AI के दौर में डेटा आर्किटेक्ट

🌐 28 अन्य भाषाओं में भी उपलब्ध

English · Español · 日本語 · Português (Brasil) · Français · Deutsch · Italiano · 한국어 · 简体中文 · Português (Portugal) · 繁體中文 · Bahasa Indonesia · Türkçe · Polski · Tiếng Việt · ไทย · Nederlands · العربية · עברית · Українська · Русский · Svenska · Dansk · Norsk bokmål · Suomi · Español (México) · Français (Canada) · Deutsch (Schweiz)

AI से बनाई गई इमेज

AI द्वारा अनुवादित। समुदाय ने अभी इसकी समीक्षा नहीं की है। अंग्रेज़ी में पढ़ें

मॉड्यूल 7 (कुल 7 में से) — अध्याय डेटा आर्किटेक्ट की तरह सोचना, Data Architect कोर्स का अध्याय 1। हर मॉड्यूल अपने आप में पूरा है। पिछला: अपने टूल्स को जानें: नौ सवाल · अगला: अगला अध्याय: अर्थ के लिए डेटा मॉडलिंग

यह मॉड्यूल किस सवाल का जवाब देता है: AI डेटा आर्किटेक्ट के लिए क्या बदलता है, और क्या नहीं बदलता?

AI आर्किटेक्चर को बदलता है, लेकिन शायद उस तरह नहीं जैसा लोग पहले सोचते हैं।

याद करें कि यह अध्याय कहाँ से शुरू हुआ था: मैंने अपने करियर का ज़्यादातर हिस्सा एक बिल्डर के रूप में बिताया है। उस ज़्यादातर समय में सॉफ़्टवेयर बनाना महँगा था। आपको खास हुनर वाले लोग चाहिए होते थे, और कोड लिखना, इंटीग्रेशन बनाना, एप्लिकेशन बनाना और टेस्टिंग, सबमें समय लगता था; किसी आइडिया पर प्रयोग करना भी एक अच्छा-खासा निवेश था। AI यह समीकरण बदल रहा है। आज मैं बता सकता हूँ कि मुझे क्या चाहिए और AI से डेटा मॉडल, Apex, Flow, Lightning कंपोनेंट, इंटीग्रेशन, टेस्ट या डॉक्यूमेंटेशन कमाल की तेज़ी से बनवा सकता हूँ, और कल यह और भी ज़्यादा करेगा।

तो यह पूछना वाजिब है: अगर AI बनाने का इतना काम कर सकता है, तो आर्किटेक्ट का क्या होगा? मुझे लगता है जवाब यह है कि आर्किटेक्चर कम नहीं, और ज़्यादा अहम हो जाता है।

AI एक रॉकेट बूस्टर है

मैंने अपने टॉक्स में यह मिसाल दी है:

AI रॉकेट बूस्टर है। आर्किटेक्चर गाइडेंस सिस्टम (मार्गदर्शन प्रणाली) है।

AI हमें असाधारण रफ़्तार देता है। हम एप्लिकेशन, डेटा मॉडल, इंटीग्रेशन, टेस्ट और डॉक्यूमेंटेशन पहले से कहीं ज़्यादा तेज़ी से बना सकते हैं। लेकिन रॉकेट बूस्टर यह तय नहीं करता कि रॉकेट को कहाँ जाना है। वह धक्का देता है। गाइडेंस सिस्टम रास्ता तय करता है और रास्ते में सुधार करता है।

अच्छे मार्गदर्शन के बिना ज़्यादा धक्का मदद नहीं करता। वह आपको गलत मंज़िल पर और जल्दी पहुँचा देता है। आर्किटेक्ट का काम सब कुछ धीमा करना नहीं है; उसका काम यह पक्का करना है कि हम सही दिशा में रफ़्तार पकड़ रहे हैं।

यह चित्र AI से बनाया गया है।

सोचिए एक AI टूल पहले से दस गुना तेज़ी से एप्लिकेशन बनाता है। अगर एप्लिकेशन सही है तो यह बढ़िया है। लेकिन अगर डेटा मॉडल गलत हो, या हमने गलत स्टैंडर्ड ऑब्जेक्ट चुन लिया हो, या यह गलत समझ लिया हो कि मास्टर डेटा कहाँ होना चाहिए, या डिज़ाइन आज के वॉल्यूम पर चलता हो और एक और शून्य जुड़ते ही ढह जाए, तो? AI ने गलती को हटाया नहीं है। उसने गलती को और तेज़ी से बनाने में मदद की है, और किसी के ध्यान देने से पहले उसके ऊपर और बहुत कुछ बना दिया है।

