สถาปนิกข้อมูลในยุค AI

🌐 มีให้อ่านอีก 28 ภาษา

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 · Nederlands · العربية · עברית · Українська · हिन्दी · Русский · Svenska · Dansk · Norsk bokmål · Suomi · Español (México) · Français (Canada) · Deutsch (Schweiz)

ภาพสร้างด้วย AI

แปลโดย AI ชุมชนยังไม่ได้ตรวจทาน อ่านเป็นภาษาอังกฤษ

โมดูลที่ 7 จาก 7 ในบท คิดแบบสถาปนิกข้อมูล ซึ่งเป็นบทแรกของหลักสูตร Data Architect แต่ละโมดูลอ่านแยกกันได้ ก่อนหน้า: รู้จักเครื่องมือของคุณ: คำถามเก้าข้อ · ถัดไป: บทถัดไป: การสร้างโมเดลข้อมูล

คำถามที่โมดูลนี้ตอบ: AI เปลี่ยนอะไรสำหรับสถาปนิกข้อมูล และอะไรที่มันไม่เปลี่ยน?

AI เปลี่ยนสถาปัตยกรรม แต่อาจไม่ใช่ในแบบที่คนคิดในตอนแรก

จำได้ไหมว่าบทนี้เริ่มต้นที่ไหน: ผมใช้เวลาส่วนใหญ่ของอาชีพในฐานะผู้สร้าง ตลอดช่วงเวลานั้น การสร้างซอฟต์แวร์มีราคาแพง คุณต้องมีคนที่มีทักษะเฉพาะทาง และการเขียนโค้ด สร้างการผสานรวม สร้างแอปพลิเคชัน และทดสอบล้วนใช้เวลา แม้แต่การทดลองไอเดียก็เป็นการลงทุนที่มีความหมาย AI กำลังเปลี่ยนสมการนั้น วันนี้ผมอธิบายสิ่งที่ต้องการ แล้วให้ AI สร้างโมเดลข้อมูล Apex Flow คอมโพเนนต์ Lightning การผสานรวม เทสต์ หรือเอกสารได้รวดเร็วอย่างน่าทึ่ง และพรุ่งนี้มันจะทำได้มากกว่านี้อีก

ดังนั้นจึงสมเหตุสมผลที่จะถามว่า: ถ้า AI ทำงานสร้างได้มากขนาดนี้ จะเกิดอะไรขึ้นกับสถาปนิก? ผมคิดว่าคำตอบคือ สถาปัตยกรรมยิ่งสำคัญขึ้น ไม่ใช่ลดลง

AI คือจรวดเสริมแรงขับ

ผมใช้การเปรียบเทียบนี้ในการบรรยายของผม:

AI คือจรวดเสริมแรงขับ สถาปัตยกรรมคือระบบนำทาง

AI ให้ความเร่งที่ไม่ธรรมดาแก่เรา เราสร้างแอปพลิเคชัน โมเดลข้อมูล การผสานรวม เทสต์ และเอกสารได้เร็วกว่าที่เคย แต่จรวดเสริมแรงขับไม่ได้ตัดสินว่าจรวดควรไปที่ไหน มันให้แรงขับ ระบบนำทางเป็นตัวกำหนดเส้นทางและแก้ไขระหว่างทาง

หากไม่มีการนำทางที่ดี แรงขับที่มากขึ้นก็ไม่ช่วย มันแค่พาคุณไปถึงจุดหมายที่ผิดเร็วขึ้น งานของสถาปนิกไม่ใช่การทำให้ทุกอย่างช้าลง แต่คือการทำให้แน่ใจว่าเรากำลังเร่งไปในทิศทางที่ถูก

ภาพสร้างด้วย AI

ลองนึกภาพเครื่องมือ AI ที่สร้างแอปพลิเคชันได้เร็วกว่าที่เราเคยทำสิบเท่า เยี่ยมเลยถ้ามันเป็นแอปพลิเคชันที่ถูกต้อง แต่ถ้าโมเดลข้อมูลผิด หรือเราเลือกออบเจกต์มาตรฐานผิด หรือเข้าใจผิดว่าข้อมูลหลักควรอยู่ที่ไหน หรือการออกแบบใช้ได้ที่ปริมาณวันนี้แต่พังเมื่อเพิ่มเลขศูนย์อีกตัวล่ะ? AI ไม่ได้กำจัดความผิดพลาด มันช่วยให้เราสร้างความผิดพลาดเร็วขึ้น และสร้างสิ่งต่างๆ ทับบนมันมากขึ้นอีกก่อนที่ใครจะสังเกตเห็น

