AI v AAF¶

Úvod¶

Analýza informačních systémů byla doposud volná textová a modelovací disciplína. Nějaká pravidla existovala (UML, BPMN, různé metodiky), ale jen jako rámec — „slohová" disciplína, kde co analytik napíše do modelu, to v modelu zůstane, i kdyby to bylo logicky nekonzistentní. AI v takovém prostředí může text „nějak domyslet", ale domýšlení je nedeterministické a chybové.

AAF zavádí jiný způsob spolupráce s AI: pomocí formálních vzorů zvaných Pattern for AI, které jsou tvořené podle univerzálního meta vzoru Pattern Metamodel (viz dále) — konstrukčně podobného MOF. To vede k unifikované, systémově přesnější stavbě deterministických pravidel (skills) pro AI.

Některé současné existující přístupy (zejména MDA) pracují také s přesným metamodelem, ale jen pro některé vrstvy (Class Model, LLA). Ale i tam se v praxi ukázaly jako příliš rigidní — vedly do slepé uličky Waterfall, neuměly řešit detailní odchylky ad hoc. V doménách HLA, BPM, UCM a v otázce udržení hodnoty užitku metamodel chyběl zcela. Volnost rámce převažovala nad přesností.

AAF přes vzory mění kvalitu této disciplíny. Přináší přesné definice pojmů, formální vzory (Pattern for AI) a matematickou logiku stavby pojmů odspodu nahoru (princip SRP). Tím se z analýzy stává disciplína, kde pokud je vzor správně napsán, AI nemá co domýšlet. Buď instance odpovídá vzoru (Ano → pokračuje), anebo neodpovídá (Ne → odchází). Determinismus, ne hádání.

Pro vývojáře, kteří chtějí v analýze spolupracovat s AI, je nyní jedinou otázkou: „Napiš dobré konstrukce ve vzorech a AI ti bude rozumět." Když napíšeš dobře, AI dělá dobře. Když napíšeš špatně, AI dělá špatně — ale deterministicky podle toho, co je ve vzorech.

Vibe Analysing™¶

Vibe Analysing™ je název pro tvorbu analytických artefaktů s AI agentem jako rovnocenným partnerem, analogicky k tomu, jak Vibe Coding označuje programování s AI agentem.

Vibe Coding měl náskok. Programovací jazyky už dávno mají to, co AI potřebuje: formální gramatiku, definovanou sémantiku, deterministická pravidla. Programování je v podstatě dosazování do vzorů s deterministickými pravidly. AI má proto ráda programování — najde tam stavební kameny, kterým rozumí. Vibe Coding je v důsledku daleko vpředu.

Analýza tento determinismus neměla. AI v analýze byla "halucinátor". Teprve Pattern Metamodel a Pattern for AI v AAF dělají z analýzy disciplínu se stejnou matematickou strukturou, jakou má programování.

Vibe Analysing™ je nyní v podstatě také programováním — budování artefaktů přes vzory a metavzory s přesnou syntaxí a deterministickými pravidly.

Týmový model¶

Vibe Analysing™ není izolovaná role. Je součástí týmového modelu, ve kterém existuje několik rolí (analytik, vývojář, tester, …) a každá role má svého AI asistenta:

Vibe Analysing™ — analytik + AI analytik
Vibe Coding — vývojář + AI vývojář
Vibe Testing — tester + AI tester
…

V týmu komunikují lidé mezi sebou přímo a AI agenti mezi sebou pouze přes artefakty (sdílení adresářů, soubory s definovanou strukturou). AI nemá vlastní autonomii nad rámec přesně povolených oblastí — minimální autonomie, maximální kontrola na straně role-člověka.

V tomto týmovém modelu je MDA jednou ze speciálních spoluprací — konkrétně transformace class modelů mezi vrstvami (např. analytický class model → JAVA Hibernate model). MDA tak není zrušená, je plně integrovaná uvnitř rolové spolupráce.

