Microsoftが2023年に行った調査によると、CEOの87%はローコードプラットフォームへのAIと自動化の搭載が増えたことでこのテクノロジーのすべての機能をさらに有効活用できるようになると考えています¹⁵。一方、業界のエキスパートは、生成AIの台頭に伴ってローコードプラットフォームの必要性がさらに高まると考えています。たとえば、代表的な独立系市場調査会社であるForresterは、ローコードプラットフォームがアプリケーション生成プラットフォームという新しいプラットフォームカテゴリーのベースになるだろうと予測しています。

ローコードプラットフォームにはAI機能が多数用意されており、ガバナンス、定義、セキュリティをプロセスに追加することで新しい生成AIの機能をフル活用できるようになっています。現在のところ、生成AIツールで作成できるのはコードのサジェスチョン、コードブロック、小規模なモジュールにとどまっています。そのため、開発者は引き続き生成されたコードを評価して、インターフェイスの調整、境界条件の把握、セキュリティリスクの評価を行う必要があります。ローコードプラットフォームではこの評価が自動的に行われるため、コード生成とコードレビューを合わせた開発者の作業は少なくてすみます。また、ローコードプラットフォームを使用すると、プラットフォーム側で生成AI開発時の難しい作業の大半を人間に代わってあらかじめ処理されるため、生成AIを導入しやすくなります。

では、ローコードプラットフォームがどのようにしてAI生成コードをリスクなく活用できるようにし、ソフトウェア開発ライフサイクルを通じてチームに必要な支援を提供するかを見ていきましょう。

ソフトウェアデリバリープロセス全体に対応する生成AI機能、インフラ、ツールの入手

AIが生成したコードが完全なものだったとしても、動作する検証済みのセキュアなアプリケーションをデリバリーするには不十分です。まず、AI生成コードはブラックボックスであり、コードの由来や中身がわかりません。また、SoR、データベース、連携といったインフラの状況も考慮していません。AI生成コードには、ランドスケープに関する変更や拡張の情報も含まれていません。一定の方向性は示してくれるかもしれませんが、インフラ固有のコンテキストが必要なのです。

本番環境と本番稼働後に対応できる生成AIツールを探し始めると、すぐに複数のツールの使用が必要だとわかるでしょう。その中にはプロプライエタリツールも含まれます。これでは、開発者が多くのツールを切り替えながら作業していた過去を繰り返すことになります。

ただ、これを避ける方法はあります。ローコードプラットフォームを使用すると、生成AIを利用してアプリを作成し、ビルド、テスト、デプロイ、保守といった残りのプロセスも管理することができます。また、最新のアプリケーションポートフォリオの実行に必要なコアインフラも備えているため、立ち上げに必要な多額のコストを削減できます。AI生成コードを活用して、既存のシステムやデータベースと連携可能なアプリケーションを開発することもできます。バージョン追跡、依存関係チェック、影響分析もすべてパッケージに含まれています。

セキュリティやガバナンスに関する指針に沿ったAI生成コードの実装

AIは、ユーザーのコードベースやオープンソースプロジェクトに由来するセキュリティの問題を複製しやすいものです。他の組織が保有するコードライブラリを取り込むことで知的所有権を侵害するおそれもあります。しかし、生成AIがローコードプラットフォームに組み込まれている場合、厳格な指針や中央のIT部門によるバックアップチェックにより、アプリケーションがコンプライアンスに違反する可能性を抑えることができます。包括的なアプローチにより、問題のあるAI生成コードを迅速に特定して修正し、あらかじめセキュリティを確保できるのです。

ローコードプラットフォームにはセキュリティツールやコンプライアンスツールが組み込まれており、検証が自動的に行われるため、ISOやSOCといった世界標準に準拠したアプリを作成できます。自動セキュリティ評価によって厳格なQAプロトコルへの適応が可能になるとともに、AI機能によってコードの問題の常時確認が可能になります。また、分散型サービス拒否、新たに特定されたコードの脆弱性、モバイル脅威、その他の保護に対する修正が、自動的にアプリに適用されます。

生成AIにより、非開発者が未精査のアプリケーションや、既存のものと重複するアプリケーションを急増させるおそれも高まります。ローコードプラットフォームは、複数の方法でこれに対応します。そのひとつが、バージョン管理、リリース管理、コンポーネントの依存関係管理用のツールです。これにより、非開発者が既存のアプリと類似または競合するアプリを作成できないようにします。また、単一のプラットフォームを提供することで、すべての開発者が同じツールとプロセスを使用するようにします。

AI生成コードの予測性と一貫性の確保と維持

AIによって生成されるコードは、所有者がはっきりしないブラックボックスのようなものです。なぜコードをそのように記述するのかは、知るよしもありません。ソースとなるのは、ミスの多い人間によって記述、コピー、ペーストされた、既存の不完全なソフトウェアの膨大なリポジトリです。コーディングコパイロットはその好例です。これは開発者のコード生成を支援する生成AIコンパニオンですが、生成したコードは手作業で記述した場合より50%も長くなります。記述不要なコードを生成すると、技術的負債が増加します。

起こりがちな問題はほかにもあります。コパイロットでは、保守の簡素化のために定義された標準に準拠しないアプリケーションが生成されることがあり、既存のコードの再利用や変更を簡単に行えません。そのため、ルールやベストプラクティスに沿ったコードにすることが難しいのです。必要に応じてAI生成コードをデバッグしたりリファクタリングしたりするのも簡単ではありません。

AI生成コード機能を搭載したローコードプラットフォームを使用すると、スピードや手軽さといったメリットが得られるだけでなく、コードベースの保守性や可視性も維持できます。ローコードプラットフォームには、AI生成コードの組み込み方法を制御するための構造化された環境があるため、コードの把握、デバッグ、進化を必要に応じて容易に行うことができます。だからこそ、リスクや課題を軽減しながら生成AIを活用できるのです。

ローコードプラットフォームには、テストツール、CI/CD、監視、ユーザーフィードバック管理の機能が組み込まれています。視覚的なデバッグ機能を使用して、実行をブレークポイントで一時停止し、ロジックをステップごとに実行してエラーを特定できます。また、品質分析、自動化、AIが、健全なアプリとアーキテクチャを実現します。リアルタイムの監視、テスト、フィードバックにより、円滑なパフォーマンスとエクスペリエンスが維持されます。ローコードプラットフォームでは、ロールバックや、インフラとアプリケーションの監視も簡単に行うことができます。テクノロジーやユーザーの好みの変化に応じてコードを調整することも可能です。

ローコードの未来がかつてないほど明るいこと、そしてローコードと生成AIの統合が自然な進化の過程であることを示す実例は、枚挙にいとまがありません。

しかし、どの手法を使用するにしても、生成AIアプリの開発を始める際には未来を見据えた戦略が必要です。

‍

¹⁵ Richard Riley, Low-code signals 2023. Microsoft, 13 Apr.

¹⁶ John Bratincevic and Diego Lo Giudice, “The Rise Of Application Generation Platforms, 2024. Forrester blogs, 7 May.

¹⁷ Coding on Copilot: 2023 Data Shows Downward Pressure on Code Quality, 2024. GitClear, 26 Jan.

¹⁸ George Lawton, AI transparency: What is it and why do we need it?, 2024. TechTarget, 25 Jan.