IA e Low-Code/No-Code: O que eles podem e não podem fazer juntos

A Inteligência Artificial (IA) está na via rápida e encaminha-se para a aceitação da maioria das empresas, mas, ao mesmo tempo, outra tecnologia está marcando sua presença: programação de low-code e no-code. Embora estas duas iniciativas habitem esferas diferentes dentro da pilha de dados, oferecem, contudo, algumas intrigantes possibilidades de trabalhar em conjunto para simplificar e racionalizar vastamente os processos de dados e o desenvolvimento de produtos.

O low-code e no-code destinam-se a tornar mais simples a criação de novas aplicações e serviços, de tal modo que mesmo os não-programadores, isto é, os trabalhadores do conhecimento que realmente utilizam estas aplicações, podem criar as ferramentas de que necessitam para completar as suas próprias tarefas. Trabalham principalmente através da criação de funções modulares e interoperáveis que podem ser misturadas e combinadas para se adaptarem a uma grande variedade de necessidades. Se esta tecnologia puder ser combinada com IA para ajudar a orientar os esforços de desenvolvimento, não há como dizer quão produtiva a força de trabalho da empresa pode se tornar em poucos anos.

^{Programação inteligente}

O capital de risco já começou a fluir nesta direção. Um arranque chamado Sway AI lançou recentemente uma plataforma de arrastar e soltar que utiliza modelos de IA de código aberto para permitir o desenvolvimento de low-code e no-code para utilizadores iniciantes, intermediários e profissionais. A empresa afirma que isto permitirá às organizações colocar novas ferramentas, incluindo as inteligentes, em produção mais rapidamente, ao mesmo tempo que promove uma maior colaboração entre os utilizadores para expandir e integrar estas capacidades de dados emergentes de formas simultaneamente eficientes e altamente produtivas. A empresa já adaptou a sua plataforma genérica para casos de utilização especializada em cuidados de saúde, gestão da cadeia de fornecimento e outros setores.

A contribuição da IA para este processo é basicamente a mesma que noutras áreas, diz Jason Wong da Gartner, ou seja, assumir tarefas repetitivas, que nos processos de desenvolvimento incluem coisas como testes de desempenho, GQ e análise de dados. Wong observou que embora a utilização de IA no desenvolvimento low-code e no-code ainda esteja na sua fase inicial, os grandes apostadores como a Microsoft estão vivamente interessados em aplicá-la em áreas como a análise de plataforma, a anonimização de dados e o desenvolvimento de IU, o que deverá aliviar grandemente a atual escassez de competências que está a impedir muitas iniciativas de alcançar o estatuto de prontidão para a produção.

Contudo, antes de começarmos a sonhar com uma cadeia de desenvolvimento otimizada e com poder de IA, teremos de abordar algumas preocupações práticas, de acordo com o programador Anouk Dutrée. Por um lado, a abstração do código em módulos compostáveis cria muita sobrecarga, e isto introduz latência no processo. A IA está gravitando cada vez mais em direção a aplicações móveis e web, onde mesmo atrasos de 100 ms podem afastar os utilizadores. Para as aplicações de BackOffice que tendem a abanar silenciosamente durante horas, isto não deveria ser um grande problema, mas então, também não é provável que esta seja uma área madura para o desenvolvimento de low-code ou no-code.

^{Restringida pela IA}

Além disso, a maioria das plataformas de low-code não são muito flexíveis, dado que trabalham com módulos largamente pré-definidos. Os casos de utilização de IA, contudo, são geralmente muito específicos e dependentes dos dados disponíveis e da forma como são armazenados, condicionados e processados. Assim, com toda a probabilidade, será necessário código personalizado para fazer funcionar corretamente um modelo de IA com outros elementos no modelo de low/no-code, e isto pode acabar custando mais do que a própria plataforma. Esta mesma dicotomia também tem impacto em funções como treino e manutenção, onde a flexibilidade da IA se traduz numa relativa rigidez de low/no-code.

Adicionar uma dose de aprendizagem de máquinas nas plataformas de low-code e no-code poderia ajudar a afrouxá-las, contudo, e adicionar também uma dose muito necessária de comportamento ético. A Persistent Systems’ Dattaraj Rao destacou recentemente como o ML pode permitir aos utilizadores executar padrões pré-scaneados para processos como engenharia de características, limpeza de dados, desenvolvimento de modelos e comparação estatística, tudo isto deve ajudar a criar modelos que sejam transparentes, explicáveis e previsíveis.

É provavelmente um exagero dizer que a IA e o no/low-code são como o chocolate e a manteiga de amendoim, mas há razões sólidas para esperar que possam melhorar os pontos fortes uns dos outros e diminuir os seus pontos fracos em várias aplicações, à medida em que a empresa se torna cada vez mais dependente do desenvolvimento de novos produtos e serviços, ambas as tecnologias podem remover os muitos bloqueios de estrada que atualmente asfixiam este processo, e este provavelmente continuará a ser o caso, independentemente de estarem trabalhando em conjunto ou independentemente.