Гордон Ван Хуїзен, СВП зі стратегії в Mendix – Серія інтерв’ю

Гордон Ван Хуїзен є СВП зі стратегії в провідному постачальнику низькокодових рішень, Mendix, бізнесі Siemens. На цій посаді Ван Хуїзен ідентифікує та досліджує стратегії для появи технологічних досягнень та працює над інкубацією інновацій продукції в Mendix, все це з акцентом на тому, як ці технології можуть вплинути та принести користь клієнтам.

Mendix є провідною низькокодовою платформою розробки застосунків, призначеною для того, щоб компанії могли будувати, розгортати та безперервно покращувати критично важливе програмне забезпечення з мінімальним ручним кодуванням. Платформа пропонує AI-підтримувану IDE, інструменти управління, вбудовані інтеграції та варіанти розгортання в хмарі, що дозволяє як професійним розробникам, так і цивільним розробникам співпрацювати. Як частина компанії Siemens, Mendix підкреслює масштабованість, надійне управління та готовність до підприємства, і неодноразово визнавався лідером у сфері низькокодових рішень.

Як штучний інтелект назавжди змінює життєвий цикл розробки програмного забезпечення (SDLC), особливо в низькокодових та безкодових середовищах?

Штучний інтелект дійсно потрясає життєвий цикл розробки програмного забезпечення, особливо коли ми все більше використовуємо природну мову. Замість написання рядків коду організації починають визначати та будувати програмне забезпечення просто описуючи очікування. Це стає більше про вираження намірів та проведення розмови з розумними інструментами, які можуть взяти ці наміри та перетворити їх у код, інтерфейси та навіть тести.

Як штучний інтелект продовжує вплітатися у SDLC, я думаю, ми побачимо, наскільки потужним є цей зсув. Комунікація про те, чого ми хочемо, а не про те, як це будувати, буде відчуватися більш природнім, і, чесно кажучи, буде більш тривалим, ніж написання коду традиційним способом. Врешті-решт, код, як ми його знаємо, може зникнути на задньому плані. І не тільки це, ми рухаємось до цілком нової моделі програмного забезпечення, яке не тільки побудоване штучним інтелектом, а й є інтелектуальним сам по собі. Зсув великий і цікавий, і, можливо, найзначущіший зсув у програмному забезпеченні, який ми побачимо у своєму житті.

Яку роль ви бачите агентського штучного інтелекту в майбутній розробці застосунків, і як розробники та архітекти платформ повинні готуватися до його проблем спостереження?

Як агентський штучний інтелект продовжує переосмислювати SDLC, ми не тільки бачимо швидшу, дешевшу та вищу якість розробки, але й бачимо, що розробка стає більш доступною. Люди можуть бути креативними та експериментувати без потреби бути експертами-кодерами; їм просто потрібно бути能够 виразити清楚, чого вони хочуть. Все ж таки, вся ця сила супроводжується складністю. Програмне забезпечення, яке ми будуємо сьогодні, є більш просунутим, ніж будь-коли, що приносить нові проблеми, особливо коли багатокомпонентні платформи продовжують з’являтися. Міжопераційність стає головним болем, оскільки застосунки природно розподілені та часто включають інструменти від інших постачальників та технологічних стеків. Саме тут низькокодові платформи починають справді сяяти.

Вони можуть автоматизувати багато рутинної роботи на стороні розгортання, одночасно надаючи вам чіткий вигляд на весь систему. І коли у вас з’являється цей рівень спостереження, ви можете додати штучний інтелект до суміші, щоб допомогти зрозуміти, що відбувається. Штучний інтелект може виділити проблеми, такі як зниження продуктивності або неточні виходи, та пояснити причину коріння в простій мові. Така ясність є революційною для розробників та операційних команд. Все це означає, що нам потрібні низькокодові платформи більше, ніж будь-коли, оскільки їхня сутність адресує ці проблеми безпосередньо. Зокрема, ми побачимо потужну комбінацію розробки, підкріпленої штучним інтелектом, та низькокодових платформ. Ви можете виразити себе природною мовою, а потім побачити результати візуально — включаючи дані, логіку та інтерфейси користувача — і взаємодіяти через будь-яку комбінацію природної мови та візуальної IDE, щоб далі уточнити та розширити згенероване програмне забезпечення.

Ви вважаєте, що традиційна концепція “розробника” еволюціонує через низькокодові та штучний інтелект?