การ implement ที่ถูกลงย้ายจุดที่สร้างคุณค่า

เมื่อการ implement มีราคาแพง ความสนใจย่อมไปที่การ implement: ใครสร้างได้ จะใช้เวลานานเท่าไร ทำให้มันทำงานได้หรือเปล่า เมื่อการ implement ถูกลง คำถามอีกข้อจะสำคัญขึ้น: เราควรสร้างอะไร? นั่นคือคำถามเชิงสถาปัตยกรรม

AI สร้างออบเจกต์ได้ยี่สิบตัว สถาปนิกข้อมูลตัดสินว่าเราควรมีห้าตัวหรือเปล่า AI สร้างการผสานรวมได้ สถาปนิกตัดสินว่าควรคัดลอกข้อมูลเลยหรือไม่ AI สร้างฟิลด์ได้ในไม่กี่วินาที สถาปนิกถามว่ามันมีความหมายชัดเจน มีเจ้าของ และมีเหตุผลที่จะมีอยู่หรือไม่ AI สร้างสิ่งที่เราขอ ดังนั้นคุณภาพของสิ่งที่เราขอจึงสำคัญกว่าที่เคย

การสร้างไม่ใช่วิจารณญาณ

AI เก่งมากในการสร้างทางเลือก และนั่นมีประโยชน์อย่างมหาศาล ผมขอให้มันเสนอวิธีสร้างโมเดลสามแบบ ขอการแลกเปลี่ยนได้เสีย ขอให้ท้าทายสถาปัตยกรรม บอกผมว่าจะเกิดอะไรขึ้นที่ 100 ล้านเรกคอร์ดหรือการออกแบบอาจล้มเหลวตรงไหน หรือเสนอทางเลือกที่ Salesforce ไม่ใช่ระบบต้นทางหลัก ผมอยากให้สถาปนิกทำแบบนี้

แต่การสร้างทางเลือกกับการตัดสินมันเป็นคนละเรื่องกัน AI บอกผมได้ว่าทางเลือก A และทางเลือก B แต่ละทางให้อะไร แต่ก็ยังต้องมีใครสักคนเข้าใจธุรกิจดีพอที่จะรู้ว่าข้อดีใดสำคัญ ข้อจำกัดใดเป็นของจริง ความเสี่ยงระดับไหนยอมรับได้ และเมื่อไรคำตอบที่ฟังดูเป็นไปได้ทางเทคนิคกลับผิดสำหรับองค์กรนี้ นั่นคือวิจารณญาณ และนั่นคือสถาปัตยกรรม

นี่คือสิ่งที่เกิดขึ้นในงานของผมเอง ภายในปีที่ผ่านมา ผมเลิกเขียนโค้ดส่วนใหญ่ด้วยตัวเอง ผมให้รายละเอียดกับ AI และขอให้มันสร้างหน้าจอและโค้ดฝั่ง back-end และมันทำได้ดีอย่างน่าทึ่ง

แต่มันไม่ถอยออกมามองเชิงวิเคราะห์ให้ลึกขึ้น ถ้ามีข้อบกพร่องในโมเดลข้อมูลหรือการออกแบบ มันไม่ตั้งคำถาม มันถือว่าสิ่งที่มีอยู่แล้วเป็นสมมติฐาน และสร้างทับไปอย่างรวดเร็วและชำนาญ มันแทบไม่เคยหยุดเพื่อบอกว่า “ก่อนที่ผมจะเพิ่มสิ่งนี้ โมเดลที่คุณมีอยู่อาจควรเปลี่ยน” การมองสิ่งที่มีอยู่และถามว่ามันถูกต้องไหม ไม่ใช่แค่ถามว่าเราสร้างสิ่งถัดไปบนมันได้ไหม ยังเป็นงานของสถาปนิก ถ้าคุณอยากให้ AI ตั้งคำถามกับสมมติฐาน คุณต้องขอให้มันทำ

การทดสอบความย้อนกลับได้ยังใช้ได้

ย้อนกลับไปที่คำถามของโมดูลที่ 3: การตัดสินใจนี้จะย้อนกลับยากแค่ไหน? AI เปลี่ยนต้นทุนของการสร้างและเปลี่ยนซอฟต์แวร์ แต่ไม่ได้เปลี่ยนต้นทุนของการเปลี่ยนความเป็นจริง เมื่อโหลด 100 ล้านเรกคอร์ดแล้ว มันก็มีอยู่จริง เมื่อสิบสองระบบพึ่งพาตัวระบุหนึ่ง การพึ่งพาเหล่านั้นก็มีอยู่จริง เมื่อลูกค้าใช้กระบวนการหนึ่ง หรือการวิเคราะห์พึ่งพาความหมายของฟิลด์หนึ่ง การเปลี่ยนมันก็มีผลตามมา และเมื่อข้อมูลถูกแชร์ไปยังที่ที่ไม่ควรไปแล้ว ไม่ว่าโค้ดใหม่มากแค่ไหนก็ดึงมันกลับคืนไม่ได้

