MACH 3.0

Contents 3 Introduction 4 VML ， AI 和 MACH ： 我们的故事 6Section 1:上下文中的创新 10Section 2:MACH 和 AI - 完美匹配 14Section 3:AI 应用程序如何在 MACH 世界中蓬勃发展 21Section 4:在 MACH 环境中嵌入 AI 的实际注意事项 27Section 5:为什么企业信任 VML 作为他们的创新合作伙伴 Introduction 人工智能已成为变革者，承诺彻底重写技术交付商业解决方案的规则手册。但这也本身提出了问题和挑战。世界各地的人们都在询问：我如何从这项技术中获得价值？我如何实现差异化？人工智能将如何影响我的客户和业务？我又需要在哪些方面进行改变？ 欢迎来到 MACH 3.0 ， 这是 VML 为第三届年度 MACH 联盟会议 MACH Three 制作的特别报告。 参与聚焦平台架构前沿的活动令人无比兴奋，能够分享我们最新的关于MACH原则的想法以及可组合方法在商业和体验领域中的应用，更是让人感到激动。 这些问题的答案本身已经成为创新和实验的驱动力。MACH 为企业提供了自由空间，使其能够尝试人工智能并探索从中获得价值的领域。 从我们的角度来看，作为拥有超过10年帮助客户实现模块化旅程的commerce和experience基础设施专家，我们目前看到越来越多的企业在其MACH部署中达到成熟阶段。最新的MACH联盟数据显示这一点——49.35%的前端技术和49.62%的后端技术堆栈现在已经实现了模块化。 这是MACH 3.0——通过利用MACH架构来创造加速创新的空间，定义了 composible 进程的新阶段，并且更加具体地通过AI驱动价值竞赛。这也表明，MACH 不再仅仅是一种IT差异化因素。对于希望在AI时代 thriving 的组织而言，它现在已经成为一种业务差异化因素。 但这一趋势正推动一个更为显著的趋势。得益于成熟MACH环境固有的灵活性，我们看到越来越多的组织在其技术部署中探索可能的艺术，并通过这种方式释放创新的力量。 这一点在可组合架构与人工智能采用之间的迅速 emergent 关系中表现得尤为明显。 VML ， AI 和 MACH ： 我们的故事 AI 不仅仅代表业务用户进入未知领域。它还标志着技术架构师、工程师和数字解决方案专家等我们这类人士的基本转变。在一个自然语言成为新编程语言并驱动新的软件规范的世界中，我们不得不适应一种全新的技术工作模式，以更好地为客户提供服务。 always 在VML，我们以领先于曲线为傲。我们已经制定了一种关于AI的思维方式和工作方法，专注于消除许多复杂性。这建立在我们丰富经验的坚实基础上，不仅包括工程和架构，还包括解决问题和创新。 我们的首要目标是将AI解决方案置于当前的业务问题背景下。AI带来了新的技术、新的解决方案、新的应用场景以及效率和差异化的新机会。但这些好处并非自动实现。在使用任何技术（包括AI）时，识别业务价值并进行全面规划和测试以确保其实现是最为重要的。 为了实现这一目标，我们开发了一个五阶段框架来与AI合作。如以下图表所示，我们将这一过程可视化为一个“金字塔”，以展示各个阶段如何相互支持并逐步构建。 我们已将这种指导性的思维方式应用于广泛的案例中——从企业的配送路线优化一直到为工程师开发的代码生成工具。我们的框架为AI的采用提供了一种结构化的方法。通过理解和解决每一层的问题，企业可以 navigatethe complexities of AI adoption，确保其AI之旅能够带来实际效益并推动业务增长。 VML EMEA 首席技术官尼克 · 哈利 质量属性(安全性、性能、 QA 等) 用例 ：AI解决方案的成功取决于与业务目标的契合，包括明确的应用场景。如果没有这一点，就存在部署缺乏实际商业价值的技术解决方案的风险。