高登·范·哈伊曾，Mendix战略高级副总裁 – 采访系列

高登·范·哈伊曾是Mendix的战略高级副总裁，Mendix是一家领先的低代码应用开发平台。作为一家西门子公司的成员，Mendix强调可扩展性、强大的治理和企业就绪性，并被多次认可为低代码领域的魔力象限领袖。

Mendix是一家领先的低代码应用开发平台，旨在让公司能够使用最少的手动编码来构建、部署和持续改进关键软件。该平台提供了一个AI驱动的IDE、治理工具、内置集成和云部署选项，允许专业开发人员和公民开发人员进行协作。

AI正在真正地改变软件开发生命周期，尤其是在低代码和无代码环境中。组织开始通过描述期望来定义和构建软件，而不是编写代码。它变得更加关于表达意图和与智能工具进行对话，这些工具可以将意图转化为代码、接口，甚至测试。

随着AI继续融入软件开发生命周期，我认为我们将开始看到这种转变的真正力量。通过对话来表达我们想要什么，而不是如何构建它，将会感觉更加自然，并且会比传统的编码方式更持久。最终，代码可能会逐渐消失在背景中。并且不仅仅是这样，我们正在迈向一个全新的软件模型，这个模型不仅仅是由AI构建的，而且具有自己的智能性。

Agentic AI正在重新定义软件开发生命周期，我们不仅仅看到更快、更便宜、更高质量的开发，我们还看到开发变得更加容易。人们可以在不需要成为专家编码者的情况下尝试和实验；他们只需要能够清晰地表达他们想要什么。然而，所有这些力量都带来了复杂性。我们今天构建的软件比以往任何时候都更先进，这带来了新的挑战，尤其是当多代理平台继续出现时。互操作性变得越来越困难，因为应用程序自然是分布式的，往往涉及来自其他供应商和技术栈的工具。

Mendix的目标是减轻构建AI驱动应用的复杂性，同时确保开发人员今天构建的软件是未来-proof的。我们希望使事情变得更简单，而不移除开发人员需要的灵活性。我们利用视觉方法，使开发人员能够看到代理和系统如何组合在一起。Mendix的低代码工具使得AI驱动系统的架构和行为以一种清晰易懂的方式呈现出来。

在Mendix，我们遇到了开发人员、业务技术人员和公民开发人员，他们可以使用我们的低代码工具来构建智能的AI驱动应用。他们首先使用我们的低代码提示生成器来构建提示。一旦他们对此感到满意，他们就可以使用内置的低代码知识库来将他们的AI驱动应用与特定于业务或解决方案的数据联系起来。当他们准备好时，他们甚至可以使用低代码编排和工具来构建AI代理。

一个很好的例子是使用Mendix构建的AI原生全球工资平台datascalehr。工资，尤其是各国之间的差异，非常复杂，涉及不断变化的法规、合规性要求和大量数据。使用Mendix，datascalehr的创始人迅速开发了一个下一代平台，该平台利用AI进行智能自动化、合规性检查和上下文辅助。这里的强大之处在于，业务技术人员和领域专家——而不仅仅是专业开发人员——能够塑造AI功能的嵌入，以确保解决方案直接解决客户需求。低代码使得复杂的AI驱动解决方案变得可及和企业就绪。

Mendix的“Create with Maia”是Mendix对AI驱动应用开发过程的答案，也是使客户和合作伙伴能够构建智能的AI驱动应用的方式。Maia允许用户轻松创建、编排和部署AI代理和多代理应用程序，整个软件开发生命周期都可以使用自然语言来定义目标、成功标准和用户故事。然后，用户可以快速完善软件，使用低代码的内在速度。结果是更少的迭代、更快的交付、更强的治理和从一开始就构建正确的软件。

AI和低代码是解决现实世界挑战的不可思议的工具，因为它们为专注于解决关键社会问题的人员提供了创新和实验的机会，即使他们的预算和技术技能有限。一个很好的例子是来自圣安东尼奥的非营利组织Alliance for Orphans（A4O），该组织为寄养家庭提供暂时的保姆服务。该公司遇到了一个大障碍，当他们意识到找到、培训和认证保姆对于帮助寄养父母获得支持至关重要时。低代码帮助他们构建了一个应用程序来简化认证流程，将不同的机构系统联系起来，数字化文档，并建立一个集中数据库来跟踪认证的保姆。该应用程序帮助A4O认证了81名保姆，从其开始以来，应用程序一直在不断增长。这是一个低代码可以在人们生活中产生真正积极影响的有力例子。

合成数据在低代码环境中的独特挑战和机遇在于，它可以减少隐私风险，因为它不包含真实的个人信息，从而更容易遵守数据保护法规（如GDPR）并最小化法律风险。然而，合成数据可能包含不准确、偏见和有毒性，并且可能无法捕捉到现实世界使用中的噪音、异常值和全部范围——这可能导致生产中的故障。因此，必须建立严格的测试和验证方法，包括验证AI输出。对于业务关键系统，保持人类在循环中以提供反馈也至关重要。

当AI和低代码工具被引入运营环境时，IT和OT的融合将会发生重大变化。任何Agentic AI解决方案的力量和准确性都取决于上下文；数据的质量和数量至关重要。在制造业、能源和其他工业领域，拥有一个将IT和OT数据结合在一起的坚实数据基础至关重要。不幸的是，OT数据并不总是容易处理。例如，它通常没有明确的元数据或模式来指导你。然而，有专门的工具可以转换OT数据并为其添加必要的元数据，以便在智能应用中使用AI增强的数据模型创建。一次数据被摄取后，它可以与IT数据一起使用，并为生成AI提供上下文。

作为前Gartner分析师和现任Mendix战略高级副总裁，我通过一种有纪律和务实的方法来区分AI的炒作和真正的创新。这是一个我在趋势来来去去中磨练的过程。首先，我直接与客户和潜在客户互动，以了解他们的真实需求——即他们需要什么来推动业务发展。Mendix产品团队还采用了测试和学习的方法，交付新的功能的最小可行产品（MVP），然后与客户密切合作以收集反馈和验证这些创新是否真正带来有形的价值。合作也是区分AI炒作的关键方式，所以我还积极地与现有的合作伙伴合作，并探索潜在的新合作伙伴，以带来更多的视角和专业知识。

最后，我利用我对当前和以前的新兴技术浪潮的经验，密切关注成熟度水平和采用曲线。这真的有助于过滤掉什么是推测性的，什么是可能获得关注的东西，以便我们可以优先投资于将为客户带来长期影响的东西。谢谢您进行的精彩采访，希望读者能够通过访问Mendix网站来了解更多信息。