Pattern Metamodel¶

Pattern Metamodel je univerzální vzor pro vývoj AI v jakékoli věcné doméně, kde existují pojmy a vztahy. Definuje, jak se píšou Pattern for AI — jak se budují pojmy odspodu nahoru, jak se zavádějí vztahy mezi nimi, jak se zajistí deterministická interpretace.

Pattern Metamodel je doménově nezávislý:

vyvíjím AI pro analytické modelování IS → použiji Pattern Metamodel
vyvíjím AI pro práci se Sbírkou zákonů → použiji Pattern Metamodel
vyvíjím AI pro vědeckou taxonomii → použiji Pattern Metamodel

V každé doméně se mění obsah (jaké pojmy a vztahy AI bude znát), ale metoda zavedení znalostí do AI zůstává stejná. AAF je konkrétní aplikace Pattern Metamodelu v doméně analytického modelování IS.

Plná formální Definice Pattern Metamodelu — viz dále (glossary).

Pattern for AI¶

Pattern for AI je vzor chování vyjádřený logickým Class modelem (pomocí vzorů Class Model Lite) pro konkrétní typ artefaktu v dané doméně. Je to abstrakce — formální vzor, do kterého AI dosazuje generické parametry kompatibilně, bez improvizace.

Lidé pracují s paralelním zápisem téhož vzoru ve stylu GOF — induktivní extrapolace na konkrétních příkladech (ConcreteClass1, ConcreteClass2, …), AAF Lite syntaxe (BPMN AAF Lite, Class Model AAF Lite). Pro AI je k téže věci dostupný Pattern for AI jako formální metamodel.

Rozdíl je stejný jako mezi číselnou řadou zapsanou induktivně (1/1 + 1/2 + 1/3 + …) a zapsanou jako matematický vzorec (∑ 1/N pro N=1…∞). Lidé čtou indukci, AI čte vzorec.

Poznámka: Model Pattern for AI, jejich textový zápis a samotné skills nejsou součástí otevřené dokumentace AAF — jsou součástí placené licence. Detaily viz Licence.

Architektura a implementace Pattern for AI v AAF¶

Pattern for AI existuje ve vrstvené architektuře implementace:

Pattern for AI — logický Class model, vzor chování AI. Abstrakce, není ještě text.
Text ve skill — implementace Pattern for AI textem v jazyce AI, podle formálních pravidel zápisu class modelu textem.
Skill — kontejner (typicky .md soubor), obsahuje jeden nebo více Textů Patternů for AI. Mezi skills platí princip SRP (jeden skill = jedna odpovědnost) a DRY (žádné duplikace).

Pattern for AI není analogií programovacího jazyka — je to vlastní programovací jazyk pro AI postavený na mechanismu vzorů. Architektura implementace Pattern for AI (jako každý jiný software) prochází třemi vrstvami abstrakce odpovídajícími vrstvám AM–Design–Kódování:

Logický analytický AM Class model skills (0 % detailu implementace),
Text ve skill jako obdoba Designu (poplatný cílové technologii, kterou je tady jazyk AI),
Skill soubory jako obdoba Kódování do realizace (fyzická realizace ve formátu .md jako spustitelná knihovna pro AI agenta).

První klient dostává konkrétní artefakty Pattern for AI včetně skills — obecné (autorské, společné pro všechny klienty AAF) i firemně specifické.

Užitná hodnota AI v AAF¶

Co AI v AAF dokáže¶

Pattern for AI je otevřený rozšíření — nad přesně definovanými pojmy lze stavět další skills, které říkají, co s nimi konkrétně dělat. Je to obdoba Open-Closed principu: pojmová báze je uzavřená a stabilní, skill vrstva je otevřená k rozšiřování. Podmínkou je dodržení SRP — každý nový skill má jednu odpovědnost.

