生成式人工智能与低代码/无代码的未来：共生还是替代？

面对生成式人工智能的惊人进展，企业对低代码/无代码的未来充满疑问。生成式人工智能是否让这一概念变得过时或无用？一些人预言公民开发者的缓慢衰退或迅速消亡，而另一些人则认为这是加速该方法采用的契机。

从人人可用到人人开发

低代码/无代码（LCNC）的目标是让用户无需编写代码即可创建应用程序或流程。其起源可追溯到1980年代，当时办公软件首次让用户无需掌握编程语言就能完成计算任务，因此LCNC并不新鲜。

随着网络和移动技术的发展，以及对应用程序创建的需求日益增长，LCNC不断演变。通过拖放、模板和工作流等界面，使得设计应用程序变得可行，无需编码或仅需最少编码。渐渐地，LCNC超越了IT部门，扩展到企业的各个业务领域。

在日益增长的数字化需求推动下，这一承诺吸引了众多组织，开始对员工进行宣传。然而，2022年底，围绕生成式人工智能的媒体热潮带来了更具吸引力的前景：在几秒钟内生成代码、合成信息和自动化任务的可能性。

许多专家开始预测低代码的终结，但这是否真的会发生？生成式人工智能和低代码是冗余的还是互补的？这两个领域相遇究竟能带来什么？

满足自主性和灵活性的需求

低代码的优势多种多样。首先，它让最了解自身需求的业务用户能够自主设计解决方案。其次，它使企业能够提高灵活性、创新和竞争力，摆脱传统集中式开发管理的束缚。

微软的生态系统是低代码的一个成功范例，为用户提供了一系列工具，可以以最少的编码创建解决方案。像Power Apps、Power Automate、Power BI等工具允许创建应用程序、管理流程和分析数据。这些解决方案形成了一个集成的系统，并与其他云服务（如Azure或Office 365）及外部解决方案连接，以促进数据共享和同步。

因此，低代码使企业能够确保输入的安全、收集数据并保留历史记录，而不必启动一个通常繁琐且昂贵的传统开发项目。尽管这种方法因其简便性和高效性受到欢迎，但仍然存在一些局限性。

面临众多挑战的模型

这些挑战的核心在于技术能力的问题。尽管低代码将编码需求降至最低，但公民开发者仍需掌握应用程序开发的基本原则。

在这方面，传统开发者与用户开发者之间的技术水平不对称是真实存在的。如果这一点未被充分理解，可能会在管理高级调整或复杂集成时迅速变得棘手。经验丰富的开发者能够直觉地解决问题，而普通用户可能会因未预见的技术问题而感到困惑。

此外，用户开发者可能会面临扩展带来的困难，以及为了处理不断增长的数据量或确保有效的访问管理而需要对应用程序进行升级的问题。

最后，除了技术能力和思维方式之外，方法论上的差异也不容忽视。经过培训的开发者具备测试和模块化开发的方法，能确保其开发是功能性的，而用户开发者则可能因缺乏方法论而错过某些错误。

另一个挑战是过度自信。对自己创建的解决方案的盲目信任可能会使组织面临bug和错误的风险，甚至重要的安全漏洞。

总之，尽管低代码在加速和民主化应用程序创建方面具有明显优势，但必须强调的是，这一方法也存在局限，可能会危及开发解决方案的质量、安全性和可持续性。

生成式人工智能：应用开发的新范式

生成式人工智能正在改变这一技术格局，颠覆了使用习惯，使得技术能力、数据分析和代码生成变得更加普及。尽管在开发领域，代码复用和片段使用已成为常见做法，但生成式人工智能改变了这一现状，使每个人都能几乎即时生成响应需求的代码行。面对这种加速生产的前景，开发者迅速接受了这项技术。

在低代码领域，微软将Copilot集成到Power Platform的各个组成部分，带来了显著的效益。例如，Power Apps简化了从简单需求和功能规格开始创建应用程序的过程。Power Automate同样实现了自动化，几乎可以根据自然语言描述自动生成工作流。最后，Copilot Studio能够从一张简单的图像或描述快速生成一个集成公司数据的bot。

虽然这些技术的好处和时间节省得到了认可，但生成式人工智能在应用开发中是否也存在局限？它是否会促进技术鸿沟的缩小，还是可能成为一个危险的捷径，进而影响低代码的价值？

生成式人工智能的局限性

首先，很明显，生成式人工智能无法完全取代人类的技能。虽然它减少了对技术技能的需求和开发时间，但并没有完全消除它们。理解代码和业务知识仍是实现成功结果和修正可能错误的必要条件。实际上，尽管生成式人工智能可以快速创建代码片段，但在将它们合理且功能性地组合起来方面仍显不足。

生成式人工智能的另一个局限在于其固有的“幼稚”。它无法预见自身代码的潜在恶意后果，可能会使应用程序面临重大安全风险。人类开发者凭借其经验、整体视野和批判性思维，仍是识别和预防这些风险的关键。

尽管生成式人工智能能高效复用现有代码，但它并不总是考虑版权和许可问题。此外，生成式人工智能还有一个缺陷：它总是试图提供答案，导致系统性的解决方案，有时与需求脱节，并产生所谓的“幻觉”现象，凸显了人类判断在验证和优化AI提案中的重要性。

因此，将生成式人工智能纳入开发过程凸显了人类关注的必要性。承认这一现实后，认为生成式人工智能是催化剂和加速器而非威胁显得更为明智。通过展示这一方法的简单性和高效性，它帮助降低了采用的门槛，朝着每个人都能参与的开发迈出了一步。在这种情况下，业务知识、经验和直觉仍然是充分利用这一新兴技术潜力的关键要素。尽管未来可能为应用开发中的生成式人工智能带来自主进展，但通往这种独立的道路似乎仍未完全开启。

本文由LowCode低码时代根据公开资料整理，如有侵权请联系删除。

– END –

报告下载

大佬观点