Architekt danych w czasach AI

🌐 Dostępne także w 28 językach

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

Obraz wygenerowany przez AI

Przetłumaczone przez AI. Jeszcze niesprawdzone przez społeczność. Czytaj po angielsku

Moduł 7 z 7 w rozdziale Myśleć jak architekt danych, pierwszym rozdziale kursu Data Architect. Każdy moduł jest samodzielny. Wstecz: Poznaj swoje narzędzia: dziewięć pytań · Dalej: następny rozdział: Modelowanie danych

Pytanie, na które odpowiada ten moduł: co AI zmienia dla architekta danych, a czego nie zmienia?

AI zmienia architekturę, ale może nie tak, jak ludzie myślą na początku.

Przypomnij sobie, od czego zaczął się ten rozdział: przez większość kariery byłem budowniczym. Przez większość tego czasu budowanie oprogramowania było drogie. Potrzebowało się ludzi ze specjalistycznymi umiejętnościami, a pisanie kodu, budowanie integracji, tworzenie aplikacji i testowanie zajmowały czas; nawet eksperymentowanie z pomysłem było znaczącą inwestycją. AI zmienia to równanie. Dziś mogę opisać, czego chcę, a AI zaskakująco szybko wygeneruje model danych, Apex, Flow, komponent Lightning, integrację, testy albo dokumentację, a jutro zrobi jeszcze więcej.

Rozsądnie jest więc zapytać: jeśli AI może tak dużo zbudować, co stanie się z architektem? Myślę, że odpowiedź brzmi: architektura staje się ważniejsza, a nie mniej ważna.

AI to rakieta nośna

Używałem tej analogii w swoich wystąpieniach:

AI to rakieta nośna. Architektura to system naprowadzania.

AI daje nam niezwykłe przyspieszenie. Możemy generować aplikacje, modele danych, integracje, testy i dokumentację szybciej niż kiedykolwiek. Ale rakieta nośna nie decyduje, dokąd ma lecieć rakieta. Dostarcza ciągu. To system naprowadzania wyznacza kurs i po drodze wprowadza poprawki.

Bez dobrego naprowadzania więcej ciągu nie pomaga. Po prostu szybciej doprowadza cię w złe miejsce. Zadaniem architekta nie jest spowalnianie wszystkiego; jest nim dopilnowanie, żebyśmy przyspieszali we właściwym kierunku.

Obraz wygenerowany przez AI.

Wyobraź sobie narzędzie AI, które buduje aplikację dziesięć razy szybciej, niż potrafiliśmy wcześniej. Świetnie, jeśli to właściwa aplikacja. Ale co, jeśli model danych jest zły, albo wybraliśmy zły obiekt standardowy, albo źle zrozumieliśmy, gdzie powinny być dane podstawowe, albo projekt działa przy dzisiejszym wolumenie, a załamuje się przy kolejnym zerze? AI nie usunęła błędu. Pomogła nam zbudować błąd szybciej i zbudować na nim dużo więcej, zanim ktokolwiek to zauważy.

Tania implementacja przesuwa wartość

Kiedy implementacja jest droga, uwaga naturalnie skupia się na implementacji: kto może to zbudować, ile to potrwa, czy w ogóle da się sprawić, żeby działało. Gdy implementacja tanieje, ważniejsze staje się inne pytanie: co powinniśmy zbudować? To jest pytanie architektoniczne.

AI może wygenerować dwadzieścia obiektów; architekt danych decyduje, czy powinniśmy mieć pięć. AI może wygenerować integrację; architekt decyduje, czy dane w ogóle powinny być kopiowane. AI może utworzyć pole w kilka sekund; architekt pyta, czy ma ono jasne znaczenie, właściciela i powód istnienia. AI buduje to, o co prosimy, więc jakość tego, o co prosimy, liczy się bardziej niż kiedykolwiek.

Generowanie to nie osąd

AI bardzo dobrze generuje opcje i to jest niezwykle przydatne. Proszę ją o trzy sposoby zamodelowania czegoś, o kompromisy, o podważenie architektury, o powiedzenie, co się stanie przy 100 milionach rekordów albo gdzie projekt może zawieść, albo o alternatywę, w której Salesforce nie jest system of record. Chcę, żeby architekci tak pracowali.

