L’IA aiuta a sviluppare app più velocemente con strumenti low-code e no-code

Le piattaforme low-code e no-code sono utilizzate per costruire applicazioni, siti web, app mobili, moduli, dashboard, pipeline di dati e integrazioni. Quelle no-code aiutano gli utenti business, a volte definiti citizen developer, a migrare dai fogli di calcolo, ad andare oltre le collaborazioni via e-mail e a passare dall’esecuzione manuale delle attività all’utilizzo di strumenti e automazioni in tutti i reparti. Le piattaforme low-code, invece, sono solitamente destinate ai “tecnologi” e forniscono modi per fornire e supportare il software con poca o nessuna codifica.

“Bisogna ricordare che low-code è solo un termine elegante per indicare l’astrazione. Stiamo eliminando gli elementi non essenziali per semplificare l’esperienza dell’utente” afferma Gordon Allott, Presidente e CEO di K3. I fornitori di piattaforme low e no-code hanno continuato a investire oltre le applicazioni e l’automazione in altre aree emergenti. Il low-code consente infatti anche il machine learning e, non a caso, un numero crescente di strumenti e piattaforme sta abilitando funzionalità IA. Le linee di demarcazione tra le piattaforme per il flusso di lavoro aziendale, gli strumenti per l’intelligenza artificiale e le piattaforme low e no-code si stanno attenuando. Un numero maggiore di piattaforme low-code e no-code si sta interfacciando con l’intelligenza artificiale e le funzionalità di machine learning, mentre alcuni strumenti di intelligenza artificiale stanno integrando funzionalità no-code.

Il modo in cui le aziende produttrici e gli analisti classificano le tecnologie è molto meno importante di ciò che le persone possono fare con esse. Ho cercato esempi di aziende che utilizzano tecnologie low-code e no-code per implementare funzionalità di ML e AI. Ho anche chiesto ai dirigenti del settore tecnologico come utilizzano gli strumenti di AI low-code o no-code.

Funzionalità IA negli strumenti SaaS

Se volete utilizzare l’IA per generare o revisionare contenuti editoriali, l’elenco degli strumenti include ChatGPT, Jasper.ai e molti altri strumenti per la creazione di contenuti IA. Esistono strumenti IA per la creazione di video, software per il riconoscimento delle immagini e molte piattaforme per la creazione di chatbot. Rishi Bhargava, CEO e fondatore di Descope, condivide un esempio di utilizzo di Descript, uno strumento IA per la creazione di video. “Descript ha utilizzato l’intelligenza artificiale per cambiare l’intero paradigma dell’editing video. Rivolgendosi a persone che si trovano a proprio agio nel lavorare su documenti online, cioè praticamente tutti noi, Descript ha aperto le porte a chi non ha mai montato video prima d’ora in modo da poterlo fare rapidamente”.

Un numero crescente di strumenti SaaS dispone di funzionalità IA, ma la maggior parte di essi non è no-code. Pur svolgendo una funzione aziendale o un flusso di lavoro abilitato dall’intelligenza artificiale, gli strumenti rivolti agli utenti business a digiuno di programmazione non sono classificati come no-code.

L’intelligenza artificiale negli strumenti di flusso di lavoro no-code

Un’area in cui l’utilizzo dell’intelligenza artificiale e del no-code è storicamente presente è l’estrazione di informazioni dai documenti. Questa procedura richiede spesso un mix di elaborazione dei dati, machine learning e automazione del flusso di lavoro. NLP Lab, uno strumento di annotazione del testo no-code dell’azienda John Snow Labs, viene utilizzato nel settore sanitario per incorporare le conoscenze degli specialisti clinici nei modelli di machine learning. In un esempio, i medici hanno lavorato per creare definizioni clinicamente accurate delle caratteristiche dei tumori, ricavate dai referti patologici.

David Talby, CTO di John Snow Labs, ha parlato della tecnologia sottostante. “Gli strumenti di elaborazione del linguaggio naturale (NLP) di livello enterprise sono no-code, il che significa che gli utenti possono assemblare dati di formazione di alta qualità, addestrare i modelli e distribuirli in produzione senza scrivere una sola riga di codice. La piattaforma end-to-end può essere utilizzata da esperti del settore (infermieri, medici, avvocati, commercialisti, investitori e altri ancora) per estrarre automaticamente fatti significativi da documenti o immagini, democratizzando ulteriormente l’intelligenza artificiale per tutti”.

