Gordon Van Huizen, Phó Chủ tịch Chiến lược tại Mendix – Loạt Phỏng vấn

Gordon Van Huizen là Phó Chủ tịch Chiến lược tại nhà cung cấp low-code hàng đầu, Mendix, một doanh nghiệp của Siemens. Trong vai trò này, Van Huizen xác định và khám phá các chiến lược cho sự phát triển của công nghệ mới nổi, và làm việc để ấp ủ các đổi mới sản phẩm trong Mendix, tất cả đều tập trung vào cách các công nghệ này có thể tác động và mang lại giá trị cho khách hàng.

Làm thế nào trí tuệ nhân tạo (AI) đang thay đổi vĩnh viễn chu kỳ phát triển phần mềm (SDLC), đặc biệt là trong môi trường low-code và no-code?

Trí tuệ nhân tạo thực sự đang làm thay đổi chu kỳ phát triển phần mềm, đặc biệt là khi chúng ta tận dụng ngôn ngữ tự nhiên nhiều hơn. Thay vì viết mã, các tổ chức đang bắt đầu định nghĩa và xây dựng phần mềm chỉ bằng cách mô tả kỳ vọng. Điều này đang trở thành một quá trình tự nhiên hơn, và thực sự, nó sẽ trở nên lâu dài hơn so với việc viết mã theo cách truyền thống. Cuối cùng, mã như chúng ta biết có thể sẽ trở nên mờ nhạt. Và không chỉ vậy, chúng ta đang hướng tới một mô hình phần mềm hoàn toàn mới, không chỉ được xây dựng bởi AI, mà còn thông minh theo cách riêng của nó. Sự thay đổi này rất lớn và thú vị, và có thể là sự thay đổi lớn nhất trong phần mềm mà chúng ta sẽ thấy trong cuộc đời.

Vai trò của Agentic AI trong phát triển ứng dụng trong tương lai là gì, và nhà phát triển cũng như kiến trúc sư nền tảng nên chuẩn bị như thế nào cho những thách thức về khả năng quan sát?

Khi Agentic AI tiếp tục tái tưởng tượng chu kỳ phát triển phần mềm, chúng ta không chỉ thấy sự phát triển nhanh hơn, rẻ hơn và chất lượng cao hơn, mà còn thấy sự phát triển trở nên dễ tiếp cận hơn. Người dùng có thể sáng tạo và thử nghiệm mà không cần phải là nhà phát triển chuyên nghiệp; tất cả những gì họ cần làm là thể hiện rõ ràng những gì họ muốn. Tuy nhiên, tất cả sức mạnh đó đi kèm với sự phức tạp. Phần mềm chúng ta xây dựng ngày nay phức tạp hơn bao giờ hết, điều này mang lại những thách thức mới, đặc biệt là khi các nền tảng đa tác nhân tiếp tục xuất hiện. Tính tương tác đang trở thành một vấn đề đau đầu vì các ứng dụng tự nhiên được phân phối và thường liên quan đến các công cụ từ các nhà cung cấp và ngăn xếp công nghệ khác. Đó là nơi các nền tảng low-code thực sự bắt đầu tỏa sáng.

Chúng có thể tự động hóa nhiều công việc nặng nhọc trên phía triển khai trong khi cung cấp cho bạn một cái nhìn rõ ràng trên toàn hệ thống. Sau đó, khi bạn đã có lớp quan sát đó, bạn có thể đưa AI vào để giúp hiểu những gì đang xảy ra. AI có thể chỉ ra các vấn đề như hiệu suất giảm hoặc đầu ra không chính xác và giải thích nguyên nhân gốc rễ bằng ngôn ngữ đơn giản. Loại rõ ràng đó là một yếu tố thay đổi trò chơi cho cả nhà phát triển và nhóm vận hành. Tất cả những điều này có nghĩa là chúng ta sẽ cần low-code hơn bao giờ hết, vì bản chất của nó giải quyết những thách thức này một cách trực diện. Cụ thể, chúng ta sẽ thấy sự kết hợp mạnh mẽ giữa phát triển được tăng cường bởi AI và low-code. Bạn có thể thể hiện mình bằng ngôn ngữ tự nhiên, sau đó xem kết quả theo cách trực quan — bao gồm dữ liệu, logic và giao diện người dùng — và tương tác thông qua bất kỳ sự kết hợp nào của ngôn ngữ tự nhiên và IDE trực quan để tinh chỉnh và mở rộng phần mềm được tạo ra.

