(Kiemelt kép: Unsplash+)
A generatív MI modellek fejlődése tovább csökkenti az low code és no code fejlesztőeszközök használatának akadályait, és ez a trend potenciálisan az intelligens fejlesztői technológia egy teljesen új osztályának megszületéséhez vezethet. A kódszegény és kód nélküli platformok már eddig is fontos szerepet játszottak abban, hogy az üzleti felhasználók kevés kódolási ismerettel vagy anélkül készíthessék el saját szoftveralkalmazásaikat. E platformok használata azonban a generatív mesterséges intelligenciával kiegészülve most fordulóponthoz érkezik, ami a kód nélküli rendszerek használatát a nem programozói szakértelemmel rendelkező üzleti felhasználók körében is fel fogja gyorsítani, és az iparág számos bennfentes képviselője szerint a fejlesztőeszközök egy teljesen új osztályának kialakulásához vezethet. A professzionális fejlesztők már elkezdtek kísérletezni a ChatGPT-vel és az MI-szoftverfejlesztéssel. Bár a korai eredmények azt mutatják, hogy a ChatGPT hasznos lehet – többek között a kód felülvizsgálatában -, az összetett alkalmazásokat programozó fejlesztők valószínűleg soha nem lesznek képesek a kódolást teljes egészében az MI-eszközökre hárítani. A generatív MI azonban az elemzők szerint forradalmasíthatja a kódszegény és kód nélküli fejlesztési környezetek használatát viszont. Az MI nem kevesebb, mint átalakító hatással lesz az kódszegény és kód nélküli platformokra, mivel sokkal könnyebbé teszi, hogy ezek a platformok hasznos funkciókat nyújtsanak a „polgári” fejlesztők magas szintű kérései alapján. A generatív mesterséges intelligencia hozzáadása a low-code és no-code platformokhoz meggyőző ajánlat lehet a vállalatok számára – azáltal, hogy csökkenti az e rendszerek bevezetésének akadályait, és még inkább képessé teszi az üzleti felhasználókat az alkalmazások létrehozására, így felgyorsíthatja a fejlesztési ciklusokat.
Természetes nyelvi feldolgozás az alkalmazásfejlesztésben
Az IDC kutatásvezetője, Michele Rosen szerint a low-code és no-code gyártók legerősebb ajánlatai a vizuális fejlesztői felületek és a generatív MI-modellek előnyeit ötvözik, így ideális esetben lehetővé teszik a felhasználó számára, hogy az eredmények finomításához természetes nyelvi vagy vizuális komponenseket választhasson. A generatív MI szöveges és multimédiás eszközöket is előállíthat a fejlesztők számára. A no-code és low-code szállítók pedig chat-felületeket biztosíthatnak, melyek segíthetik a fejlesztőket az alkalmazáskészítési folyamat során. A Microsoft low-code kínálata, a Power Apps a Copilot hozzáadása után már ChatGPT-alapú funkciókat biztosít, köztük egy olyan chat-felületet, mely lehetővé teszi egy egyszerű alkalmazás létrehozását egy egyszerű chat-felületen keresztül. Az így létrejövő alkalmazás tartalmazhat egy ChatGPT-példányt is a végfelhasználók számára. A generatív MI hozzáadása a Copilothoz két felhasználási esetet szolgál: az egyik a fejlesztési ciklusok felgyorsításának elősegítése, a másik pedig a létrehozott alkalmazások generatív MI-val való kiegészítése. A Microsoft Power Apps a generatív MI természetes nyelvi feldolgozási aspektusát használja az üzleti felhasználók felhatalmazására. A generatív MI képességek az üzleti felhasználóknak megadják a hatalmat az alkalmazások gyors létrehozásához. Ezek a felhasználók tudják, hogy mire lenne szükségük egy alkalmazásban az adott üzleti részlegük számára, de nem tanultak informatikát vagy kódolást. Persze nem „zörög a haraszt”, hiszen a Microsoft befektetője az OpenAI-nak, a ChatGPT létrehozójának.
A kódszegény eszközök akadályainak csökkentése
A generatív mesterséges intelligencia integrálása a low-code és no-code platformokba csökkenteni fogja az akadályokat e fejlesztési környezetek vállalati bevezetése előtt. A generatív MI integrálása az üzleti felhasználók körében a kódszegény eszközök elfogadását fogja eredményezni, mivel az alkalmazások fejlesztésének megkezdéséhez szükséges „tanulási görbe” még alacsonyabb lesz. A generatív MI és az kódszegény, illetve kód nélküli platformok „házassága” a professzionális fejlesztőket is segíteni fogja – vélik az elemzők. A segítségre szükség is van – globálisan a fejlesztőhiány az IDC szerint a 2021-es 1,4 millióról 2025-re várhatóan 4 millióra nő majd. Ezek a generatív MI-kódolási képességek leginkább a nagyobb projekteken dolgozó fejlesztők számára lesznek hasznosak, akik „gyors megoldásokat, avagy shortcuts” keresnek a kommersz vagy köznapi igények támogatására. Ahelyett, hogy a megfelelő könyvtárat keresnék, vagy elakadnának egy adott parancs vagy kifejezés megjegyzése közben, a GPT és más hasonló generatív MI-eszközök képesek lesznek egy kódmintát biztosítani, melyet a fejlesztők aztán használhatnak, szerkeszthetnek és bővíthetnek.
