Jak nadejście AI zmieniło podejście banków do wykorzystania platform low-code/no-code?

Bartosz Sokoliński

DYREKTOR DS. ROZWIĄZAŃ AI, DEPARTAMENT INFORMATYKI, BOŚ S.A.

Osiem lat temu w firmie, w której wtedy pracowałem, dział IT skutecznie bronił się przed wdrożeniem low-code’u. Argumenty: za dużo aplikacji, których nikt nie utrzyma, niska jakość kodu. W końcu zaczęli korzystać. Po roku zespoły biznesowe miały swoje narzędzie, każde narzędzie miało właściciela, każdy właściciel kogoś z IT do pomocy. Dziś te same działy IT odmawiają czegoś innego: zastosowania asystenta AI do low-code’u. Argument ten sam. Wynik będzie ten sam.

Pisanie z asystentami stało się dzisiaj banalnie proste – rozmawia się po polsku. Wystarczy prompt: Zrób aplikację, w której kierownicy oddziałów widzą prowizje z ostatnich trzech miesięcy. Asystent dopisuje do bazy zapytanie, ekran, role. Dla użytkownika końcowego taka aplikacja może wyglądać jak pełnoprawne oprogramowanie. Oczywiście kod trzeba sprawdzić, rozumieć… przesłać do zespołu cyberbezpieczeństwa.

Dekadę temu low-code miał być niegroźny. Formularze, obieg dokumentów, drobne automatyzacje, wszystko pod kontrolą IT. Dziś low-code dostał umiejętności programisty. Gartner przewiduje, że do końca 2026 r. trzy czwarte nowych aplikacji korporacyjnych powstanie na platformach low-code, a 41% pracowników to potencjalni autorzy aplikacji budowanych lub modyfikowanych poza ewidencją IT. Ten sam Gartner ostrzega, że w 2028 r. liczba błędów w aplikacjach, pisanych od polecenia do gotowej apki, wzrośnie o 2500%.

Grzegorz Rębacz

DYREKTOR DEPARTAMENTU SYSTEMÓW SPRZEDAŻY, CREDIT AGRICOLE BANK POLSKA S.A.

Rozwój sztucznej inteligencji paradoksalnie może zagrozić samej istocie koncepcji low-code/no-code. Przez lata jej główną przewagą była szybkość dostarczania rozwiązań, niższy koszt wytwarzania aplikacji oraz obniżenie bariery wejścia do świata tworzenia oprogramowania. Tymczasem modele AI, szczególnie te wyspecjalizowane we wspieraniu programowania, coraz lepiej radzą sobie ze standardowymi językami programowania, takimi jak Java, Python, JavaScript czy .NET, realnie zwiększając produktywność klasycznych zespołów developerskich.

To oznacza, że argument low-code jest szybszy niż tradycyjny development przestaje być tak jednoznaczny jak jeszcze kilka lat temu. Jeśli doświadczony zespół inżynierski, wspierany przez AI, jest w stanie dostarczać rozwiązania wielokrotnie szybciej niż wcześniej, atrakcyjność części platform low-code może naturalnie maleć. Szczególnie tam, gdzie kluczowe są elastyczność architektoniczna, skalowalność czy pełna kontrola nad kodem.

Jednocześnie nie oznacza to końca koncepcji low-code/no-code. Wręcz przeciwnie – przyszłość tych platform widzę w głębokiej integracji z AI. Narzędzia, które połączą prostotę modelowania procesów z inteligentnym generowaniem logiki, testów, dokumentacji czy integracji, mogą zyskać zupełnie nową wartość. W mojej ocenie to właśnie zdolność do stania się platformami AI-native zdecyduje o tym, które rozwiązania pozostaną istotnym elementem transformacji technologicznej organizacji.

Robert Milewski

WICEPREZES ZARZĄDU NEST BANKU, PION RYZYKA (CRO)

AI coraz częściej trafia do rozwiązań no‑code/ low‑code. W połączeniu z RPA pozwala automatyzować procesy, które wcześniej wymagały udziału człowieka. To sprawia, że firmy zamiast inwestować duże zasoby w dedykowane zespoły IT, mogą szybciej prototypować i wdrażać rozwiązania z użyciem interfejsów graficznych i gotowych bloków AI.
Platformy pozwalają integrować rozpoznawanie tekstu, generowanie treści czy analizę danych bez głębokiej wiedzy z zakresu języków programowania.

Są też ograniczenia – no‑code/low‑code bywają mniej elastyczne przy złożonych wymaganiach, niosą ryzyko vendor lock‑in i trudności z zapewnieniem jakości modeli oraz zgodności z przepisami o ochronie danych. Wykorzystanie gotowych modeli może też prowadzić do nieprzewidywalnych wyników, wymagających dokładnego testowania, nadzoru i walidacji.

Tradycyjne wytwarzanie oprogramowania też ewoluuje – podejścia typu vibe coding obniżają próg wejścia i koszty dzięki bibliotekom, automatom CI/CD i komponentom ponownie wykorzystywanym w projektach. Daje to kompromis: większą kontrolę i skalowalność przy relatywnie niższych nakładach niż kiedyś.

Dla biznesu kluczowe są kryteria wyboru: stopień skomplikowania procesu, wymogi bezpieczeństwa, potrzeba kontroli nad modelem oraz tempo wdrożenia. Hybrydowe podejście – szybkie prototypy na no‑code/low‑code z docelowym przeniesieniem krytycznych elementów do kodu – często daje najlepszy bilans kosztów i ryzyka.