企業該使用No Code工具嗎?又該注意哪些問題?

人類一直希望機器應該可以再智慧一點,只要跟機器描述需求,就能得到結果。近幾年,大為流行的Low Code、No Code (低程式碼/無程式碼)工具或許就是為了完成這個夢想而出現。以往需要仰賴工程師幫忙寫程式碼執行的任務,現在只要簡單的拖拉動作就能完成工作。但是,對企業來說,Low Code、No Code 工具是不是真的能帶來有效的結果或是商業價值呢?機器產生的決策,真的能百分之百信任嗎?對工程師而言,又將產生什麼影響?

機器可以無腦操作嗎?

人工智慧科技基金會首席資料科學家蔡源鴻認為,每個No Code平台或工具的強項都不一樣,對沒有辦法培養數據團隊的中小企業而言,會有一定的效果。但是,不會寫程式沒有關係,要有統計的基礎知識,並對資料科學有一定的認識,「它只是不讓你寫程式,不代表可以忽略這些,即使不用寫程式,要呈現出合理的意義也要有基礎的知識。」

如果沒有相關知識,要如何產生對預測或做決策有幫助的報表?也不可能憑空叫系統生出模型。至於要具備哪些背景知識?蔡源鴻說,就看你選用的No Code工具是偏哪一種類型?例如有一些是比較統計的類型,就要有統計的知識;有些平台是在建模或預測上較強,那就需要了解機器學習或是統計推論。當然最好是統計學、資料科學及機器學習等領域的基礎知識。

蔡源鴻補充,目前很多大學科系都會學習統計學,這些知識可以幫助使用者在使用No Code工具時,可以對資料有些概念。機器學習的了解則是幫助使用者了解這些模型工具的強項以及產生的預測成果,而不是盲目的相信。

No Code時代工程師會失業嗎?

「我覺得人的腦袋可以做更多有創意的事情,」蔡源鴻認為,如果機器能夠解決瑣碎的事情,就可以不用浪費工程師的精力與時間。在AI專案的執行過程中有許多角色,但No Code工具無法取代所有角色。比如輸入電腦的資料還是要經過處理,不能太髒,而每一家公司的資料特性不同,做法也會不同。例如缺失值的補法雖然有些慣用的做法,但有些時候還是會根據不同的資料特性還是要做不同的處理,可能需要工程師或資料科學家的知識才能去清理或整理。

對於沒辦法養一個大團隊的公司,No Code的平台或工具已經幫忙完成了一部分的任務,就不需要養很多人去做資料的統計或預測。對工程師來說,也可以專注在更需要人類才能思考的地方。例如,資料探勘的方式有很多,機器不可能每一種都擅長,工程師要做的是更需要巧思才能進行的地方,或是朝向整體考量的任務。

大企業會不會需要No Code工具或平台呢?蔡源鴻說,有時候企業會有不同的部門,不可能每個部門都配備一個資料科學家,或是資料工程人員可能都集中在某個部門,每個工程師身上都有不同的任務及優先順序,這時候No Code工具或平台就可以提供幫助,只要有一個會統計的人員就能使用。