L’intelligenza artificiale (AI) è sulla corsia preferenziale e sta guidando verso l’accettazione da parte delle aziende mainstream, ma, allo stesso tempo, un’altra tecnologia sta facendo conoscere la sua presenza: la programmazione low-code e no-code . Sebbene queste due iniziative risiedano in sfere diverse all’interno dello stack di dati, offrono comunque alcune interessanti possibilità di lavorare in tandem per semplificare e snellire notevolmente i processi di dati e lo sviluppo del prodotto.
Low-code e no-code hanno lo scopo di semplificare la creazione di nuove applicazioni e servizi, tanto che anche i non programmatori, ovvero i knowledge worker che effettivamente utilizzano queste app, possono creare gli strumenti necessari per completare le proprie attività. Funzionano principalmente creando funzioni modulari e interoperabili che possono essere combinate e abbinate per soddisfare un’ampia varietà di esigenze. Se questa tecnologia può essere combinata con l’intelligenza artificiale per aiutare a guidare gli sforzi di sviluppo, non si può dire quanto possa diventare produttiva la forza lavoro aziendale in pochi anni.
Il capitale di rischio sta già iniziando a fluire in questa direzione. Una startup chiamata Sway AI ha recentemente lanciato una piattaforma drag-and-drop che utilizza modelli di intelligenza artificiale open source per consentire lo sviluppo low-code e no-code per utenti principianti, intermedi ed esperti. La società afferma che ciò consentirà alle organizzazioni di mettere in produzione nuovi strumenti, compresi quelli intelligenti, più rapidamente, promuovendo allo stesso tempo una maggiore collaborazione tra gli utenti per espandere e integrare queste capacità di dati emergenti in modo efficiente e altamente produttivo. L’azienda ha già adattato la sua piattaforma generica per casi d’uso specializzati nel settore sanitario, nella gestione della catena di approvvigionamento e in altri settori.
Il contributo dell’IA a questo processo è sostanzialmente lo stesso che in altre aree, afferma Jason Wong di Gartner, ovvero svolgere attività meccaniche e ripetitive, che nei processi di sviluppo includono cose come test delle prestazioni, QA e analisi dei dati. Wong ha notato che mentre l’uso dell’IA nello sviluppo senza codice e low-code è ancora nella sua fase iniziale, grandi hit come Microsoft sono fortemente interessati ad applicarlo ad aree come l’analisi della piattaforma, l’anonimizzazione dei dati e lo sviluppo dell’interfaccia utente, il che dovrebbe alleviare notevolmente l’attuale carenza di competenze che impedisce a molte iniziative di raggiungere lo stato di produzione.
Prima di iniziare a sognare una catena di sviluppo ottimizzata e basata sull’intelligenza artificiale, tuttavia, dovremo affrontare alcune preoccupazioni pratiche, secondo lo sviluppatore Anouk Dutrée . Per prima cosa, l’astrazione del codice in moduli componibili crea molto sovraccarico e questo introduce latenza nel processo. L’intelligenza artificiale sta gravitando sempre più verso le applicazioni mobili e web, dove anche ritardi di 100 ms possono allontanare gli utenti. Per le app di back-office che tendono a sfornare silenziosamente per ore, questo non dovrebbe essere un grosso problema, ma è probabile che non sia nemmeno un’area matura per lo sviluppo di codice basso o assente.
Intelligenza artificiale
Inoltre, la maggior parte delle piattaforme low-code non sono molto flessibili, dato che funzionano con moduli in gran parte predefiniti. I casi d’uso dell’IA, tuttavia, sono generalmente altamente specifici e dipendono dai dati disponibili e da come vengono archiviati, condizionati ed elaborati. Quindi, con ogni probabilità, avrai bisogno di un codice personalizzato per far funzionare correttamente un modello AI con altri elementi nel modello low/no-code, e questo potrebbe finire per costare più della piattaforma stessa. Questa stessa dicotomia influisce anche su funzioni come l’addestramento e la manutenzione, dove la flessibilità dell’IA si scontra con la rigidità relativa di basso/nessun codice.L’aggiunta di una dose di apprendimento automatico a piattaforme low-code e no-code potrebbe aiutare ad allentarle, tuttavia, e aggiungere anche una dose tanto necessaria di comportamento etico. Dattaraj Rao di Persistent Systems ha recentemente evidenziato come il ML possa consentire agli utenti di eseguire modelli predefiniti per processi come l’ingegneria delle funzionalità, la pulizia dei dati, lo sviluppo di modelli e il confronto statistico, tutti elementi che dovrebbero aiutare a creare modelli trasparenti, spiegabili e prevedibili.
Probabilmente è un’esagerazione dire che l’IA e il no/low-code sono come il cioccolato e il burro di arachidi, ma ci sono solide ragioni per aspettarsi che possano migliorare i reciproci punti di forza e diminuire i loro punti deboli in una serie di applicazioni chiave. Poiché l’azienda diventa sempre più dipendente dallo sviluppo di nuovi prodotti e servizi, entrambe le tecnologie possono rimuovere i numerosi ostacoli che attualmente soffocano questo processo, e questo probabilmente rimarrà il caso indipendentemente dal fatto che lavorino insieme o indipendentemente.
