Kompetens sitter sällan i verktyget – den sitter i förståelsen för data
Har man jobbat några år inom dataområdet och hoppat mellan ett par olika miljöer så vet man att det mesta egentligen bygger på samma principer. Visst, syntaxen skiljer sig. Gränssnitten ser olika ut. Men logiken bakom är densamma. Att byta ETL-verktyg eller plattform är sällan det som avgör om ni kan leverera värde.
Det som däremot spelar roll är om ni förstår datat:
- Hur hänger flöden ihop?
- Vad är en affärsnyckel?
- Hur ska historik hanteras?
- Hur bör modeller byggas?
- Hur påverkar datakvalitet hela kedjan?
Det är där kunskapen sitter. Jag brukar jämföra det med att byta bil – olika märken har reglage på olika ställen, på vissa sitter växelspaken på ratten och hyr man en bil i Storbritannien så är allt helt bakvänt, men de flesta bilförare klarar av reda ut det. Ni är troligen precis lika bra eller dåliga förare i en Skoda som i en Mercedes.
AI och AI-stödd utveckling förändrar inte detta
Nu pratas det mycket om AI, AI-stödd utveckling och att kodning håller på att bli “gratis”. Att det tekniska hantverket inte längre kommer vara något man kan ta betalt för. Jag tror det är en ganska farlig förenkling.
AI kan absolut generera kod. Den kan skapa pipelines, transformationer och datamodeller på några sekunder. Men om den som använder verktygen inte förstår datat, så kan resultatet bli precis hur som helst.
AI vet inte vilken affärsnyckel som faktiskt är rätt.
Den vet inte hur historik ska hanteras.
Den vet inte vilka regulatoriska krav som gäller.
Den vet inte hur olika källor bör harmoniseras.
Den vet inte hur arkitekturen behöver se ut för att hålla över tid.
Allt det kräver fortfarande erfarenhet och förståelse. Och ärligt talat: kodning har aldrig varit det svåra i vårt jobb. Det svåra har alltid varit att förstå verksamheten, datat och hur datat behöver behandlas i varje enskilt scenario.
Vi använder AI-stödd utveckling, men med dataförståelsen i botten
Vi jobbar förstås också med AI-stödd utveckling och följer utvecklingen noggrant. Vi testar olika verktyg, diskuterar vad som fungerar bra och mindre bra och försöker hela tiden hitta rätt sätt att använda dem i kundernas miljöer.
Men AI är ett verktyg. Inte en ersättning för kompetens.
Ju enklare det blir att generera kod, desto viktigare blir det att någon faktiskt vet vad som ska byggas, varför det ska byggas och hur datat behöver struktureras för att lösningen ska fungera över tid.
