Modeling Forum 2025参会报告 - 面向AI代理时代的新建模展望！

这是is开发者站点Advent Calendar 2025的第5天的文章。

上个月26日，UMTP主办的Modeling Forum 2025如期举办。

今年以“AI时代的真·数据建模是什么？”为主题，举办了多场演讲和小组讨论。

我当日也通过Zoom参与并观看了。本文将介绍几场演讲的内容并分享我的感想。

UMTP会长羽生田先生发布了“UMTP真·建模宣言”。

当日公布的UMTP真·建模宣言：演讲资料的截图

未来时代的基本素养是“读、写、AI、建模”。

宣言中还阐述了在可视化、假设检验与敏捷、与AI对话、模型驱动开发等方面，建模所发挥的作用。最后，他将建模作为通识教育，并将其定位为基本素养。

东京大学大学院信息学环境与跨学科信息学府的植原亮准教授做了基调演讲。

据说植原教授的著作「科学的思考入門」在第5章“以科学方式进行解释意味着什么”中讨论了模型^[1]。

• 科学的思考入門 (講談社現代新書 2765) | 植原 亮 |本 | 通販 | Amazon

演讲中首先定义了科学家探究的“狭义科学”和“广义科学（即日常使用的科学）”，并分别解释了两者使用模型的特点。前者的例子如基因分子模型，模型与机制的解释和理解直接相关；后者的例子如铁路线路图，将复杂的现实简化以便人脑处理。演讲中说明，这两类模型的两大特征都是抽象（abstraction）和理想化（idealization）。

后半介绍了概念工程。概念工程指的是以①分析与评价 → ②修订 → ③社会实施的流程来处理概念，演讲中对自由意志、创造性等概念的修订进行了说明。

感想：
第一次听说“概念工程”这个概念。软件工程中的模型专注于解决特定业务问题，但通过重复分析与验证来不断精炼（进化？）的过程似乎很相似。
时隔多年，再次有在听大学通识课程的感觉（小小感想）。

株式会社データアーキテクト董事长真野正先生的演讲。

他是《実践的データモデリング入門》一书的作者（DB Magazine，好怀念）。

• 実践的デ-タモデリング入門 (DB Magazine SELECTION) | 真野 正 |本 | 通販 | Amazon

演讲指出，在将企业数据提供给生成式AI并加以利用时，数据管理至关重要，主题是如何推动企业级数据建模。特别强调企业使用的数据不仅限于SoR的结构化数据，非结构化数据也在增多，并解释了跨系统构建一致性数据架构的必要性及推进方法。对于未来展望，演讲提出了这样的愿景：AI代理将承担数据架构的维护和质保工作，数据管理将通过AI代理的自律流程来运作。

感想：
在实际的AI导入项目中，总有乐观派期待“只要给AI喂数据就能得到惊艳结果”，也有冷静派认为“必须先整理数据，否则就是垃圾进垃圾出”。这与BI时代的情况相同，今后依然是重要课题。再说数据量巨大、系统繁多，不让AI协助整理根本不可能啊。

株式会社ウルフチーフ董事长川島義隆先生的演讲。

将领域建模分为概念、规范、实现三个层次，并将规范模型的构成要素定义如下：

规范领域模型由在某一抽象层级上描述的业务的

• 数据
• 行为
  组成

然后，介绍了基于Liskov的过程抽象的规范描述写法：

• 输入（数据抽象）
• 输出（数据抽象）
• requires：当输入非全域性^[2]时，写明该条件
• modifies：写明被修改的输入
• effects：写明对所使用输入的行为

然后，介绍了规范模型驱动设计：

外向内开发（Outside-in开发）：
在尚不了解业务核心概念的情况下，通过界面驱动/表驱动进行设计与开发 → 往往沦为接线式编程

内向外开发（Inside-out开发）：

• ①由人编写规范模型
• ②由AI根据规范模型编写展现模型（界面）
• ③由AI根据规范模型编写持久化模型（数据库）

感想：
这很像DbC（契约式编程）。与其在实现语言中苦练设计，不如让人专注于规范描述，由AI审查规范，再让AI用实现语言写代码，这个流程看起来颇为合理。在这样的世界里，能够撰写与实现语言无关的规范的人将占据优势。
真想要一种规范描述语言啊。至今仍有SIer以“详细设计文档”的名义，不断撰写连bug都无法察觉的文档，要是能让这种做法彻底消亡就好了。
如果川島先生出一本关于规范模型驱动设计的书，我一定会买来阅读。

株式会社風音屋董事长ゆずたそ（横山翔）先生的演讲。

科学専門書) | ローレンス・コル, ジム・スタグニット, 打出紘基, 佐々木江亜, 土川稔生, 濱田大

演讲内容是维度建模，讨论了如何定义事实表和维度，并强调在业务场景不断变化的时代，以敏捷方式进行数据整理的重要性。演讲还提到，虽然数据科学家费用不菲，但在数据分析方面，AI代理已经能提供相当可观的输出。只要建立可靠的数据源，让AI代理来执行，不仅更便宜，效率也更高。

感想：
这与真野先生的企业级数据建模颇为相似，但“敏捷数据建模”是其特色。确实，只要数据整理到位，数据分析就可以交给AI代理来完成。

エークリッパー・インク代表羽生章洋先生的演讲。

这是《楽々ERDレッスン》的羽生先生。据说他新写了一本关于需求定义的书。

• こんにちは！要件定義①【情報活用とデータベース編】 (ビジネス×IT企画) 単行本（ソフトカバー）

由于AI的出现，原本无法IT化的领域也可以低成本地开发应用。我们进入了由人主导上游工程的前置加载时代，上游工程和需求定义愈发重要。据悉，IPA的数字技能标准中，将数据库设计定位为所有商务人员都应掌握的素养。羽生先生目前致力于提升数字人才的素养，据说许多从未从事IT工作的人被任命为“你肯定对数字很了解，来负责DX吧”，因此感到困惑。

感想：
DX人才真是严重短缺啊（无语）。

株式会社バリューソース的代表董事兼社长神崎善司先生的演讲。

神崎先生曾任职于is，是我刚入职时的上司。他提出并实践了模型驱动的业务与系统可视化方法RDRA。

据说在最近的项目中，他们已决定将需求定义的所有工作交给AI代理。现在的流程是将AI输出的需求定义可视化，然后由人进行验证。据说当前的挑战在于如何为AI提供适当的上下文，以及如何理解AI的输出并进行纠偏。他在演示中使用了RDRA Graph作为需求可视化工具进行讲解。

RDRA - RDRAGraphツール

感想：
神崎先生对AI代理驾轻就熟啊。
RDRA查看器的动效太有趣，我根本没法消化内容。

后续的演讲和小组讨论由于我离开了未能收听^[3]，但通过已观看的演讲，我深刻感受到在AI代理时代到来之际，建模的重要性更加凸显。个人而言，我对川島先生的演讲印象最深。

在与Vibe Coding等AI代理协同工作时，语言沟通能力固然重要，但如果通过与AI共享模型，可以提高AI输出的质量并减少认知偏差，那么投入建模工作就是值得的，不是吗？

尽管“规范驱动开发”这一术语已被提出，模型驱动的规范驱动开发时代或许就要到来。