低代码和无代码旨在简化创建新的应用程序和服务，以至于连非程序员（即实际使用这些应用程序的知识工作者）也可以创建完成各自任务所需的工具。它们的工作方式主要是，创建模块化、可互操作的功能，这些功能可以混合搭配，以满足各种需求。如果这项技术可以与AI相结合以帮助指导开发工作，那么短短几年内，企业劳动力的生产力会得到极大地提高。
智能编程
风险资本已经开始朝这个方向流动。一家名为Sway AI的初创公司最近推出了一个拖放式平台，使用开源AI模型为新手、中级和专家用户实现低代码和无代码开发。该公司声称，这将使组织能够更快地将包括智能工具在内的新工具部署到生产环境，同时促进用户之间的更大协作，高效地扩展和集成这些新兴的数据功能。该公司已经针对医疗保健、供应链管理及其他领域的专门使用场景定制了通用平台。
Gartner的Jason Wong表示，AI在这个领域的贡献与其他领域基本相同，即处理单调的重复性任务，开发过程中包括性能测试、质量保证和数据分析等任务。Wong特别指出，虽然AI在无代码和低代码开发中的应用仍处于早期阶段，但微软之类的大公司对于将其应用到平台分析、数据匿名化和UI开发等领域具有浓厚的兴趣，而这将大大缓解当前阻碍许多项目进入到生产就绪状态的技能短缺现象。
据开发人员Anouk Dutrée声称，在我们开始梦想拥有一条经过优化的、AI赋能的开发链之前，需要解决几个实际问题。举例说，将代码抽象成可组合的模块会带来庞大开销，这会给流程带来延迟。AI越来越倾向于移动和Web应用程序，连100毫秒的延迟也会赶走用户。对于往往安静地运行数小时的后台应用程序来说，这应该不是什么大问题，但是这不太可能成为适合低代码或无代码开发的成熟领域。
受AI制约
由于大多数低代码平台处理的基本是预定义的模块，所以不是很灵活。然而，AI使用场景通常高度特定化，有赖于可用的数据以及存储、调整和处理数据的方式。因此，您很可能需要定制的代码使AI模型与低代码/无代码模板中的其他元素协同运行，而这最终可能比平台本身花费更多。这同样会影响训练和维护等环节，AI的灵活性会受到低代码/无代码相对刚性这一问题挑战。
然而，为低代码和无代码平台添加一点机器学习有助于增添灵活性，并增添亟需的道德行为。Persistent Systems的Dattaraj Rao最近强调了机器学习如何让用户可以为特征工程、数据清理、模型开发和统计比较等流程运行预先设定的模式，所有这些流程都应该有助于创建透明、可解释、可预测的模型。
有充分的理由预计AI和无代码/低代码可以在许多关键应用领域相辅相成，减少各自的劣势。随着企业越来越依赖新产品和服务的开发，这两种技术都可以消除目前阻碍这个过程的许多障碍——无论它们是协同工作还是独立工作，情况可能都是如此。
原文标题：AI and low/no code: What they can and can’t do together，作者：Arthur Cole