Bạn có nghĩ rằng khái niệm truyền thống về “nhà phát triển” đang thay đổi do low-code và AI?

Ngày nay, nhà phát triển phần mềm và kỹ sư AI thường được coi là hai vai trò riêng biệt, nhưng chúng ta đã bắt đầu thấy một số sự chồng chéo, cả thông qua việc nhà phát triển học các kỹ năng cần thiết cho kỹ thuật AI và thông qua các đội hợp nhất mang lại sự hợp tác giữa nhà phát triển, kỹ sư AI, kỹ sư dữ liệu và thậm chí cả nhà khoa học dữ liệu. Thật lòng, loại hợp tác này chính xác là những gì chúng ta cần ngay bây giờ. Nhưng, đúng, khái niệm truyền thống về “nhà phát triển” chắc chắn đang thay đổi. Chỉ là vấn đề thời gian trước khi nhà phát triển phần mềm trở thành kỹ sư AI. Cuối cùng, kỹ thuật AI vẫn là kỹ thuật phần mềm; nó chỉ liên quan đến một tập hợp các công cụ và khái niệm mà nhiều nhà phát triển chưa từng làm việc. Những kỹ năng đó có thể học được, và nhiều nhà phát triển truyền thống có thể sẽ thấy công việc mới này thú vị. Nó mở cửa cho việc xây dựng các giải pháp thông minh, động hơn, và đó là một hướng phát triển đầy phần thưởng.

Làm thế nào Mendix cân bằng sự dễ tiếp cận của low-code với sự phức tạp của việc xây dựng các ứng dụng được hỗ trợ bởi AI?

Mục tiêu của Mendix là giảm thiểu sự phức tạp của việc xây dựng các ứng dụng được hỗ trợ bởi AI, đồng thời đảm bảo rằng những gì nhà phát triển xây dựng ngày nay sẽ được bảo vệ trong tương lai. Chúng tôi muốn làm cho mọi thứ trở nên đơn giản hơn mà không loại bỏ sự linh hoạt mà nhà phát triển cần. Chúng tôi tận dụng một cách tiếp cận trực quan để bạn thực sự có thể thấy cách các tác nhân và hệ thống phù hợp với nhau, giống như khi một tác nhân kích hoạt một tác nhân khác. Với các công cụ low-code của Mendix, kiến trúc và hành vi của các hệ thống được hỗ trợ bởi AI này được bố trí theo cách không cảm thấy như một hệ thống đa tác nhân phức tạp. Nó chỉ trông như một ứng dụng sạch sẽ và dễ hiểu.

Làm thế nào các nền tảng low-code như Mendix cho phép những người không phải là nhà phát triển xây dựng các giải pháp AI phức tạp, và bạn đã thấy những ví dụ tốt nhất nào?

Tại Mendix, chúng tôi gặp gỡ nhà phát triển, nhà công nghệ kinh doanh và công dân phát triển ở nơi họ đang có với sự hiểu biết và nhu cầu của họ về ứng dụng được hỗ trợ bởi AI; các công cụ của nền tảng rất dễ bắt đầu và sử dụng từ đầu. Chúng tôi hướng dẫn họ qua trải nghiệm từng bước cho đến khi họ sử dụng low-code để xây dựng các ứng dụng thông minh được hỗ trợ bởi AI, những ứng dụng này không thua kém về sự tiên tiến so với những ứng dụng được xây dựng bằng high-code. Họ bắt đầu bằng cách xây dựng các lời nhắc bằng cách sử dụng công cụ xây dựng lời nhắc low-code của chúng tôi. Một khi họ cảm thấy thoải mái với điều đó, họ có thể gắn ứng dụng được hỗ trợ bởi AI của mình với dữ liệu cụ thể cho doanh nghiệp hoặc giải pháp bằng cách sử dụng cơ sở kiến thức low-code tích hợp sẵn. Và khi họ sẵn sàng, họ thậm chí có thể xây dựng các tác nhân AI thông qua sự điều khiển low-code và sử dụng công cụ.

