ИИ может написать сценарий, обработать данные и предложить решение — но кто отвечает за результат и что происходит, когда система сталкивается с нестандартной ситуацией? Разбираемся, как low-code помогает сделать работу ИИ более управляемой и почему будущее разработки может быть не за заменой технологий, а за их сочетанием.
Одна из новых проблем, которую принес в разработку искусственный интеллект, — «почти правильный результат». ИИ может выдать ответ или создать решение, которое выглядит убедительно и в каких-то случаях действительно работает. Но достаточно изменить условия, столкнуться с редким случаем или выйти за привычные границы — и результат может оказаться неверным.
Что это означает для разработки систем, которые работают с реальными бизнес-процессами? Можно ли доверить ИИ принятие решений? Кто отвечает за результат, созданный с помощью ИИ? И какую роль в этом мире будут играть low-code-платформы?
В видео обсуждаем, как меняется low-code под влиянием искусственного интеллекта и почему речь идет не столько о замене одних технологий другими, сколько об их взаимном проникновении.
Есть два направления такой интеграции. С одной стороны, low-code-системы получают возможности ИИ: генерацию скриптов, работу с внешними источниками информации, обработку текстов, маршрутизацию сообщений и другие интеллектуальные функции. С другой — ИИ-инструментам самим нужны качественные данные, понятная бизнес-логика, правила и контролируемые источники информации.
Здесь low-code выступает в роли аналитического бэкенда, подготавливая данные и предоставляя ИИ доступ к актуальным и качественным данным.
Обсуждаем и будущее таких гибридных систем: как могут сочетаться ИИ, low-code и классическое программирование: где пригодится генерация сценариев, как ИИ может работать внутри аналитических конвейеров и почему даже развитие вайб-кодинга не означает исчезновения профессиональной разработки.
При этом технических возможностей недостаточно. Для работы с ИИ по-прежнему нужны качественные данные, предметная экспертиза и человек, который отвечает за результат. Если использовать ИИ без понимания того, как устроена система и почему она выдала именно такой результат, возникает риск не только получить ошибку, но и постепенно потерять собственную экспертизу.
В видео Алексей Арустамов, директор компании Loginom, рассказывает:
Другие материалы по теме:
Как восстановить клиентскую базу из 5.7 млн проблемных записей
Запись вебинара «Как потратить бюджет на ИИ и не добиться ничего»