这一层强调了必须以业务需求为导向，例如成本降低、流程优化、提高质量或获得竞争优势。 渠道集成和支持 ：这一层突出了考虑AI服务如何交付给最终用户以及所需保护和质量保证的重要性。这是我们将技术解决方案过渡到最终用户领域的开始。随着解决方案变得更加实际，这一层中存在大量的创新可能性。 AI 模型和服务选择 ：在数据、技术选择以及构建 vs. 微调和完善 ：这一层强调了非传统的AI模型 数据审核、过滤、摄取:基础层强调了数据在AI应用场 景中的关键作用。不仅仅是数据的数量，更重要的是数据的质量。数据犹如AI的“食物”，训练其行为。因此，每一个VML AI项目都始于数据——没有这一坚实的基础，即使是最复杂的AI模型也会失效。 购买决策方面至关重要。做出正确的决策需要具备从软件架构中转移过来的能力，以及对AI工具、平台和API的专家知识。MACH原则相比将AI引入单一架构而言，可以使变革更具非侵入性。 几乎肯定需要根据特定的企业需求进行定制。AI服务很少是即插即用的，但通过正确的数据和训练，它们可以针对具体需求进行微调。这一层还突显了可能需要掌握不熟悉的技术和方法的需求。 Section 1:上下文中的创新 Section 1: 上下文中的创新 在探讨MACH和AI为何如此契合之前，让我们先从各自与创新的关系入手，看看创新是如何塑造企业对于技术能力演进的思考方式的。 创新的压力和速度 企业比以往任何时候都感受到更大的压力，需将创新置于业务的核心。更重要的是，它们感受到必须加快创新的速度的压力。 这种压力来自于数字市场的竞争加剧，也来自于用户/客户期望的提高。我们的“颠覆性技术”调查证实了这一点，87%的企业领导人认为消费者现在期望在购物体验中不断有创新周期。根据MACH联盟的年度调查，90%的全球IT决策者认为客户和最终用户的期望始终在增加，并且相似的比例认为不进行创新的企业将被市场淘汰。 此外，87%的人认为能够快速交付创新非常重要，而82%的人表示对经济的担忧加速了适应和现代化IT基础设施的需要。 MACH 的作用 MACH联盟还发现，IT和业务领导者正在强烈而明确地将创新的需求与其希望拥抱MACH的愿望联系起来。77%的公司表示这种愿望在过去一年中有所增加，53%的公司认为更快地进行创新是采用MACH架构的关键驱动力。 MACH相关的讨论范围扩大了。我们开始看到营销和业务人员参与关于MACH及其能带来的变化的讨论。采用MACH正在推动组织内的变革。 MACH基础设施提升了创新的速度，因为它们允许你在不影响其他环境的情况下对特定的应用程序或服务进行渐进性的修改。这对于快速原型开发等开发方法来说非常理想。通过渐进式的工作方式，开发团队能够更接近业务目标，从而增加创新成功的机会。 杰森 · 施洛瑟VML 执行董事E:jason. schlosser @ vml. com 因此，MACH 不再仅被IT圈视为差异化因素。 increasingly，它被视为可以在整个业务中产生影响的东西。 人们关注创新将采用MACH方式工作，因为这是现代开发工作的模式。当以模块化的方式构建基础设施时，可以更快地进行逐步更改。 E: miriam. mcginty - lowe @ vml. comMiriam McGinty - LoweVML 云工程主管 有两个驱动力促使每个人都希望以快速的速度获得最新的解决方案。显然，客户希望快速满足市场需求。但它们也希望采用最新的技术。而在人工智能领域，这些技术正在以非常快的速度成熟——几乎每隔两周就有一个新的版本发布。因此，高速度的创新很大程度上取决于你如何利用新技术，这一点在人工智能方面尤为重要。 AI 的作用 不断增强对MACH作为创新推动者的信任与商业领导者看待AI的方式相匹配。商业和贸易圈内关于AI的诸多讨论主要集中在它通过高级个性化、减少客户旅程中的摩擦、实时激活和自助服务等方式来实现与不断变化且日益增长的消费者期望相一致的下一代体验的潜在能力上。 