СVP по стратегии в Mendix, как вы отделяете ИИ-гип от真正ых инноваций, когда формируете свою дорожную карту продукта?

Отделение ИИ-гипа от настоящих инноваций требует дисциплинированного и прагматичного подхода, но это процедура, которую я усовершенствовал, когда тренды приходят и уходят. Прежде всего, я взаимодействую напрямую с клиентами и потенциальными клиентами, чтобы понять их реальные планы и требования – то, что им действительно нужно, чтобы продвинуть свой бизнес вперед. Команда продукта Mendix также использует подход «тест и обучение», доставляя MVP новых возможностей, а затем работая в тесном сотрудничестве с клиентами, чтобы собрать обратную связь и проверить, действительно ли эти инновации приносят осязаемую ценность. Как вы можете видеть, сотрудничество является ключевым способом сортировки ИИ-гипа, поэтому я также активно работаю с нашими существующими партнерами и исследую потенциальных новых партнеров, чтобы привнести дополнительные перспективы и экспертизу.

Наконец, я опираюсь на свой опыт с текущими и предыдущими волнами новых технологий, сохраняя пристальный взгляд на уровни зрелости и кривые принятия. Это действительно помогает отфильтровать то, что является спекулятивным, от того, что, вероятно, получит оборот, поэтому мы можем расставить приоритеты инвестиций, которые будут стимулировать долгосрочное влияние на наших клиентов.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Mendix.