W świecie tworzenia oprogramowania rozwiązania low-code zyskały na znaczeniu dzięki poszerzeniu dostępności programowania i wypełnieniu luk rozwojowych. Gartner przewiduje, że rynek rozwoju low-code osiągnie 26,9 mld dolarów do 2023 roku, a do 2024 roku 65% aplikacji będzie tworzonych przy użyciu tych platform. Jednocześnie narzędzia do generowania kodu oparte na sztucznej inteligencji, takie jak GitHub's Copilot i OpenAI's ChatGPT, zyskują na popularności, oferując zaawansowane autouzupełnianie i asystentów kodowania napędzanych przez AI.
Biorąc pod uwagę ten nowy paradygmat, czy platformy programistyczne low-code nadal mają znaczenie w branży oprogramowania? Czy mogą one współistnieć z pojawiającą się technologią napędzaną przez AI? Odpowiedź leży w zrozumieniu komplementarnej natury rozwiązań low-code i AI-driven oraz tego, jak współpraca między nimi może prowadzić do unikalnych i innowacyjnych aplikacji zajmujących się prawdziwymi wyzwaniami biznesowymi.
Chociaż ogólne algorytmy mogą dawać imponujące wyniki, nie zawsze są wystarczające do rozwiązania złożonych przypadków użycia w biznesie. Wielu programistom brakuje umiejętności do trenowania modeli uczenia maszynowego (ML) lub głębokiego uczenia na podstawie ich zbiorów danych. W takich scenariuszach rozwiązania low-code mogą pomóc użytkownikom w tagowaniu nieustrukturyzowanych danych, generowaniu modeli, przeprowadzaniu symulacji i promowaniu AI wielokrotnego użytku w różnych działach. Otwiera to świat możliwości w zakresie postępu i demokratyzacji AI.
AI jest szeroko stosowana w różnych branżach, od zaawansowanego przetwarzania obrazów i tekstu po rozpoznawanie i syntezę głosu. Johanna Pingel, kierownik ds. marketingu produktów MathWorks AI, widzi AI jako kluczowy czynnik w zarządzaniu żywotnością baterii w pojazdach elektrycznych i elektronice użytkowej. Ponadto napędzane przez AI narzędzia do inspekcji wizualnej mogą zwiększyć bezpieczeństwo i wydajność w takich sektorach jak farmacja i produkcja motoryzacyjna.
ChatGPT, kolejna aplikacja AI zyskująca w dzisiejszych czasach na popularności, jest przydatna nie tylko dla twórców treści, ale także dla badań naukowych. Może generować kod MATLAB, funkcje i testy jednostkowe, które można skopiować i wkleić do IDE. Jednak kod wygenerowany przez ChatGPT nadal powinien być przeglądany i weryfikowany przez doświadczonych inżynierów i naukowców.
Low-code Platformy, takie jak AppMaster.io i MATLAB, mogą usprawnić włączanie funkcjonalności napędzanych przez AI do aplikacji, umożliwiając jednocześnie generowanie unikalnych algorytmów AI w oparciu o określone zestawy danych. Mogą one przyspieszyć żmudne zadania i pomóc inżynierom o różnych poziomach umiejętności kodowania, co jest niezbędne do skutecznego wdrożenia AI w systemach biznesowych.
Pingel wyjaśnia, że przedsiębiorstwa zwykle zaczynają od prostych przypadków użycia AI, takich jak rozpoznawanie twarzy lub wykrywanie tekstu z odręcznie napisanych listów. Jednak w miarę jak ich wymagania stają się bardziej zawiłe, firmy muszą wykorzystywać własne dane i specjalistyczne ustawienia do tworzenia algorytmów AI na zamówienie. To właśnie tutaj rozwiązania low-code mogą odegrać istotną rolę, sprawiając, że proces czyszczenia, kadrowania i strukturyzacji danych będzie bardziej zarządzany i wydajny.
Low-code Platformy oferują kilka korzyści w obniżaniu barier w tworzeniu AI na zamówienie. Strukturyzacja i etykietowanie danych, generowanie modeli ML i łączenie różnych języków programowania stają się znacznie bardziej dostępne przy użyciu platform low-code, takich jak MATLAB i Simulink. Zapewniając jednolite środowisko programistyczne, platformy te zachęcają użytkowników do współpracy i pomagają im w nauce bycia lepszymi programistami.
Podczas gdy narzędzia oparte na AI zakłócają konwencjonalne procesy rozwoju, platformy low-code nadal odgrywają kluczową rolę w nadawaniu uprawnień użytkownikom nietechnicznym i obniżaniu bariery dla tworzenia unikalnych możliwości napędzanych przez AI. Współistniejąc i współpracując, platformy programistyczne low-code i AI mogą utorować drogę dla innowacyjnych aplikacji, rozwijając obie dziedziny i otwierając nowe możliwości w tworzeniu oprogramowania.
