Не забудьте поширити ❤️
No-code та low-code – не панацея. Ці інструменти повинні полегшити доступ до аналітичних моделей і простих програм на базі ІІ, але насправді їх можливості не такі широкі, а користувачі часто стикаються з обмеженнями. Ось що про це говорять розробники та керівники компаній.
“При переході в середу low-code і, тим більше, no-code накладаються обмеження на те, що можна і не можна робити”, – розповідає президент і головний технічний директор C3 AI Ед Аббо. C3 AI розробляє ПЗ, яке дозволяє людям, які не мають досвіду в програмуванні, створювати моделі машинного навчання.
Зазвичай інструменти low-code і no-code просуваються як спосіб скоротити обсяг роботи для кваліфікованих професіоналів, щоб вони зосередилися на важливіших завданнях. Проте компанії, які використовують ці системи, швидше за все, не зможуть обійтися без фахівців за даними. Особливо в тих випадках, якщо ІІ-система зачіпає клієнтів.
Databricks, ще один розробник програм no-code, також заявляє про обмеження власних інструментів. “Багато команд data science не схвалить AutoML-рішення для колег, які не мають освіту в сфері МО, якщо вони не впевнені в тому, що ті працюють з достатньою кількістю обмежень”, – розповідає Кейсі Уленхут, старший менеджер по продукту Databricks.
«Ринок low-code/no-code». Terrasoft опублікував звіт про технології розробки корпоративного ПЗ без програмування
Крім того, системи no-code не завжди пропонують достатню кількість налаштувань, потрібну бізнес-користувачам.
За словами Аббо, інструменти no-code від C3 AI можна використовувати лише певні готові алгоритми МО. Щоб активувати інші, необхідно перейти в середу low-code. При цьому розробники, які працюють із кодом, «можуть робити все, що захочуть», як стверджує Аббо.
Інша компанія, Informatica, все ж таки додала можливість працювати з кодом у свої інструменти, які раніше були повністю no-code. За словами CEO Informatica Аміта Валія, їхнім клієнтам була важлива свобода діяльності, доступна звичайним розробникам, і тепер вони можуть експериментувати та налаштовувати моделі самостійно.
Як зменшити ризики
Обмеження, що накладаються на інструменти no-code, не лише зменшують кількість доступних параметрів та алгоритмів. Вони також скорочують ризики.
Як стверджує Уленхут, цивільні фахівці за даними (citizen data scientists — так називають тих, хто не має освіти у сфері дата-сайєнс), можуть не замінити недоліки наборів даних, які використовуються для навчання моделей для виявлення шахрайства. Наприклад, вони можуть бути незбалансованими.
«Якщо в 99% використовуваних даних немає жодного випадку шахрайства, то модель, яка завжди передбачає його відсутність, буде вірна в 99% випадків», — пояснює Уленхут. Вона додає, що така проблема може виникнути, якщо в розробці не беруть більш досвідчені фахівці.
Співзасновник та CEO TruEra Вілл Апінгтон також вважає, що використовувати інструменти no-code для виконання важливих бізнес-операцій дуже ризиковано. TruEra створює ПЗ для оцінки моделей МО у процесі розробки та у дії.
За словами Апінгтона, під час роботи з системами, які відіграють важливу роль для бізнесу, деякі компанії надходять якраз навпаки — «вони проводять глибший аналіз системи, щоб переконатися, що їй можна довіряти».
Інший фахівець за даними, який побажав залишитись анонімним, стверджує, що інструменти no-code допоможуть підприємцям розібратися у тому, як створюються ІІ-моделі. Однак, як вважає він, їх не варто застосовувати у завданнях, які мають важливе значення для бізнесу.
«Я не можу уявити, щоб страхова компанія використала щось подібне без ретельного вивчення, – сказав він. — Думаю, що такі розробки не матимуть великого впливу».
Багато розробників очікують, що новачки використовуватимуть їх інструменти no-code під керівництвом професіоналів.
За словами Уленхут, перш ніж запустити модель у виробництво, особливо якщо вона призначена для клієнтів, а не внутрішнього використання, цивільні фахівці за даними зазвичай об’єднуються з кваліфікованими.
Вона додає, що за допомогою інструменту AutoML від Databricks користувачі-аматори зазвичай «експериментують з різними функціями та моделями, щоб визначити їхню здатність до прогнозування, і лише потім звертаються до команди фахівців за допомогою».
Зрештою, деякі компанії все ж таки закликають отримати хоча б деякі навички у цій сфері. Наприклад, минулого року C3 AI розробила власний курс з машинного навчання.
Ми у соцмережах: