به‌طور مستقل، هوش مصنوعی مولد و نرم‌افزار کم‌کد، دو فناوری بسیار مورد توجه هستند. اما کارشناسان می گویند که این دو با هم به گونه ای هماهنگ می شوند که نوآوری را فراتر از وضعیت موجود تسریع می بخشد.

توسعه کم کد به افراد اجازه می دهد تا برنامه هایی با حداقل نیاز به کد سخت بسازند، در عوض از ابزارهای بصری و سایر مدل ها برای توسعه استفاده کنند. در حالی که تلاقی کد پایین و هوش مصنوعی طبیعی به نظر می رسد، برای اطمینان از یکپارچگی معنادار، توجه به نکات ظریف مانند یکپارچگی و امنیت داده ها بسیار مهم است.

گزارش مایکروسافت Low-Code Signals 2023 می گوید که 87 درصد از مدیران ارشد نوآوری و متخصصان فناوری اطلاعات معتقدند “افزایش هوش مصنوعی و اتوماسیون تعبیه شده در پلت فرم های کم کد به آنها کمک می کند تا از مجموعه کاملی از قابلیت ها بهتر استفاده کنند.”

به گفته دینش وارادهاراجان، CPO در پلتفرم کاری کم کد/بدون کد Kissflow، همگرایی هوش مصنوعی و کم کد به سیستم ها امکان می دهد کار را به جای اینکه انسان ها مجبور به کار برای سیستم ها باشند، مدیریت کنند.

علاوه بر این، به جای اینکه انقلاب هوش مصنوعی جایگزین کدهای پایین شود، Varadharajan گفت: “یکی جایگزین دیگری نمی شود، اما قدرت دو، امکانات زیادی را به همراه خواهد داشت.”

Varadharajan خاطرنشان می کند که با کنار هم قرار گرفتن هوش مصنوعی و فناوری کم کد، شکاف توسعه بسته می شود. نرم افزارهای کم کد دسترسی به توسعه را در بین سازمان ها افزایش می دهد (اغلب برای توسعه دهندگان شهروندی) در حالی که هوش مصنوعی مولد کارایی و هماهنگی سازمانی را افزایش می دهد.

به گفته جیم رز، مدیر عامل یک پلت فرم اتوماسیون برای تیم های تحویل نرم افزار به نام CircleCI، این مدل های زبان بزرگ که به عنوان پایه پلت فرم های مولد هوش مصنوعی عمل می کنند، در نهایت می توانند زبان کم کد را تغییر دهند. به جای ساختن یک اپلیکیشن یا وب سایت از طریق قالب طراحی بصری، رز گفت: “کاری که می توانید انجام دهید این است که از خود مدل ها پرس و جو کنید و بگویید، برای مثال، من به یک فروشگاه تجارت الکترونیکی با مدیریت آسان نیاز دارم تا کفش های قدیمی بفروش.”

رز موافق است که این فناوری کاملاً به این نقطه نرسیده است، تا حدی به این دلیل که “شما باید بلد باشید چگونه صحبت کنید” با هوش مصنوعی مولد برای به دست آوردن آنچه که به دنبال آن هستید. Varadharajan از Kissflow می‌گوید که می‌تواند شاهد باشد که هوش مصنوعی ظرف یک سال مدیریت وظایف را به دست می‌گیرد و شاید مدتی بعد با کم‌کد به روشی معنادارتر تلاقی کند.

مانند هر چیزی که مربوط به هوش مصنوعی است، بسیاری از تفاوت‌های ظریف وجود دارد که رهبران کسب‌وکار باید برای پیاده‌سازی و تکرار موفقیت‌آمیز کد پایین مبتنی بر هوش مصنوعی در نظر بگیرند.

Don Schuerman، CTO شرکت نرم‌افزاری سازمانی Pega، آنچه را که «چارچوب هوش مصنوعی مسئولانه و اخلاقی» می‌نامد، در اولویت قرار می‌دهد.