Ale generowanie opcji i ich ocenianie to różne rzeczy. AI może mi powiedzieć, co oferuje opcja A, a co opcja B. Ktoś nadal musi rozumieć biznes na tyle dobrze, żeby wiedzieć, które zalety się liczą, które ograniczenia są prawdziwe, jakie ryzyko jest do przyjęcia i kiedy odpowiedź jest technicznie wiarygodna, ale zła dla tej organizacji. To jest osąd i to jest architektura.

Oto jak to wygląda w mojej pracy. W ciągu ostatniego roku przestałem pisać większość kodu sam. Podaję AI szczegóły i proszę ją o wygenerowanie ekranów i kodu backendu, a robi to zaskakująco dobrze.

Ale nie cofa się o krok i nie przygląda się sprawie głębiej, analitycznie. Jeśli w modelu danych albo w projekcie jest wada, nie kwestionuje jej. Traktuje to, co już jest, jako założenie i buduje na tym, szybko i kompetentnie. Rzadko zatrzymuje się, żeby powiedzieć: „Zanim to dodam: może warto zmienić model, który już masz”. Patrzenie na to, co istnieje, i pytanie, czy to jest właściwe, a nie tylko, czy da się na tym zbudować następną rzecz, to nadal zadanie architekta. Jeśli chcesz, żeby AI zakwestionowała założenie, musisz ją o to poprosić.

Test Odwracalności nadal obowiązuje

Wróć do pytania z modułu 3: jak trudno będzie odwrócić tę decyzję? AI zmienia koszt generowania i zmieniania oprogramowania. Nie zmienia kosztu zmieniania rzeczywistości. Gdy 100 milionów rekordów jest już załadowanych, one istnieją. Gdy dwanaście systemów zależy od identyfikatora, te zależności istnieją. Gdy klienci korzystają z procesu albo analizy zależą od znaczenia pola, zmiana ma konsekwencje. A gdy dane zostały udostępnione tam, gdzie nie powinny, żaden nowy kod ich nie cofnie.

Nieodwracalne nadal jest nieodwracalne.

Agenci to nowy rodzaj odbiorcy danych

Kiedyś projektowaliśmy dane dla dwóch rodzajów odbiorców: ludzi i oprogramowania. Człowiek czyta rekord; raport, integracja albo aplikacja czyta dane. Teraz jest trzeci: agenci. Agent może pobierać dane, interpretować je, łączyć z innymi informacjami, decydować i działać, czasem bez żadnego człowieka pośrodku.

To podnosi stawkę. Co oznacza pole, kto jest jego właścicielem, jak bardzo jest aktualne i wiarygodne, czy jest wrażliwe, czy agent może i powinien je widzieć, co się dzieje, gdy dwa źródła się nie zgadzają: kiedyś to była dokumentacja. Teraz to sposób, w jaki inteligentny system rozumie biznes.

A złe dane nie stają się mądrzejsze dlatego, że czyta je AI. Zasada „śmieci na wejściu, śmieci na wyjściu” nadal obowiązuje. Zduplikowani klienci, niejasna własność, niespójne identyfikatory i sprzeczne systemy ewidencji nie znikają, gdy podłączysz agenta; konsekwencje stają się tylko bardziej widoczne. Człowiek patrzy na pole i wie, że nikt go nie aktualizował od trzech lat. Agent nie ma tej wiedzy organizacyjnej i może pewnie działać na danych, którym wszyscy inni po cichu wiedzieli, żeby nie ufać. Architektura danych staje się częścią architektury AI.

Uważaj na rozrost schematu

AI sprawia też, że tworzenie rzeczy jest niezwykle łatwe. Potrzebujesz kolejnego obiektu, sześciu kolejnych pól, kolejnej automatyzacji? Wygeneruj je. Każda decyzja wydaje się tania, ale pamiętaj o grawitacji architektonicznej z modułu 3: te obiekty i pola zbierają zależności (automatyzację, integracje, raporty, agentów) i wkrótce masz model danych, którego nikt nie zaprojektował. Po prostu wyrósł.

