Почему бизнес инвестирует в no-code-платформы для создания ИИ

И что мешает этому сегменту развиваться

Раньше про запуск AI-продуктов говорили «на корпоративном»: собственная команда ML-инженеров, месяцы R&D, десятки миллионов рублей бюджета. А сегодня на no-code-платформах можно запускать AI-продукты за дни и недели, а не за месяцы. Здесь мы разберем, почему бизнес делает ставку на сегмент и что мешает ему расти.

У бизнеса к no-code насущный интерес. Компаниям нужно решать глобальные проблемы в поставках, логистике, производстве, обучении, на транспорте. И не ждать месяцами продукт, пробиваясь в очереди к айтишникам.

Вот показательный пример: VisionLabs (входит в МТС) представила платформу Luna Line, позволяющую обучать модели компьютерного зрения без программирования. С ней можно проверять качество продукции на производстве, обнаруживать дефекты растений, дорожных объектов и т.д. Инвестиции в проект превысили 100 млн рублей. Видим, как no-code инструменты начинают вытеснять классическую ML-разработку даже в тех зонах, где раньше без инженеров было не обойтись.

Эти преимущества также могут быть задействованы в логистике - для управления документооборотом и грузами; в промышленности - для контроля производственных линий; в обучении - для взаимодействия с учениками и управления учебными материалами; в информационной безопасности - для поиска уязвимостей, в том числе на этапе разработки, в банковской сфере - для контроля операций и снижения количества ошибок. Бизнес смотрит на ИИ-платформы не как на IT-инфраструктуру, а как на инструмент автоматизации задач. Поэтому и инвестирует в no-code подход - он понятный, быстрый и позволяет запускать ИИ там, где раньше это было невозможно.

Связка no-code и искусственного интеллекта - не серебряная пуля для решения всех проблем, но отличный рабочий вариант для тех, кто хочет быстрые результаты с минимальными ресурсами. Особенно это актуально для четырёх категорий.

Большинство игроков SMB просто не могут позволить себе штатную команду спецов по машинному обучению. Но они тоже хотят применять ИИ: в маркетинге, поддержке, логистике или даже на складе.

Как это может выглядеть: Сеть товаров для дома на базе no-code инструмента создеат AI-бота для первичной поддержки в интернет-магазине. Вместо аутсорса или внедрения дорогой SaaS-системы они собирают сценарии и подключают GPT за 2 дня. Стоимость - меньше, чем месячная зарплата одного оператора.

Даже у корпоратов есть проблемы: очереди в IT-отдел, сложность согласований, ограниченный бюджет. А гипотезы нужно проверять быстро. На no-code они могут внутри digital- или продуктов команды собрать рабочее AI-решение и показать результат.

Как это может выглядеть: В телеком-компании команда продаж собирает на no-code платформе сценарий, где GPT-помогает менеджерам формулировать ответы на нестандартные запросы клиентов. После пилота на одной группе внедряется в CRM всей команды.

No-code идеален для сборки MVP с AI-компонентом, чтобы проверить спрос до масштабирования.

Как это может выглядеть: Фаундер EdTech-проекта создает MVP платформы для подготовки к ЕГЭ с AI-наставником. Результат: первые 500 пользователей за месяц - без единого разработчика в команде.

No-code открывает агентствам новую услугу: AI-боты, генераторы, рекомендации, ассистенты - всё это без разработчиков, быстро и под конкретные задачи.

Как это может выглядеть: Маркетинговое агентство предлагает «бот-копирайтеров» на базе GPT, собранных на конструкторе. Стоимость - от 15 тыс. рублей, срок - 2 дня. Клиенты используют ботов в ТГ или в чатах на лендингах.

Несмотря на стремительный рост интереса к no-code и ИИ, рынок пока не двигается так быстро, как мог бы. Причина - в нескольких системных барьерах, которые замедляют массовое внедрение.

Многие конструкторы интегрированы только с OpenAI или HuggingFace. Но в России из-за санкций и нестабильного доступа к западным API возникает потребность в локальных языковых моделях. В последнее время появились и активно развиваются такие, как GigaChat, YandexGPT, Kandinsky, Gerwin для массового пользователя, также крупные компании развивают свои для внутренних задач.

Проблема: пока немногие платформы поддерживают подключение таких моделей "в один клик" - приходится вручную настраивать API, что уже требует технических знаний. И чаще всего - потому, что сами отечественные AI-инструменты еще сырые и ориентированы больше на классических разработчиков, чем на ноукодеров.

Даже если у платформы есть блоки ИИ, это ещё не значит, что её можно быстро использовать.

Новичку трудно понять:

Проблема: пока нет большой библиотеки типовых кейсов, предприниматели и продуктологи тратят время на эксперименты или вообще откладывают идею.

Многие платформы всё ещё ориентируются на технически подкованных пользователей. В результате бизнес-заказчик заходит на платформу, видит "REST-запрос", "API key", "webhook" - и уходит.

Проблема: нет готовых сценариев, пошаговых гайдов и видеошкол для продуктовых команд. А ведь именно они - главные драйверы роста no-code в бизнесе.

Некоторые инструменты, позиционирующиеся как no-code, на деле ближе к low-code или pro-code решениям. Да, визуальный интерфейс есть, но без знания JS, HTTP или JSON продвинуться трудно.

Проблема: это снижает ценность для SMB и команд без технического бэкграунда. Рынку нужны по-настоящему “human-friendly” интерфейсы для AI-продуктов, где можно собрать рабочий сценарий, как в Tilda или Canva, только с нейросетью.

Российский рынок no-code платформ еще очень сырой, его игрокам предстоит набить шишек прежде, чем они станут предлагать действительно удобные и понятные пользователям системы, закрывающие потребности. Но то, как он будет развиваться, зависит во многом от корпоратов: у них есть деньги на то, чтобы сделать комфортные продукты для автоматизации. Которые что? Да, будут экономить еще больше денег. И чем скорее они это поймут, тем проще им будет выиграть в конкурентной гонке.