Automatikus kódkiegészítés
Olyan vállalatok, mint a Microsoft és az Amazon már kínálnak automatikus kódkiegészítő szoftvereket a Microsoft Copilot és az Amazon CodeWisperer formájában. A Microsoft már bejelentette, hogy a Copilot egy jövőbeli verziója átveszi az OpenAI ChatGPT-4 technológiáját is – az OpenAI GPT (Generative Pretrained Transformer) következő, GPT-4-es verzióját. A Forrester szerint az MI technológia segít a fejlesztőknek új kódolási készségeket és a programarchitektúra új megközelítéseit is elsajátítani. A low code platformot kínáló Mendix már dolgozik azon, hogy fejlesztői iránymutató funkciókat integráljon platformjába. A fejlesztők a „legjobb gyakorlatok” alapján építhetnek alkalmazásokat, melyeket a generatív mesterséges intelligencia ajánlások formájában a Mendix fejlesztőkörnyezetén belül biztosít. Az Amalgam Park szerint a vállalkozások és a fejlesztők számára jelentkező előnyök mellett a generatív MI integrálása a low-code és no-code platformokba azonnali bevételnövekedést is eredményezhet a gyártók számára. Az azonnali lehetőség az, hogy a low-code alkalmazásfejlesztési erőfeszítésekhez hozzájárulni képes felhasználói bázis öt-tízszeresére nőhet, egyszerűen a követelmények beírásával és olyan low-code „snippetek” létrehozásával, melyeket a rangosabb fejlesztők is használhatnak, ez a következő két évben megduplázhatja a low-code piacot. Az Amalgam Insights becslése szerint a kódszegény alkalmazásfejlesztés piaca globálisan nagyjából 10 milliárd dollár körül mozog, ami kevesebb mint 10 millió olyan felhasználót jelenthet, akik valamilyen szintű alkalmazásírási vagy szerkesztési hozzáféréssel rendelkeznek már. Ehhez képest a ChatGPT már több mint 100 millió felhasználóval rendelkezik. Mind a Microsoft, mind a Mendix arra számít, hogy platformjaik elfogadottsága növekedni fog, és elmondták, hogy vállalati ügyfeleik már nagyon várják az új generatív MI képességek „élesben” való használatát.
A generatív MI kihívásai a kódszegény fejlesztésekben
Miközben a vállalkozások számára számos előnnyel jár a generatív MI képességekkel rendelkező kódszegény és kód nélküli platformok használata, nem hiányoznak a kihívások sem. A természetes nyelvi súgók használatát meg kell szokni – a jó kivitelezéshez megfelelő és használható technikák szükségesek -, a generatív MI pedig jogi és biztonsági kérdéseket vethet fel. Kihívást jelenthet, hogy a modell pontosan azt produkálja, amit a felhasználó szeretne. Ezzel szemben a no-code és low-code fejlesztőeszközök drag-and-drop eszközei gyorsabbak és könnyebben használhatóak lehetnek. Emellett a GPT-hez hasonló modellek használata jogi aggályokat vethet fel több kérdés, például az adatok származása és a szellemi tulajdonjogok miatt is. Egyszerűen fogalmazva, a GPT nem tudja, hogy szerzői jogvédelem alatt álló vagy szabadalmaztatott eljárásokat használ-e, mivel automatikusan kitölti a válaszokat. A GPT használata pedig nem érvényes jogi kifogás arra, hogy szabadalmaztatott és nem licencelt kódot vigyünk be egy alkalmazásba, ez arra késztetheti majd a fejlesztőket, hogy folyamatosan ellenőrizzék a kódot a jogsértés szempontjából, és ez a processzus így akadályozni fogja az ilyen platformokban rejlő lehetőségeket, vagyis a fejlesztési idő lerövidítését. A GitHub, mely a ChatGPT-t használja a Copilot saját verziójában, máris egy csoportos perrel néz szembe, mely a technológia jogszerűségét támadja.
MI és vállalati adatbiztonság
Ahhoz, hogy a vállalkozások teljes mértékben kihasználhassák a low-code és no-code platformok generatív MI aspektusait, a cégeknek saját adatállományaikon kellene betanítaniuk azokat. Amint a platformokat az üzleti felhasználók használják, feltehetően továbbra is szükségük lesz az adatkészletekhez való hozzáférésre is. A vállalkozásoknak ki kell találniuk, hogyan biztosítsák az adatokat szerepkör alapú hozzáféréssel, ami nem biztos, hogy könnyen megvalósítható az alapvető MI-modellek esetében. Tehát a generatív MI-hoz szükséges adatbiztonság és irányítás szinte biztosan bonyolultabb lesz, és kifinomultabb megoldásokat igényel. Emellett a fejlesztőknek a no-code és low-code platformokon használt alapmodelleket is be kellene tanítaniuk, hogy felkészítsék őket a vállalati általános használatra, így maguknak a fejlesztőknek is további képzésre lehet szükségük ehhez.
Új fejlesztési platformok
Végső soron a generatív MI képességei a fejlesztői technológiák új osztályának megszületéséhez vezethetnek – vélik az elemzők. A természetes nyelvi feldolgozás olyan mértékben finomodhat, hogy például a jelenlegi kódszegény és kód nélküli platformok által használt drag-and-drop interfészek szükségtelenné válhatnak. A generatív mesterséges intelligencia a jelenlegi low-code és no-code szereplők egyik fő versenytársa is lesz. Azt látjuk, hogy az új generatív MI kódolási megoldások meglehetősen gyorsan növekednek. Azoknak a gyártóknak, akik olyan eszközöket tudnak kínálni, melyek hozzáadott értéket képviselnek a nyers generatív MI kimenethez, akár úgy, hogy más technológiákkal integrálják azt, akár úgy, hogy segítik a felhasználót a modell hatékony lekérdezésére (ezáltal csökkentik a költségeket), lehetőségük lesz a felhasználók bevonására, tekintettel a technológia iránti rendkívül nagy érdeklődésre. Eközben a kód nélküli és kódszegény platformok használata gyorsan növekszik. A Constellation Research korai elemzése szerint az alkalmazásfejlesztésre szolgáló generatív MI piaca 2023 végére 4,1 milliárd dollár lesz, és évente körülbelül 32%-kal nő.
Az MI-szolgáltatók lesznek a nyertesek
A legtöbb elemző úgy véli, hogy a Microsoft, a Google és az Amazon egyaránt nyerhet a generatív MI alacsony kódú és kód nélküli platformokba történő beépítéséből. A Microsoft már korán befektetett a generatív mesterséges intelligenciába, és megelőzte a kódszegény versenytársakat. Emellett a Microsoft már most is az első számú low code platform a vállalati elfogadottság tekintetében, és a vállalaton belül általában minden alkalmazott számára elérhető (mint az Office-eszközök) – ezek a tényezők együttesen aránytalanul nagy segítséget jelentenek majd a Microsoftnak a többi gyártóval szemben (a Microsoft Power Apps platformján havonta legalább 7,4 millió új építés történik). Az kódszegény platformokon belüli generatív MI-képességek iránti kereslet az intelligens fejlesztői technológiák piacán is felvásárlásokat fog eredményezni. Arra számíthatunk, hogy a legsikeresebb generatív low-code platformokat idővel felvásárolják a nagyobb gyártók, akik az alkalmazásfejlesztés életciklusát igyekeznek kezelni.
Tanulás és munka nélküli fejlesztés
A kód nélküli megoldások célja, hogy a nem műszaki szakemberek számára lehetővé tegyék, hogy saját szoftvermegoldásokat hozzanak létre úgy, hogy egyáltalán nem kell kódolniuk semmit. A no-code kifejezést néha a low-code enyhe változataként használják. Valójában gyakran találkozhatunk olyan eszközökkel, amelyek no-code/low-code eszközként határozzák meg magukat. Ma már szinte minden nagyvállalat vevő erre a jövőtechnológiára. Viszont érdemes megvizsgálni a low-code és a no-code fogalmak közötti különbséget. Röviden, a no-code valójában azt jelenti, hogy egyáltalán nincs kód, ami korlátozza az építhető alkalmazások sokféleségét. Alapvetően sablonalapú keretrendszereket vagy a munkafolyamatok létrehozását látjuk, melyek előre definiált csatlakozókat kevernek külső alkalmazásokhoz, ahol a tervezők legfeljebb azt határozzák meg, hogy mikor és hogyan kell bizonyos műveleteket elindítani. Ez egy ésszerű kompromisszum, ha nem akar és van ideje megtanulni kódolni. És a különböző alkalmazások száma, melyeket létrehozhatunk velük, még mindig hatalmas, mivel egyre több kódolás nélküli megoldás áll készen a segítségére, függetlenül attól, hogy milyen típusú alkalmazásokat terveznek. A no-code azonban nem jelenti azt, hogy pillanatok alatt elkészíthetjük a megálmodott alkalmazást. A no-code alkalmazások két alkategóriáját érdemes kiemelni: a no-learn és a no-work fejlesztőeszközöket.
