AI 時代的資料架構師
另有 28 種語言版本
English · Español · 日本語 · Português (Brasil) · Français · Deutsch · Italiano · 한국어 · 简体中文 · Português (Portugal) · Bahasa Indonesia · Türkçe · Polski · Tiếng Việt · ไทย · Nederlands · العربية · עברית · Українська · हिन्दी · Русский · Svenska · Dansk · Norsk bokmål · Suomi · Español (México) · Français (Canada) · Deutsch (Schweiz)
第 7 個模組，共 7 個，屬於 Data Architect 課程的第一章像資料架構師一樣思考。每個模組都可以單獨閱讀。 上一篇：瞭解你的工具：九個問題 · 下一篇：下一章：資料建模
**本模組回答的問題：**AI 為資料架構師改變了什麼，又沒有改變什麼？
AI 正在改變架構，但也許不是人們最初想的那種方式。
還記得本章的開頭嗎：我職業生涯的大部分時間都是一個構建者。在那段時間的大部分裡，構建軟體是昂貴的。你需要具備專門技能的人，寫程式碼、構建整合、建立應用和測試都需要時間；哪怕只是試驗一個想法，也是一筆不小的投入。AI 正在改變這個等式。今天，我可以描述我想要什麼，讓 AI 以驚人的速度生成資料模型、Apex、Flow、Lightning 元件、整合、測試或文件，而明天它還能做更多。
所以有理由問：如果 AI 能承擔這麼多構建工作，架構師會怎樣？我認為答案是：架構變得更重要，而不是更不重要。
AI 是火箭助推器
Section titled “AI 是火箭助推器 ”我在演講中用過這個類比：
AI 是火箭助推器。架構是制導系統。
AI 給了我們非凡的加速度。我們能以前所未有的速度生成應用、資料模型、整合、測試和文件。但火箭助推器不決定火箭該去哪裡，它只提供推力。決定航向、沿途修正的，是制導系統。
沒有可靠的制導，更多的推力幫不上忙，它只會讓你更快地到達錯誤的目的地。架構師的工作不是讓一切慢下來，而是確保我們在朝正確的方向加速。
圖片由 AI 生成。
想像一個 AI 工具，構建應用的速度比我們以前快十倍。如果構建的是正確的應用，那太好了。但如果資料模型錯了，或者我們選錯了標準物件，或者誤解了主資料該放在哪裡，或者設計在今天的資料量下能用、多一個零就崩潰呢？AI 並沒有消除錯誤。它幫我們更快地把錯誤建了出來，並且在任何人注意到之前，在錯誤之上又建了多得多的東西。
廉價的實現轉移了價值
Section titled “廉價的實現轉移了價值 ”當實現昂貴時，注意力自然會集中在實現上：誰能構建它，要花多久，到底能不能做出來。當實現變得更便宜時，另一個問題就更重要了：**我們應該構建什麼？**這是一個架構問題。
AI 可以生成二十個物件；資料架構師決定我們是否應該只有五個。AI 可以生成一個整合；架構師決定資料到底該不該被複制。AI 能在幾秒內建立一個欄位；架構師會問它是否有明確的含義、一個所有者和存在的理由。AI 構建我們要求的東西，所以我們提出要求的品質比以往任何時候都重要。
生成不等於判斷
Section titled “生成不等於判斷 ”AI 非常擅長生成選項，這極其有用。我讓它給出三種建模方式，列出權衡，質疑一個架構，告訴我資料達到 1 億條時會怎樣、設計可能在哪裡失敗，或者給我一個 Salesforce 不是記錄系統的替代方案。我希望架構師都這樣做。
但生成選項和評判選項是兩回事。AI 可以告訴我選項 A 和選項 B 各自能帶來什麼。但仍然需要有人足夠了解業務，才能知道哪些優勢重要，哪些約束是真實的，什麼風險可以接受，以及什麼時候一個答案在技術上說得通卻不適合這個組織。這就是判斷，這就是架構。
這一點在我自己的工作中是這樣體現的。過去一年裡，我已經不再親手寫大部分程式碼了。我把細節交給 AI，讓它生成介面和後端程式碼，它做得出奇地好。
但它不會退後一步，做更深入的分析。如果資料模型或設計裡有缺陷，它不會質疑。它把已經存在的東西當作前提，在此之上迅速而熟練地繼續構建。它很少會停下來說：「在我加上這個之前，你現有的模型也許值得改一改。」審視已有的東西，問它是否正確，而不只是問我們能否在它之上構建下一樣東西，這仍然是架構師的工作。如果你想讓 AI 質疑某個前提，你必須主動要求它這樣做。
可逆性測試依然適用
