AI No-Low Code

View All
Asana ra mắt AI Studio - công cụ no-code mới giúp xây dựng các AI agent

- Asana vừa ra mắt AI Studio, một công cụ no-code cho phép đội nhóm tạo AI agent và thiết kế quy trình làm việc mà không cần mã lập trình. Công cụ này được công bố tại Work Innovation Summit ở New York.  
- AI Studio tích hợp với nền tảng Asana hiện có, cho phép tự động hóa quy trình từ khâu nhập liệu, lên kế hoạch, thực thi đến báo cáo. Các AI agent có thể được tùy chỉnh để thực hiện nhiều công việc khác nhau trong các đội nhóm từ marketing, vận hành đến nhân sự và IT.  
- Trong các bản demo, AI Studio hỗ trợ các nhóm soạn thảo tài liệu chiến dịch, xác định thông tin còn thiếu trong dự án, xử lý yêu cầu và theo dõi hiệu suất. Người dùng cũng có thể cung cấp hướng dẫn phong cách và chính sách công ty để AI hoạt động chính xác.  
- Asana khẳng định AI của họ hoạt động như "đồng đội" hơn là chỉ tạo ra nội dung. Những agent này hợp tác trực tiếp với nhân viên và yêu cầu sự giám sát trong quá trình làm việc để đảm bảo an toàn và hiệu quả.  
- Nền tảng Work Graph® của Asana là nền tảng chính hỗ trợ AI, theo dõi mối quan hệ công việc, vai trò và hạn chót để tạo ra quy trình thông minh. Công ty nhấn mạnh rằng AI Studio tuân thủ tiêu chuẩn HIPAA về bảo mật dữ liệu.  
- Theo CEO Dustin Moskovitz, AI Studio cho phép người dùng thiết kế quy trình chỉ bằng ngôn ngữ đơn giản, tạo ra trải nghiệm tương tác theo phong cách chatbot dễ tiếp cận.  
- CPO Alex Hood cho biết Asana không đặt mục tiêu thay thế nhân viên bằng AI. Thay vào đó, AI Studio giúp tiết kiệm thời gian cho các nhiệm vụ mang lại giá trị thấp, chiếm đến 53% thời gian làm việc của nhân viên.  
- AI Studio của Asana cũng được thiết kế với mô hình "human-in-the-loop," đảm bảo nhân viên vẫn kiểm soát các quyết định quan trọng và tránh các tình huống AI hoạt động tự động mà không có giám sát.

📌 AI Studio của Asana cung cấp giải pháp no-code cho phép mọi đội nhóm tạo AI agent hiệu quả mà không cần mã lập trình. Nhờ đó, công cụ giúp giảm thiểu công việc bận rộn và tăng thời gian cho các nhiệm vụ sáng tạo, đồng thời duy trì sự kiểm soát của con người.

https://www.zdnet.com/article/asana-launches-a-no-code-tool-for-designing-ai-agents-aka-your-new-teammates/#ftag=RSSbaffb68

Autogen Studio của Microsoft: Công cụ low-code mới giúp tạo nhanh prototype hệ thống đa tác tử AI

• Microsoft Research giới thiệu AutoGen Studio - công cụ giao diện low-code mới giúp tạo nhanh prototype và đánh giá các quy trình làm việc của hệ thống đa tác tử AI.

• Hệ thống đa tác tử ngày càng quan trọng trong nhiều lĩnh vực, kết hợp các mô hình AI tạo sinh với công cụ chuyên biệt để giải quyết các vấn đề phức tạp.

• Thách thức lớn trong phát triển hệ thống đa tác tử là độ phức tạp trong cấu hình và gỡ lỗi, đòi hỏi quản lý nhiều tham số và phối hợp tương tác giữa các tác tử.

• Các framework hiện có như AutoGen và CAMEL vẫn phụ thuộc nhiều vào lập trình, gây khó khăn cho việc prototype nhanh và phát triển lặp đi lặp lại.

AutoGen Studio cung cấp giao diện web và API Python, cho phép lắp ráp nhanh hệ thống đa tác tử thông qua giao diện kéo thả trực quan.

