Murphyho zákon slepých metodik
Analytik, který zná postupy, ale nerozumí principům, vyrábí chyby dokonale, rychle a opakovaně.
A když je to AI, tak navíc i skrytě.
AI si je vždy jistá
Kdo chce nasadit AI do analýzy informačních systémů smysluplně, tedy aby v postupech analýzy skutečně pomáhala, narazí dřív nebo později na tutéž věc. Metodika, kterou má tým v hlavě, se musí vyslovit jinak, než jak se vyslovovala dosud, protože jí teď musí rozumět i AI.
Vedle základní otázky každé metodiky, tedy jak se to dělá, se tím dostává do popředí druhá otázka: proč se to dělá právě tak, a to jednoznačně, bez mlhavých pojmů. Bez odpovědi na tu druhou otázku chybuje i zkušený analytik. Občas si ale všimne, že si jistý není, a zeptá se.
AI si je jistá vždycky. Domyslí si to taky, jenže podle toho, co viděla jinde, a stav „tohle nevím“ sama od sebe nezná. A v tom je ten rozdíl. Proto musíte AI toho nezdravého sebevědomí zbavit a naučit ji, že „nevím, ptám se“ je jeden z povolených výsledků jejího výstupu. Není to selhání ani pobídka, aby si zbytek domyslela z nesmyslů. (podrobněji viz články o sémantickém determinismu).
Metodika s principy a s AI
Metodika postavená na principech, ze kterých se ostatní odvozuje, zákonitě snižuje entropii v práci celého týmu. Členové týmu, včetně AI, vědí, proč dělají to, co dělají, právě tak a ne jinak, a nemusí se na tom dohadovat u každého modelu znovu.
Vynucení principů je přitom vedlejší zisk, který stojí za víc, než se čekalo. Junior, který nastoupí, potřebuje totéž co AI: vědět nejen, co má udělat, ale proč se to dělá právě tak. Dokud metodika odpovídá jen na otázku „jak“, učí se junior nápodobou, trvá to roky a celou tu dobu dělá chyby. Vyslovené principy z toho udělají něco, co si přečte, a jeho práce se zlepší hned.
Pro vedení týmu z toho plyne ještě jeden důsledek, který se dá snadno přehlédnout. Metodika se sepíše, protože bez ní AI nefunguje, takže odkládat ji dál nejde. A protože analytik používá AI asistenta každý den, a ten mu pomáhá, opravuje ho a vede jej, učí se metodiku praxí při práci.
Každý analytik má k dispozici AI asistenta, který zná metodiky detailně do posledního slova, zná všechny již hotové analytické artefakty v projektu a umí zkontrolovat výstupy, poradit, opravit, napovědět, a to bez únavy a kdykoliv. Díky kontinuální práci s AI se zvyšování kvalifikace týmu nemusí vůbec plánovat (s výjimkou úvodního školení „jak se s AI spolupracuje“) a začíná se dít samo. To by vydalo na vlastní článek, tady to zmiňuji jen jako důsledek.
V AAF se tedy nezačíná u toho, co se má kreslit, ale u principů, které dávají odpověď na otázku „proč“. Všechno ostatní z nich plyne. Co z nich neplyne, je dohoda, která narušuje logiku stavby odspodu nahoru a kterou lze zpochybnit.
Tři principy modelování
Tři principy jsou tak základní, že se o nich obvykle vůbec nemluví, protože je přece každý analytik zná. Tedy přesněji, měl by je znát. Právě proto nejsou nikde zapsané, a právě proto se o ně AI nemá jak opřít.
Jedná se o tyto principy:
Princip Zrcadlení pojmů odděluje to, o čem lidé mluví, od toho, co systém eviduje. Nejsou to dvě podoby téže věci; jsou to dvě různé věci a analytik mezi nimi rozhoduje. Faktura, o které se mluví venku, a Faktura, kterou vede systém, to je jedno slovo pro dva různé pojmy, tedy homonymum se vším, co k tomu patří, včetně zmatení v tom, o čem řeč je a o čem řeč není. Dost podstatná věc hned na začátku analýzy.
