「Evolução da análise corporativa na era do Data Trust e AI”Discutiu o papel subjacente de dados confiáveis e por que a governança é importante para estabelecê-los. No entanto, não abordou os antecedentes por trás do fato de que a arquitetura corporativa (EA) poderia ser uma parte maior da solução, mas, sem intenção, contribuir para o problema, ou não ter sido mais importante para o desempenho, não é mais importante para o desempenho e fazer a diferença de que o desempenho não se adapta apenas ao desempenho, que não se adapta ao desempenho, não é o que se adapta e, no mesmo, não é o que se adapta e o desempenho do que o evoluia é que o EA não pode evoluir e fazer a diferença. Nos negócios do século XXI.
Uma análise calma e honesta do porquê revela que o valor potencial da EA não conseguiu integrar processos e abordagens do ponto de vista dos negócios. Isso apesar da adoção de uma metodologia que defendeu essa integração. Na minha experiência, a EA raramente funciona de forma consistente na maioria das empresas modernas que adotam modelos sustentáveis e orientados por valores.
Como ex -membro das organizações da EA nas indústrias de bens de consumo e automóveis das empresas da Fortune 500, eu estava sofrendo de confusão e frustração, bem como das partes interessadas de negócios que apoio. Havia mais perguntas do que respostas. Por que existe um apego dogmático e cego a estruturas como TOGAF, FEAF, Zachman, mapeamento de recursos e metamodelos na ausência de uma visão clara dos resultados dos negócios e da implementação real? Por que nos apegamos a conflitos territoriais baseados em padrões e conformidade de regras, em vez de abordagens ou parcerias realistas? Por que não trabalhar diretamente com os setores de negócios, incorporar e apoiar possibilidades viáveis e buscar “conseguir um assento no espaço de tomada de decisão” por meio de histórias práticas e mensuráveis de sucesso ligadas à realidade dos negócios?
Claramente, os sistemas inteligentes destacam a falta de orientação da EA e estão completamente presos nas intenções estratégicas por meio de dogmas, padrões e estruturas à custa dos resultados dos negócios. Peter Drucker, a autoridade administrativa comumente citada, já foiEle afirmou o seguinte:. “O maior perigo em um tempo de caos não é o próprio caos. Atuando com a lógica de ontem”. Precisamos de um novo manual que mude o jogo. O manual reconhece três princípios principais:
- Colocamos mais ênfase na entrega do que as abordagens dogmáticas. Quando os princípios arquitetônicos se tornam inflexíveis e obrigatórios, a criatividade e a capacidade de resposta são perdidas.
- Colocamos mais ênfase no praticaismo do que padrões. Expersão em “melhores práticas” pode impedir que as equipes se adaptem aos seus próprios contextos de negócios e às tecnologias emergentes.
- Concentre -se na flexibilidade sobre as estruturas. Obcecado excessivamente com a integridade da estrutura geralmente leva as equipes da EA a não serem capazes de responder rapidamente a novas oportunidades e ameaças.
GartnerSegundo o relatório, “mais de 80% dos CEOs esperam que a IA contribua para o crescimento das vendas até 2025, enquanto apenas 3% esperam que os CIOs façam o mesmo”. O Gartner aponta ainda que “a falta de confiabilidade nas práticas da EA pode ser difícil” para maximizar seu potencial.
Vi vários pontos de virada importantes para a EA (nuvem, API primeiro etc.), mas essa mudança se tornou uma realidade e está atualmente em andamento em tempo real. A EA, como todas as funções afetadas pela IA, está em um ponto de virada em sua razão de ser. À medida que os CIOs lutam com a adoção acelerada da IA, o aumento da complexidade dos dados e o aumento dos requisitos regulatórios, as estruturas e práticas tradicionais da EA tornam -se cada vez mais pronunciadas em discrepâncias com a velocidade e a escala das necessidades comerciais modernas. A fusão de IA baseada em agente, arquiteturas de dados de próxima geração e governança baseada em agentes criam uma repensação fundamental da posição da EA para criar valor.
A rápida evolução da IA e das tecnologias centradas em dados forçou as organizações a repensar a estrutura e a governança dos ativos da informação. As empresas estão passando de uma arquitetura de dados orientada a domínio na qual os dados são de propriedade e gerenciados por domínios de negócios para um modelo de dados centrado na IA/ML que requer integração de domínio cruzado em larga escala. Surge a questão se essa transição é compatível com as práticas tradicionais da EA. A resposta é que, apesar das tensões, essa mudança não é fundamentalmente inconsistente com a EA, mas exige uma mudança significativa na maneira como a EA opera.