Một trong những ví dụ thực tế tốt nhất là nền tảng lương toàn cầu bản địa AI được xây dựng trên Mendix, datascalehr. Lương, đặc biệt là khi nó thay đổi từ quốc gia này sang quốc gia khác, là một vấn đề nổi tiếng phức tạp, với các quy định, yêu cầu tuân thủ và lượng dữ liệu khổng lồ luôn thay đổi. Sử dụng Mendix, các nhà sáng lập datascalehr đã nhanh chóng phát triển một nền tảng thế hệ tiếp theo tận dụng AI cho tự động hóa thông minh, kiểm tra tuân thủ và hỗ trợ ngữ cảnh. Điều mạnh mẽ ở đây là các nhà công nghệ kinh doanh và chuyên gia lĩnh vực — không chỉ các nhà phát triển chuyên nghiệp — đã có thể định hình cách các tính năng AI được nhúng, đảm bảo giải pháp trực tiếp giải quyết nhu cầu của khách hàng. Low-code đang làm cho các giải pháp AI phức tạp trở nên dễ tiếp cận và sẵn sàng cho doanh nghiệp.

Bạn có thể giải thích cách AI được sử dụng trong chính Mendix — cả trong việc xây dựng nền tảng và cách nó trao quyền cho người dùng?

“Tạo với Maia” là câu trả lời của Mendix cho cả việc infusing AI vào quá trình phát triển ứng dụng và cho phép khách hàng và đối tác của chúng tôi xây dựng các ứng dụng thông minh được hỗ trợ bởi AI. Được ra mắt gần đây với phiên bản mới nhất của Mendix, Mendix 11, Maia cho phép người dùng dễ dàng tạo, điều phối và triển khai các tác nhân AI và ứng dụng đa tác nhân trên toàn bộ chu kỳ phát triển phần mềm. Ngay trước khi người dùng bắt đầu xây dựng, họ có thể tận dụng Maia và sử dụng ngôn ngữ tự nhiên để đảm bảo rằng mục tiêu, tiêu chí thành công và câu chuyện người dùng được căn chỉnh trước khi tạo. Tạo với Maia cũng giúp biến ý tưởng, bản mẫu, sơ đồ và yêu cầu thành kế hoạch dự án rõ ràng và có thể hành động. Sau đó, khi phần mềm ban đầu được tạo, người dùng có thể nhanh chóng tinh chỉnh phần mềm đó với tốc độ vốn có của low-code. Kết quả là ít lần lặp lại, giao hàng nhanh hơn, quản lý mạnh mẽ hơn và phần mềm được xây dựng đúng từ đầu.

Làm thế nào bạn thấy AI và low-code kết hợp để hỗ trợ các tổ chức phi lợi nhuận hoặc các tổ chức có sứ mệnh đang làm việc để giải quyết các vấn đề xã hội hoặc môi trường?

AI và low-code là những công cụ tuyệt vời để giải quyết các thách thức của thế giới thực, chủ yếu vì chúng cung cấp cho nhân viên tập trung vào việc giải quyết các vấn đề quan trọng của xã hội một lựa chọn để đổi mới, ngay cả với ngân sách và kỹ năng kỹ thuật hạn chế. Một ví dụ thực sự nổi bật với tôi là từ Alliance for Orphans (A4O), một tổ chức phi lợi nhuận có trụ sở tại San Antonio cung cấp dịch vụ trông giữ trẻ cho các gia đình nuôi dưỡng. Công ty đã gặp phải một trở ngại lớn khi họ nhận ra rằng việc tìm, đào tạo và chứng nhận người trông giữ trẻ là điều cần thiết để giúp cha mẹ nuôi có được sự hỗ trợ họ cần. Low-code đã giúp họ xây dựng một ứng dụng để tự động hóa quá trình chứng nhận, đưa các hệ thống từ các cơ quan khác nhau lại với nhau, số hóa giấy tờ và xây dựng một cơ sở dữ liệu tập trung để theo dõi người trông giữ trẻ đã được chứng nhận. Ứng dụng đã giúp A4O chứng nhận 81 người trông giữ trẻ, và kể từ khi ra đời, các ứng dụng chỉ tiếp tục phát triển. Đó là một ví dụ mạnh mẽ về cách low-code có thể tạo ra sự khác biệt thực sự và tích cực trong cuộc sống của mọi người, và đó chỉ là một ví dụ.

Những thách thức và cơ hội duy nhất của việc sử dụng dữ liệu tổng hợp trong môi trường low-code là gì?