No-Learn szoftverfejlesztés
A „tanulás nélküli” fejlesztési eszközök a kód nélküli keretrendszereknek felelnek meg, melyek lehetővé teszik a felhasználók számára, hogy saját eszközeiket használják a készítendő szoftver meghatározásához. Ahelyett, hogy a felhasználónak meg kellene tanulnia a kód nélküli eszköz és a mögötte lévő (grafikus) nyelv használatát, a kód nélküli eszköz képes a szoftverdefiníciót a Wordből, az Excelből vagy bármilyen más alkalmazásból, melyet az adott területen a felhasználók jellemzően használnak, beolvasni és importálni. Erre példa lehet az Excelből chatbotot készítő szolgáltatás. Ahelyett, hogy arra kényszerítenék a felhasználókat, hogy egy új felületet és nyelvet tanuljanak meg a chatbotok definiálásához, egy Excel-sablont kínálnak nekik, mellyel egy általuk már ismert eszközben definiálhatják a botokat. Bármilyen nagyszerű is a kódolás nélküli eszközünk, ha ez egy új eszköz, a felhasználónak időt kell befektetnie a megtanulásába. Jobb, ha megszüntetjük ezt a belépési akadályt. Egy tanulást nem igénylő eszköz még mindig ugyanolyan kifejezőerővel rendelkezhet, mint egy általános kód nélküli eszköz. Nem korlátozzuk, hogy a felhasználók mit tehetnek vele, csak a nyelvet változtatjuk meg, melyen a kód nélküli projektet definiálni kell.
No-Work fejlesztés
A no-work a no-code fejlesztés szélsőséges esete, amikor a felhasználó nem csinál „semmit”. Nem kódolnak valójában, de nem is ők határozzák meg az elkészítendő alkalmazást. Sem a no-code eszköz felületén belül, sem a saját eszközzel (no-learn kategória fentebb). Nem csinálnak semmit. Ehelyett a kód nélküli eszköz a vállalatnál már rendelkezésre álló (dokumentumokban, fájlokban vagy adatbázisokban lévő) információkat veszi alapul, hogy automatikusan levezesse belőlük a szoftveralkalmazást. Folytatva chatbot-definíciós példánkat. Egy no-work környezetben nem is kérnénk meg a felhasználót, hogy töltse ki az Excel-sablont a bot viselkedésének meghatározásához, egyszerűen csak vennék a GYIK weboldalát, a meglévő Excel-fájlt (pl. néhány kérdéslistával, melyet az ügyfélszolgálati csapat homogenizálására készítettek) vagy a termékek listáját egy adatbázisban, és ebből generálnák a chatbotot. A potenciális chatbot-ügyfelekkel folytatott interjúik során gyakran mondják: „már van egy Excel-fájlunk, melyet belsőleg használunk, csak át akarjuk adni, és szeretnénk egy olyan botot kapni, mely képes megválaszolni a fájlunkban szereplő kérdéseket”. Ez teljesen megszünteti az összes belépési akadályt. Cserébe a munka nélküli megközelítések még inkább korlátozzák az építhető alkalmazások sokféleségét, mivel a kód nélküli eszköznek a konfigurációs stratégiák helyett nagymértékben a „konvencióktól” kell függenie ahhoz, hogy érvényes alkalmazást tudjon levezetni az ügyfél bemeneti fájljaiból. Mégis, ez a megközelítés kevésbé radikális, mint amilyennek látszik. Gondoljunk csak a bármely modern programozási keretrendszerben elérhető összes CRUD-generátorra. Bármelyikük képes csatlakozni egy relációs adatbázishoz, és azonnal létrehozni az adatbázis adatainak eléréséhez és manipulálásához szükséges összes űrlapot.
A kód nélküli megoldások nem kizárólagosak
A fenti kategóriák mindegyike más-más típusú felhasználót és forgatókönyvet céloz meg. Attól függően, hogy a felhasználó mennyire akar tanulni vagy munkát végezni, egy adott típusú eszközt kínálhatunk neki, mindegyiknek megvannak a maga kompromisszumai. Ez azonban nem jelenti azt, hogy a kód nélküli eszköznek egyetlen konkrét kategóriához kellene ragaszkodnia. Különböző felületeket és „importálókat” kínálhatunk ugyanazon motor tetején. Akár egy alacsony kódú változatot is kínálhatnak a haladó felhasználók számára, akik hajlandóak használni az eszköz API-ját, hogy kiegészítsék a kód nélküli megközelítés eredményét.