สิ่งที่ย้อนกลับไม่ได้ ก็ยังย้อนกลับไม่ได้

เอเจนต์คือผู้ใช้ข้อมูลประเภทใหม่

เราเคยออกแบบข้อมูลสำหรับผู้ใช้สองประเภท: มนุษย์และซอฟต์แวร์ คนอ่านเรกคอร์ด รายงาน การผสานรวม หรือแอปพลิเคชันอ่านข้อมูล ตอนนี้มีประเภทที่สาม: เอเจนต์ เอเจนต์อาจดึงข้อมูล ตีความ รวมกับข้อมูลอื่น ตัดสินใจ และลงมือ บางครั้งโดยไม่มีมนุษย์อยู่ตรงกลาง

นั่นยกระดับความเสี่ยงขึ้น ฟิลด์หนึ่งหมายถึงอะไร ใครเป็นเจ้าของ ข้อมูลสดใหม่และน่าเชื่อถือแค่ไหน อ่อนไหวหรือไม่ เอเจนต์เห็นได้และควรเห็นหรือไม่ จะเกิดอะไรขึ้นเมื่อสองแหล่งไม่ตรงกัน: สิ่งเหล่านี้เคยเป็นแค่เอกสาร ตอนนี้มันคือวิธีที่ระบบอัจฉริยะเข้าใจธุรกิจ

และข้อมูลที่แย่ไม่ได้ฉลาดขึ้นเพราะ AI อ่านมัน ขยะเข้าขยะออกยังเป็นจริงอยู่ ลูกค้าซ้ำ ความเป็นเจ้าของที่ไม่ชัดเจน ตัวระบุที่ไม่สอดคล้องกัน และระบบต้นทางหลักที่ขัดแย้งกัน ไม่ได้หายไปเมื่อคุณเชื่อมต่อเอเจนต์ ผลที่ตามมาแค่เห็นชัดขึ้น คนดูฟิลด์หนึ่งแล้วรู้ว่าไม่มีใครอัปเดตมันมาสามปีแล้ว เอเจนต์ไม่มีความรู้ในองค์กรแบบนั้น และอาจลงมืออย่างมั่นใจกับข้อมูลที่คนอื่นๆ รู้กันเงียบๆ ว่าไม่ควรเชื่อ สถาปัตยกรรมข้อมูลกลายเป็นส่วนหนึ่งของสถาปัตยกรรม AI

ระวังสคีมาที่แผ่ขยายเกินควบคุม

AI ยังทำให้การสร้างสิ่งต่างๆ ง่ายอย่างไม่น่าเชื่อ ต้องการออบเจกต์อีกตัว ฟิลด์อีกหกฟิลด์ ระบบอัตโนมัติอีกชุด? สร้างเลย แต่ละการตัดสินใจดูราคาถูก แต่จำแรงโน้มถ่วงทางสถาปัตยกรรมในโมดูลที่ 3 ได้ไหม: ออบเจกต์และฟิลด์เหล่านั้นสะสมการพึ่งพา (ระบบอัตโนมัติ การผสานรวม รายงาน เอเจนต์) และไม่นานคุณก็มีโมเดลข้อมูลที่ไม่มีใครออกแบบ มันแค่งอกขึ้นมาเอง

สถาปนิกต้องกล้าถามว่า “เราต้องการสิ่งนี้จริงหรือ?” บางครั้งการตัดสินใจที่มีค่าที่สุดคือการไม่สร้างอะไรบางอย่าง สถาปัตยกรรมที่ดีเป็นเรื่องของสิ่งที่คุณเลือกไม่ใส่พอๆ กับสิ่งที่คุณใส่

การรีวิวโดยมนุษย์ไม่ใช่พิธีกรรม

เมื่อผมบอกว่าสถาปนิกที่เป็นมนุษย์ควรรีวิวโมเดลข้อมูลที่ AI สร้าง ผมไม่ได้หมายถึง “AI สร้างมัน แล้ว Steve ดูไดอะแกรมห้านาทีแล้วอนุมัติ” นั่นไม่ใช่การกำกับดูแล สถาปนิกต้องเข้าใจโมเดล: ทำไมต้องออบเจกต์เหล่านี้ ทำไมต้องความสัมพันธ์เหล่านี้ พิจารณาทางเลือกอะไรไปบ้าง คีย์และข้อมูลหลักอยู่ที่ไหน จะเกิดอะไรขึ้นเมื่อปริมาณเติบโต ผลต่อการเข้าถึงคืออะไร และมีการแลกเปลี่ยนได้เสียอะไรบ้าง ถ้าผมตอบสิ่งเหล่านี้ไม่ได้ ผมก็ไม่ได้เป็นเจ้าของสถาปัตยกรรม ผมแค่ประทับตราอนุมัติ AI มีส่วนร่วมกับสถาปัตยกรรม ท้าทายมัน และจัดทำเอกสารให้มันได้ แต่สถาปนิกที่เป็นมนุษย์ต้องปกป้องมันได้