Сьогодні програмні розробники та інженери штучного інтелекту часто розглядаються як дві окремі ролі, але ми вже починаємо бачити деяку перекривність, як розробники вчаться навичкам, необхідним для інженерії штучного інтелекту, та злитими командами, які об’єднують розробників, інженерів штучного інтелекту, інженерів даних та навіть вчених-даних. Чесно кажучи, саме такий тип співпраці нам зараз потрібен. Але, так, традиційна концепція “розробника” дійсно еволюціонує. Це лише питання часу, коли програмні розробники стануть інженерами штучного інтелекту. Врешті-решт, інженерія штучного інтелекту все ще є програмною інженерією; вона просто включає набір інструментів та концепцій, з якими багато розробників ще не працювали. Ці навички можна вивчити, і багато традиційних розробників, ймовірно, знайдуть цю нову роботу цікавою. Це відкриває двері до побудови розумніших, більш динамічних рішень, і це корисний напрямок для зростання.

Як Mendix балансує доступність низькокодових платформ із складністю побудови застосунків, підкріплених штучним інтелектом?

Мета Mendix — полегшити складність побудови застосунків, підкріплених штучним інтелектом, одночасно забезпечуючи, щоб те, що розробники будують сьогодні, було майбутнім. Ми хочемо зробити речі простішими без видалення гнучкості, необхідної розробникам. Ми використовуємо візуальний підхід, щоб ви могли побачити, як агенти та системи сполучаються, як один агент спрацьовує інший. З низькокодовими інструментами Mendix архітектура та поведінка цих систем, підкріплених штучним інтелектом, викладені таким чином, що не відчувається як складна багатокомпонентна система. Це просто виглядає як чистий, зрозумілий застосунок.

Як низькокодові платформи, такі як Mendix, дозволяють некодерам будувати складні рішення, підкріплені штучним інтелектом, і які з них є найкращими прикладами, які ви бачили?

У Mendix ми зустрічаємося з розробниками, бізнес-технологами та некодерами там, де вони є щодо свого розуміння та потреб штучного інтелекту; інструменти платформи легко підіймати та використовувати з самого початку. Ми ведемо їх через досвід крок за кроком, поки вони не будуть використовувати низькокодові інструменти для побудови розумних, підкріплених штучним інтелектом застосунків, які є такими ж просунутими, як і ті, що побудовані з високим кодом. Вони починають з побудови промптів за допомогою нашого низькокодового інструменту побудови промптів. Як тільки вони стають комфортними з цим, вони можуть заснувати свій генеративний застосунок, підкріплений штучним інтелектом, з даними, специфічними для бізнесу або рішення, з вбудованим низькокодовим знанням. І коли вони готові до цього, вони навіть можуть побудувати агентів штучного інтелекту через низькокодову оркестрацію та використання інструментів.

Одним з найкращих реальних прикладів є штучно-інтелектний глобальний платформу зарплати, побудований на Mendix, datascalehr. Платформа зарплати, особливо оскільки вона варіюється з країни до країни, є надзвичайно складною, з постійно змінюваними правилами, вимогами до відповідності та величезною кількістю даних. Використовуючи Mendix, засновники datascalehr швидко розробили платформу наступного покоління, яка використовує штучний інтелект для інтелектуальної автоматизації, перевірок відповідності та контекстної допомоги. Що потужно тут, так це те, що бізнес-технологи та експерти-домені — не тільки професійні розробники — могли сформувати, як функції штучного інтелекту були вбудовані, забезпечуючи, що рішення безпосередньо адресувало потреби клієнтів. Низькокодові платформи роблять складні, підкріплені штучним інтелектом рішення як доступними, так і готовими до підприємства.

Чи можете ви пройти нас через те, як штучний інтелект використовується всередині Mendix — і в тому, як платформа побудована, і в тому, як вона надає можливість користувачам?

“Створити з Майєю” — це відповідь Mendix на те, щоб вливати штучний інтелект у процес розробки застосунків та надавати нашим клієнтам та партнерам можливість будувати інтелектуальні, підкріплені штучним інтелектом застосунки. Нещодавно запущений з останньою версією Mendix, Mendix 11, Майя дозволяє користувачам легко створювати, оркеструвати та розгортати агентів штучного інтелекту та багатокомпонентні застосунки протягом усього життєвого циклу розробки програмного забезпечення. Навіть до того, як користувачі починають будувати, вони можуть використати Майю та природну мову, щоб забезпечити, що цілі, критерії успіху та історії користувачів узгоджені до створення. “Створити з Майєю” також допомагає перетворити мозкові штурми, макети, діаграми та вимоги у чіткі, діючі плани проекту. Потім, як тільки початкове програмне забезпечення створено, користувачі можуть швидко уточнити це програмне забезпечення з вродженою швидкістю низькокодових платформ. Результатом є менше ітерацій, швидша поставка, сильніше управління та програмне забезпечення, яке побудовано правильно з самого початку.

