Data Architect di Era AI

🌐 Juga tersedia dalam 28 bahasa

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

Gambar dibuat dengan AI

Diterjemahkan dengan AI. Belum ditinjau oleh komunitas. Baca dalam bahasa Inggris

Modul 7 dari 7 dalam bab Berpikir seperti Data Architect, bab pertama kursus Data Architect. Setiap modul dapat dibaca secara mandiri. Sebelumnya: Kenali Alat Anda: Sembilan Pertanyaan · Berikutnya: bab berikutnya: Pemodelan Data

Pertanyaan yang dijawab modul ini: Apa yang diubah AI bagi seorang data architect, dan apa yang tidak diubahnya?

AI mengubah arsitektur, tetapi mungkin tidak dengan cara yang pertama kali dibayangkan orang.

Ingat di mana bab ini dimulai: hampir sepanjang karier saya, saya adalah seorang pembangun. Hampir sepanjang waktu itu, membangun perangkat lunak itu mahal. Anda butuh orang dengan keahlian khusus, dan menulis kode, membangun integrasi, membuat aplikasi, serta menguji semuanya memakan waktu; bahkan bereksperimen dengan sebuah ide pun merupakan investasi yang berarti. AI sedang mengubah persamaan itu. Hari ini saya bisa menjelaskan apa yang saya inginkan, lalu AI menghasilkan model data, Apex, Flow, komponen Lightning, integrasi, pengujian, atau dokumentasi dengan sangat cepat, dan besok ia akan melakukan lebih banyak lagi.

Jadi wajar untuk bertanya: jika AI bisa mengerjakan begitu banyak bagian pembangunan, apa yang terjadi pada arsitek? Menurut saya jawabannya adalah arsitektur menjadi makin penting, bukan makin tidak penting.

AI Adalah Pendorong Roket

Saya sudah memakai analogi ini dalam berbagai presentasi saya:

AI adalah pendorong roket. Arsitektur adalah sistem pemandunya.

AI memberi kita percepatan yang luar biasa. Kita bisa menghasilkan aplikasi, model data, integrasi, pengujian, dan dokumentasi lebih cepat dari sebelumnya. Tetapi pendorong roket tidak menentukan ke mana roket harus pergi. Ia hanya memberi daya dorong. Sistem pemandulah yang menentukan arah dan melakukan koreksi di sepanjang perjalanan.

Tanpa pemandu yang baik, daya dorong yang lebih besar tidak membantu. Ia hanya membawa Anda lebih cepat ke tujuan yang salah. Tugas arsitek bukan memperlambat segalanya; tugasnya adalah memastikan kita berakselerasi ke arah yang benar.

Gambar dibuat dengan AI.

Bayangkan sebuah alat AI yang membangun aplikasi sepuluh kali lebih cepat daripada yang dulu bisa kita lakukan. Itu luar biasa jika aplikasinya benar. Tetapi bagaimana jika model datanya salah, atau kita memilih objek standar yang salah, atau salah memahami di mana data master seharusnya berada, atau desainnya berjalan pada volume hari ini dan runtuh ketika ada satu nol lagi? AI tidak menghilangkan kesalahan itu. AI membantu kita membangun kesalahan itu lebih cepat, dan membangun jauh lebih banyak di atasnya sebelum ada yang menyadarinya.

Implementasi yang Murah Menggeser Nilainya

Ketika implementasi mahal, perhatian dengan sendirinya tertuju pada implementasi: siapa yang bisa membangunnya, berapa lama waktunya, apakah ia bisa dibuat berjalan sama sekali. Ketika implementasi makin murah, pertanyaan lain menjadi lebih penting: apa yang seharusnya kita bangun? Itu pertanyaan arsitektur.

AI bisa menghasilkan dua puluh objek; data architect memutuskan apakah seharusnya kita cukup punya lima. AI bisa menghasilkan sebuah integrasi; arsitek memutuskan apakah datanya memang perlu disalin. AI bisa membuat bidang dalam hitungan detik; arsitek bertanya apakah bidang itu punya makna yang jelas, pemilik, dan alasan untuk ada. AI membangun apa yang kita minta, jadi kualitas permintaan kita menjadi lebih penting dari sebelumnya.

Menghasilkan Bukanlah Menilai

AI sangat pandai menghasilkan opsi, dan itu sangat berguna. Saya memintanya memberi tiga cara untuk memodelkan sesuatu, menjelaskan trade-off-nya, menantang sebuah arsitektur, memberi tahu saya apa yang terjadi pada 100 juta rekaman atau di mana sebuah desain bisa gagal, atau memberi saya alternatif di mana Salesforce bukan system of record. Saya ingin para arsitek melakukan hal ini.

