作者：郭家宏

ChatGPT爆紅後，生成式AI成為家喻戶曉的名詞。這種AI具有文字與圖像生成能力，能幫人類寫文章、設計圖片、發想行銷文案等。此外，生成式AI還會寫程式，就算你不是軟體工程師，只要在ChatGPT下指令，它就會寫出程式，幫你完成原本需要軟體工程師才能完成的工作。

早在ChatGPT誕生前幾年，市場上就有low-code（低程式碼）工具。簡單來說，那是一種視覺化工具，讓商業分析師與專案經理等相對缺乏程式能力的人，也能透過滑鼠點擊與拖拉就輕鬆建立程式。也就是說，low-code跟生成式AI一樣，都是降低寫程式門檻的工具。但兩者的重點不同，low-code主要是一套視覺化圖形操作介面，而生成式AI則是自然語言，若將兩者技術結合，會如何影響未來的商業技術開發？會導致專業工程師失業嗎？

生成式AI結合low-code，讓一般人也能參與程式開發

微軟的Low-Code Signals2023報告指出，87%的創新長與IT專家認為，將AI與自動化嵌入low-code平台能提升開發者的程式開發能力。軟體公司Pegasystems資深產品經理SumanBhowmick指出，雖然low-code已經大幅降低門檻，但使用者還是需要一定的寫程式能力，而生成式AI能讓這個過程更加簡單。藉由提供建議與操作指南的方式，生成式AI能協助開發者自動化很多任務，讓流程大大加速。

科技顧問公司Constellation Research的首席分析師Dion Hinchcliffe則表示，生成式AI可以讓low-code平台更容易使用，即使非工程師也能用一般人類語言與電腦溝通，請它寫程式。例如微軟的low-code應用程式PowerApps，目前已經導入ChatGPT，提供一個聊天介面，讓人可以用一般的文字指令與電腦對話。

除了幫助人類開發程式，軟體公司Kissflow的產品長Dinesh Varadharajan表示，生成式AI與low-code結合，還能讓系統自己運作，不需要人類介入。過程中，low-code降低組織開發程式的門檻，而生成式AI則可以提升組織的效率與一致性。軟體公司CircleCI的執行長JimRose則認為，生成式AI背後的LLM（大型語言模型）技術最終會改變low-code的語言模式；與其建立一個視覺化界面，LLM可以讓人直接給模型指令，直接講自己想開發的程式，系統就會幫忙寫好。但JimRose坦承，目前生成式AI還沒辦法做到這種程度，部分原因是，人們必須要懂得如何和生成式AI溝通，讓它了解自己的需求，如果人機雙方「溝通不良」，寫出來的程式也會事倍功半、效果打折扣。

結合生成式AI開發寫程式系統，道德架構必須優先

軟體公司Pega的科技長Don Schuerman表示，結合生成式AI與low-code兩種工具，可以縮短從概念、實驗到推出實際產品的鴻溝，進而加速商業創新。然而他也指出，當中有很多細節，是企業導入這兩種技術時需要注意的。

例如Don Schuerman認為，AI的責任與道德架構永遠必須是研發過程中第一考量。也就是說，AI的運作與決策得透明化，必須「訓練AI到能完整解釋如何，以及為何做出相關決定的程度」。如果決策邏輯不透明，企業就無法為終端使用者提供公平、一視同仁的服務。此外，因為AI的訓練基礎是使用人類餵養的資料，但人類社會有不可避免的潛在偏見，所以資料自然也會有偏差，用這些資料訓練出來的AI，也容易產出帶有偏差眼光的內容，代表系統必須做偏見測試（biastesting），確保不會產生偏誤。

Don Schuerman也堅持，人類一定要參與在開發過程中（keeping the human in theloop），不能只是放任AI自行生出結果、人類只負責檢查錯誤與修改。原因是，目前AI仍無法掌握客戶同理心（customerempathy）。藉由人類參與開發，可以讓AI更能理解消費者心理，提供符合使用者需求的產品與服務。

Suman Bhowmick也提出類似觀點，認為就算生成式AI能讓過程自動化，但還是需要人們投入智慧與創造力。例如領域專門的問題、利基組織性的問題、以人為中心的設計問題還是要由人類親自解決。但有生成式AI的協助，會讓尋找最佳解的過程更容易。顧問公司IDC的研究經理MicheleRosen則認為，要讓生成式AI產出完全符合使用者需求的程式有難度，low-code相對較快、較容易。

生成式AI還無法掌握專利，可能有侵權的問題

除了數據偏誤與AI對人性掌握的問題，智慧財產權與機密也是生成式AI技術用於企業的重要課題。就智慧財產權而言，因為生成式AI產出內容時，並不知道自己引用的資料哪些有著作權與專利，代表它可能會將有專利保護的、未授權的程式碼寫進自己的程式中。例如著名的開源程式平台GitHub，它導入ChatGPT協助開發者寫程式，目前就遇到法律上的爭議。

另外，雖然目前多數生成式AI用公開資料訓練，但JimRose表示，未來會有封閉式模型的潮流，也就是企業使用私有資料訓練生成式AI，以更貼合公司需求。但每個員工能接觸到的資料機密層級並不相同，DionHinchcliffe表示，企業必須要找出能讓AI根據提問者權限決定提供資料範圍的方式，但目前的AI技術不容易達成。

生成式AI結合low-code，專業軟體工程師的職位是否會被取代？

還有一個問題是，生成式AI結合low-code能讓程式基礎不高的人參與程式開發，專業軟體工程師的職位是否會被取代？

其實這類系統並不是專業工程師的競爭者，它也能協助工程師開發程式。顧問公司Amalgam Insights的首席分析師HyounPark指出，工程師寫程式，時常要搜尋特定的函式庫，也要去記特殊指令，但生成式AI能提供樣本程式碼，讓工程師據此編輯，加快開發速度。生成式AI也能幫工程師完成程式。微軟以前就推出類似的軟體Copilot，亞馬遜也有CodeWishperer；但現在微軟要在Copilot加入GPT-4技術，提升程式的生成能力。

除此之外，根據IDC的研究，全球程式開發者的缺口將從2021年的140萬暴增到2025年的400萬，生成式AI結合low-code的程式系統能填補部分缺口，也能填補人才季節性的空缺。徵才的時候，這套系統也能讓開發者的程式背景更彈性，例如一些應用程式需要使用特定的程式語言，企業在招募軟體工程師時，能選擇的程式背景時常受限，但生成式AI結合low-code的系統能消除這項瓶頸，不只選才範圍擴大，還能縮短開發時間。

雖然生成式AI結合low-code的系統目前有資料偏差、機密、隱私等疑慮，但它能降低寫程式的門檻，讓更多員工參與程式開發，也能與專業工程師合作，提升寫程式的效率，因此具有龐大的市場潛力。ConstellationResearch分析，生成式AI市場會在今年年底成長到41億美元，年成長率32%。若這項工具能突破瓶頸，廣泛應用在企業中的話，對創新創業來說是一大助力。