กอร์ดอน แวน ฮุยเซน รองประธานฝ่ายกลยุทธ์ของ Mendix – ซีรีส์สัมภาษณ์

กอร์ดอน แวน ฮุยเซน เป็นรองประธานฝ่ายกลยุทธ์ของ Mendix ผู้นำด้านการพัฒนาแอปพลิเคชันแบบลอโค้ด ในบทบาทนี้ แวน ฮุยเซนระบุและสำรวจกลยุทธ์สำหรับการพัฒนาที่เกิดขึ้นใหม่ และทำงานเพื่อสร้างนวัตกรรมผลิตภัณฑ์ภายใน Mendix โดยมุ่งเน้นไปที่วิธีการที่เทคโนโลยีเหล่านี้สามารถส่งผลกระทบและนำมาซึ่งความมีคุณค่าให้กับลูกค้า

Mendix เป็นแพลตฟอร์มการพัฒนาแอปพลิเคชันแบบลอโค้ดชั้นนำที่ออกแบบมาเพื่อให้บริษัทต่างๆ สามารถสร้าง ติดตั้ง และปรับปรุงซอฟต์แวร์ภารกิจสำคัญด้วยการเขียนโค้ดให้น้อยที่สุด แพลตฟอร์มนี้มี IDE ที่มีพลังงานจาก AI เครื่องมือการจัดการ และตัวเลือกการนำไปใช้บนคลาวด์ ทำให้นักพัฒนาและผู้พัฒนาที่ไม่ใช่ผู้เชี่ยวชาญสามารถทำงานร่วมกันได้ ในฐานะส่วนหนึ่งของ Siemens Mendix เน้นย้ำถึงความสามารถในการปรับขนาด การจัดการที่มั่นคง และความพร้อมสำหรับองค์กร และได้รับการยอมรับซ้ำแล้วซ้ำอีกว่าเป็นผู้นำในด้านลอโค้ด

AI มีผลกระทบอย่างไรต่อวงจรชีวิตการพัฒนาซอฟต์แวร์ (SDLC) โดยเฉพาะใน môi trườngลอโค้ดและโนโค้ด?

AI กำลังเปลี่ยนแปลงวงจรชีวิตการพัฒนาซอฟต์แวร์อย่างมาก โดยเฉพาะอย่างยิ่งเมื่อเรานำภาษาธรรมชาติมาใช้มากขึ้นและมากขึ้น แทนที่จะเขียนโค้ด องค์กรต่างๆ กำลังเริ่มกำหนดและสร้างซอฟต์แวร์โดยการอธิบายความคาดหวัง มันกลายเป็นเรื่องของการแสดงความตั้งใจและพูดคุยกับเครื่องมืออัจฉริยะที่สามารถนำความตั้งใจนั้นมาเปลี่ยนเป็นโค้ด อินเทอร์เฟซ และแม้กระทั่งการทดสอบ

เมื่อ AI ยังคงผสมผสานเข้ากับ SDLC ฉันคิดว่าเราจะเริ่มเห็นพลังของการเปลี่ยนแปลงนั้นจริงๆ การสื่อสารสิ่งที่เราต้องการมากกว่าการบอกวิธีการสร้างมันจะรู้สึกเป็นธรรมชาติและซื่อสัตย์มากกว่าการเขียนโค้ดแบบดั้งเดิม สุดท้าย โค้ดที่เรารู้จักกันอาจจะจางหายไปในพื้นหลัง และไม่ใช่แค่นั้น เรากำลังจะเข้าสู่รูปแบบซอฟต์แวร์ใหม่ที่ไม่ได้สร้างโดย AI เพียงอย่างเดียว แต่ยังฉลาดในตัวมันเอง การเปลี่ยนแปลงครั้งนี้มีพลังและน่าตื่นเต้น และอาจเป็นการเปลี่ยนแปลงที่สำคัญที่สุดในซอฟต์แวร์ที่เราจะเห็นในชีวิตของเรา

คุณเห็น Agentic AI มีบทบาทอย่างไรในการพัฒนาแอปพลิเคชันในอนาคต และนักพัฒนาควรถูกเตรียมพร้อมสำหรับความท้าทายด้านการตรวจสอบของมันอย่างไร?

