SoftServe: AI nu eșuează din cauza modelelor, ci a datelor. Cum se schimbă munca inginerilor în 2026

Industria datelor trece, astfel, printr-o transformare mai amplă decât simpla adoptare a unor noi instrumente AI. Schimbarea importantă este trecerea de la sisteme care foloseau datele pentru a informa oamenii la sisteme care pot executa singure decizii.

„Pe măsură ce organizațiile își bazează tot mai multe procese pe automatizare și AI, valoarea reală nu mai stă doar în colectarea sau procesarea datelor, ci în modul în care acestea sunt înțelese, guvernate și transformate în acțiuni de încredere. Adevărata provocare este să proiectăm ecosisteme de date care combină tehnologia cu claritatea semantică, disciplina inginerească și responsabilitatea față de deciziile pe care aceste sisteme le vor lua”, a spus Iryna Viblei, Principal Data & Analytics Solution Architect în cadrul SoftServe.

Mult timp, infrastructura construită în jurul datelor a avut rolul de a sprijini deciziile umane. Chiar dacă informațiile erau incomplete sau ambigue, un specialist putea interveni pentru a le interpreta și pentru a corecta eventualele probleme.

Acest model se schimbă pe măsură ce tot mai multe procese sunt automatizate. Prețurile pot fi ajustate în timp real, lanțurile de aprovizionare sunt rerutate automat, iar unele decizii de risc sunt luate în câteva milisecunde.

În acest context, datele nu mai trebuie să fie doar suficient de clare pentru a fi înțelese de un om, ci suficient de corecte și de fiabile pentru ca un sistem să poată acționa direct pe baza lor, au explicat specialiștii SoftServe.

Instrumente precum Cursor, Claude sau ChatGPT sunt deja folosite în activitatea de engineering pentru scrierea și verificarea codului, explorarea datelor sau depanarea pipeline-urilor.

Automatizarea simplifică o parte din sarcinile repetitive, dar mută atenția inginerilor către probleme mai greu de rezolvat: cum ar trebui să funcționeze sistemul, cum interpretează datele, unde pot apărea ambiguități și cum pot fi acestea eliminate.

În majoritatea echipelor SoftServe, folosirea instrumentelor AI face deja parte din modul curent de lucru.

Sarcinile de rutină sunt automatizate, iar specialiștii SoftServe se concentrează mai mult pe proiectarea unor sisteme solide și credibile. Astfel, rolul inginerului devine mai puțin legat de viteza cu care scrie cod și mai mult de calitatea deciziilor din spatele sistemului construit.

Una dintre problemele importante ale companiilor este lipsa unor definiții comune pentru date. Același indicator poate fi interpretat diferit de trei departamente, fiecare folosind propria metodă de calcul.

În sistemele tradiționale, această ambiguitate putea fi compensată prin intervenție umană. Agenții AI nu beneficiază însă automat de contextul existent în organizație.

Dacă semnificația unui indicator nu este definită clar, sistemul poate furniza constant rezultate greșite, fără să afișeze neapărat erori sau avertismente, au punctat reprezentanții SoftServe.

Din acest motiv, straturile semantice și metadatele devin esențiale pentru proiectele AI. Ele explică ce reprezintă datele și le conectează cu modul în care sunt înțelese în interiorul companiei, prin etichetare, urmărirea originii și a modificărilor și adăugarea de informații contextuale.

Arhitectura sistemelor de date se modifică, iar granițele dintre colectarea, procesarea și analiza informațiilor devin mai puțin vizibile. Datele sunt procesate și folosite de sistemele AI în cadrul aceluiași mediu, cu mai puține transferuri intermediare.

Această convergență simplifică anumite operațiuni, dar crește cerințele pentru infrastructură. Același sistem trebuie să poată gestiona volume mari de date, procesare în timp real și interacțiuni generate de agenți AI, fără să devină imposibil de administrat.

În acest context este folosit conceptul de „multimodal lakehouse”, o infrastructură în care datele structurate și nestructurate, alături de embedding-uri, coexistă și se modifică simultan. Organizațiile trebuie însă să poată reconstitui stările anterioare ale datelor și să înțeleagă cum au fost acestea schimbate în timp.

Construirea de la zero a unei soluții pentru fiecare proiect devine tot mai greu de susținut. Echipele ajung să rezolve în mod repetat aceleași probleme, folosind instrumente diferite pentru nevoi similare.

Prin urmare, companiile trec de la echipe care livrează proiecte punctuale la unele care dezvoltă infrastructură comună.

Acestea funcționează ca echipe de produs și construiesc fundația tehnică pe care celelalte departamente o pot reutiliza.

Inginerii nu mai dezvoltă astfel o soluție destinată unui singur caz de utilizare, ci o platformă care poate deveni punctul de plecare pentru mai multe proiecte, au mai spus reprezentanții SoftServe.

Pe măsură ce datele sunt utilizate pentru decizii automate, practicile specifice ingineriei software devin standard și în acest domeniu. Gestionarea versiunilor, testarea automată și integrarea continuă nu mai sunt opționale.

Un exemplu îl reprezintă contractele de date. Companiile stabilesc de la început structura, calitatea și actualitatea pe care trebuie să le respecte un set de date, iar condițiile sunt verificate automat. Astfel problemele pot fi prevenite înainte ca informațiile incorecte să fie procesate și folosite de un sistem AI.

Guvernanța este integrată încă din etapa de proiectare. Accesul, clasificarea datelor și protejarea informațiilor confidențiale sunt definite odată cu modul în care datele sunt modelate și procesate. Abordarea răspunde cerințelor de reglementare, dar și nevoii de a controla o infrastructură a cărei complexitate nu mai poate fi administrată manual.