Princip Předpis a jeho instance odděluje pravidlo od výskytu jako základní princip čisté logické stavby, jak fungují prvky a jejich vlastnosti. Např. faktura jako předpis má vlastnost číslo (každý výskyt ho bude mít), ale tahle konkrétní faktura jako výskyt předpisu má číslo 2026/001. Zní to triviálně, dokud se nezačne mluvit o seznamu typů dokladů anebo o více předpisech, které spolu interagují, např. přes Generalizaci (dědičnost).
Princip Objektové paradigma odděluje to, co každý prvek nabízí ven jako služby, od toho, jak to uvnitř dělá. Platí pro prvek jakéhokoli typu, nejen pro objekty v programování. Klient prvku vidí službu podobně jako tlačítko, ne mechanismus za ním. Platí to i obráceně: zevnitř zase není vidět, kdo je klient, který zmáčkne tlačítko. Z toho plyne anonymita klienta, tedy že se při návrhu vnitřku nelze spolehnout na to, jak se okolí bude chovat.
Když jsou principy vyslovené, stane se z nich etalon: pro analytika text, podle kterého se učí, pro AI podklad, ze kterého se píšou její skilly. Poprvé tak oba mluví stejným jazykem. V tom je celý vtip: AI nedostane vlastní pravidla, dostane tatáž pravidla, jen zapsaná tak, aby se podle nich dalo rozhodnout, a ne je vykládat po svém.
BTW: Má to i úsměvnou stránku. Když se analytik i AI učí z týchž pravidel (píšete metodiky a tvoříte odpovídající AI skilly), dělají zpočátku i tytéž chyby. Ne podobné, ale stejné. Po pár takových opravách si člověk musí připomínat, že na druhé straně je stroj. 🙂
Promoce s AI
Odtud plyne i to, proč má metodika tak přesnou stavbu odspodu nahoru, až do sebemenších detailů. Není to pedanterie. Věta, která připouští dva výklady, je pro člověka drobná nepřesnost, kterou v duchu (snad dobře) opraví. Pro AI je to rozcestí, kde si skrytě vybere cestu sama, a nikomu to neřekne.
Začínáme principem Zrcadlení, protože bez něj se ty další dva čtou hůř.
Princip Zrcadlení pojmů
Každý pojem, se kterým analytik pracuje, existuje ve dvou různých prostorech. V rovině řeči je to pojem tak, jak o něm mluví lidé v doméně, tj. zadavatel, uživatel, Product Owner. Existuje bez ohledu na systém a nikdo ho nezavádí, prostě se o něm mluví. V rovině evidence je to pojem tak, jak ho vede model, se strukturou a pravidly, o kterých rozhodl analytik.
Mezi nimi je zrcadlení, ne totožnost, a přechod z jedné roviny do druhé je rozhodnutí analytika. To je celý princip.
Zbytek nebudu převyprávět. Následuje jeho doslovné znění tak, jak stojí v metodice, a hned za ním předpis, podle kterého se rozhoduje AI. Právě o tom je tenhle článek: jedno pravidlo ve dvou zápisech, jeden pro člověka a jeden pro stroj.
Text pro analytika
Tato kapitola zavádí první ze tří principů modelování: zrcadlení pojmů mezi rovinou lidské řeči a rovinou evidence. Princip odpovídá na otázku, v jakém vztahu je to, o čem lidé v doméně mluví, k tomu, co o téže věci vede systém.
Princip platí pro každý pojem, se kterým model pracuje, nejen pro evidované pojmy vrstvy CLM. Stejně tak má svou řečovou a svou modelovou podobu proces i Use Case.
Zrcadlení pojmů
Každý pojem, se kterým analytik pracuje, existuje ve dvou různých prostorech.
Rovina lidské řeči je pojem tak, jak o něm mluví lidé v doméně: zadavatel, uživatel, Product Owner. Existuje nezávisle na systému a nikdo ho nezavádí, prostě se o něm mluví.
Rovina evidence je pojem tak, jak jej vede model: evidovaný pojem se svou strukturou a svými pravidly. Vzniká rozhodnutím analytika.