เมื่อ Agentic AI คิดค้น SDLC ใหม่ เราไม่เพียงแต่เห็นการพัฒนาที่เร็วขึ้น ถูกกว่า และมีคุณภาพสูงกว่า แต่ยังเห็นได้ว่าการพัฒนานั้นเปิดกว้างมากขึ้น ผู้คนสามารถสร้างสรรค์และทดลองได้โดยไม่ต้องเป็นนักพัฒนาที่เชี่ยวชาญ ทุกสิ่งที่ต้องการคือความสามารถในการแสดงความตั้งใจที่ชัดเจน แต่ทั้งหมดนี้มาพร้อมกับความซับซ้อน ซอฟต์แวร์ที่เรากำลังสร้างในปัจจุบันซับซ้อนกว่าที่เคย และสิ่งนี้นำไปสู่ความท้าทายใหม่ๆ โดยเฉพาะอย่างยิ่งเมื่อแพลตฟอร์มหลายตัวยังคงเกิดขึ้น ความเข้ากันได้เป็นปัญหาที่เกิดขึ้นเนื่องจากแอปพลิเคชันเหล่านี้มีการกระจายและบ่อยครั้งเกี่ยวข้องกับเครื่องมือจากผู้ขายและเทคสแต็กอื่นๆ ซึ่งเป็นที่ที่แพลตฟอร์มลอโค้ดเริ่มส่องแสง

พวกมันสามารถทำให้การทำงานอัตโนมัติได้มากในด้านการนำไปใช้ ในขณะเดียวกันก็ให้มุมมองที่ชัดเจนข้ามระบบทั้งหมด เมื่อคุณมีชั้นการตรวจสอบอยู่แล้ว คุณสามารถนำ AI มาเข้ามาในภาพเพื่อช่วยให้เข้าใจสิ่งที่เกิดขึ้น AI สามารถแสดงปัญหา เช่น การลดประสิทธิภาพหรือการผลิตที่ไม่ถูกต้อง และอธิบายสาเหตุของมันในภาษาที่เข้าใจได้ ความชัดเจนนี้เป็นเกมเชนเจอร์สำหรับทั้งนักพัฒนาและทีมปฏิบัติการ ทั้งหมดนี้หมายความว่าเราจะต้องการลอโค้ดมากกว่าที่เคย เนื่องจากธรรมชาติของมันจัดการกับความท้าทายเหล่านี้อย่างตรงไปตรงมา โดยเฉพาะอย่างยิ่ง เราจะเห็นการผสมผสานที่ทรงพลังของการพัฒนาโดย AI และลอโค้ด คุณสามารถแสดงตัวเองในภาษาธรรมชาติ แล้วเห็นผลลัพธ์ในรูปแบบที่เห็นได้ รวมถึงข้อมูล โลจิก และอินเทอร์เฟซผู้ใช้ และโต้ตอบผ่านภาษาธรรมชาติหรือ IDE ที่เห็นได้เพื่อปรับปรุงและขยายซอฟต์แวร์ที่สร้างขึ้น

คุณคิดว่าแนวคิดดั้งเดิมของ “นักพัฒนา” กำลังเปลี่ยนแปลงไปเนื่องจากลอโค้ดและ AI หรือไม่? ทักษะใดที่จะสำคัญที่สุดในรอบทศวรรษหน้า?

ปัจจุบันนักพัฒนาซอฟต์แวร์และวิศวกร AI มักถูกมองว่าเป็นบทบาทที่แยกจากกัน แต่เรากำลังเริ่มเห็นความทับซ้อนกันแล้ว ทั้งผ่านนักพัฒนาที่เรียนรู้ทักษะที่จำเป็นสำหรับการวิศวกรรม AI และผ่านทีมฟิวชันที่รวมนักพัฒนาวิศวกร AI วิศวกรข้อมูล และนักวิทยาศาสตร์ข้อมูลด้วย ซึ่งเป็นการทำงานร่วมกันที่เราต้องการในขณะนี้ แต่ใช่ แนวคิดดั้งเดิมของ “นักพัฒนา” กำลังเปลี่ยนแปลงไป มันไม่ใช่เรื่องของเวลาเท่านั้นที่นักพัฒนาซอฟต์แวร์จะกลายเป็นวิศวกร AI สุดท้าย การวิศวกรรม AI ก็ยังเป็นการวิศวกรรมซอฟต์แวร์เช่นกัน มันแค่เกี่ยวข้องกับชุดเครื่องมือและแนวคิดที่นักพัฒนาส่วนใหญ่ยังไม่ได้ทำงานด้วย ทักษะเหล่านี้สามารถเรียนรู้ได้ และนักพัฒนาทั่วไปหลายคนอาจพบว่างานนี้น่าสนใจ มันเปิดประตูสู่การสร้างโซลูชันที่ฉลาดและไดนามิกมากขึ้น และนั่นเป็นทิศทางที่น่าพึงพอใจในการเติบโต

MENDIX สร้างสมดุลระหว่างการเข้าถึงบาร์โค้ดกับความซับซ้อนของการสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI ได้อย่างไร?