این شامل نیاز به شفافیت است. به عبارت دیگر، آیا می توانید توضیح دهید که چگونه و چرا هوش مصنوعی تصمیم خاصی می گیرد؟ او می‌گوید بدون این وضوح، شرکت‌ها می‌توانند به سیستمی دست یابند که نتواند به طور منصفانه و مسئولانه به کاربران نهایی خدمت کند.

او افزود که این نیاز به آزمایش سوگیری را در هم می آمیزد. او گفت: «سوگیری های نهفته ای در جامعه ما وجود دارد، به این معنی که سوگیری های نهفته ای در داده های ما وجود دارد. این بدان معناست که هوش مصنوعی این سوگیری‌ها را تشخیص می‌دهد، مگر اینکه ما صریحاً در حال آزمایش و محافظت در برابر آنها باشیم.»

شوئرمن طرفدار “در جریان نگه داشتن انسان” است، نه تنها برای بررسی خطاها و ایجاد تغییرات، بلکه همچنین برای در نظر گرفتن مواردی که الگوریتم های یادگیری ماشین هنوز بر آن مسلط نشده اند: همدلی مشتری. با اولویت‌بندی همدلی مشتری، سازمان‌ها می‌توانند سیستم‌ها را حفظ کرده و محصولات و خدماتی را که واقعاً به کاربر نهایی مرتبط هستند توصیه کنند.

برای Varadharajan، بزرگترین چالشی که او با همگرایی هوش مصنوعی و کم کد پیش بینی می کند، مدیریت تغییر است. او می‌گوید، به‌ویژه کاربران سازمانی عادت دارند به روشی خاص کار کنند، که می‌تواند آنها را به آخرین قسمتی تبدیل کند که تغییر کد پایین مبتنی بر هوش مصنوعی را اتخاذ می‌کند.

شرکت با هر ریسکی که با آن دست و پنجه نرم می کند، حفظ لایه حاکمیتی چیزی است که به رهبران کمک می کند تا با هوش مصنوعی در حال تکامل آن همگام باشند. Varadharajan گفت: “حتی در حال حاضر، ما هنوز با امکاناتی که هوش مصنوعی مولد می تواند انجام دهد، دست و پنجه نرم می کنیم.” به عنوان انسان، ما نیز تکامل خواهیم یافت. راه‌هایی برای مدیریت ریسک کشف خواهیم کرد.»

در حالی که بسیاری از پلتفرم‌های مولد هوش مصنوعی از مدل‌های منبع باز سرچشمه می‌گیرند، رز CircleCI می‌گوید جانشینی از نوع متفاوت در راه است. وی گفت: موج بعدی مدل های حلقه بسته است که با داده های اختصاصی آموزش داده می شوند.

البته، داده های اختصاصی و مدل های حلقه بسته همچنان باید نیاز به شفافیت را در نظر بگیرند. با این حال، توانایی سازمان‌ها برای ایمن نگه داشتن داده‌ها در این سبک مدل کوچک می‌تواند به سرعت ظرفیت‌های هوش مصنوعی مولد را در سراسر صنایع تغییر دهد.

به گفته کارشناسان، هوش مصنوعی مولد و نرم‌افزار کم‌کد، نوآوری را در یک بزرگراه قرار می‌دهد، تا زمانی که سازمان‌ها در مورد عامل مسئولیت به خطر نیفتند. در عصر مدرن، سرعت نوآوری برای رقابتی بودن الزامی است. فقط به Bard نگاه کنید، پیشنهاد Adobe-Google که قرار است با ChatGPT OpenAI در فضای هوش مصنوعی مولد رقابت کند.

به گفته Scheurman، با هوش مصنوعی و کد پایین، “من نسبت به قبل در این زمینه بیشتر شروع می کنم.” او گفت که با کوتاه کردن مسیر بین یک ایده تا آزمایش و در نهایت به یک محصول زنده، سرعت نوآوری را تسریع می‌کند.