2020 год показал, как цифровые возможности важны для людей. Удаленная работа, дистанционное образование, интернет – магазины — все это развивается и будет продолжать развиваться.
Во время пандемии многие организации используют платформы с низким уровнем кода для быстрого создания и развертывания новых приложений. Этот опыт приведет к принятию большинством магазинов разработки инструментов с низким уровнем кода и многого другого.
Ожидается появления новых гибридных команд по мере того, как бизнес-пользователи и профессиональные разработчики будут создавать приложения наряду с инструментами low code, построенными на облачных платформах.
По прогнозам, более трети разработчиков будут использовать машинное обучение в 2022 году для автоматизации деятельности по разработке.
Команды будут использовать модели IT обучения, чтобы сделать автоматизацию тестирования более разумной, а обработка естественного языка будет использоваться для анализа тестовых случаев и устранения дубликатов, а также для выявления пробелов в тестовом покрытии.
Здесь необходимо порассуждать, найти преимущества и ограничения.
Начнем с того, что интерес к бескодовым платформам искусственного интеллекта постоянно растет. Все большее число стартапов и крупных технологических фирм в настоящее время предлагают “простые в использовании” платформы ML.
Почему использование платформ искусственного интеллекта без кода выгодно?
Это интересно как для малых, так и для крупных корпораций. Ведь такие разработки обходятся дешевле и помогают быстрее выйти из кризиса. Действительно, в большинстве случаев многие проекты остаются невыполненными из – за отсутствия данных, инвестиций и заинтересованности руководства.
Преимущества использования no-code платформ:
• Сокращение рабочей нагрузки у специалистов по обработке данных.
• Ускорение разработки конкретных проектов. Например, автоматизация некоторых внутренних рабочих процессов: анализ показателей оттока, стоимости поддержания продукта, динамическое ценообразование, анализ данных контрактов.
ИИ без кода по-прежнему является растущим рынком. Большинство игроков, похоже, позиционируют себя в первую очередь по типологии технологий (НЛП, компьютерное зрение и т. д). Или конкретным случаям использования (управление CRM,…)
Какие риски следует оценивать при внедрении ИИ без кода:
• Баланс между простотой использования и гибкостью. Вы должны убедиться, что требуемая масштабируемость вашего проекта может быть достигнута с помощью no-code платформы AI.
Согласитесь, что невозможно иметь масштабируемое решение, использующее платформы, отличные от ИИ, для “сложных” случаев использования.
• Степень персонализации. В некоторых решениях без кода отсутствует возможность точной настройки и проектирования различных параметров. Еще один недостаток связан с повышенной опасностью создания предвзятых алгоритмов.
• Зависимость от опытных специалистов. Если вы хотите масштабировать свой проект, то вам не обойтись без опытных технических специалистов. Успех проекта ML во многом зависит от способности собирать, управлять и поддерживать набор данных. Однако обычно это работа специалиста по обработке данных.
Можно привести множество других рисков: развертывание, безопасность, интеграция с устаревшими системами и т.д. Однако полезность nocode платформ искусственного интеллекта не является мифом.
Вывод:
Успех любого проекта с решением без кода во многом будет зависеть от ваших функциональных потребностей. Если потребности специфичны, необходимо найти правильный баланс между скоростью реализации и ожиданиями в отношении функциональности.
Определите с самого начала, какова ваша цель. Если вам просто нужно проверить релевантность идеи или создать долгосрочное приложение, лучше всего быстро создать одноразовый PoC, используя, по возможности, решения nocode разработки. В противном случае лучше использовать традиционный подход ML и построить стабилизированную и ремонтопригодную версию.
Источник: Adalo Russia