Ґордон Ван Гуйзен, СВП зі стратегії в Mendix – Інтерв’ю Серія

Ґордон Ван Гуйзен є СВП зі стратегії в лідуючому постачальнику низькокодових застосунків, Mendix, бізнесі Siemens. На цій посаді Ван Гуйзен ідентифікує та досліджує стратегії для новітніх технологічних досягнень, а також працює над інкубацією інновацій продуктів у Mendix, все це з фокусом на тому, як ці технології можуть вплинути та принести цінність клієнтам.

Mendix є лідуючим низькокодовим застосунком розробки програмного забезпечення, призначеним для того, щоб компанії могли створювати, розгортати та безперервно покращувати критично важливе програмне забезпечення з мінімальним ручним кодуванням. Платформа пропонує штучний інтелект, інструменти управління, вбудовані інтеграції та варіанти розгортання в хмарі, що дозволяє як професійним розробникам, так і громадянським розробникам співпрацювати. Як частина Siemens, Mendix підкреслює масштабованість, надійне управління та готовність до підприємства, і неодноразово визнавався лідером магічного квадрата низькокодових застосунків.

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

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

Як штучний інтелект продовжує вплітатися в SDLC, я думаю, ми побачимо, наскільки потужним є цей зсув. Вираження того, чого ми хочемо, а не того, як це створити, 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 створене штучним інтелектом, але й є розумним сам по собі. Зсув великий і цікавий, і, можливо, найзначущіший зсув у програмному забезпеченні, який ми побачимо в 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?

Оскільки агентний штучний інтелект продовжує переосмислювати SDLC, ми бачимо не тільки швидшу, дешевшу та якіснішу розробку, але й те, що розробка стає доступнішою. ​​Люди можуть бути креативними та експериментувати, не будучи експертами-кодерами;їм просто потрібно чітко висловлювати те, чого вони хочуть. Однак вся ця потужність пов’язана зі складністю. Програмне забезпечення, яке ми створюємо сьогодні, є більш просунутим, ніж будь-коли раніше, що створює нові виклики, особливо з огляду на те, що продовжують з’являтися багатокомпонентні платформи. Взаємодія стає головним болем, оскільки програми розподілені за своєю природою та часто включають інструменти від інших постачальників та технологічні стеки. Саме тут платформи з низьким кодом дійсно починають проявлятися.

Вони можуть автоматизувати багато рутинної роботи на стороні розгортання, надаючи вам чіткий вигляд на весь систему. Потім, коли у вас буде цей рівень спостереження, ви можете ввести штучний інтелект, щоб допомогти зрозуміти, що відбувається. Штучний інтелект може виділити проблеми, такі як зниження продуктивності або неточні виходи, і пояснити причину коріння в простій мові. Така ясність є справжнім проривом для розробників та операційних команд. Все це означає, що нам потрібно низькокодові платформи більше, ніж будь-коли, оскільки їхня сутність безпосередньо звертається до цих проблем.

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

Сьогодні розробники програмного забезпечення та інженери штучного інтелекту часто розглядаються як дві окремі ролі, але ми вже починаємо бачити деяку перекривність, як через розробників, які вивчають навички, необхідні для інженерії штучного інтелекту, так і через ф’юзійні команди, які об’єднують розробників, інженерів штучного інтелекту, інженерів даних та навіть вчених-даних. Чесно кажучи, саме такого роду співробітництво нам зараз потрібне. Але, так, традиційна концепція “розробника” дійсно еволюціонує. Це тільки питання часу, коли розробники програмного забезпечення стануть інженерами штучного інтелекту. Врешті-решт, інженерія штучного інтелекту все ще є інженерією програмного забезпечення; вона просто включає в себе 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. Вона відкриває двері до створення розумніших, більш динамічних рішень, і це винагороджувальний напрямок для зростання.

Як Mendix балансує доступність низькокодових застосунків з складністю створення застосунків, що працюють на штучному інтелекті?

Мета Mendix – полегшити складність створення застосунків, що працюють на штучному інтелекті, а також забезпечити, щоб те, що розробники будують сьогодні, було майбутнім. Ми хочемо зробити речі простішими без видалення гнучкості, якої потребують розробники. Ми використовуємо візуальний підхід, щоб ви могли побачити, як агенти та системи працюють разом, наприклад, якщо один агент викликає інший. З низькокодовими інструментами Mendix архітектура та поведінка цих систем, наповнених штучним інтелектом, розкладаються таким чином, що не відчувається складною багатокомпонентною системою. Це просто виглядає чистим, зрозумілим застосунком.

Як низькокодові платформи, такі як Mendix, дозволяють некодерам створювати складні рішення, що працюють на штучному інтелекті, і які з них є найкращими прикладами, які ви бачили?

У Mendix ми зустрічаємо розробників, бізнес-технологів та громадянських розробників там, де вони є щодо їхнього розуміння та потреб для застосунків, наповнених штучним інтелектом; інструменти платформи легкі для вивчення та використання з самого початку. Ми ведемо їх через досвід крок за кроком, поки вони не почнуть використовувати низькокодові інструменти для створення розумних застосунків, що працюють на штучному інтелекті, які є такими ж просунутими, як і ті, що створені з високим кодуванням. Вони починають з побудови промптів за допомогою нашого низькокодового інструменту побудови промптів. Як тільки вони ставляться до цього комфортно, вони можуть засновувати свій генеративний застосунок, наповнений штучним інтелектом, на даних, специфічних для бізнесу чи рішення, з вбудованим низькокодовим знанням. І коли вони готові до цього, вони навіть можуть створювати агенти штучного інтелекту через низькокодову оркестрацію та використання інструментів.

