人工智能驱动的架构

2025-04-09

今天，我们无法避免人工智能（AI）。我们看到它在各个领域如雨后春笋般涌现。各种应用正在被试验，每一个微小的成果都被在社交媒体上热切分享。在建筑领域，生成性AI应用也是如此。那么，如果我们能利用AI让我们作为架构师的工作更轻松，那该多好？幸好，有了AI驱动的架构，我们可以做到这一点。

多样化的应用

有许多应用场景，生成性AI的使用可以发挥作用。例如，自动创建图表、创建功能模型和各种目录等。但同样有趣的是，AI可以用来解读一个组织的战略，利用AI的计算能力和算法来实现这一目标。

AI可以通过大幅减少解读战略计划所需的时间，来支持架构师的工作。它可以一键提取组织战略的核心元素。

传统方式

在我为《企业架构入门》一书创作时，我创造了一个虚拟公司。我的计划是让这个公司制定战略，并解决企业架构师必须解决的相关挑战，同时确保最终战略的实现。通过书中的方法，我想可视化架构如何帮助一个组织实现其战略。

因此，我为这个虚拟组织创建了一个虚构的战略计划，并采用传统方式设计了它的可视化：手工绘制。我需要将这个虚构的战略转化为一个实际的架构图，其中包含驱动因素、目标和任务。   

AI驱动的架构目标/任务图

驱动因素/目标/任务图

实践应用

在这篇关于AI驱动架构的博客中，我使用了刚才描述的情况。我取用了我书中不存在的组织的虚拟战略。然后，我要求ChatGPT为这个虚拟组织的战略计划创建一个可视化图。当然，在此之前，我给AI引擎提供了一些信息，让它能够理解其背景。我只是使用了书中的文本。

使用TOGAF标准

为了提供更多信息，我在创建我所需要的图表时，以TOGAF标准为起点。我希望——就像在我的书中一样——生成一个可以作为图表使用的结果，即驱动因素/目标/任务图。我告诉ChatGPT使用TOGAF标准作为生成图表的来源。

TOGAF标准是一个非常完整的企业架构框架。它允许架构师根据需要进行定制，以最大限度地利用其功能和适用性。该框架提供了各种图表、目录和矩阵，其中包括我所需要的驱动因素/目标/任务图的一个变体。TOGAF标准引用了一个类似的成果——驱动因素/目标/任务目录。

驱动因素/目标/任务目录的目的是提供跨组织的参考，展示一个组织如何通过目标、任务（以及可选的度量标准）来满足其驱动因素。

鉴于该框架的上述适应性，驱动因素/目标/任务目录的成果非常适合用作驱动因素/目标/任务图的基础。结合TOGAF标准的强大和灵活性，ChatGPT轻松生成了一个可以立即使用的输出。 

AI驱动架构ChatGPT输出

驱动因素/目标/任务图的文本表示

在ChatGPT生成输出后，我使用这些结果创建了下面的图表。AI工具对虚拟组织战略计划输入信息的解读非常出色。ChatGPT提取了我在书中写下的内容的精髓。除了大约三个不同的短语（ChatGPT对目标的措辞与我在书中的措辞有所不同，但其本质保持一致），AI工具成功地生成了与我手工绘制的图表完全相同的图表。

AI驱动架构对比

手绘图表与AI生成图表的对比

当AI为目标建议了不同的措辞时，我自己提出了不同的措辞。然而，两个版本的目标的本质是相同的。

结论

尽管生成性AI的可能性和适用性非常广泛且易于使用，但在我看来，它尚未带来它在社交媒体上被誉为的革命。例如，仍然需要对所使用的方法论有深入的理解和知识，以解读AI生成的输出。结果仍然需要经过验证才能使用。

所以，虽然使用AI来帮助设计架构（AI驱动的架构）无疑是可行的，并且确实加快了过程。但到目前为止，对我来说，它并不是一些人所说的那种“神赐之物”。或者至少，它还没有以释放其全部潜力的方式来使用。

Eric Jager是一位资深的企业架构专家及作家，拥有超过15年经验，著有《企业架构入门》及即将出版的《精通TOGAF®标准》。他持有Certified Master Architect、TOGAF® Practitioner等多项认证，并专注于将复杂商业战略转化为切实可行的架构解决方案