เป้าหมายของ MENDIX คือการทำให้การสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI ง่ายขึ้น ในขณะเดียวกันก็รับประกันว่าสิ่งที่นักพัฒนาสร้างในวันนี้จะทันสมัยในอนาคต เราต้องการทำให้สิ่งต่างๆ ง่ายขึ้นโดยไม่ลดความยืดหยุ่นที่นักพัฒนาต้องการ เราใช้วิธีการมองเห็นเพื่อให้คุณเห็นว่าเอเจนต์และระบบโต้ตอบกันอย่างไร ตัวอย่างเช่น เมื่อเอเจนต์หนึ่งเปิดใช้งานอีกเอเจนต์หนึ่ง ด้วยเครื่องมือบาร์โค้ดของ MENDIX สถาปัตยกรรมและพฤติกรรมของระบบ AI เหล่านี้จะถูกแสดงออกมาในวิธีที่ง่าย มันดูเหมือนแอปพลิเคชันที่เข้าใจได้

แพลตฟอร์มโค้ดพื้นฐานอย่าง MENDIX ช่วยให้ผู้ที่ไม่ใช่โปรแกรมเมอร์สร้างโซลูชัน AI ที่ซับซ้อนได้อย่างไร และคุณเห็นตัวอย่างที่ดีที่สุดได้จากที่ไหน?

ที่ MENDIX เราค้นหาโปรแกรมเมอร์ ผู้เชี่ยวชาญด้านธุรกิจ และผู้ที่ไม่ใช่โปรแกรมเมอร์ในที่ที่พวกเขาควรอยู่ โดยเคารพความเข้าใจและความต้องการของพวกเขาเกี่ยวกับแอปพลิเคชัน AI เราแนะนำพวกเขาผ่านขั้นตอนต่างๆ จนกว่าพวกเขาจะใช้โค้ดพื้นฐานในการสร้างแอปพลิเคชัน AI อัจฉริยะที่ซับซ้อนเทียบเท่ากับแอปพลิเคชันโค้ดระดับสูงพวกเขาเริ่มต้นด้วยการสร้างคำแนะนำโดยใช้เครื่องมือสร้างคำแนะนำโค้ดพื้นฐานของเรา เมื่อพวกเขารู้สึกคุ้นเคยแล้ว พวกเขาสามารถสร้างฐานความรู้โค้ดพื้นฐานด้วยฐานข้อมูลเฉพาะสำหรับธุรกิจหรือโซลูชันของพวกเขา และเมื่อพวกเขาพร้อม พวกเขาสามารถสร้างเอเจนต์ AI ผ่านการจัดการและเครื่องมือโค้ดพื้นฐานได้

คุณอธิบายได้อย่างไรว่า AI ถูกนำมาใช้ใน MENDIX อย่างไร ทั้งในด้านการสร้างแพลตฟอร์มและการเพิ่มศักยภาพให้กับผู้ใช้?

“สร้างด้วย Maia” คือคำตอบของ Mendix ในการบูรณาการ AI เข้าสู่กระบวนการพัฒนาแอปพลิเคชันช่วยให้ลูกค้าและพันธมิตรสร้างแอปพลิเคชันที่ชาญฉลาดและขับเคลื่อนด้วย AI ได้ดียิ่งขึ้น Maia ช่วยให้ผู้ใช้สามารถจัดการและปรับใช้เอเจนต์ AI และแอปพลิเคชันหลายตัวตลอดวงจรการพัฒนาซอฟต์แวร์ Maia ซึ่งเปิดตัวเมื่อเร็วๆ นี้ใน Mendix เวอร์ชันล่าสุด Mendix 11 ช่วยให้ผู้ใช้สามารถใช้ภาษาธรรมชาติเพื่อให้แน่ใจว่าเป้าหมาย มาตรฐานความสำเร็จ และเรื่องราวของผู้ใช้สอดคล้องกันก่อนการสร้าง “สร้างด้วย Maia” ยังช่วยเปลี่ยนความคิดเห็น โมเดล ต้นแบบ และข้อกำหนดให้เป็นแผนโครงการที่ชัดเจนและนำไปปฏิบัติได้ จากนั้น เมื่อเริ่มสร้างซอฟต์แวร์ ผู้ใช้สามารถปรับแต่งได้อย่างรวดเร็วด้วยความเร็วที่ได้จากบาร์โค้ด ผลลัพธ์ที่ได้คือการพัฒนาซอฟต์แวร์ที่ซ้ำซากน้อยลง การส่งมอบที่เร็วขึ้น และการจัดการที่แข็งแกร่งขึ้นและซอฟต์แวร์ที่สร้างขึ้นตั้งแต่เริ่มต้น