Як ви бачите поєднання штучного інтелекту та низькокодових платформ, що підтримує некомерційні організації або організації з місією, які працюють над розв’язанням соціальних чи екологічних проблем?

Штучний інтелект та низькокодові платформи — це неймовірні інструменти для вирішення реальних проблем, головним чином тому, що вони дають особам, які зосереджені на розв’язанні критичних соціальних проблем, можливість інновувати, навіть з обмеженими бюджетами та технічними навичками. Одним з прикладів, який справді вирізняється для мене, є Альянс для сиріт (A4O), некомерційна організація, базована в Сан-Антоніо, яка пропонує тимчасових нянь для сімей, які приймають дітей. Компанія зіткнулася з великою перешкодою, коли зрозуміла, що складно знайти, навчити та сертифікувати нянь, що є необхідним для допомоги батькам-сиротам у отриманні підтримки, якої їм потрібно. Низькокодова платформа допомогла їм побудувати застосунок для оптимізації процесу сертифікації, об’єднавши системи різних агентств, оцифровавши паперові документи та побудувавши централізовану базу даних для відстеження сертифікованих нянь. Застосунок допоміг A4O сертифікувати 81 тимчасову няню, і з моменту його створення застосунки продовжують зростати. Це такий потужний приклад того, як низькокодові платформи можуть зробити реальну, позитивну різницю в житті людей, і це лише один приклад.

Які є унікальні проблеми та можливості використання синтетичних даних у низькокодовому середовищі?

Синтетичні дані природно зменшують ризики конфіденційності, оскільки вони не містять реальної особистої інформації, що робить їх легше відповідати вимогам захисту даних (таким як GDPR) та мінімізувати юридичну відповідальність. Окрім того, використання синтетичних даних є швидшим, дешевшим та легшим за створення наборів даних з нуля та маркування даних для використання штучним інтелектом, що може бути поза межами або недоцільним для деяких проєктів.

Тим не менше, синтетичні дані можуть містити неточності, упередженість та токсичність, а також не можуть відобразити шум, аутлієри та повний діапазон сценаріїв, властивих реальному світу — що призводить до потенційних провалів у виробництві. Тому необхідно встановити охоронні заходи та створити суворий підхід до тестування та валідації, який розширює процес тестування застосунку для включення валідації виходу штучного інтелекту. Для бізнес-критичних систем також важливо тримати людей у циклі, щоб вони могли застосувати свій власний розсуд, оптимально надаючи зворотній зв’язок з самого застосунку.

Як ви бачите злиття ІТ та ОТ, коли штучний інтелект та низькокодові інструменти вводяться в оперативні середовища?

Потужність та точність будь-якого агентського штучного інтелекту зводяться до контексту; якість та обсяг даних є критичними. Саме тому стає важливим для тих, хто працює у сфері виробництва, енергетики та інших промислових секторів, мати солідну основу даних, яка об’єднує як ІТ-, так і ОТ-дані. На жаль, ОТ-дані не завжди легко працювати. Наприклад, вони часто не мають метаданих або схеми, яка б направляла вас. Добра новина полягає в тому, що існують спеціалізовані інструменти для перетворення ОТ-даних та доповнення їх необхідними метаданими, готуючи їх для використання в розумних застосунках через штучний інтелект.

Як колишній аналітик Gartner та зараз СВП зі стратегії в Mendix, як ви розрізняєте гіп штучного інтелекту від真正ої інновації при формуванні вашої дорожньої карти продукту?

Розрізнення гіпу штучного інтелекту від真正ої інновації вимагає дисциплірованого та прагматичного підходу, але це процедура, яку я відточую, коли тенденції приходять та йдуть. По-перше, я вступаю у прямий контакт з клієнтами та потенційними клієнтами, щоб зрозуміти їхні реальні плани та вимоги — тобто, що їм справді потрібно, щоб рухатися вперед у своєму бізнесі. Команда продукту Mendix також використовує підхід “тестування та навчання” шляхом доставки мінімально життєздатних продуктів нових можливостей та подальшої тісної співпраці з клієнтами, щоб зібрати відгук та валідувати, чи ці інновації дійсно доставляють відчутну цінність.

Як ви бачите, співпраця — це ключовий спосіб розрізнення гіпу штучного інтелекту. Тому я також активно працюю з нашими існуючими партнерами та досліджую потенційних нових, щоб привнести додаткові перспективи та експертизу. Нарешті, я спираюсь на свій досвід з поточними та попередніми хвилями нової технології, тримаючи пильний огляд на рівні зрілості та кривих прийняття. Це дійсно допомагає фільтрувати спекулятивне від того, що, ймовірно, здобуде тривку. Таким чином, ми можемо пріоритизувати інвестиції, які будуть мати довгостроковий вплив для наших клієнтів.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Mendix.