Coloque entre EA tradicional e arquiteturas de dados conduzidas por cognitivamente
A arquitetura corporativa tem uma longa história de fornecer às organizações metodologias estruturadas para alinhar os sistemas de TI com objetivos de negócios, com foco em processos de negócios padronizados, governança de dados e pilhas de tecnologia. Arquiteturas de dados orientadas por domínio, como malhas de dados, atribuem a propriedade de produtos de dados a domínios de negócios, fornecendo agilidade e otimização local, mantendo os padrões de interoperabilidade e governança em toda a empresa. No entanto, essa abordagem pode causar silos de dados e fragmentação de governança, dificultando a realização de informações em tempo real e orientadas pela IA que exigem que os dados sejam distribuídos sem problemas entre as organizações.
Modelos de dados emergentes de IA: novas demandas e atrito
Os modelos de IA e aprendizado de máquina requerem acesso contínuo a conjuntos de dados grandes, diversos e bem governados. Esses modelos geralmente exigem que os dados se agreguem em diferentes domínios entre os limites definidos por arquiteturas orientadas por domínio. Isso é altamente contraditório à maioria do comportamento da EA e se deve principalmente a três fatores.
- Descentralização.As iniciativas de IA geralmente exigem lagos de dados centralizados, mas os modelos orientados a domínios enfatizam a propriedade descentralizada.
- Governança complexa.Os dados são federados entre os domínios e consumidos centralmente pelos modelos de IA, tornando ainda mais difícil garantir a qualidade dos dados, a linhagem de dados e a conformidade.
- Acesso de dados sob demanda.Os sistemas de IA exigem acesso e adaptabilidade de dados em tempo real, que podem entrar em conflito com as estruturas tradicionais da EA que são mais estáticas e centradas no processo.
Como a EA moderna pode preencher essa lacuna?
Dharani Pothula “Os arquitetos corporativos precisam estabelecer pipelines de dados robustos, aplicar padrões de qualidade de dados e implementar estruturas de governança que permitam que a IA opere efetivamente sem comprometer a segurança ou a conformidade”. A mudança para um modelo de dados centrada na IA não é inerentemente incompatível, não pelo design, mas por padrão, transformando a própria EA. Os principais analistas e profissionais enfatizam que a EA deve evoluir de revisões rigorosas e repetitivas e modelos estáticos para áreas mais dinâmicas, em tempo real e focadas em resultados.
Existem muitas oportunidades básicas e adaptativas de arquitetura na EA, mas elas requerem etapas evolutivas, flexibilidade e resposta que se concentram menos em estruturas, estruturas e estruturas organizacionais rigorosas. Como mencionado anteriormente, o conceito de incorporar ou vincular a EA diretamente nas funções de negócios links que funcionam à realidade e viabilidade dos negócios. Esse conceito de “fusão de EAS” significa que o EAS precisa ser colocado em uma forma de prática verdadeiramente ágil.
- EA moderna deve fornecer suporte flexível para vigilância global e domínios de negócios semi-autônomos e totalmente autônomos, fornecendo uma estrutura para compartilhamento de dados, governança de IA e colaboração entre domínios.
- Governança de dados baseada em IAautomatiza verificações de qualidade de dados, gerenciamento de metadados e monitoramento de conformidade para ajudar as equipes da EA a responder à crescente complexidade dos fluxos de dados de IA.
- Composibilidade e arquitetura nativa de nuvemé uma combinação que permite uma transição para designs modulares, API-primeiro e baseados em nuvem baseados em AI-OPS. Estes são mais adequados para os requisitos de análise de IA e em tempo real. A diferença se manifesta como uma arquitetura de empresas observáveis, inteligentes e dinâmicas.
- Arquitetura adaptativanão é mais apenas um exercício ideal de “roupas de deslizamento”. A IA está permitindo que o monitoramento em tempo real, análise e arquiteturas corporativas adaptativas, passando de documentos estáticos para um modelo vibrante e em evolução.
O que é a tecnologia do agente e o que significa EA? O mapeamento de capacidade tem desempenhado um papel fundamental na EA por muitos anos em alinhamento e transformação estratégica, roteiro, fusões e aquisições. No entanto, esses esforços podem ser tarefas analíticas de longo prazo que exigem alinhamento complexo de partes interessadas em várias divisões de negócios. Considerando as demandas de tempo, análise, documentação, comunicação e envolvimento das partes interessadas, processos, ferramentas e resultados são desafiadores, mesmo na melhor das hipóteses.
