Návrh datového modelu je na rozjezdu nové implementace to nejzdlouhavější. Vlastní přemýšlení – které typy budou existovat, jaké vlastnosti ponese každý z nich, co na co odkazuje, jaká platí omezení – je opravdová duševní práce. Kolem ní je ale i pořádná porce čisté mechaniky: vypsat názvy vlastností, vybírat typy z nabídek, nastavit výchozí hodnoty, připravit pohledy, poskládat dotazy, které bude každý potřebovat. Právě mechanická část spotřebuje čas implementace, aniž by přinesla mnoho hodnoty – a přesně tam dokáže dobře navedený AI asistent pomoct. Implementátor popíše, co chce; AI navrhne, jak by to mohlo vypadat; implementátor to zkontroluje, upraví a schválí. Ze dnů nudného nastavování se stane rozhovor a výsledek zůstává celou dobu pod kontrolou člověka.
Popiš – navrhni – zkontroluj je základní princip. Implementátor napíše, co chce modelovat – „evidovat objednávky s položkami, zákazníky a událostmi dodání“ nebo „nábor, kde kandidáti procházejí fázemi navázanými na otevřené pozice“ – a AI navrhne konkrétní náčrt: typy, které z popisu odvodila, vlastnosti u každého z nich, vazby mezi nimi a dotazy i pohledy, které by se zjevně hodily. Implementátor návrh přečte, opraví, co nesedí, přijme, co sedí, a platforma změny uloží. AI dělá návrh, člověk rozhoduje. To rozdělení je správné, protože úsudek je tam, kde se lidská zkušenost hodí, a naklikávání detailů tam, kde ne.
Typy a vlastnosti z popisu jsou tím, kde je přínos nejvíc vidět. Popis firemního procesu běžnou řečí se převede na sadu typů s rozumně zvolenými vlastnostmi: jména jsou text, ceny jsou měna, data jsou data, stavy jsou výběrové vlastnosti s odvozenými možnostmi a odkazy na jiné typy se stanou vazbami. AI přitom bere v úvahu už existující typy prostředí – navrhované doplňky spíš odkážou na stávající typ, než aby zakládaly zbytečně nový tam, kde už jeden vyhovuje. Výsledkem je první náčrt, který obvykle stačí doladit, ne přepsat.
Připravené dotazy a pohledy posouvají tvorbu modelu o krok dál. Spolu s typy a vlastnostmi AI navrhne i běžné dotazy, které reálná implementace potřebuje – aktivní záznamy, záznamy podle stavu, nedávné záznamy, záznamy přiřazené přihlášenému uživateli – a k nim odpovídající pohledy. Model pro objednávky tak přijde s návrhem pohledu na všechny otevřené objednávky, na objednávky podle stavu i na dnešní dodání. Implementátor návrhy projde, nechá si, co se hodí, a jde dál. U té části implementace, kterou stejně nastavuje každý, tenhle základ ubere nejvíc opakované práce.
Automatizace ze záměru mění pravidla popsaná běžnou řečí ve funkční workflow. „Když se objednávka odešle, pošli zákazníkovi e-mail se sledovacím číslem“ se stane automatizací se správnou spouští, správnými podmínkami a správnou e-mailovou akcí – s tělem e-mailu připraveným podle příslušných šablon a se správně odkázanou vlastností s e-mailem zákazníka. „Jednou týdně pošli náborovému manažerovi přehled nových kandidátů“ se stane plánovanou automatizací s dotazem, šablonou a odesílací akcí. Implementátor vygenerovanou automatizaci zkontroluje, upraví detaily a spustí ji. To, co dřív znamenalo probírat se možnostmi v editoru automatizací jednu po druhé, teď rovnou vznikne jako funkční automatizace.
Kontrola před uložením je pojistka, která brání tomu, aby změny od AI model rozbily. Každý návrh se ověří vůči aktuálnímu stavu prostředí: kontroluje se referenční integrita, ověřuje se slučitelnost typů vlastností, respektují se role a oprávnění i další omezení stávajícího modelu. Návrhy, které by narušily konzistenci, se místo tichého uložení označí. Právě díky téhle kontrole se dají návrhy AI přijímat s klidem – platforma je prověří dřív, než se cokoli stane skutečností.