Dữ liệu tổng hợp vốn giảm thiểu rủi ro về quyền riêng tư vì nó không chứa thông tin cá nhân thực, làm cho nó dễ dàng tuân thủ các quy định về bảo vệ dữ liệu (như GDPR) và giảm thiểu rủi ro pháp lý. Tất nhiên, việc sử dụng dữ liệu tổng hợp cũng nhanh hơn, rẻ hơn và dễ dàng hơn so với việc xây dựng các tập dữ liệu từ đầu và gắn nhãn dữ liệu cho AI, điều này có thể nằm ngoài phạm vi hoặc không thực tế cho một số dự án.

Đó nói, dữ liệu tổng hợp có thể chứa các sai sót, thiên vị và độc tính, và thậm chí không thể bắt chước được nhiễu, ngoại lệ và phạm vi đầy đủ của các kịch bản trong thế giới thực — dẫn đến khả năng thất bại trong sản xuất. Do đó, điều cần thiết là phải thiết lập các rào cản và thiết lập một cách tiếp cận kiểm tra và xác thực nghiêm ngặt, một cách tiếp cận mở rộng quy trình kiểm tra ứng dụng để bao gồm việc xác thực đầu ra AI. Đối với các hệ thống quan trọng của doanh nghiệp, cũng quan trọng là phải giữ con người trong vòng lặp để họ có thể áp dụng sự phân biệt của mình, tối ưu hóa phản hồi từ chính ứng dụng.

Bạn nhìn thấy sự hội tụ của IT và OT như thế nào khi AI và các công cụ low-code được giới thiệu vào các môi trường hoạt động?

Sức mạnh và độ chính xác của bất kỳ giải pháp AI nào đều phụ thuộc vào ngữ cảnh; chất lượng và khối lượng dữ liệu là rất quan trọng. Đó là lý do tại sao nó đang trở nên thiết yếu cho những người trong lĩnh vực sản xuất, năng lượng và các phân khúc công nghiệp khác để có một nền tảng dữ liệu vững chắc kết hợp cả dữ liệu IT và OT. Thật không may, dữ liệu OT không luôn dễ làm việc. Ví dụ, nó thường không được gắn nhãn với siêu dữ liệu hoặc lược đồ rõ ràng để hướng dẫn bạn. Tin tốt là có các công cụ chuyên dụng để chuyển đổi dữ liệu OT và tăng cường nó với siêu dữ liệu cần thiết, chuẩn bị nó để sử dụng trong các ứng dụng thông minh thông qua việc tạo mô hình dữ liệu được hỗ trợ bởi AI. Một khi được tiêu thụ, dữ liệu OT có thể được sử dụng cùng với và kết hợp với dữ liệu IT để cung cấp ngữ cảnh cho AI tạo ra.

Là một cựu nhà phân tích của Gartner và hiện là Phó Chủ tịch Chiến lược tại Mendix, bạn tách biệt sự cường điệu của AI với sự đổi mới thực sự như thế nào khi định hình lộ trình sản phẩm?

Để tách biệt sự cường điệu của AI với sự đổi mới thực sự, cần có một cách tiếp cận kỷ luật và thực tế, nhưng đó là một thủ tục tôi đã tinh chỉnh khi các xu hướng đến và đi. Đầu tiên và quan trọng nhất, tôi tham gia trực tiếp với khách hàng và khách hàng tiềm năng để hiểu kế hoạch và yêu cầu thực tế của họ — tức là những gì họ thực sự cần để đưa kinh doanh của mình đi tiếp. Đội ngũ sản phẩm của Mendix cũng thực hiện một cách tiếp cận thử nghiệm và học hỏi bằng cách cung cấp các phiên bản MVP của các khả năng mới và sau đó làm việc chặt chẽ với khách hàng để thu thập phản hồi và xác thực liệu những đổi mới này thực sự mang lại giá trị hữu hình. Như bạn có thể thấy, sự hợp tác là một cách quan trọng để phân loại sự cường điệu của AI, vì vậy tôi cũng thích làm việc tích cực với các đối tác hiện tại và khám phá các đối tác mới để mang lại thêm quan điểm và chuyên môn.

Cuối cùng, tôi dựa vào kinh nghiệm của mình với các làn sóng công nghệ mới nổi hiện tại và trước đó, luôn để mắt đến các mức độ trưởng thành và đường cong áp dụng. Điều này thực sự giúp lọc ra những gì là suy đoán so với những gì có khả năng thu được lực kéo, vì vậy chúng tôi có thể ưu tiên đầu tư sẽ mang lại tác động lâu dài cho khách hàng của mình.

Cảm ơn bạn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Mendix.