• Công cụ này cho phép định nghĩa và tích hợp các thành phần như mô hình AI, kỹ năng và module bộ nhớ vào quy trình làm việc của tác tử một cách trực quan.

• AutoGen Studio hỗ trợ đặc tả khai báo hành vi tác tử bằng JSON, giúp dễ dàng sao chép và chia sẻ quy trình làm việc.

• Công cụ cung cấp các thành phần và mẫu tác tử có thể tái sử dụng, đẩy nhanh quá trình phát triển.

• AutoGen Studio có tính năng phân tích hiệu năng nâng cao, cho phép giám sát và phân tích hiệu suất hệ thống đa tác tử theo thời gian thực.

• Công cụ theo dõi các chỉ số như số lượng tin nhắn trao đổi giữa các tác tử, chi phí token tiêu thụ bởi mô hình AI tạo sinh, tỷ lệ thành công/thất bại khi sử dụng công cụ.

• Khả năng trực quan hóa các chỉ số thông qua bảng điều khiển trực quan giúp người dùng dễ dàng gỡ lỗi và tinh chỉnh quy trình làm việc.

• AutoGen Studio đã được tải xuống hơn 200.000 lần trong 5 tháng đầu tiên phát hành, cho thấy sự chấp nhận nhanh chóng từ cộng đồng nhà phát triển.

📌 AutoGen Studio của Microsoft Research là bước tiến quan trọng trong hệ thống đa tác tử AI, cung cấp môi trường no-code để prototype nhanh. Với hơn 200.000 lượt tải trong 5 tháng, công cụ này đơn giản hóa việc phát triển hệ thống phức tạp, mở rộng khả năng tiếp cận công nghệ mạnh mẽ này cho nhiều nhà phát triển hơn.

https://www.marktechpost.com/2024/08/31/microsoft-research-introduces-autogen-studio-a-low-code-interface-for-rapidly-prototyping-ai-agents/

LambdaTest ra mắt KaneAI, một giải pháp AI cho kiểm thử phần mềm toàn diện

- LambdaTest, công ty có trụ sở tại California, đã ra mắt KaneAI, một trải nghiệm agentic cho kiểm thử phần mềm toàn diện và đảm bảo chất lượng.
- KaneAI cho phép người dùng viết, thực hiện, gỡ lỗi và phát triển các bài kiểm tra tự động chỉ bằng ngôn ngữ tự nhiên, giúp đơn giản hóa quy trình kiểm thử.
- Sự ra mắt này là một bước tiến lớn cho LambdaTest, công ty đã hoạt động trong lĩnh vực kiểm thử phần mềm suốt 6 năm qua.
- KaneAI được thiết kế để giúp người dùng vượt qua các quy trình mã hóa phức tạp và các giải pháp low-code khó khăn khi tạo và quản lý các bài kiểm tra.
- CEO Asad Khan cho biết, đội ngũ kỹ thuật và sản phẩm của LambdaTest đã làm việc chăm chỉ để phát triển một công cụ kiểm thử tự động hóa dựa trên AI, đáp ứng những thách thức thực tế mà các nhóm kiểm thử gặp phải.
- LambdaTest đã xây dựng một nền tảng đám mây cho kiểm thử đa trình duyệt, cho phép người dùng thực hiện các bài kiểm tra tự động hoặc thủ công trên hàng ngàn cấu hình trình duyệt và hệ điều hành khác nhau.
- Nền tảng này giúp người dùng thực hiện các bài kiểm tra nhanh hơn tới 70% so với các hạ tầng khác, đồng thời giảm chi phí và tăng hiệu quả.
- KaneAI sử dụng AI tạo sinh để tự động hóa toàn bộ quy trình kiểm thử, từ việc viết và thực hiện các bài kiểm tra đến báo cáo và gỡ lỗi.
- Người dùng có thể viết các bước kiểm tra bằng ngôn ngữ tự nhiên, và nếu cần, có thể sử dụng chế độ tương tác để thực hiện hành động trong trình duyệt, cho phép AI ghi lại và chuyển đổi thành bước văn bản.
- Sau khi thực hiện, người dùng có thể thêm toàn bộ trường hợp kiểm tra vào quản lý kiểm tra của LambdaTest và tạo mã kiểm tra tương ứng trong ngôn ngữ và framework ưa thích.
- KaneAI sử dụng các mô hình của OpenAI và các mô hình nội bộ được đào tạo bởi LambdaTest để cung cấp trải nghiệm kiểm thử agentic.
- Hiện tại, KaneAI đang trong giai đoạn thử nghiệm beta với một số khách hàng và dự kiến sẽ mở rộng quyền truy cập cho người dùng chờ đợi trong những tháng tới.
- Hơn 10.000 tổ chức, bao gồm Nvidia, Vimeo, Microsoft và Rubrik, đang sử dụng LambdaTest để thực hiện hàng triệu bài kiểm tra hàng ngày.

