ChatGPT가 가져온 로우코드 제품에 대한 생각

기업의 정보화 구축을 개선하고 디지털 전환에 기여할 수 있도록 주로 ToB 기업을 대상으로 로우 코드 플랫폼을 개발하고 있다고 이전 기사에서 여러 번 언급했습니다.

디지털 혁신의 목표는 비용을 절감하고 효율성을 높이는 것입니다. 마찬가지로 효율성도 우리에게 매우 중요합니다. 이는 판매 전 프로토타입을 신속하게 제공하고 고객과 소통하는 능력, 구현 과정에서 효율적인 배송 능력에 주로 반영됩니다. , 판매 후 발생하는 다양한 문제에 대해 즉시 답변을 드릴 수 있습니다.

최근 ChatGPT의 인기가 계속 높아지고 있으며 매일 새로운 애플리케이션이 발견되고 있습니다. 그러면 ChatGPT를 로우 코드 제품과 결합할 수 있나요? 아니면 이 큰 언어 모델 아이디어가 로우 코드에 어떤 종류의 효율성 향상을 가져올 수 있습니까?

사실 일부 거인들은 이미 이 일을 해냈습니다.

Salesforce는 Salesforce의 기본 웹 응용 프로그램과 통합되고 OpenAI ChatGPT 모델을 활용하여 영업 사원이 잠재 고객에게 연락하는 빈도를 추적하고 마케팅 이메일을 자동으로 작성하는 데 도움이 되는 LLM 기술 기반 제품인 신제품 EinsteinGPT의 출시를 발표했습니다. 수동으로 이메일을 작성할 필요가 없습니다. .

한편, Microsoft는 ChatGPT 기술을 Power Platform으로 확장한다고 발표했습니다. 파워 플랫폼은 마이크로소프트가 '최근에 읽은 두 권의 로우코드 책'에 소개된 로우코드 제품이다. 이는 Power Platform의 Power Virtual Agents 및 AI Builder가 ChatGPT 인코딩 기능으로 업데이트되어 사용자가 코딩을 거의 또는 전혀 하지 않고도 자신의 애플리케이션을 개발할 수 있음을 의미합니다.

Salesforce는 이를 비즈니스 역량에 적용하고, Microsoft는 플랫폼 역량을 강화합니다. 우리에게 사전 판매 및 구현 중에 필요한 것은 신속한 애플리케이션 구축이고, 사후 판매는 문제를 신속하게 해결해야 하기 때문에 두 가지 방향으로 가야 합니다.

1 애플리케이션 구축의 효율성을 향상합니다.

2. 지능적인 질문과 답변 시스템을 구축하세요.

현재 프로젝트 구현 단계는 다음과 같습니다.

• 요구사항 분석가가 고객과 통신한 후 요구사항 문서가 컴파일됩니다.
• 요구 사항 분석가는 건설 엔지니어와 개발자에게 요구 사항 프레젠테이션을 실시합니다.
• 구성을 통해 구현할 수 있는 부분은 건설 엔지니어가 구축하고 구성하며, 그 외 부분은 개발자가 맞춤화하고 개발한 후 플랫폼과 통합합니다.

로우 코드 제품이 ChatGPT의 기능을 통합한 후 시스템은 다음과 같이 됩니다.

• 시스템은 자연어를 이해할 수 있는 능력을 갖습니다.
• 수요 분석 및 고객 채팅을 거쳐 형성된 문서 자체가 자연어로 설명됩니다.
• 시스템에는 채팅 대화와 상호 작용이 있습니다.
• 키 정보를 식별하려면 대화 상자에 요구 사항 설명을 입력하세요. 키 정보에는 인터페이스 식별 및 매개변수 추출이 포함됩니다.
• 플랫폼 인터페이스를 호출하여 애플리케이션을 만들거나 로컬 기능을 조정하세요.
• 채팅만 하고 시스템 마무리하면 됩니다.