คุณเห็น AI และลอโค้ดมารวมกันเพื่อสนับสนุนองค์กรที่ไม่แสวงหาผลกำไรหรือองค์กรที่มีภารกิจในการแก้ไขปัญหาสังคมหรือสิ่งแวดล้อมอย่างไร?

AI และลอโค้ดเป็นเครื่องมือที่น่าเหลือเชื่อสำหรับการแก้ไขปัญหาที่แท้จริงของโลก โดยส่วนใหญ่เพราะพวกมันให้บุคลากรที่มุ่งเน้นในการแก้ไขปัญหาสังคมที่สำคัญต่างๆ มีทางเลือกในการนวัตกรรม แม้ว่าจะมีงบประมาณและทักษะทางเทคนิคที่จำกัดก็ตาม ตัวอย่างที่น่าจดจำคือจาก Alliance for Orphans (A4O) องค์กรที่ไม่แสวงหาผลกำไรที่ตั้งอยู่ในซานอันโตนิโอ ซึ่งให้บริการพี่เลี้ยงเด็กให้กับครอบครัวที่รับเลี้ยงเด็ก แต่พวกเขาเผชิญกับอุปสรรคใหญ่เมื่อพวกเขาตระหนักว่ามันยากที่จะค้นหา ฝึกอบรม และรับรองพี่เลี้ยงเด็ก ซึ่งจำเป็นต่อการช่วยเหลือผู้ปกครองในการดูแลเด็ก ลอโค้ดช่วยให้พวกเขาสร้างแอปพลิเคชันเพื่อทำให้กระบวนการรับรองง่ายขึ้น โดยนำระบบต่างๆ มารวมกัน ดิจิทัลไฟล์ และสร้างฐานข้อมูลที่มีศูนย์กลางเพื่อติดตามพี่เลี้ยงเด็กที่ได้รับการรับรอง แอปพลิเคชันนี้ช่วยให้ A4O รับรองพี่เลี้ยงเด็ก 81 คน และตั้งแต่นั้นมา แอปพลิเคชันก็ยังคงเติบโตอย่างต่อเนื่อง มันเป็นตัวอย่างที่มีพลังของวิธีที่ลอโค้ดสามารถสร้างผลกระทบเชิงบวกที่แท้จริงในชีวิตของผู้คน และนั่นเป็นตัวอย่างเดียวเท่านั้น

คุณเห็นความท้าทายและโอกาสที่เป็นเอกลักษณ์ของการใช้ข้อมูลสังเคราะห์ใน môi trườngลอโค้ดอย่างไร?

ข้อมูลสังเคราะห์ลดความเสี่ยงด้านความเป็นส่วนตัวโดยธรรมชาติ เนื่องจากไม่มีข้อมูลส่วนบุคคลที่แท้จริง ทำให้ง่ายต่อการปฏิบัติตามข้อกำหนดการคุ้มครองข้อมูล (เช่น GDPR) และลดการเสี่ยงทางกฎหมาย นอกจากนี้ การใช้ข้อมูลสังเคราะห์ยังเร็วขึ้น ถูกกว่า และง่ายกว่าการสร้างชุดข้อมูลจากศูนย์ และป้ายกำกับข้อมูลสำหรับการใช้งาน AI ซึ่งอาจอยู่นอกขอบเขตหรือไม่เหมาะสมสำหรับบางโครงการ

