Koniec z polowaniem na wiedzę

Gdzieś na 256. podstronie Confluence’a jest odpowiedź na twoje pytanie. Pytanie tylko, czy do niej dotrzesz i czy jest aktualna.

Architekt powinien projektować, podejmować decyzje i wspierać biznes. Tak zaczął Michał Grzybowski z Leroy Merlin. Od razu jednak dodał, że im większa firma, tym bardziej codzienność wygląda inaczej. Architekt spędza czas na szukaniu: jak coś działa, z czym jest zintegrowane, jakie systemy już mamy i czy przypadkiem w innym kraju grupy ktoś nie zbudował tego samego.

Razem z Alicja Dragan, PhD pokazali na konferencji „Analityk & Architekt w erze AI”, jak w Leroy Merlin ten problem rozwiązali. Było też demo na żywo działającego systemu, bez zbędnej teorii
)

Ile tej wiedzy jest?

Alicja zaczęła od liczb, które wiele wyjaśniają:

ponad 600 stron lokalnej wiedzy architektonicznej w wiki, ponad 750 bloków architektonicznych (ABB), z których buduje się rozwiązania, ponad 5000 produktów i komponentów cyfrowych w katalogu grupy, ponad 1500 integracji, i to tylko w Polsce. Leroy Merlin działa w międzynarodowej grupie, więc z każdym kolejnym krajem ta liczba rośnie.

Wiedza jest rozrzucona po Enterprise Architect, Confluence, Google Drive i repozytoriach kodu. Przy tysiącach komponentów łatwo przeoczyć jakąś zależność, a sprawdzanie zgodności ze standardami i Tech Radarem zajmuje mnóstwo czasu. Architekt przekopuje się przez dziesiątki linków i zastanawia, czy dokument, który właśnie znalazł, jest jeszcze aktualny.

Czterech cyfrowych pomocników

Zamiast jednego czatu do wszystkiego zespół zbudował czterech asystentów, z których każdy ma swoje zadanie:

Architecture Guide pomaga nowym osobom w zespole: tłumaczy standardy, narzędzia, spotkania i repozytoria. Architecture Advisor pomaga przy projektowaniu: wyszukuje istniejące komponenty i powiązania, żeby nie budować drugi raz tego, co już jest. Technology Advisor sprawdza, czy wybrana technologia zgadza się z firmowym Tech Radarem. Change Log co miesiąc śledzi, co zmieniło się w architekturze.

Pokaz na żywo

Na pytanie o obowiązki architekta Architecture Guide w kilka sekund podał listę obowiązków, dokumentów i spotkań, a pod nią linki do źródeł w Confluence. Każdą odpowiedź da się więc sprawdzić.

Potem Alicja wpisała problem biznesowy: trzeba monitorować drogę zamówienia ze sklepu internetowego aż do wydania klientowi. Architecture Advisor wskazał istniejącą platformę Supply Chain i komponenty logistyczne. Następnie zapytała o system magazynowy (WMS), o którym, jak to ujęła, „usłyszała na korytarzu”. Asystent porównał go z platformą, pokazał różnice i wypisał wszystkie systemy, z którymi WMS jest zintegrowany według Enterprise Architect.

Technology Advisor dostał pytanie o Google Cloud Scheduler. Odpowiedział, że ta technologia ma w Tech Radarze status „Hold”, odradził ją i zaproponował zatwierdzoną alternatywę.

Jest też coś, co zespół dopracował bardzo świadomie. Kiedy asystent nie ma danych w sprawdzonych źródłach, nie zgaduje. Odpowiada, że nie ma takich informacji, i wskazuje zespół, do którego warto się zwrócić.

Model nie jest tu najważniejszy

To była myśl, którą Michał chciał zostawić w głowach słuchaczy.

Pod spodem działa logowanie z uprawnieniami, wyszukiwanie w bazie wiedzy (RAG), baza synchronizowana ze źródłami (Sparx Enterprise Architect, Confluence, katalog produktów, Google Drive) i model językowy, w tym przypadku Gemini w Google Cloud. Ale, jak mówił Michał, cała wiedza i wartość są w danych i w tym, jak się nimi zarządza. Projekt udał się dlatego, że porządek w architekturze był zrobiony na długo przed pojawieniem się pomysłu na asystentów.