Integrazioni low-code con machine learning

Mentre gli strumenti di IA stanno aggiungendo funzionalità no-code, le piattaforme no-code e low-code stanno facendo l’inverso: aggiungono modi semplici per sperimentare con l’IA e portare i modelli di machine learning nei casi d’uso di produzione. Il servizio AI Builder di Microsoft, che fa parte della Power Platform, offre più di 10 modelli di IA precostituiti, tra cui il riconoscimento del testo, l’estrazione di entità e l’analisi del sentimento. Microsoft ha recentemente annunciato un’integrazione con GitHub copilot che dovrebbe aiutare gli sviluppatori low-code a richiedere, rivedere e integrare esempi di codifica generati dall’IA.

Kin Lane, chief evangelist di Postman, ha commentato a proposito: “Prodotti come Microsoft Power Platform hanno coniato il concetto di “sviluppo fusion”, consentendo agli sviluppatori low-code e code-first e ai professionisti IT di collaborare su applicazioni a livello aziendale. I team di sviluppo fusion sono la soluzione per scalare le soluzioni tecnologiche low-code tramite esperti di ML e modelli di IA per il rilevamento di forme, l’estrazione dei dati e il rilevamento di oggetti”.

Un esempio di ciò è AI at the Zoo, una divertente applicazione realizzata con Microsoft PowerApp e Lobe per rilevare animali come tigri, zebre e panda allo zoo. Sfortunatamente, questo esempio mostra anche uno dei problemi delle integrazioni low-code, in quanto Microsoft ha recentemente annunciato la deprecazione del modello di classificazione delle immagini AI Builder di Lobe. Un esempio commerciale è Ardent Mills, che utilizza AI Builder nel suo laboratorio di panificazione per individuare il pane o i cereali che necessitano di un’ulteriore valutazione.

Microsoft Power Platform non è comunque l’unica piattaforma low-code con funzionalità IA e casi d’uso commerciali. Ricoh, ad esempio, ha utilizzato OutSystems per creare un servizio di automazione intelligente dei processi per la gestione dei sinistri, mentre Zurich UK ha utilizzato Mendix per sviluppare FaceQuote, un’applicazione che calcola il premio mensile per i potenziali clienti di un’assicurazione sulla vita chiedendo un selfie.

Ricerca IA low-code e IoT

Le aziende stanno anche creando funzionalità IA e ML in piattaforme SaaS, aziendali e tecnologiche con funzionalità low-code e no-code. Ad esempio, la ricerca IA low-code può aiutare gli sviluppatori a integrare le fonti di dati, a costruire applicazioni di ricerca rivolte ai clienti e ai dipendenti e a sfruttare le capacità di intelligenza artificiale e machine learning. Anche le aziende tecnologiche stanno utilizzando piattaforme low-code per accelerare i casi d’uso dell’IA. Ad esempio, utilizzando la ricerca IA, Salesforce ha raggiunto un tasso di successo del 90% nell’auto-assistenza e Dell ha migliorato di tre volte il punteggio di soddisfazione dei dipendenti.

Arturo Garcia, CEO di DNAMIC, ha condiviso un altro esempio di Twitter che utilizza AutoML di Google. “Pensiamo all’IA e all’automazione come a enormi blocchi di tecnologia che consentono alle aziende di costruire più velocemente e in modo più assertivo. Abbiamo notato che il team di Twitter ha sfruttato le capacità di machine learning low-code di Google per suggerire agli utenti Twitter Spaces per discutere degli argomenti di loro interesse”.

Marty Sprinzen, co-fondatore e CEO di Vantiq, afferma: “Il low-code sta consentendo l’utilizzo di tecnologie IA in aree che potrebbero non avere competenze tecniche. Le fattorie intelligenti, ad esempio, utilizzano l’intelligenza artificiale per monitorare il benessere degli animali e garantire che operino entro i limiti delle normative”. Collegare migliaia di sensori con piattaforme IoT e funzionalità di machine learning era un progetto ingegneristico complesso. Le piattaforme low-code stanno aiutando un maggior numero di aziende a utilizzare l’IoT e l’IA, compresi i casi d’uso dell’edilizia, della produzione e dell’agricoltura intelligente. In un altro esempio, una piattaforma low-code per l’IoT e l’elaborazione dei dati in tempo reale collegata a dispositivi edge aiuta a migliorare la sicurezza dei lavoratori e la garanzia della qualità degli alimenti.

Conclusioni

Poiché un numero sempre maggiore di aziende vuole sperimentare i benefici l’IA, cercherà opzioni di sviluppo che accelerino la consegna e riducano le competenze richieste. Gli strumenti che integrano le funzionalità di IA con le opzioni di sviluppo no-code e low-code sono quindi un approccio auspicabile, soprattutto per le aziende che non dispongono di esperti data scientist e sviluppatori software.