📌 LambdaTest đã ra mắt kaneai, một giải pháp AI cho kiểm thử phần mềm, giúp đơn giản hóa quy trình kiểm thử và tăng tốc độ thực hiện lên tới 70%. Hiện tại, hơn 10.000 tổ chức đang sử dụng nền tảng này để kiểm thử hàng triệu bài kiểm tra mỗi ngày.

https://venturebeat.com/ai/lambdatest-launches-kaneai-agent-for-end-to-end-software-testing/

Vectara Portal: Công cụ xây dựng ứng dụng AI không cần code cho người dùng phổ thông

• Vectara vừa ra mắt Vectara Portal - một môi trường nguồn mở cho phép bất kỳ ai cũng có thể xây dựng ứng dụng AI để tương tác với dữ liệu của họ mà không cần viết code.

• Vectara Portal có thể được sử dụng để tạo các ứng dụng tìm kiếm, tóm tắt hoặc trò chuyện dựa trên bộ dữ liệu của người dùng chỉ trong vài bước đơn giản.

• Công cụ này có tiềm năng giúp người dùng không phải là lập trình viên tạo ra các ứng dụng AI cho nhiều mục đích khác nhau trong tổ chức, từ tìm kiếm chính sách đến hóa đơn.

• Vectara Portal được cung cấp dưới dạng ứng dụng do Vectara lưu trữ và phiên bản nguồn mở theo giấy phép Apache 2.0.

• Để sử dụng, người dùng cần tạo tài khoản Portal bằng thông tin đăng nhập Vectara chính, sau đó thiết lập hồ sơ với ID Vectara, API Key và OAuth client ID.

• Người dùng có thể tạo portal (ứng dụng tùy chỉnh) bằng cách nhập thông tin cơ bản như tên, mô tả và chọn loại ứng dụng (tìm kiếm ngữ nghĩa, tóm tắt hoặc trò chuyện).

• Sau khi tạo portal, người dùng có thể thêm tài liệu để làm nền tảng/tùy chỉnh ứng dụng theo dữ liệu của họ. Các tài liệu này được lập chỉ mục bởi nền tảng RAG-as-a-service của Vectara.

• Khi người dùng đặt câu hỏi, API RAG của Vectara sẽ chạy truy vấn đó với corpus liên quan để đưa ra câu trả lời phù hợp nhất.

• Vectara Portal sử dụng các tính năng tốt nhất của Vectara, bao gồm mô hình nhúng Boomerang, công cụ xếp hạng lại đa ngôn ngữ và giảm thiểu ảo giác.

• Người dùng có thể chọn từ các mô hình ngôn ngữ lớn (LLM) khác nhau, bao gồm LLM Mockingbird của Vectara và các mô hình từ OpenAI.

• Vectara hy vọng Vectara Portal sẽ tăng số lượng đăng ký và tạo tiếng vang cho dịch vụ RAG-as-a-service chính của họ, dẫn đến tỷ lệ chuyển đổi tốt hơn.

• Công ty đã huy động được hơn 50 triệu USD vốn đầu tư và có khoảng 50 khách hàng sản xuất, bao gồm Obeikan Group, Juniper Networks, Sonosim và Qumulo.