Section titled “可逆性測試依然適用 ”回到模組 3 的問題：這個決定以後要逆轉會有多難？AI 改變的是生成和修改軟體的成本，它不改變修改現實的成本。1 億條記錄一旦載入，就存在了。十二個系統一旦依賴某個識別符號，這些依賴就存在了。客戶一旦用上某個流程，或者分析一旦依賴某個欄位的含義，改動它就會有後果。而資料一旦被共用到不該去的地方，再多新程式碼也無法把它收回。
不可逆的依然不可逆。
代理程式是一種新的資料消費者
Section titled “代理程式是一種新的資料消費者 ”過去我們為兩類消費者設計資料：人和軟體。人讀取一條記錄；報表、整合或應用讀取資料。現在出現了第三類：代理程式。代理程式可能會檢索資料、解讀資料、把它與其他資訊結合、做出決定並採取行動，有時中間沒有任何人參與。
這提高了風險。一個欄位是什麼意思，誰擁有它，它有多新、多可信，它是否敏感，代理程式能不能、該不該看到它，兩個來源不一致時怎麼辦：這些過去只是文件，現在則是一個智慧系統理解業務的方式。
而壞資料不會因為 AI 讀取它就變聰明。垃圾進，垃圾出，依然成立。重複的客戶、不清晰的所有權、不一致的識別符號和相互衝突的記錄系統，並不會在你接入一個代理程式後消失；只是後果變得更顯眼了。一個人看一眼某個欄位，就知道三年沒人更新過它。代理程式沒有這種組織內部的常識，它可能會對所有人心照不宣地知道不可信的資料充滿自信地採取行動。資料架構成為 AI 架構的一部分。
警惕結構蔓延
Section titled “警惕結構蔓延 ”AI 也讓建立東西變得極其容易。需要再加一個物件、六個欄位、一個自動化？生成就是了。每個決定看起來都很便宜，但還記得模組 3 裡的架構引力嗎：這些物件和欄位會聚集依賴（自動化、整合、報表、代理程式），很快你就有了一個沒人設計過的資料模型。它只是自己長出來的。
架構師必須敢於問：「我們真的需要這個嗎？」有時最有價值的決定是不去建立某樣東西。好的架構，既在於你放進了什麼，也在於你留下了什麼沒放。
人工評審不是走過場
Section titled “人工評審不是走過場 ”當我說應該由人類架構師來評審 AI 生成的資料模型時，我不是指「AI 建立了它，Steve 看了五分鐘圖就批准了」。那不是監督。架構師必須理解這個模型：為什麼是這些物件，為什麼是這些關係，考慮過哪些替代方案，鍵和主資料在哪裡，資料量增長時會怎樣，存取方面有什麼影響，做了哪些權衡。如果我回答不了這些問題，我並不擁有這個架構，我只是蓋了個章。AI 可以為架構出力、質疑它、為它寫文件，但人類架構師必須能夠為它辯護。
事實也是如此。我一直在用 AI 學習和做研究，我的原則是信任，但要驗證。提出問題，要它解釋，要它給出替代方案，並質疑它自己的答案。然後，對任何對你的架構重要的事情，點開連結，閱讀文件，核對限制，確認許可，測試行為。AI 出錯時可能非常有說服力，而區分事實和假設，現在在工作中佔的分量更大了。
AI 不會縮短這段旅程
Section titled “AI 不會縮短這段旅程 ”談到成為架構師時，我常說一句話：
AI 不會縮短這段旅程。它能讓每一步都更有分量。
你仍然需要理解資料、安全、整合、平台和業務，你仍然需要做決定並承擔後果的經驗。AI 可以加快你的學習，給你看你沒遇到過的場景，為你解釋，向你發起挑戰，幫你構建，給你多一雙眼睛。把這些都用起來。只是不要把 AI 知道答案，誤當成你理解了答案。
架構師來指揮
Section titled “架構師來指揮 ”本章開頭講的是手握藍圖的人。AI 給了這個人非凡的新工具：一個能畫出部分藍圖、研究材料、提出替代方案、計算荷載、撰寫文件，甚至發現你漏掉的問題的助手。用它。但仍然需要有人理解整棟建築，問一問這是不是對的建築，知道需求變化時會怎樣、哪些決定撤銷起來代價高昂，併為結果負責。
這就是為什麼這門課的最後一個層級叫作 Direct（指揮）。你也許不會寫每一行程式碼、建立每一個 Flow、構建每一個物件。但仍然得有人指揮整個解決方案，而那個人就是架構師。AI 並沒有消滅架構，它在改變架構師創造價值的地方。現在正是成為架構師的非凡時刻。
架構師在這裡決定什麼
Section titled “架構師在這裡決定什麼 ”- 既然構建已經很便宜，到底該構建什麼：哪些物件、欄位和整合值得存在。
- 哪些 AI 生成的選項適合這個業務，哪些看似合理實則錯誤。
- AI 正在飛速掠過的哪些決定，以後逆轉起來會代價高昂。
- 代理程式可以讀取什麼、據此做什麼，以及資料是否足夠好、描述是否足夠清楚，能讓它們這樣做。
- 來自 AI 的哪些事實，在影響設計之前需要核實。
這就是 AI 時代像架構師一樣思考。