सस्ता इम्प्लीमेंटेशन वैल्यू को खिसका देता है

जब इम्प्लीमेंटेशन महँगा होता है, तो ध्यान स्वाभाविक रूप से इम्प्लीमेंटेशन पर जाता है: इसे कौन बना सकता है, इसमें कितना समय लगेगा, क्या इसे चलाया भी जा सकता है। जैसे-जैसे इम्प्लीमेंटेशन सस्ता होता है, एक अलग सवाल ज़्यादा मायने रखने लगता है: हमें क्या बनाना चाहिए? यह आर्किटेक्चर का सवाल है।

AI बीस ऑब्जेक्ट बना सकता है; डेटा आर्किटेक्ट तय करता है कि क्या हमारे पास पाँच होने चाहिए। AI एक इंटीग्रेशन बना सकता है; आर्किटेक्ट तय करता है कि डेटा कॉपी होना भी चाहिए या नहीं। AI सेकंडों में एक फ़ील्ड बना सकता है; आर्किटेक्ट पूछता है कि क्या उसका कोई साफ़ मतलब, कोई मालिक और मौजूद होने की कोई वजह है। AI वही बनाता है जो हम माँगते हैं, इसलिए हम जो माँगते हैं उसकी गुणवत्ता पहले से कहीं ज़्यादा मायने रखती है।

बनाना समझ-बूझ नहीं है

AI विकल्प बनाने में बहुत अच्छा है, और यह बेहद काम का है। मैं उससे किसी चीज़ को मॉडल करने के तीन तरीके माँगता हूँ, ट्रेड-ऑफ़ माँगता हूँ, किसी आर्किटेक्चर को चुनौती देने को कहता हूँ, यह बताने को कहता हूँ कि 100 मिलियन रिकॉर्ड पर क्या होगा या कोई डिज़ाइन कहाँ फ़ेल हो सकता है, या ऐसा विकल्प माँगता हूँ जहाँ Salesforce system of record न हो। मैं चाहता हूँ कि आर्किटेक्ट्स ऐसा करें।

लेकिन विकल्प बनाना और उन्हें परखना अलग बातें हैं। AI मुझे बता सकता है कि विकल्प A और विकल्प B क्या-क्या देते हैं। फिर भी किसी को बिज़नेस को इतनी अच्छी तरह समझना होगा कि वह जाने कौन-से फ़ायदे मायने रखते हैं, कौन-सी पाबंदियाँ असली हैं, कितना जोखिम मंज़ूर है, और कब कोई जवाब तकनीकी रूप से ठीक लगता है पर इस संगठन के लिए गलत है। यही समझ-बूझ है, और यही आर्किटेक्चर है।

मेरे अपने काम में यह ऐसे दिखता है। पिछले एक साल में मैंने ज़्यादातर कोड खुद लिखना बंद कर दिया है। मैं AI को ब्योरे देता हूँ और उससे स्क्रीन और बैक-एंड कोड बनाने को कहता हूँ, और वह इसमें कमाल का है।

लेकिन वह एक कदम पीछे हटकर गहराई से विश्लेषण नहीं करता। अगर डेटा मॉडल या डिज़ाइन में कोई खामी है, तो वह उस पर सवाल नहीं उठाता। वह जो पहले से है उसे मान्यता की तरह लेता है और उसके ऊपर बनाता है, तेज़ी से और काबिलियत से। वह शायद ही कभी रुककर कहता है, “इसे जोड़ने से पहले, आपका मौजूदा मॉडल शायद बदलने लायक है।” जो मौजूद है उसे देखना और पूछना कि क्या वह सही है, सिर्फ़ यह नहीं कि क्या हम उस पर अगली चीज़ बना सकते हैं, यह अब भी आर्किटेक्ट का काम है। अगर आप चाहते हैं कि AI किसी मान्यता पर सवाल उठाए, तो आपको उससे कहना होगा।

पलटने की कसौटी अब भी लागू होती है

मॉड्यूल 3 के सवाल पर लौटें: इस फ़ैसले को पलटना कितना मुश्किल होगा? AI सॉफ़्टवेयर बनाने और बदलने की लागत बदलता है। वह असलियत बदलने की लागत नहीं बदलता। एक बार 100 मिलियन रिकॉर्ड लोड हो गए, तो वे मौजूद हैं। एक बार बारह सिस्टम किसी आइडेंटिफ़ायर पर निर्भर हो गए, तो वे निर्भरताएँ मौजूद हैं। एक बार ग्राहक कोई प्रोसेस इस्तेमाल करने लगें, या एनालिटिक्स किसी फ़ील्ड के मतलब पर निर्भर हो जाए, तो उसे बदलने के नतीजे होते हैं। और एक बार डेटा ऐसी जगह शेयर हो गया जहाँ उसे नहीं होना चाहिए था, तो कितना भी नया कोड उसे वापस नहीं ला सकता।