Mezi oběma rovinami je zrcadlení, nikoli totožnost. Přechod z první roviny do druhé je rozhodnutí analytika o tom, co se bude evidovat, v jaké struktuře a která pravidla reálného pojmu evidovaná podoba přebírá. Není to překlad ani opis.
Doména určuje, co je řeč
Rovina řeči je vždy řečí jedné konkrétní domény, tedy oblasti, kterou systém řeší. Doména se určuje předem; dokud není určena, není zřejmé, čí řeč je tou řečí, a princip nelze použít.
Doména nemusí být byznysová. Když se staví server pro zasílání zpráv, je doménou zasílání zpráv a v ní se běžně mluví o frontě a o zprávě ve frontě. Táž slova by v doméně prodeje vstupenek byla cizí. Zda je pojem v řeči doma, se proto neposuzuje obecně, ale vůči určené doméně.
Meze zrcadlení
Zrcadlení lze porušit ve dvou opačných směrech a každý znamená jinou vadu.
Evidence bez protějšku v řeči. Model zavádí pojem, o kterém v doméně nikdo nemluví. Nadsázkou řečeno, systém řeší něco, o čem není řeč. Chybou je, že pojem vznikl v modelu, přestože v doméně nemá původ.
Řeč bez protějšku v evidenci. V doméně se o pojmu mluví a systém jej potřebuje, ale model jej nevede. Je to chybějící evidence.
Vad, které vypadají jako chybějící opora pojmu, je v modelování víc druhů. Tato kapitola popisuje jedinou z nich: chybějící původ pojmu v řeči domény, tedy vadu na přechodu mezi oběma rovinami. Vady uvnitř samotného modelu sem nepatří.
Vlastní stavy evidence
Rovina evidence má vlastní život a smí obsahovat stavy, které v reálném světě protějšek nemají. Takový stav není porušením zrcadlení.
Příkladem je faktura. V reálném světě neexistuje faktura bez jediného řádku. Evidovaná faktura se ale zakládá prázdná a řádky se k ní přidávají; dokud řádek nemá, je nepoužitelná, přesto je to legitimní pracovní stav evidence.
Z toho plyne praktický důsledek: pravidla reálného pojmu se do modelu nepřebírají mechanicky. Analytik rozhoduje, která pravidla evidovaná podoba přebírá a ve kterém stavu životního cyklu platí. Tam, kde se struktura staví přírůstkově, se proto multiplicita neomezuje zdola.
Rozlišující znaky
Pojem v řeči je pojem tak, jak se o něm v doméně mluví; existuje bez ohledu na model. Evidovaný pojem je jeho modelová podoba, kterou zavedl analytik. Nejsou to dvě podoby téže věci; jsou to dvě různé věci ve dvou různých prostorech a odpovídání mezi nimi zavedl analytik.
Zrcadlení znamená, že každé podobě odpovídá druhá, ale ne ve všem. Totožnost by znamenala, že model je kopií reality; to neplatí, protože model je výběr a rozhodnutí.
Abstrakce nad řečí
Ne každý evidovaný pojem zazní v řeči jako slovo. Některé pojmy vznikají zobecněním toho, o čem se mluví, a přesto jsou správné.
V doméně telefonie se mluví o tom, že někdo někam volá, jak dlouho mluvil a kolik to stálo. Slovo hovor jako samostatná věc přitom zaznít nemusí; model jej zavede, protože je to zobecnění všech těch výpovědí do jednoho evidovaného pojmu. Stejně tak prvek fronty v doméně zasílání zpráv shrnuje to, o čem se mluví jako o zprávě, která čeká, než na ni dojde řada.
Zrcadlení platí i v těchto případech. Nezrcadlí se slovo, zrcadlí se skutečnost, o které se mluví.
Z toho plyne, jak se zakotvení pojmu posuzuje. Otázka nezní, zda dané slovo v zadání padlo, ale zda lze ukázat, z čeho v řeči pojem vznikl. Zakotvení je pak buď přímé, kdy pojem v řeči zazní, anebo nepřímé, kdy je pojem zobecněním několika věcí, o kterých se mluví.