Díky této architektuře AI v AAF dokáže:

transformovat mezi formami a vrstvami abstrakce (text ↔ struktura, neformální popis ↔ formální artefakt, rozsáhlý dokument ↔ přehledná forma)
generovat návrhy artefaktů podle vzorů AAF
doplňovat chybějící části modelů
shrnovat rozsáhlé podklady do pracovních verzí
validovat konzistenci, úplnost, logické rozpory, soulad s pravidly AAF
identifikovat nejasnosti, rizika, mezery v zadání

Patterny v AAF¶

AAF Pattern for AI se aktuálně člení do kategorií:

Syntaxe AAF Lite:

BPMN Lite: Activity, Skládání, Sequence Flow, …
Class Model Lite: Class, Atribut, Generalizace, Odkaz do seznamu, Kompozice ku N, …

Architektonické vzory:

UC 1. druhu — cinknutí systému
UC Epic — hledání cinknutí

UC Scenario Patterns:

Výběr prvku
Založení prvku
Editace atributů
Exception Flow
…

Konzervativní architektura AI v AAF¶

AAF používá konzervativní model spolupráce s AI:

AI je asistent, ne autonomní agent.
AI může být orchestrátor v rámci přesně definovaných pravidel, ale nikoli mimo ně.
Člověk (analytik, vývojář, tester) je v dané roli šéf.
AI navrhuje, ale neschvaluje. Generuje, ale neurčuje směr.
AI nemá autonomii mimo výslovně povolené oblasti (human-in-the-loop).
Autonomie AI existuje pouze tam, kde je přesně definována a vysloveně povolena.

Tato konzervativní architektura je viditelná v týmovém modelu (obrázek pyramid výše): šéfové nahoře jsou lidé, AI agenti dole jsou asistenti, komunikace AI–AI probíhá pouze přes artefakty se sdílenou strukturou. Žádné „AI rozhodlo", žádné „AI samo nasadilo". Model je bezpečný, predikovatelný a profesionální.

Princip nasazení AI v AAF¶

Nasazení AI agenta AAF do firemního prostředí stojí na vrstvovém modelu skills:

Obecné skills (autorská vrstva) — společné pro všechny implementace AAF, obsahují Pattern for AI pro syntaxe AAF Lite, pro architektonické vzory (UC 1. druhu, UC Epic) a pro UC Scenario Patterns. Tuto vrstvu skills garantuje autor AAF, jsou autorské — klient má časově neomezené právo užití.
Firemně specifické skills (klientská vrstva) — vznikají ve spolupráci s klientem, obsahují doménové vzory a artefakty konkrétní firmy. Vlastníkem se stává firma.

Role autora AAF při nasazení:

správná interpretace pravidel AAF v dané firemní situaci,
návrh a úpravy Pattern for AI,
konzistence mezi paralelními zápisy (AAF Lite pro lidi, Text ve skill pro AI),
kompatibilita s budoucími verzemi AAF,
metodické vedení při rozšiřování firemních skills.

Role klienta: znalost vlastní domény, doménová data, znalost technologie AI agentů, integrace AI agenta do firemních procesů.

Tato vrstvená architektura zajišťuje, že obecné AAF know-how zůstává konzistentní napříč implementacemi, zatímco každá firma získá AI agenta přizpůsobeného svým artefaktům a procesům.

Pohled za 1.0¶

AAF 1.0 je zaměřená na Vibe Analysing™ — tvorbu analytických artefaktů s AI. Stejný princip (Pattern Metamodel + Pattern for AI + skills) lze přirozeně rozšířit na propojení s Vibe Coding — mapování analytických artefaktů (např. analytický class model) na vývojové artefakty (např. JAVA Hibernate model) pomocí transformací typu MDA, ale v rolové spolupráci, ne v rigidním nástroji. Detaily tohoto rozšíření jsou mimo rozsah verze 1.0.

AAF roste podle potřeb firem — ne jako univerzální nástroj, ale jako metodický základ pro systematickou spolupráci s AI v analýze a postupně i v navazujících rolích.