Можете розповісти про те, як штучний інтелект використовується всередині Mendix – і в тому, як платформа побудована, і в тому, як вона надає можливості користувачам?

“Створити з Maia” – це відповідь Mendix на те, щоб вливати штучний інтелект у процес розробки застосунків, та на те, щоб дозволити нашим клієнтам та партнерам створювати розумні застосунки, що працюють на штучному інтелекті. Нещодавно запущений з останньою версією Mendix, Mendix 11, Maia дозволяє користувачам легко створювати, оркеструвати та розгортати агенти штучного інтелекту та багатокомпонентні застосунки протягом всього життєвого циклу розробки програмного забезпечення. Навіть до того, як користувачі починають будувати, вони можуть використовувати Maia та природну мову, щоб забезпечити, що цілі, критерії успіху та історії користувачів узгоджені до створення. “Створити з Maia” також допомагає перетворити мозкові штурми, макети, діаграми та вимоги в чіткі, діючі плани проекту. Потім, коли початкове програмне забезпечення створено, користувачі можуть швидко вдосконалити це програмне забезпечення за допомогою вбудованої швидкості низькокодових інструментів. Результатом є менше ітерацій, швидша поставка, сильніше управління та програмне забезпечення, яке створюється правильно з самого початку.

Як ви бачите штучний інтелект та низькокодові інструменти, що об’єднуються для підтримки некомерційних організацій або організацій, що працюють над розв’язанням соціальних чи екологічних проблем?

Штучний інтелект та низькокодові інструменти – це неймовірні інструменти для розв’язання реальних проблем, головним чином тому, що вони дають можливість персоналу, що працює над розв’язанням критичних соціальних проблем, мати можливість інновувати, навіть з обмеженими бюджетами та технічними навичками. Одним з прикладів, який справді виділяється для мене, є Альянс для сиріт (A4O), некомерційна організація, що базується в Сан-Антоніо, яка пропонує догляд за дітьми для сімей, що виховують дітей. Компанія зіткнулася з великою проблемою, коли вони зрозуміли, що складно знайти, навчити та сертифікувати доглядальників, що є важливим для допомоги батькам-сиротам у отриманні підтримки, якої їм потрібно. Низькокодові інструменти допомогли їм створити застосунок для оптимізації процесу сертифікації, об’єднавши системи різних агентств, оцифровавши паперові документи та створивши централізовану базу даних для відстеження сертифікованих доглядальників. Застосунок допоміг A4O сертифікувати 81 доглядальника, і з моменту його створення застосунки продовжують розвиватися. Це такий потужний приклад того, як низькокодові інструменти можуть зробити справжню, позитивну різницю в житті людей, і це був тільки один приклад.

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

Синтетичні дані природньо зменшують ризики конфіденційності, оскільки вони не містять реальної особистої інформації, що робить їх легшими для дотримання правил захисту даних (таких як GDPR) та мінімалізації юридичної відповідальності. Окрім того, використання синтетичних даних є швидшим, дешевшим та легшим, ніж 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 відображати шум, аутлієри та повний діапазон сценаріїв, властивих реальному світу – що призводить до потенційних невдач у виробництві. Тому необхідно встановити охоронні заходи та створити суворий підхід до тестування та валідації, який розширює процес тестування застосунку до валідації виходу штучного інтелекту. Для бізнес-критичних систем також важливо тримати людей у циклі, щоб вони могли застосовувати свій власний розсуд, оптимально надаючи зворотний зв’язок від самого застосунку.

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

Потужність та точність будь-якого агентського рішення штучного інтелекту залежать від контексту; якість та обсяг даних мають вирішальне значення. Тому для тих, хто працює у виробництві, енергетиці та інших промислових секторах, стало важливо 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 маркування чи метаданих, які б направляли 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 створення штучним інтелектом підходящих моделей даних. Як тільки ці дані будуть інгестовані, їх можна використовувати поряд з ІТ-даними для використання в застосунках та надання контексту генеративному штучному інтелекту.

Як колишній аналітик Gartner, а нині старший віце-президент зі стратегії в Mendix, як ви відрізняєте ажіотаж навколо ШІ від справжніх інновацій під час формування вашого продукту?

Відрізнення ажіотажу навколо ШІ від справжніх інновацій вимагає дисциплінованого та прагматичного підходу, але це процес, який я відточував, враховуючи прихід та відхід тенденцій. Спочатку я безпосередньо взаємодію з клієнтами та потенційними клієнтами, щоб зрозуміти їхні реальні плани та вимоги, тобто що їм потрібно зробити, щоб рухатися вперед. Команда розробників продуктів Mendix також застосовує підхід «тестування та навчання», надаючи MVP нових можливостей, а потім тісно співпрацюючи з клієнтами, щоб зібрати відгуки та перевірити, чи ці інновації дійсно приносять відчутну цінність. Як бачите, співпраця є ключовим способом відрізнити ажіотаж навколо ШІ, тому я також активно працюю з нашими існуючими партнерами та досліджую потенційних нових, щоб запропонувати додаткові перспективи та досвід.

Нарешті, я спираюсь на свій досвід з поточними та попередніми хвилями новітніх технологій, тримаючи пильний огляд на рівні зрілості та кривих прийняття. Це справді допомагає фільтрувати те, що спекулятивне, від того, що, ймовірно, отримає тривку, щоб ми могли пріоритезувати інвестиції, які будуть мати довгостроковий вплив на наших клієнтів. Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Mendix.