जो पलटा नहीं जा सकता, वह अब भी पलटा नहीं जा सकता।

एजेंट डेटा के एक नए तरह के उपभोक्ता हैं

पहले हम दो तरह के उपभोक्ताओं के लिए डेटा डिज़ाइन करते थे: इंसान और सॉफ़्टवेयर। एक व्यक्ति रिकॉर्ड पढ़ता है; एक रिपोर्ट, इंटीग्रेशन या एप्लिकेशन डेटा पढ़ता है। अब एक तीसरा है: एजेंट। एक एजेंट डेटा निकाल सकता है, उसका अर्थ लगा सकता है, उसे दूसरी जानकारी से जोड़ सकता है, फ़ैसला ले सकता है और काम कर सकता है, कभी-कभी बीच में किसी इंसान के बिना।

इससे दाँव ऊँचे हो जाते हैं। किसी फ़ील्ड का मतलब क्या है, उसका मालिक कौन है, वह कितना ताज़ा और भरोसेमंद है, क्या वह संवेदनशील है, क्या कोई एजेंट उसे देख सकता है और क्या उसे देखना चाहिए, जब दो सोर्स में मतभेद हो तो क्या होता है: ये बातें पहले डॉक्यूमेंटेशन हुआ करती थीं। अब इन्हीं से एक बुद्धिमान सिस्टम बिज़नेस को समझता है।

और खराब डेटा इसलिए समझदार नहीं हो जाता कि AI उसे पढ़ता है। कचरा अंदर, कचरा बाहर, यह बात अब भी सच है। डुप्लिकेट ग्राहक, अस्पष्ट मालिकाना हक, बेमेल आइडेंटिफ़ायर और आपस में टकराते systems of record, एजेंट जोड़ने से गायब नहीं होते; बस उनके नतीजे ज़्यादा दिखने लगते हैं। एक व्यक्ति किसी फ़ील्ड को देखता है और जानता है कि तीन साल से किसी ने उसे अपडेट नहीं किया। एजेंट के पास वह संस्थागत जानकारी नहीं होती, और वह पूरे भरोसे से ऐसे डेटा पर काम कर सकता है जिस पर बाकी सब चुपचाप भरोसा न करना जानते थे। डेटा आर्किटेक्चर AI आर्किटेक्चर का हिस्सा बन जाता है।

स्कीमा के बेतरतीब फैलाव पर नज़र रखें

AI चीज़ें बनाना भी बेहद आसान कर देता है। एक और ऑब्जेक्ट चाहिए, छह और फ़ील्ड, एक और ऑटोमेशन? बना लीजिए। हर फ़ैसला सस्ता लगता है, लेकिन मॉड्यूल 3 का आर्किटेक्चरल गुरुत्व याद रखें: वे ऑब्जेक्ट और फ़ील्ड निर्भरताएँ जमा करते हैं (ऑटोमेशन, इंटीग्रेशन, रिपोर्ट, एजेंट), और जल्द ही आपके पास ऐसा डेटा मॉडल होता है जिसे किसी ने डिज़ाइन नहीं किया। वह बस उग आया।

आर्किटेक्ट को यह पूछने के लिए तैयार रहना होगा, “क्या हमें सच में इसकी ज़रूरत है?” कभी-कभी सबसे कीमती फ़ैसला होता है कुछ न बनाना। अच्छा आर्किटेक्चर जितना इस बारे में है कि आप क्या डालते हैं, उतना ही इस बारे में भी है कि आप क्या छोड़ते हैं।

इंसानी समीक्षा कोई रस्म नहीं है

जब मैं कहता हूँ कि AI से बने डेटा मॉडल की समीक्षा एक इंसानी आर्किटेक्ट को करनी चाहिए, तो मेरा मतलब यह नहीं कि “AI ने बनाया, और Steve ने पाँच मिनट डायग्राम देखा और मंज़ूरी दे दी।” यह निगरानी नहीं है। आर्किटेक्ट को मॉडल समझना होगा: ये ऑब्जेक्ट क्यों, ये संबंध क्यों, किन विकल्पों पर विचार हुआ, keys और मास्टर डेटा कहाँ हैं, वॉल्यूम बढ़ने पर क्या होगा, एक्सेस पर क्या असर है, और कौन-से ट्रेड-ऑफ़ किए गए। अगर मैं इनका जवाब नहीं दे सकता, तो मैं आर्किटेक्चर का मालिक नहीं हूँ; मैंने बस आँख मूँदकर मुहर लगा दी। AI आर्किटेक्चर में योगदान दे सकता है, उसे चुनौती दे सकता है और उसका डॉक्यूमेंटेशन कर सकता है, लेकिन इंसानी आर्किटेक्ट को उसका बचाव कर पाना चाहिए।