อย่างไรก็ตาม ข้อมูลสังเคราะห์อาจมีข้อผิดพลาด ความลำเอียง และความเป็นพิษ และอาจล้มเหลวในการจับภาพความผิดปกติและความหลากหลายของสถานการณ์ในโลกแห่งความเป็นจริง ซึ่งนำไปสู่ความล้มเหลวที่อาจเกิดขึ้นในการผลิต ดังนั้นจึงจำเป็นต้องมีการตั้งค่าและกำหนดแนวทางในการทดสอบและตรวจสอบอย่างเข้มงวด ซึ่งรวมถึงการตรวจสอบผลลัพธ์ของ AI เพื่อให้แน่ใจว่าไม่มีข้อผิดพลาดหรือผลลัพธ์ที่ไม่ถูกต้อง และการมีส่วนร่วมของมนุษย์ในการให้ข้อมูลย้อนกลับจากแอปพลิเคชันเองเพื่อปรับปรุงและขยายซอฟต์แวร์ที่สร้างขึ้น

คุณเห็นความก้าวหน้าของการรวม IT และ OT เมื่อ AI และเครื่องมือลอโค็ดถูกนำมาใช้ใน môi trườngการปฏิบัติงานอย่างไร?

พลังและความแม่นยำของโซลูชัน AI ใดๆ ล้วนขึ้นอยู่กับบริบท คุณภาพและปริมาณข้อมูลมีความสำคัญอย่างยิ่ง ซึ่งเป็นสิ่งจำเป็นสำหรับผู้ที่อยู่ในภาคการผลิต พลังงาน และภาคอุตสาหกรรมอื่นๆ ที่จะต้องมีพื้นฐานข้อมูลที่มั่นคงซึ่งรวมทั้ง IT และ OT ข้อมูลเข้าด้วยกัน ไม่น่าเชื่อ แต่ข้อมูล OT ไม่ใช่เรื่องที่ง่ายที่จะทำงานด้วย มันบ่อยครั้งไม่มีป้ายกำกับหรือเมตาดาต้าที่ชัดเจนเพื่อชี้นำคุณ แต่ข่าวดีคือมีเครื่องมือพิเศษสำหรับการแปลงข้อมูล OT และเพิ่มเติมด้วยเมตาดาต้าที่จำเป็นเพื่อเตรียมพร้อมสำหรับการใช้งานภายในแอปพลิเคชันที่มี AI

ในฐานะนักวิเคราะห์ของ Gartner ในอดีตและตอนนี้เป็น SVP ของกลยุทธ์ที่ Mendix คุณแยกแยะระหว่าง AI ที่มีแต่ความหวังและนวัตกรรมที่เปลี่ยนแปลงได้อย่างไรเมื่อสร้างแผนภาพผลิตภัณฑ์?

การแยกแยะระหว่าง AI ที่มีแต่ความหวังและนวัตกรรมที่แท้จริงต้องใช้แนวทางที่มีระเบียบและเป็นจริง แต่นี่คือกระบวนการที่ฉันปรับให้เหมาะสมตามที่เทรนด์ต่างๆ มาและไป ขั้นแรกและสำคัญที่สุด ฉันเชื่อมต่อกับลูกค้าและผู้มีศักยภาพโดยตรงเพื่อเข้าใจแผนและความต้องการของพวกเขาในโลกแห่งความเป็นจริง — สิ่งที่พวกเขาต้องการจริงๆ เพื่อขับเคลื่อนธุรกิจของตนไปข้างหน้า ทีมผลิตภัณฑ์ของ Mendix ใช้แนวทางทดสอบและเรียนรู้โดยการจัดส่งตัวแรกของความสามารถใหม่ๆ และจากนั้นทำงานอย่างใกล้ชิดกับลูกค้าเพื่อรวบรวมข้อเสนอแนะและตรวจสอบว่านวัตกรรมเหล่านี้มีคุณค่าจริงๆ หรือไม่

สุดท้าย ฉันใช้ประสบการณ์ของฉันกับคลื่นเทคโนโลยีที่เกิดขึ้นใหม่ในปัจจุบันและในอดีต โดยการดูระดับความตื่นตัวและความนิยมอย่างใกล้ชิด ซึ่งช่วยให้ฉันสามารถแยกแยะระหว่างสิ่งที่เป็นเพียงความหวังกับสิ่งที่มีแนวโน้มที่จะประสบความสำเร็จได้ เพื่อให้เราสามารถจัดลำดับความสำคัญของการลงทุนที่จะขับเคลื่อนผลกระทบในระยะยาวให้กับลูกค้าของเรา

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Mendix เพื่อเรียนรู้เพิ่มเติม