Architekt musi być gotów zapytać: „Czy naprawdę tego potrzebujemy?”. Czasem najcenniejszą decyzją jest nie tworzyć czegoś. Dobra architektura to w równym stopniu to, co pomijasz, jak to, co dodajesz.

Przegląd przez człowieka to nie ceremonia

Kiedy mówię, że model danych wygenerowany przez AI powinien przejrzeć architekt, człowiek, nie mam na myśli „AI go utworzyła, a Steve popatrzył na diagram przez pięć minut i zatwierdził”. To nie jest nadzór. Architekt musi rozumieć model: dlaczego te obiekty, dlaczego te relacje, jakie alternatywy rozważono, gdzie są klucze i dane podstawowe, co się stanie, gdy wolumen urośnie, jakie są konsekwencje dla dostępu i jakie kompromisy zawarto. Jeśli nie potrafię na to odpowiedzieć, nie jestem właścicielem architektury; przybiłem tylko pieczątkę. AI może współtworzyć architekturę, podważać ją i dokumentować, ale architekt, człowiek, musi umieć jej bronić.

To samo dotyczy faktów. Ciągle używam AI do nauki i researchu, a moja zasada brzmi: ufaj, ale sprawdzaj. Zadaj pytanie, poproś o wyjaśnienie, alternatywy i podważenie własnej odpowiedzi. Potem, w przypadku wszystkiego, co ma znaczenie dla twojej architektury, kliknij link, przeczytaj dokumentację, sprawdź limit, potwierdź licencje i przetestuj zachowanie. AI potrafi być bardzo przekonująca, gdy się myli, a odróżnianie faktów od założeń jest teraz jeszcze większą częścią tej pracy.

AI nie skraca drogi

Jest zdanie, którego używam, kiedy mówię o tym, jak zostać architektem:

AI nie skraca drogi. Może sprawić, że każdy krok będzie znaczył więcej.

Nadal musisz rozumieć dane, bezpieczeństwo, integrację, platformę i biznes, i nadal potrzebujesz doświadczenia podejmowania decyzji i życia z ich konsekwencjami. AI może przyspieszyć twoją naukę, pokazać ci scenariusze, których jeszcze nie znasz, wyjaśniać, podważać, pomagać budować i dać ci drugą parę oczu. Korzystaj z tego wszystkiego. Tylko nie myl AI, która zna odpowiedź, z tym, że ty rozumiesz odpowiedź.

Architekt kieruje

Zaczęliśmy ten rozdział od osoby, która trzyma plan. AI daje tej osobie niezwykłe nowe narzędzia: asystenta, który potrafi narysować części planu, zbadać materiały, zaproponować alternatywy, policzyć obciążenia, napisać dokumentację, a nawet wyłapać problemy, które umknęły. Korzystaj z niego. Ale ktoś nadal musi rozumieć cały budynek, pytać, czy to właściwy budynek, wiedzieć, co się stanie, gdy zmienią się wymagania, i które decyzje będzie drogo odkręcić, i odpowiadać za wynik.

Dlatego ostatni poziom tego kursu nazywa się Direct (kierowanie). Możesz nie napisać każdej linijki kodu, nie utworzyć każdego Flow ani nie zbudować każdego obiektu. Ktoś nadal musi kierować rozwiązaniem i tym kimś jest architekt. AI nie likwiduje architektury; zmienia miejsce, w którym architekci tworzą wartość. To niezwykły czas, żeby zostać architektem.

Co tu decyduje architekt

• Co w ogóle powinno powstać, skoro budowanie jest tanie: które obiekty, pola i integracje zasługują na swoje miejsce.
• Które opcje wygenerowane przez AI pasują do tego biznesu, a które są wiarygodne, ale złe.
• Które decyzje AI przeskakuje w pędzie, choć będzie je drogo odwrócić.
• Co agenci mogą czytać i na podstawie czego działać, i czy dane są dość dobre i dość dobrze opisane, żeby mogli to robić.
• Które fakty od AI trzeba sprawdzić, zanim ukształtują projekt.

Tak myśli architekt w czasach AI.