亚历山大 · 布莱尔AI 架构师 ， Satalia - VML 公司E: alexander. blair @ vml. com 同时，人工智能还通过提升性能和效率为企业释放巨大的价值。智能自动化、预测分析、内容创作与整理、持续优化等技术，都有助于组织通过数据驱动的决策来激发创新，并缩短解决方案推向市场的时间。 但AI在创新争夺战中所扮演的角色还有一面——即AI本身的变化速度。公司战略和方法正受到市场中一波又一波AI创新浪潮的影响。 Satalia,一家VML公司利用AI解决复杂问题。这意味著找到专家咨询与前沿技术的最佳组合——包括数据科学、定制AI算法、机器学习、模拟、优化以及数字孪生。 每家公司都在努力弄清楚如何以及在哪里将其现有的AI功能整合到其平台中。与此同时，有大量的新创业公司、新的应用和新的公司正在尝试通过新的AI应用来解决特定的问题。 它拥有世界上为数不多的真正具备端到端数据科学和优化能力的组织之一。正是凭借这种能力，它为一些全球最大公司（包括Tesco、普华永道和Openreach）提供了可在实际环境中大规模运行的AI解决方案。重点关注的领域包括物流与运输、劳动力管理以及现场服务。 Section 2:MACH 和 AI - 完美匹配 Section 2: MACH 和 AI - 完美匹配 在可组合的基础上构建 AI 因此，正如我们所见，可组合架构和AI各自在释放和推动创新方面有自己的故事。但真正的魔力在于它们的结合。 MACH 架构是集成AI解决方案的默认模型。可以这么说，如果你从事AI相关工作，将会考虑应用MACH原则。 它几乎是一种共生关系。MACH 提供了大规模快速和增量部署的灵活性，鼓励实验和持续改进。AI 则带来了数据驱动的智能，用于快速分析和自动化新的实施。两者相乘对方的影响，结果是创新速度的加速。 这是因为，在大多数情况下，AI 以现有应用程序的形式可供最终用户使用，并可以通过将这些应用程序插入现有的技术栈中以“即服务”的形式加以利用。这是一种组合式方法，无论您是使用基于云的 AI 工具、通过 API 连接它们，还是采用完整的微服务架构。 让我们更深入地研究它是如何工作的。 即使企业在自行构建AI工具时，也普遍会将其封装在API中，以便在不同应用场景之间轻松迁移。此外，可组合的架构也有助于打破功能和服务之间的孤岛，使得在整个业务范围内更易于应用AI。 大多数情况下，我们利用现有的AI产品作为服务，在可组合的上下文中进行构建，本质上是以模块化的方式将AI嵌入作为微服务。另外有些时候我们会自己构建AI模型，特别是在计算机视觉模型方面，我们会频繁地进行训练，并将模型封装成API以实现可组合性和集成。 杰森 · 贝德尔首席建筑师 ， VMLE:jason. bedell @ vml. com 使用 MACH 和 AI 解锁值 到目前为止，已经明确地认识到MACH不仅仅代表技术上的升级。可组合架构帮助确立了数字开发中新的工作方式，如敏捷开发（Agile）、DevOps、快速原型设计以及持续集成/持续部署（CI/CD）成为标准实践。MACH 的内在灵活性——它打破不同功能之间的壁垒并允许定制——促进了业务和IT职能的融合，并使生产过程变得更加迅速且更加精准地满足业务需求。 MACH 架构主要关于连接各个组件。例如，在一个典型的可组合commerce堆栈中，你拥有商务引擎、产品信息管理系统（PIM）、内容管理系统（CMS）、网络管理系统（NMS）和客户关系管理系统（CRM）等，这些可能是各自独立的服务，都需要进行协调和编排。 将AI纳入其中有望将这些优势提升到另一个层次。AI最擅长的是快速处理大量异构数据，并基于预期结果使用这些智能做出决策——这正是面向创新的数字生产所需要的。在我们的独立调查中，“加快决策制定”被列为AI的最大益处，获得了37%的投票支持。从原型设计、设计、测试一直到生产（甚