Vymyšlený pojem je ten, u kterého původ ukázat nelze: v doméně se nemluví o ničem, z čeho by vznikl. Kde původ ukázat nelze, není to samo o sobě důkaz chyby, ale otázka pro zadavatele.
Rozlišující znaky
Abstrakce je evidovaný pojem se zakotvením nepřímým, tedy vzniklý zobecněním; jeho původ v řeči ukázat lze. Vymyšlený pojem takový původ nemá vůbec.
Nejčastější chyby
Vymyšlený pojem. Model zavede evidenci, jejíž původ v doméně nelze ukázat. Bývá důsledkem přebírání pojmů z jiného projektu nebo z technologie, která s doménou nesouvisí.
Zaměnění abstrakce za výmysl. Opačná chyba: pojem se škrtne proto, že jeho slovo v zadání nezaznělo, ačkoli vznikl zobecněním toho, o čem se mluví.
Chybějící evidence. Doména o pojmu mluví, systém jej potřebuje, model jej nevede.
Doslovný překlad zadání. Každé podstatné jméno v zadávací dokumentaci se stane evidovaným pojmem. Zrcadlení není překlad; o zavedení pojmu rozhoduje analytik.
Mechanické přebírání pravidel reality. Do modelu se vynutí pravidlo platné venku, aniž se posoudí, ve kterém stavu životního cyklu má platit. Typickým projevem je dolní mez multiplicity tam, kde se struktura staví přírůstkově.
Neurčená doména. Posuzuje se zakotvení pojmu, aniž je řečeno, čí řeč je měřítkem. Pak se technický pojem správné domény jeví jako cizí a naopak.
Skill pro AI
--- name: Zrcadleni-pojmu-skill description: BASE princip modelování. Každý pojem existuje ve dvou prostorech, v rovině lidské řeči dané domény a v rovině evidence modelu. Mezi nimi je zrcadlení, nikoli totožnost; přechod je rozhodnutí analytika. Skill dává test zakotvení pojmu (přímé, nepřímé, žádné), rozlišuje abstrakci od vymyšleného pojmu a určuje, co porušením není (vlastní pracovní stavy evidence). Použij, kdykoli se rozhoduje, zda pojem do modelu patří, a kdykoli se do modelu přenášejí pravidla z reality. --- # Zrcadleni-pojmu-skill ## 1. Pozice Zrcadlení pojmů je BASE princip modelování, tedy pravidlo o povaze modelu jako takového. Nestojí na ničem uvnitř AAF a platí pro každý pojem, se kterým model pracuje, nejen pro evidované pojmy vrstvy CLM. Tento skill je domovem principu. Prvky, které se o něj opírají, se na něj odkazují. ## 2. Dvě roviny Každý pojem existuje ve dvou různých prostorech: - **rovina lidské řeči** je pojem tak, jak o něm mluví lidé v doméně; existuje nezávisle na systému a nikdo jej nezavádí, - **rovina evidence** je pojem tak, jak jej vede model; vzniká rozhodnutím analytika. Mezi rovinami je **zrcadlení, nikoli totožnost**. Nejsou to dvě podoby téže věci, jsou to dvě různé věci ve dvou různých prostorech a odpovídání mezi nimi zavedl analytik. **Důsledek pro rozhodování:** z existence pojmu v jedné rovině neplyne automaticky jeho existence v druhé. Ani jedním směrem. ## 3. Doména je měřítkem Rovina řeči je vždy řečí **jedné konkrétní domény**, tedy oblasti, kterou systém řeší. - Doména musí být určena **dřív**, než se posuzuje zakotvení pojmu. - Doména nemusí být byznysová; u technického produktu je technická. V doméně zasílání zpráv je *fronta* běžnou řečí, v doméně prodeje vstupenek by byla cizí. - **Není-li doména určena, princip nelze použít.** Neurčenost se hlásí jako otevřený bod, neodhaduje se. ## 4. Test zakotvení (rozhodovací pravidlo) Pro každý pojem, který má být v modelu zaveden, platí otázka: **Lze ukázat, z čeho v řeči určené domény tento pojem vznikl?