Então, como a tecnologia do agente muda isso? Sarah Shah, vice -presidente de estratégias de crescimento e expansão da Neudesic, disse que a capacidade dos agentes de aprender através da memória e reforço dos resultados permite que as organizações de agentes incorporadas se tornem empresas inteligentes e adaptáveis. Shah ressalta que “a transição da automação de IA para o agente AI representa uma mudança fundamental na maneira como as organizações se tornam inteligentes e dinâmicas”.
E as práticas de automação da EA? Os agentes impulsionam uma mudança fundamental da automação de fluxo de trabalho estática e vulnerável (RPA) para um modelo de orquestração entre plataformas em tempo real. De acordo com Jesse Shah, da AgilePoint, “as empresas não estão mais limitadas a fluxos de trabalho estáticos vinculados a um único ecossistema de fornecedores. Em vez disso, empregam uma estrutura combinada e abstrata que permite que agentes de diferentes plataformas integrem decisões em vários sistemas”.
O conceito de orquestração adaptativa em tempo real significa que a premissa do padrão da EA mudou fundamentalmente das regras estáticas e da orquestração para interações adaptativas entre agentes. Isso muda o foco para simulações por meio de aprendizado de reforço baseado em agentes, em vez de padrões estáticos, princípios, corrimões e governança. Os agentes aprendem através de “objetivos, planos, memória”. Por fim, se os agentes adquirirem a capacidade de adaptar dinamicamente sua arquitetura e fluxo de trabalho, o arquiteto deverá se concentrar em simular essas possíveis ações no ecossistema do agente e entender o risco e a recompensa. Padrões e princípios evoluem para arquiteturas dinâmicas como resultado da simulação e da auto-arquestração. É inegável que a agência é a mudança mais poderosa que vimos há algum tempo. Isso muda nosso foco por padrão para a importância da governança e o que isso significa na era da arquitetura cognitiva.
Qual é a nova relação entre a EA e a governança e como isso difere?
Até o momento, as organizações de arquitetura corporativa gerenciaram a governança de várias maneiras, incluindo os conselhos de revisão de arquitetura projetados para coordenar a supervisão, a tomada de decisão e a implementação padrão. Geralmente, são processos burocráticos de longo prazo, demorados e trabalhosos, nos quais a EAS navega dentro da empresa com direção e boa vontade. Esses processos quase sempre seguem políticas e padrões para garantir consistência, conformidade, gerenciamento de riscos e, em alguns casos, integridade estratégica.
A governança na arquitetura baseada em agentes reverte seu papel, mudando o foco do EA para a definição de autoridade de domínio para os agentes ingressarem no ecossistema. Isso inclui sistemas com os quais os agentes podem interagir, comandos com os quais podem executar, outros agentes que podem interagir, modelos cognitivos dependentes e definir metas. Para garantir que os agentes atuem como cidadãos corporativos apropriados, os arquitetos corporativos devem trabalhar com o departamento de negócios para definir parâmetros para o que os agentes podem e não podem fazer em nome do negócio.
Além disso, os relacionamentos e parâmetros devem ser “tokenizados” e a capacidade de executar essas ações deve ser autenticada. Em última análise, isso significa que a capacidade de executar, verificar e autenticar através da simulação será o próximo estágio ou evolução da governança da EA. Um equilíbrio entre as capacidades deliberadas do agente e o gerenciamento de riscos por meio de planos de execução garante vantagens competitivas, sem melhorar comportamentos ou resultados indesejados.
A evolução da malha de dados para o que o executivo sênior de tecnologia e o líder de pensamento Eric Broda chama de “agente Mesh” significa que os domínios de dados silenciosos são abstraídos por meio de agentes. Segundo Broda, “agentes e proprietários fornecerão ferramentas para mostrar que o agente está funcionando como esperado. Broda usa o termo” autenticação “em vez de” governança “”.
O caminho evolutivo pode não ser totalmente certo ou claro, mas empresas de sucesso e organizações de arquitetura corporativa são bem -sucedidas porque entendem como gerenciar a incerteza e evoluir à medida que os caminhos se tornam claros. Isso exige que os EAS sejam adaptáveis e, mais do que tudo, as organizações reconhecem gatilhos ambientais e técnicos que os tornam igualmente adaptáveis e competitivos no cenário contemporâneo da arquitetura cognitiva.
Este artigo é baseado em IASA Fórum de Arquiteto ChefeFoi criado em parceria com. O objetivo da CAF é examinar, desafiar e apoiar as artes e a ciência da arquitetura de tecnologia de negócios e sua evolução, bem como fortalecer a influência e a liderança dos principais arquitetos dentro e fora da profissão. A CAF é uma organização profissional sem fins lucrativos para arquitetos de tecnologia de negócios. foraÉ uma comunidade de liderança.