Tetapi menghasilkan opsi dan menilainya adalah dua hal yang berbeda. AI bisa memberi tahu saya apa yang ditawarkan Opsi A dan Opsi B. Seseorang tetap harus memahami bisnisnya cukup baik untuk tahu kelebihan mana yang penting, batasan mana yang nyata, risiko apa yang bisa diterima, dan kapan sebuah jawaban masuk akal secara teknis tetapi salah untuk organisasi ini. Itulah penilaian, dan itulah arsitektur.

Beginilah hal itu muncul dalam pekerjaan saya sendiri. Dalam setahun terakhir, saya berhenti menulis sebagian besar kode sendiri. Saya memberi AI detailnya dan memintanya menghasilkan layar dan kode back-end, dan hasilnya sangat bagus.

Tetapi ia tidak mundur selangkah untuk melihat secara lebih analitis. Jika ada cacat dalam model data atau desainnya, ia tidak mempertanyakannya. Ia memperlakukan apa yang sudah ada sebagai asumsi dan membangun di atasnya, dengan cepat dan cakap. Ia jarang berhenti untuk berkata, “Sebelum saya menambahkan ini, mungkin model yang sudah Anda miliki layak diubah.” Melihat apa yang sudah ada dan bertanya apakah itu benar, bukan hanya apakah kita bisa membangun hal berikutnya di atasnya, tetap menjadi tugas arsitek. Jika Anda ingin AI mempertanyakan sebuah asumsi, Anda harus memintanya.

Uji Reversibilitas Tetap Berlaku

Kembali ke pertanyaan dari modul 3: seberapa sulit keputusan ini dibatalkan? AI mengubah biaya untuk menghasilkan dan mengubah perangkat lunak. AI tidak mengubah biaya untuk mengubah kenyataan. Begitu 100 juta rekaman dimuat, rekaman itu ada. Begitu dua belas sistem bergantung pada sebuah pengenal, ketergantungan itu ada. Begitu pelanggan memakai sebuah proses, atau analitik bergantung pada makna sebuah bidang, mengubahnya membawa konsekuensi. Dan begitu data telah dibagikan ke tempat yang seharusnya tidak, sebanyak apa pun kode baru tidak bisa mengembalikannya.

Yang tidak bisa dibatalkan tetap tidak bisa dibatalkan.

Agen Adalah Jenis Baru Konsumen Data

Dulu kita merancang data untuk dua jenis konsumen: manusia dan perangkat lunak. Seseorang membaca sebuah rekaman; laporan, integrasi, atau aplikasi membaca datanya. Kini ada jenis ketiga: agen. Sebuah agen bisa mengambil data, menafsirkannya, menggabungkannya dengan informasi lain, memutuskan, dan bertindak, kadang tanpa ada manusia di antaranya.

Itu menaikkan taruhannya. Apa arti sebuah bidang, siapa pemiliknya, seberapa terkini dan tepercaya ia, apakah ia sensitif, apakah agen boleh dan seharusnya melihatnya, apa yang terjadi ketika dua sumber tidak sepakat: dulu semua itu hanyalah dokumentasi. Sekarang itulah cara sebuah sistem cerdas memahami bisnis.

Dan data yang buruk tidak menjadi lebih pintar hanya karena dibaca AI. Sampah masuk, sampah keluar tetap berlaku. Pelanggan duplikat, kepemilikan yang tidak jelas, pengenal yang tidak konsisten, dan system of record yang saling bertentangan tidak hilang ketika Anda menghubungkan sebuah agen; konsekuensinya justru makin terlihat. Seseorang melihat sebuah bidang dan tahu bahwa tidak ada yang memperbaruinya selama tiga tahun. Agen tidak punya pengetahuan institusional itu, dan ia bisa bertindak dengan percaya diri berdasarkan data yang diam-diam sudah diketahui semua orang untuk tidak dipercaya. Arsitektur data menjadi bagian dari arsitektur AI.

Waspadai Skema yang Membengkak

AI juga membuat penciptaan sesuatu menjadi luar biasa mudah. Butuh objek lagi, enam bidang lagi, otomatisasi lagi? Hasilkan saja. Setiap keputusan tampak murah, tetapi ingat gravitasi arsitektur dari modul 3: objek dan bidang itu mengumpulkan ketergantungan (otomatisasi, integrasi, laporan, agen), dan tak lama kemudian Anda punya model data yang tidak pernah dirancang siapa pun. Ia hanya tumbuh begitu saja.