„RAG nie naprawia wiedzy organizacji. Pozwala po prostu szybciej z niej korzystać. Jeśli źródła są nieaktualne lub sprzeczne, odpowiedź asystenta dokładnie to powtórzy”.

Zasada, którą prelegenci powtórzyli na koniec, brzmi: najpierw dane, potem AI (Data first, AI second).

Comiesięczny raport zmian

Change Log działa bez udziału człowieka. Raz w miesiącu robi zrzut repozytorium Enterprise Architect i katalogu produktów, porównuje go z poprzednim i przygotowuje raport. Raport trafia na Google Drive i na maila. Można w nim zobaczyć:

ile komponentów dodano, zmieniono i wycofano, kto przejął odpowiedzialność za które systemy, jakie integracje się pojawiły, a jakie zniknęły, jakie trendy widać w architekturze.

Chodzi o to, żeby nikt nie zaczął projektować rozwiązania na komponencie, który tydzień wcześniej oznaczono do wycofania.

Co dalej: agent w procesie wdrażania kodu

Zespół ma też plany. Chce podłączać kolejne źródła (pliki CSV i Excel, strony zewnętrzne, diagramy), dobierać model do złożoności pytania, żeby nie przepłacać za tokeny, i udostępnić asystentów w Google Chat.

Najbardziej Michała, jak sam przyznał, cieszy inny pomysł: podłączenie agenta AI do procesu wdrażania kodu (CI/CD). Ma to wyglądać w dwóch etapach:

Agent przegląda zmiany w kodzie zgłaszane przez programistów, wyłapuje te, które wpływają na architekturę, porównuje je z modelem w Enterprise Architect i zakłada architektowi zadanie w Jirze z gotowym opisem zmian. Później agent sam przygotowuje aktualizację modelu i diagramu, a architekt tylko ją zatwierdza jednym kliknięciem.

Programista nie musi pisać dokumentacji, a architekt nie musi jej ręcznie przenosić. Dokumentacja nie rozjeżdża się z kodem.

Co zyskuje architekt?

Według prelegentów czas szukania wiedzy skrócił się z dni do minut, a przygotowanie decyzji i projektów z tygodni do dni. Do tego mniejsze ryzyko, że firma zbuduje drugi raz system, który już ma, mniej długu technologicznego i lepiej utrzymany katalog komponentów.

Michał zakończył zmianą pytania, które wszyscy zadają:

„Nie pytajmy: czy AI zastąpi architekta? Zapytajmy: ile żmudnego polowania na wiedzę możemy architektowi odebrać?”.

Pytania z sali

Jan Maria Kowalski, MBA zadał pytanie, które podrzucił mu ktoś z sali: po co wam jeszcze Sparx Enterprise Architect, skoro modele najlepiej radzą sobie ze zwykłym tekstem i kodem? Michał odpowiedział, że firma ma w EA ogromny dorobek i sprawdzony sposób zarządzania architekturą, i to działa. Może za jakiś czas dokumentacja będzie generowana na bieżąco z kodu, ale dziś EA jest dla nich źródłem prawdy.

Jak przenieść tę wiedzę do biznesu, żeby nikt nie musiał klikać w skomplikowane diagramy? Alicja odpowiedziała, że w ten sam sposób: przez asystentów dla biznesu. Skoro model umie czytać diagramy i integracje, można go nauczyć tłumaczyć je na prosty język.

Andrzej Sobczak zapytał, jak firma zgodziła się przetwarzać tak wrażliwą wiedzę w chmurze publicznej. Michał wyjaśnił, że była to strategiczna decyzja całej grupy. Google Cloud jest u nich globalnym standardem, zabezpieczonym odpowiednimi umowami.

To już 5 z 15 artykułów w ramach relacji z konferencji Analityk / Architekt w erze AI, która przyciągnęła ponad 4 tys. uczestników.