तथ्यों के साथ भी यही बात है। मैं सीखने और रिसर्च के लिए लगातार AI इस्तेमाल करता हूँ, और मेरा नियम है भरोसा करें, पर जाँचें। सवाल पूछें, व्याख्या माँगें, विकल्प माँगें और उसके अपने जवाब को चुनौती देने को कहें। फिर, जो कुछ भी आपके आर्किटेक्चर के लिए मायने रखता है, उसके लिए लिंक खोलें, डॉक्यूमेंटेशन पढ़ें, सीमा जाँचें, लाइसेंसिंग की पुष्टि करें और बर्ताव को टेस्ट करें। AI गलत होने पर भी बहुत यकीन दिलाने वाला हो सकता है, और तथ्यों को मान्यताओं से अलग करना अब काम का और भी बड़ा हिस्सा है।

AI सफ़र छोटा नहीं करता

आर्किटेक्ट बनने की बात करते समय मैं एक वाक्य इस्तेमाल करता हूँ:

AI सफ़र छोटा नहीं करता। यह हर कदम को और ज़्यादा कीमती बना सकता है।

आपको फिर भी डेटा, सिक्योरिटी, इंटीग्रेशन, प्लेटफ़ॉर्म और बिज़नेस समझना होगा, और फिर भी फ़ैसले लेने और उनके नतीजों के साथ जीने का अनुभव चाहिए। AI आपकी सीखने की रफ़्तार बढ़ा सकता है, आपको ऐसे परिदृश्य दिखा सकता है जिनसे आप नहीं मिले, चीज़ें समझा सकता है, आपको चुनौती दे सकता है, बनाने में मदद कर सकता है और आपको दूसरी नज़र दे सकता है। इस सबका इस्तेमाल करें। बस उस AI को, जो जवाब जानता है, इस बात से न मिलाएँ कि आप जवाब समझते हैं।

आर्किटेक्ट दिशा देता है

हमने यह अध्याय उस व्यक्ति से शुरू किया था जिसके हाथ में ब्लूप्रिंट है। AI उस व्यक्ति को असाधारण नए औज़ार देता है: एक असिस्टेंट जो ब्लूप्रिंट के हिस्से बना सकता है, सामग्री पर रिसर्च कर सकता है, विकल्प सुझा सकता है, लोड की गणना कर सकता है, डॉक्यूमेंटेशन लिख सकता है और वे समस्याएँ भी पकड़ सकता है जो आपसे छूट गईं। इसका इस्तेमाल करें। लेकिन फिर भी किसी को पूरी इमारत समझनी होगी, पूछना होगा कि क्या यह सही इमारत है, जानना होगा कि ज़रूरतें बदलने पर क्या होगा और कौन-से फ़ैसले पलटने में महँगे होंगे, और नतीजे के लिए जवाबदेह होना होगा।

इसीलिए इस कोर्स के आखिरी स्तर का नाम Direct (दिशा देना) है। हो सकता है आप कोड की हर लाइन न लिखें, हर Flow न बनाएँ या हर ऑब्जेक्ट न बनाएँ। फिर भी किसी को समाधान को दिशा देनी होगी, और वह आर्किटेक्ट है। AI आर्किटेक्चर को खत्म नहीं कर रहा; वह बदल रहा है कि आर्किटेक्ट कहाँ वैल्यू बनाते हैं। आर्किटेक्ट बनने का यह असाधारण समय है।

आर्किटेक्ट यहाँ क्या तय करता है

• अब जब बनाना सस्ता है, तो बनाना क्या है: कौन-से ऑब्जेक्ट, फ़ील्ड और इंटीग्रेशन अपनी जगह के हकदार हैं।
• AI से बने कौन-से विकल्प इस बिज़नेस में फ़िट होते हैं, और कौन-से ठीक लगते हैं पर गलत हैं।
• AI तेज़ी से किन ऐसे फ़ैसलों से आगे निकल रहा है जिन्हें पलटना महँगा पड़ेगा।
• एजेंट क्या पढ़ सकते हैं और किस पर काम कर सकते हैं, और क्या डेटा इतना अच्छा और इतनी अच्छी तरह वर्णित है कि वे ऐसा कर सकें।
• AI से मिले कौन-से तथ्य डिज़ाइन पर असर डालने से पहले जाँचने हैं।

AI के दौर में आर्किटेक्ट की तरह सोचना यही है।