生成式AI与低代码的结合将加速创新，加速从创意到产品的实现路径

　　生成式人工智能（或简称为生成式AI）和低代码（low code）软件是两种非常受欢迎的技术。一些专家们表示，如果将两者的能力特性结合在一起，将会以一种超越现状的速度加速创新。

　　低代码开发允许人们在需要最少代码量的情况下构建应用程序，而不是使用可视化工具和其他模型进行开发。虽然低代码和人工智能的结合感觉很自然，但考虑到数据完整性和安全性等细微差别，确保两者有意义的集成至关重要。

　　根据微软公司2023年发布的低代码报告显示，87%的公司首席创新官和IT专业人士认为，在低代码平台中嵌入更多的人工智能和自动化将帮助他们更好地利用全部功能。

　　根据低代码/无代码工作平台Kissflow的首席运营官Dinesh Varadharajan的说法，人工智能和低代码的融合使系统能够自行管理工作，而不是人类为系统工作。此外，他还表示，人工智能变革不会取代低代码，它们中的一个不会取代另一个，但两者结合的力量将带来很多可能性。

　　他补充道，随着人工智能和低代码技术的结合，低代码软件增加了跨组织开发的可访问性，而生成式AI提高了组织效率和一致性。

　　更快的创新

　　软件交付团队自动化平台CircleCI的首席执行官Jim Rose表示，这些作为生成式人工智能平台基础的大语言模型最终将能够改变低代码语言。与其通过视觉设计格式构建一个应用程序或网站，不如“你能做的是查询模型本身，然后说，‘我需要一个易于管理的电子商务商店来销售古董鞋。”

　　他也认为，这项技术还没有达到这一点，部分原因是“你必须知道如何与生成式人工智能交谈”，才能得到你想要的东西。Dinesh Varadharajan表示，他预计人工智能将在一年内接管任务管理，不久之后可能会以更有意义的方式与低代码结合。

　　监管和创新齐头并进

　　就像任何涉及人工智能的事情一样，企业商业领袖必须考虑到许多细微差别，才能成功实现和迭代人工智能驱动的低代码。

　　企业软件公司Pega的首席技术官Don Schuerman认为，“负责任和道德的人工智能框架”应该放在首位。

　　这包括透明度的需要。换句话说，你需要能解释人工智能如何以及为什么做出特定的决定吗？他提到，如果没有这种明晰，企业最终可能会得到一个无法公平、负责地为最终用户服务的系统。

　　他补充道，这与偏倚测试的需要相结合。我们的社会中存在潜在的偏见，这意味着我们的数据中也存在潜在的偏见。这意味着，除非我们能够明确地测试和防范这些偏见，否则人工智能将会发现这些偏见。

　　Don Schuerman是“让人类参与其中（人工智能）”的支持者，不仅是为了检查错误和做出改变，也是为了考虑机器学习算法尚未掌握的东西：客户同理心。通过优先考虑客户的同理心，组织可以维护系统并推荐与最终用户实际相关的产品和服务。

　　对于Dinesh Varadharajan来说，他预测人工智能和低代码融合的最大挑战是管理。他说到，尤其是企业用户，他们习惯于以某种方式工作，这可能使他们成为最后一批采用人工智能驱动的低代码转换的用户。他提到，即使是现在，我们仍在努力探索生成式人工智能的可能性。作为人类，我们也会进化。我们会想办法控制风险的。

　　一个新的起点

　　虽然许多生成式人工智能平台都源于开源模型，但Jim Rose表示，未来会有一种不同的继任者。下一波会是针对专有数据进行训练的闭环模型。

　　当然，专有数据和闭环模型仍必须考虑到透明度的需要。然而，组织以这种小模型的方式保证数据安全的能力可能会迅速改变整个行业的生成式人工智能的能力。

　　专家表示，只要企业在责任因素上不妥协，生成式人工智能和低代码软件就能让创新走上高速公路。在当今时代，创新速度是具有竞争力的必要条件。根据Don Schuerman的说法，有了人工智能和低代码，我比以前在这个领域走得更远。通过缩短从想法到实验再到最终产品的路径，人工智能驱动的低代码加快了创新的速度。

Powered by Froala Editor