** Odpověď má tři výsledky: - **Zakotvení přímé:** pojem v řeči domény zazní. → zaveden správně. - **Zakotvení nepřímé:** pojem v řeči nezazní jako slovo, ale je zobecněním několika věcí, o kterých se mluví. → zaveden správně; jde o **abstrakci**. - **Bez zakotvení:** v doméně se nemluví o ničem, z čeho by pojem vznikl. → **vymyšlený pojem**, nález. **Otázka nezní, zda dané slovo v zadání padlo.** Zrcadlí se skutečnost, ne slovo. Test na shodu slov je chybný v obou směrech: vyrobí pojem z každého podstatného jména a zároveň škrtne správnou abstrakci. **Při nejistotě se nehádá.** Nelze-li původ ukázat ani vyloučit, není to samo o sobě důkaz chyby; drží se jako otevřený bod a rozhodne zadavatel. ## 5. Dvě meze, každá v jednom směru - **Evidence bez protějšku v řeči.** Model zavádí pojem, jehož původ v doméně nelze ukázat. Chybou je, že pojem vznikl v modelu. - **Řeč bez protějšku v evidenci.** Doména o pojmu mluví, systém jej potřebuje, model jej nevede. Chybí evidence. Obě meze jsou nálezem, každá s jiným řešením: první se řeší škrtnutím nebo doložením původu, druhá doplněním evidence. ## 6. Co porušením není Rovina evidence má **vlastní pracovní stavy**, které v reálném světě protějšek nemají. Takový stav není porušením zrcadlení. Vzorový případ: v reálném světě neexistuje faktura bez jediného řádku; evidovaná faktura se zakládá prázdná a řádky se přidávají. Prázdná evidovaná faktura je pro proces fakturace nepoužitelná, ale je to legitimní stav evidence. **Důsledek pro rozhodování:** pravidla reálného pojmu se do modelu **nepřebírají mechanicky**. Analytik rozhoduje, která pravidla se do evidence přenesou, v jakém tvaru a ve kterém stavu životního cyklu platí. Tam, kde se struktura staví přírůstkově, se multiplicita neomezuje zdola. ## 7. Rozsah Tento skill řeší vady, které vznikají **na přechodu mezi oběma rovinami**, tedy pojem zavedený v modelu bez původu v řeči a pojem, o kterém se v doméně mluví a v evidenci není. Vady, které vznikají **uvnitř jedné roviny**, sem nepatří a mají vlastní pravidla. Patří mezi ně například údaj, se kterým model pracuje, aniž má v modelu zdroj; to už je jiná vada a řeší se jinde. Slovo *původ* je v tomto skillu vyhrazeno pro vztah mezi řečí a evidencí. ## 8. Externí kotva **Primární zdroj:** AAF kapitola *Zrcadlení pojmů*. Sourozenci v téže vrstvě: *Předpis a jeho instance*, *Objektové paradigma*.
Proč na tom u AI záleží víc než u člověka
Analytik si tu hranici drží v hlavě, aniž o ní přemýšlí. Když čte zadání, automaticky rozlišuje, co je řeč zadavatele a co bude evidence. Tedy většinou, protože někdy i on se zmýlí a nechá se zavést do slepé uličky Product Ownerem, který jako laik mezi oběma rovinami nerozlišuje. Mluví o faktuře a nikoho nenapadne se zeptat, jestli je řeč o té papírové na stole, nebo o záznamu v systému.
AI to nerozlišuje, dokud jí to nikdo neřekne. Bez toho udělá jednu ze dvou věcí. Buď z každého podstatného jména vyrobí evidovaný pojem, protože zadání je pro ni seznam kandidátů. Anebo naopak škrtne správnou abstrakci, protože to slovo v zadání nenašla.
Obojí vypadá na první pohled jako odvedená práce. Rozdíl se pozná až o tři kroky dál.
Pokračování
V dalším díle přijdou na řadu zbylé dva principy, tedy „Předpis a jeho instance“ a „Objektové paradigma“, ve stejné dvojí podobě pro analytika a pro AI.
Nepřehlédněte webináře zdarma a praktické workshopy na tato témata
Napsat komentář