Náhled změn ukáže implementátorovi ještě před potvrzením přesně to, co se změní. Vypíšou se přidávané typy, přidávané vlastnosti u stávajících typů, vytvářené nebo upravované automatizace i pohledy, které přibudou. Implementátor vidí celý rozsah navrhované změny na jedné obrazovce, ne jen neprůhledné tlačítko „použít výstup AI“. Tomu, kdo právem čeká od svého prostředí, že ho nic nepřekvapí, dává tuhle jistotu právě náhled změn.
Postupné upřesňování umožňuje návrh dolaďovat v rozhovoru, místo aby ho člověk musel přijmout nebo zamítnout jako celek. „Přidej vlastnost priorita“ rozšíří stávající návrh. „Ať je adresa nepovinná“ ho upraví. „Přejmenuj typ Položka na Produkt“ ho poopraví. Každé upřesnění návrh na místě aktualizuje, náhled změn odráží novou podobu a implementátor se dopracuje k náčrtu, který skutečně sedí, ještě než ho uloží. Tenhle postup bývá rychlejší než psát vše ručně i než zápasit s jednorázovým výstupem AI, dokud náhodou netrefí to, co člověk chtěl.
Přímé rozšíření stávajícího modelu je běžný scénář, jakmile v prostředí nějaká implementace už je. AI navrhuje doplňky, které do stávajícího modelu zapadají, místo aby ho nahrazovaly. Když implementátor požádá o novou věc – „přidej vazbu recenze mezi zákazníky a produkty“ – AI rozšíří to, co je, zachová veškeré stávající nastavení a novou část přidá navrch. Prostředí se rozvíjí přidáváním; dřívější práce se pozdějším rozšířením s pomocí AI nezahodí.
Omezeno rolemi a prostředím. AI navrhuje jen takové změny, které by přihlášený uživatel mohl udělat i ručně. Kdo nemá oprávnění zakládat nové typy, může přes AI navrhovat změny stávajících, ale nemůže svou roli obejít tím, že AI požádá o něco, na co sám nemá právo. Kdo pracuje v jednom prostředí, nemůže přes AI sáhnout do jiného, protože AI se drží kontextu daného prostředí. Každé oprávnění, které platforma vynucuje u ruční práce, platí stejně i u práce s pomocí AI.
Úplný protokol. Každá změna vytvořená s pomocí AI se v protokolu událostí jako taková označí. Když typ vznikne postupem s AI, protokol zaznamená jak samotné vytvoření, tak fakt, že přišlo z AI, včetně popisu, který k němu vedl. Pro audity, které potřebují doložit, jak současný stav implementace vznikl, jsou změny od AI odlišitelné od těch lidských a plně dohledatelné. Právě tahle dohledatelnost dělá práci na modelu s pomocí AI přijatelnou i v regulovaném prostředí, ne jen v experimentálním.
Rozhoduje člověk. To je záměr: AI navrhuje, implementátor rozhoduje. Nic se neuloží bez výslovného schválení, každá změna je vidět v náhledu a každé upřesnění má v rukou člověk. AI je pracovitý spolupracovník, který rychle odbaví mechanickou část, ne samostatný agent, který rozhoduje bez dohledu. Pro lidi, kteří to budou denně používat, je právě tahle kontrola tím, co funkci dělá důvěryhodnou.
Pro implementátory, kteří chtějí rozjet novou implementaci rychleji, pro týmy, které svůj datový model upravují s tím, jak se firma vyvíjí, i pro každého, kdo chce trávit méně času proklikáváním nastavení a víc přemýšlením nad tím, co postavit, posouvá tvorba modelu a automatizací s pomocí AI náklady jinam. Související témata: článek o AI asistentovi popisuje konverzační rozhraní, článek o AI agentech a balíčcích se věnuje hotovým sestavám vytvořeným s AI, článek o automatizacích popisuje, čím se automatizace navržené AI nakonec stanou, a článek o objektovém modelu se věnuje stavebním prvkům, nad nimiž AI své návrhy staví. Model se navrhuje skoro sám – přesněji řečeno navrhne svůj první náčrt – a zbytek dodělá člověk.