เรื่องข้อเท็จจริงก็เช่นกัน ผมใช้ AI ตลอดเวลาเพื่อเรียนรู้และค้นคว้า และกฎของผมคือเชื่อใจแต่ตรวจสอบ ถามคำถาม ขอคำอธิบาย ทางเลือก และให้มันท้าทายคำตอบของตัวเอง แล้วสำหรับอะไรก็ตามที่สำคัญต่อสถาปัตยกรรมของคุณ ให้ตามลิงก์ อ่านเอกสาร ตรวจสอบข้อจำกัด ยืนยันสิทธิ์การใช้งาน และทดสอบพฤติกรรม AI อาจน่าเชื่อถือมากในขณะที่มันผิด และการแยกข้อเท็จจริงออกจากสมมติฐานตอนนี้กลายเป็นส่วนที่ใหญ่ขึ้นของงานไปอีก

AI ไม่ได้ทำให้เส้นทางสั้นลง

มีประโยคหนึ่งที่ผมใช้เวลาพูดถึงการเป็นสถาปนิก:

AI ไม่ได้ทำให้เส้นทางสั้นลง แต่ทำให้ทุกก้าวมีความหมายมากขึ้นได้

คุณยังต้องเข้าใจข้อมูล ความปลอดภัย การผสานรวม แพลตฟอร์ม และธุรกิจ และยังต้องมีประสบการณ์ในการตัดสินใจและอยู่กับผลที่ตามมา AI ช่วยเร่งการเรียนรู้ของคุณ แสดงสถานการณ์ที่คุณยังไม่เคยเจอ อธิบายสิ่งต่างๆ ท้าทายคุณ ช่วยคุณสร้าง และเป็นตาคู่ที่สองให้คุณได้ ใช้มันให้หมด แค่อย่าสับสนระหว่าง AI ที่รู้คำตอบ กับคุณที่เข้าใจคำตอบ

สถาปนิกเป็นผู้กำกับ

เราเริ่มบทนี้ด้วยคนที่ถือพิมพ์เขียว AI มอบเครื่องมือใหม่ที่ไม่ธรรมดาให้คนคนนั้น: ผู้ช่วยที่วาดบางส่วนของพิมพ์เขียว ค้นคว้าวัสดุ เสนอทางเลือก คำนวณแรง เขียนเอกสาร และแม้แต่จับปัญหาที่คุณพลาดไปได้ ใช้มันเถอะ แต่ก็ยังต้องมีใครสักคนเข้าใจอาคารทั้งหลัง ถามว่ามันเป็นอาคารที่ถูกต้องหรือเปล่า รู้ว่าจะเกิดอะไรขึ้นเมื่อความต้องการเปลี่ยน และการตัดสินใจใดจะแก้ไขได้ยาก และรับผิดชอบต่อผลลัพธ์

นั่นคือเหตุผลที่ระดับสุดท้ายของหลักสูตรนี้ชื่อว่า Direct (กำกับ) คุณอาจไม่ได้เขียนโค้ดทุกบรรทัด สร้างทุก Flow หรือสร้างทุกออบเจกต์ แต่ก็ยังต้องมีใครสักคนกำกับโซลูชัน และคนนั้นคือสถาปนิก AI ไม่ได้กำจัดสถาปัตยกรรม แต่กำลังเปลี่ยนจุดที่สถาปนิกสร้างคุณค่า นี่เป็นช่วงเวลาที่พิเศษอย่างยิ่งที่จะก้าวมาเป็นสถาปนิก

สิ่งที่สถาปนิกต้องตัดสินใจในเรื่องนี้

• อะไรควรถูกสร้างขึ้นเลย ในเมื่อการสร้างมีราคาถูก: ออบเจกต์ ฟิลด์ และการผสานรวมใดที่สมควรมีที่อยู่
• ทางเลือกใดที่ AI สร้างขึ้นเหมาะกับธุรกิจนี้ และทางเลือกใดฟังดูเป็นไปได้แต่ผิด
• การตัดสินใจใดที่ AI กำลังเร่งผ่านไปซึ่งจะย้อนกลับได้ยาก
• เอเจนต์อ่านและลงมือกับอะไรได้บ้าง และข้อมูลดีและถูกอธิบายไว้ดีพอให้พวกมันทำเช่นนั้นหรือไม่
• ข้อเท็จจริงใดจาก AI ที่ต้องตรวจสอบก่อนจะนำมากำหนดการออกแบบ

นั่นคือการคิดแบบสถาปนิกในยุค AI