Arsitek harus berani bertanya, “Apakah kita benar-benar butuh ini?” Kadang keputusan paling berharga adalah tidak membuat sesuatu. Arsitektur yang baik sama pentingnya soal apa yang Anda tinggalkan seperti soal apa yang Anda masukkan.

Tinjauan Manusia Bukan Sekadar Seremoni

Ketika saya bilang arsitek manusia harus meninjau model data yang dihasilkan AI, maksud saya bukan “AI membuatnya, lalu Steve melihat diagramnya lima menit dan menyetujuinya.” Itu bukan pengawasan. Arsitek harus memahami modelnya: mengapa objek-objek ini, mengapa hubungan-hubungan ini, alternatif apa yang dipertimbangkan, di mana kunci dan data masternya, apa yang terjadi saat volume bertumbuh, apa implikasi aksesnya, dan trade-off apa yang diambil. Jika saya tidak bisa menjawab semua itu, saya tidak memiliki arsitekturnya; saya hanya memberi stempel. AI bisa berkontribusi pada sebuah arsitektur, menantangnya, dan mendokumentasikannya, tetapi arsitek manusia harus mampu mempertahankannya.

Hal yang sama berlaku untuk fakta. Saya terus-menerus memakai AI untuk belajar dan riset, dan aturan saya adalah percaya, tetapi verifikasi. Ajukan pertanyaannya, minta penjelasan, alternatif, dan tantangan terhadap jawabannya sendiri. Lalu, untuk apa pun yang penting bagi arsitektur Anda, ikuti tautannya, baca dokumentasinya, periksa batasannya, pastikan lisensinya, dan uji perilakunya. AI bisa sangat meyakinkan saat ia salah, dan membedakan fakta dari asumsi kini menjadi bagian yang makin besar dari pekerjaan ini.

AI Tidak Memperpendek Perjalanan

Ada satu kalimat yang saya pakai ketika berbicara tentang menjadi arsitek:

AI tidak memperpendek perjalanan. AI bisa membuat setiap langkah lebih berarti.

Anda tetap perlu memahami data, keamanan, integrasi, platform, dan bisnis, dan Anda tetap butuh pengalaman mengambil keputusan dan hidup dengan konsekuensinya. AI bisa mempercepat belajar Anda, menunjukkan skenario yang belum pernah Anda temui, menjelaskan berbagai hal, menantang Anda, membantu Anda membangun, dan memberi Anda sepasang mata kedua. Manfaatkan semuanya. Hanya saja, jangan menyamakan AI yang tahu jawabannya dengan Anda yang memahami jawabannya.

Arsitek yang Mengarahkan

Kita memulai bab ini dengan orang yang memegang cetak biru. AI memberi orang itu alat-alat baru yang luar biasa: asisten yang bisa menggambar bagian-bagian cetak biru, meriset material, mengusulkan alternatif, menghitung beban, menulis dokumentasi, dan bahkan menemukan masalah yang terlewat oleh Anda. Gunakanlah. Tetapi seseorang tetap harus memahami seluruh gedung, bertanya apakah ini gedung yang tepat, tahu apa yang terjadi ketika persyaratan berubah dan keputusan mana yang mahal untuk dibatalkan, dan bertanggung jawab atas hasilnya.

Itulah sebabnya tingkat terakhir kursus ini bernama Direct (Mengarahkan). Anda mungkin tidak menulis setiap baris kode, membuat setiap Flow, atau membangun setiap objek. Seseorang tetap harus mengarahkan solusinya, dan itulah arsitek. AI tidak menghapus arsitektur; AI mengubah di mana arsitek menciptakan nilai. Ini masa yang luar biasa untuk menjadi seorang arsitek.

Yang Diputuskan Arsitek di Sini

• Apa yang memang perlu dibangun, sekarang ketika membangun sudah murah: objek, bidang, dan integrasi mana yang layak mendapat tempat.
• Opsi hasil AI mana yang cocok dengan bisnis ini, dan mana yang masuk akal tetapi salah.
• Keputusan mana yang dilewati AI dengan cepat padahal akan mahal untuk dibatalkan.
• Apa yang boleh dibaca dan ditindaklanjuti agen, dan apakah datanya cukup baik dan cukup terdeskripsi untuk itu.
• Fakta mana dari AI yang perlu diverifikasi sebelum membentuk desain.

Itulah berpikir seperti arsitek di era AI.