Инструменты no-code и low-code: почему их возможности ограничены и приносят ли они реальную пользу бизнесу

Дисклеймер: Это перевод статьи, опубликованной порталом Protocol, где рассказывается о применении инструментов no-code и low-code в связке с искусственным интеллектом. При этом ИИ не является обязательным условием работы любой no-code или low-code-системы. О других возможностях no-code и low-code читайте по тегу. 

«При переходе в среду low-code и, тем более, no-code накладываются ограничения на то, что можно и нельзя делать», — рассказывает президент и главный технических директор C3 AI Эд Аббо. C3 AI разрабатывает ПО, которое позволяет людям, не имеющим опыт в программировании, создавать модели машинного обучения.

Обычно инструменты low-code и no-code продвигаются как способ сократить объем работы для обученных профессионалов, чтобы они сосредоточились на задачах поважнее. Однако компании, использующие эти системы, скорее всего, не смогут обойтись без специалистов по данным. Особенно в тех случаях, если ИИ-система затрагивает клиентов.

Databricks, еще один разработчик программ no-code, также заявляет об ограничениях своих инструментов. «Многие команды data science не одобрят AutoML-решения для коллег, не имеющих образование в сфере МО, если они не уверены в том, что те работают с достаточным количеством ограничений», — рассказывает Кейси Уленхут, старший менеджер по продукту Databricks.

Кроме того, системы no-code не всегда предлагают достаточное количество настроек, необходимое бизнес-пользователям.

Читайте по теме: Заменят ли no-code-проекты разработку

По словам Аббо, в инструментах no-code от C3 AI можно использовать лишь определенные готовые алгоритмы МО. Чтобы активировать другие, нужно перейти в среду low-code. При этом разработчики, работающие с кодом, «могут делать все, что захотят», как утверждает Аббо.

Другая компания, Informatica, все же добавила возможность работать с кодом в свои инструменты, которые ранее были полностью no-code. По словам CEO Informatica Амита Валия, их клиентам была важна свобода деятельности, доступная обычным разработчикам, и теперь они могут экспериментировать и настраивать модели самостоятельно.

Как уменьшить риски

Ограничения, которые накладываются на инструменты no-code, не только уменьшают число доступных параметров и алгоритмов. Они также сокращают риски.

Как утверждает Уленхут, гражданские специалисты по данным (citizen data scientists — так называют тех, у кого нет образования в сфере дата-сайенс), могут не заметить недостатки наборов данных, используемых для обучения моделей для обнаружения мошенничества. К примеру, они могут оказаться несбалансированными.

«Если в 99% используемых данных нет ни одного случая мошенничества, то модель, всегда предсказывающая его отсутствие, будет верна в 99% случаев», — объясняет Уленхут. Она добавляет, что такая проблема может возникнуть, если в разработке не участвуют более опытные специалисты.

Сооснователь и CEO TruEra Уилл Апингтон также считает, что использовать инструменты no-code для выполнения важных бизнес-операций «очень рискованно». TruEra создает ПО для оценки моделей МО в процессе разработки и в действии.

По словам Апингтона, при работе с системами, играющими важную роль для бизнеса, некоторые компании поступают как раз наоборот — «они проводят более глубокий анализ системы, чтобы удостовериться, что ей можно доверять».

Другой специалист по данным, который пожелал остаться анонимным, утверждает, что инструменты no-code помогут предпринимателям разобраться в том, как создаются ИИ-модели. Однако, как считает он, их не стоит применять в задачах, имеющих важное значение для бизнеса.

«Я не могу представить, чтобы страховая компания использовала нечто подобное без тщательного изучения, — сказал он. — Думаю, что такие разработки не будут иметь большого влияния».

Читайте по теме: «Мы докажем, что можно построить миллиардный ИТ-бизнес без кода». Интервью с основателем WeLoveNoCode

Многие разработчики ожидают, что новички будут использовать их инструменты no-code под руководством профессионалов.

По словам Уленхут, прежде чем запустить модель в производство, особенно если она предназначена для клиентов, а не внутреннего использования, гражданские специалисты по данным, как правило, объединяются с квалифицированными.

Она добавляет, что с помощью инструмента AutoML от Databricks пользователи-любители обычно «экспериментируют с различными функциями и моделями, чтобы определить их способность к прогнозированию, и только потом обращаются к команде специалистов за помощью».

В конечном счете, некоторые компании все же призывают получить хотя бы некоторые навыки в этой сфере. Например, в прошлом году C3 AI разработала собственный курс по машинному обучению.

Источник.