Microsoft trafił na pierwsze strony gazet, integrując ChatGPT, potężny duży model językowy (LLM), ze swoim pakietem deweloperskim Power Platform, zwiększając produktywność dla rozwoju low-code. Ogłoszenie to następuje po tym, jak ChatGPT napędził wyszukiwanie w Bing i zobowiązanie Microsoftu do zainwestowania miliardów w swoją firmę partnerską, OpenAI. Wraz z tym wydarzeniem pojawia się wiele pytań, zwłaszcza dotyczących wpływu integracji na platformy low-code i potencjalnych wyzwań, które mogą się pojawić.
Zagłębimy się w implikacje rozwoju napędzanego przez AI, omawiając korzyści i potencjalne zagrożenia związane z włączeniem LLM takich jak ChatGPT do frameworków rozwojowych low-code. Ponadto zbadamy, w jaki sposób może to zakłócić krajobraz konkurencyjny i podkreślimy kluczowe względy dla liderów dążących do przyjęcia tej przełomowej technologii.
Low-code Platformy programistyczne (LCDP), takie jak AppMaster, pozwalają na abstrakcję złożonych funkcjonalności w przyjazne dla użytkownika komponenty, zazwyczaj oferując drag-and-drop możliwości i szablony wielokrotnego użytku zarówno dla początkujących jak i doświadczonych programistów. Integracja ChatGPT z takimi środowiskami otwiera wiele korzyści:
Integracja ChatGPT wysłała falę na cały rynek, z gigantami technologicznymi odsłaniającymi własne generatywne rozwiązania AI. W rezultacie, rola platform low-code i AI w rozwoju oprogramowania jest przedmiotem debaty. Generowanie kodu w języku naturalnym mogłoby potencjalnie całkowicie zastąpić tradycyjne programowanie i rozwiązania bezkodowe.
Niemniej jednak, wydaje się, że najbardziej prawdopodobnym rezultatem są ulepszenia w całej branży oprogramowania, w której AI wspomaga LCDP, poprawiając doświadczenie programistów, dostosowane modele ML i inteligentne doświadczenia użytkowników końcowych. Firmy takie jak AppMaster już oferują potężne <a href=https://appmaster.io/blog/no-code-app-builder>no-code app builders i <a href=https://appmaster.io/blog/build-enterprise-software-with-no-code>enterprise application solutions, pokazując, jak to podejście może przynieść korzyści szerokiej gamie organizacji.
Jednak ogromne inwestycje Microsoftu w badania i rozwój AI mogą postawić mniejsze firmy LCDP w niekorzystnej sytuacji, jeśli nie wprowadzą one własnej integracji AI. W rezultacie brak funkcjonalności AI może doprowadzić do utraty subskrybentów lub współpracy z większymi pakietami technologii chmurowych w celu uzyskania dostępu i przechowywania danych.
Pomimo postępów, ChatGPT i inne generatywne modele AI nie są całkowicie godne zaufania. Obecnie użycie ChatGPT w PowerApps jest eksperymentalne, co oznacza status generatywnej AI jako pracy w toku. Biorąc pod uwagę potencjalne niedokładności, deweloperzy polegający na tych modelach mogą napotkać wyzwania.
Poza autorytatywnym tonem wyników ChatGPT, są one generowane z publicznie dostępnych informacji, które mogą zawierać błędy, pomyłki i nieefektywności. Co gorsza, ChatGPT może sugerować nieistniejące funkcje, jak to miało miejsce w przypadku dostawcy API do geokodowania - OpenCage. W związku z tym programiści muszą dostosować się do tworzenia i organizowania podpowiedzi i usuwania błędów, jednocześnie zmagając się z wyzwaniami związanymi z wdrożeniem i obawami dotyczącymi bezpieczeństwa związanymi z zależnościami od stron trzecich.
Zarządzanie jest niezbędne do zabezpieczenia platform low-code, ponieważ użytkownicy no-code mogą nie mieć odpowiedniego nadzoru nad bezpieczeństwem podczas przyjmowania nowych usług. W przypadku AI, złożoność techniczna wzrasta, co może prowadzić do naruszeń etycznych i nieracjonalnej komunikacji, jeśli nie jest starannie zarządzana.
Podczas gdy modele AI, takie jak ChatGPT, pewnie produkują dane wyjściowe, czasami dają nonsensowne lub niedokładne wyniki. Ciągłe sprzężenie zwrotne i przekwalifikowanie poprawi te dane z czasem. Inżynierowie muszą jednak pamiętać o eksperymentalnej naturze rozwiązań napędzanych przez AI i zachować ostrożność podczas wdrażania nowych innowacji AI do swoich projektów.
W miarę jak AI zmienia krajobraz rozwoju oprogramowania, programiści stają przed nowymi wyzwaniami przy jednoczesnym wzroście wydajności. Low-code rozwiązania, które oferują standardowe potoki dostarczania oprogramowania i scentralizowane funkcje współpracy, odniosą największe korzyści w tej ewoluującej erze. Firmy LCDP, które dotrzymują kroku rozwojowi AI, jak np. platforma AppMaster, i wprowadzają AI do swoich procesów pracy, są przygotowane na to, by dobrze prosperować w zmieniającej się branży.