예: 대화 상자에 입력하여 현재 목록의 프로젝트 이름 열 너비를 500으로 조정합니다. 이때 매개변수인 프로젝트 이름과 너비 500을 식별할 수 있어야 하며 이를 알고 있어야 합니다. 열 너비를 조정하려면 인터페이스를 호출해야 합니다.

기존 로우 코드 플랫폼이 백그라운드에서 다양한 구성을 완료하고 저장을 클릭하면 프런트 엔드가 모든 데이터를 수집하여 인터페이스에 전달합니다. 인터페이스는 상대적으로 거칠고 많은 콘텐츠를 한 번에 저장합니다. 그러나 위의 예에서는 하나의 열이 조정됩니다. 열 너비를 설정하려면 인터페이스가 매우 세밀해야 합니다. 따라서 인터페이스 세분성을 변환하는 것이 지능을 달성하기 위한 첫 번째 단계입니다.

위에서 언급했듯이 ChatGPT를 통합하는 기능은 ChatGPT에 대한 직접적인 인터페이스가 아니기 때문에 여전히 구현하기가 상당히 어렵습니다. 그러나 ToB 시장에서 새로운 기술이 등장하여 완전히 대중화되는 데에는 시간이 있습니다. 방향이 맞는 한 준비할 시간은 분명히 있습니다.

현재 프로젝트 구현 과정에는 몇 가지 문제가 있으므로 지능적인 질문 시스템이 매우 중요합니다.

• 플랫폼에는 많은 기능이 있고 매우 유연하여 다양한 사람들이 동일한 요구 사항, 방법 및 작업을 구현할 수 있기 때문입니다. 접근 방식도 다르고 작업량도 몇 배씩 다를 수 있습니다.
• 구현 과정에서 발생하는 다양한 제품 문제는 친숙한 동료에게 문의하거나 제품 팀에 문의해야 합니다.

현재의 방법은 문서를 통해 검색하는 것입니다. 비즈니스 시나리오 사례, 운영 매뉴얼, 구현 FAQ 매뉴얼 등 수년 동안 많은 문서가 축적되어 있지만 키워드 검색을 기반으로 합니다. 키워드 검색을 사용하면 여러 가지 문제가 있습니다.

키워드를 추출하는 방법을 모르는 경우가 많습니다.
• 정확히 일치하지 않는 검색 결과가 너무 많습니다. 문서 수가 늘어나면 많은 수의 결과를 필터링해야 합니다.
• 특정 비즈니스 시나리오에 대한 건설 솔루션을 찾을 때 매칭이 매우 좋지 않습니다.

ChatGPT의 아이디어를 따른다면 지능적인 질문과 답변 시스템의 논리는 다음과 같습니다.

• 모든 침전된 문서(코퍼스)는 벡터 데이터를 생성하여 벡터 데이터베이스에 저장합니다.
• 입력된 자연어는 벡터를 생성하고 유사성을 계산하며 관련 결과를 찾습니다.
• 출력을 정리합니다.

이 질문에 대해 Knowledge Planet에서 Zhang Shanyou에게 물었습니다. 아래 사진은 Zhang Shanyou가 제공한 것입니다.

Baoyu도 Twitter에서 비슷한 질문에 답변했습니다.

https://twitter-thread .com /t/1641656561650249730.

그러나 Zhang Shanyou와 Baoyu가 제공하는 매개변수는 모두 OpenAI 인터페이스에 의존합니다. OpenAI에 의존하지 않고 이를 달성할 수 있는 방법이 있습니까? 이를 위해서는 추가 연구와 연구가 필요합니다.

최근 Supabase 제품 문서에서 AI Q&A(https://supabase.com/docs)를 제공하는 것을 봤습니다. 이 효과를 요약하면 자연어 입력을 기반으로 정확한 답변을 제공하는 것입니다.

미래가 도래했습니다. 제품과 개인 모두 도태되지 않기 위해서는 계속해서 배우고 진화해야 합니다.

위 내용은 ChatGPT가 가져온 로우코드 제품에 대한 생각의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!