低代碼和無代碼旨在簡化創建新的應用程序和服務，以至于連非程序員（即實際使用這些應用程序的知識工作者）也可以創建完成各自任務所需的工具。它們的工作方式主要是，創建模塊化、可互操作的功能，這些功能可以混合搭配，以滿足各種需求。如果這項技術可以與AI相結合以幫助指導開發工作，那么短短幾年內，企業勞動力的生產力會得到極大地提高。

智能編程

風險資本已經開始朝這個方向流動。一家名為Sway AI的初創公司最近推出了一個拖放式平臺，使用開源AI模型為新手、中級和專家用戶實現低代碼和無代碼開發。該公司聲稱，這將使組織能夠更快地將包括智能工具在內的新工具部署到生產環境，同時促進用戶之間的更大協作，高效地擴展和集成這些新興的數據功能。該公司已經針對醫療保健、供應鏈管理及其他領域的專門使用場景定制了通用平臺。

Gartner的Jason Wong表示，AI在這個領域的貢獻與其他領域基本相同，即處理單調的重復性任務，開發過程中包括性能測試、質量保證和數據分析等任務。Wong特別指出，雖然AI在無代碼和低代碼開發中的應用仍處于早期階段，但微軟之類的大公司對于將其應用到平臺分析、數據匿名化和UI開發等領域具有濃厚的興趣，而這將大大緩解當前阻礙許多項目進入到生產就緒狀態的技能短缺現象。

據開發人員Anouk Dutrée聲稱，在我們開始夢想擁有一條經過優化的、AI賦能的開發鏈之前，需要解決幾個實際問題。舉例說，將代碼抽象成可組合的模塊會帶來龐大開銷，這會給流程帶來延遲。AI越來越傾向于移動和Web應用程序，連100毫秒的延遲也會趕走用戶。對于往往安靜地運行數小時的后臺應用程序來說，這應該不是什么大問題，但是這不太可能成為適合低代碼或無代碼開發的成熟領域。

受AI制約

由于大多數低代碼平臺處理的基本是預定義的模塊，所以不是很靈活。然而，AI使用場景通常高度特定化，有賴于可用的數據以及存儲、調整和處理數據的方式。因此，您很可能需要定制的代碼使AI模型與低代碼/無代碼模板中的其他元素協同運行，而這最終可能比平臺本身花費更多。這同樣會影響訓練和維護等環節，AI的靈活性會受到低代碼/無代碼相對剛性這一問題挑戰。

然而，為低代碼和無代碼平臺添加一點機器學習有助于增添靈活性，并增添亟需的道德行為。Persistent Systems的Dattaraj Rao最近強調了機器學習如何讓用戶可以為特征工程、數據清理、模型開發和統計比較等流程運行預先設定的模式，所有這些流程都應該有助于創建透明、可解釋、可預測的模型。

有充分的理由預計AI和無代碼/低代碼可以在許多關鍵應用領域相輔相成，減少各自的劣勢。隨著企業越來越依賴新產品和服務的開發，這兩種技術都可以消除目前阻礙這個過程的許多障礙——無論它們是協同工作還是獨立工作，情況可能都是如此。

原文標題：??AI and low/no code: What they can and can’t do together???，作者：Arthur Cole?