📌 Vectara Portal là công cụ nguồn mở giúp người dùng không chuyên tạo ứng dụng AI mà không cần code. Nó cho phép xây dựng chatbot, tìm kiếm và tóm tắt dựa trên dữ liệu riêng chỉ trong vài bước. Vectara kỳ vọng công cụ này sẽ thúc đẩy việc áp dụng AI tạo sinh trong doanh nghiệp.

https://venturebeat.com/data-infrastructure/vectara-portal-helps-non-developers-build-ai-apps-to-chat-with-data-heres-how-to-use-it/

AutoRAG 2.0 của Got It AI đạt độ chính xác gần như tuyệt đối trong ứng dụng RAG

• AutoRAG 2.0 của Got It AI đạt được tỷ lệ ảo giác gần như bằng 0 trong ứng dụng RAG, với mục tiêu đạt độ chính xác 99,99% - tương đương mức SLA của điện toán đám mây.

• Hệ thống sử dụng mô hình TruthChecker để phát hiện, giải thích và sửa chữa ảo giác trong câu trả lời của chatbot trước khi gửi cho người dùng.

AutoRAG 2.0 đạt tỷ lệ ảo giác dưới 0,015% khi sử dụng GPT-4 Turbo và 0,79% khi sử dụng mô hình nguồn mở Llama3-70B, vượt trội so với GPT-4o (0,92%).

• TruthChecker được huấn luyện chỉ trên dữ liệu công khai, không vi phạm điều khoản sử dụng của các mô hình độc quyền như OpenAI.

• Hệ thống áp dụng được cho nhiều lĩnh vực khác nhau mà không cần tinh chỉnh lại mô hình cho từng bộ dữ liệu doanh nghiệp cụ thể.

AutoRAG 2.0 sử dụng kỹ thuật RAG nâng cao và hệ thống tạo metadata tự động GEMS để cải thiện độ chính xác của truy xuất và tạo câu trả lời.

• Quá trình huấn luyện TruthChecker bao gồm tạo dữ liệu tổng hợp bằng Llama3-70B, ghi chú bởi con người và tự động, và tinh chỉnh mô hình nền tảng như Mixtral-8x7B.

• Hệ thống được đánh giá trên nhiều biến thể ứng dụng RAG khác nhau, sử dụng GPT-4o hoặc Llama3-70B làm mô hình tạo câu trả lời.

• AutoRAG 2.0 giải quyết các vấn đề của doanh nghiệp như chia sẻ dữ liệu với bên thứ ba, chi phí suy luận LLM cao và thiếu kiểm soát cơ sở hạ tầng ML.

• Công nghệ này cho phép doanh nghiệp xây dựng ứng dụng RAG chính xác cao mà không cần sử dụng các mô hình độc quyền đắt tiền.

📌 AutoRAG 2.0 của Got It AI đạt được độ chính xác gần như tuyệt đối trong ứng dụng RAG, với tỷ lệ ảo giác chỉ 0,015% khi sử dụng GPT-4 Turbo và 0,79% với mô hình nguồn mở Llama3-70B. Hệ thống TruthChecker giúp phát hiện và sửa chữa ảo giác, mang lại giải pháp chatbot doanh nghiệp an toàn và đáng tin cậy.

 

https://www.app.got-it.ai/post/hallucination-free-enterprise-rag-with-decision-transparency

Character AI ra mắt Prompt Poet - thư viện Python low-code giúp đơn giản hóa thiết kế prompt

• Character AI đã phát triển Prompt Poet - một thư viện Python mã thấp mới nhằm đơn giản hóa quá trình thiết kế prompt cho cả lập trình viên và người dùng không chuyên.

• Công ty nhận thấy tầm quan trọng của kỹ thuật prompt trong hoạt động của họ, với hàng tỷ prompt được tạo ra mỗi ngày.

• Prompt Poet sử dụng kết hợp YAML và Jinja2 để tạo các template linh hoạt và dễ kết hợp.

• Quá trình xử lý template diễn ra qua 2 giai đoạn chính: rendering (sử dụng Jinja2) và loading (chuyển đổi kết quả thành cấu trúc YAML).

• Mỗi phần của prompt được đặc trưng bởi tên dễ đọc, nội dung chuỗi, vai trò tùy chọn và mức độ ưu tiên cắt bớt.

• Jinja2 cho phép gọi các hàm Python tùy ý trong template tại thời điểm chạy, giúp truy xuất và xử lý dữ liệu linh hoạt.

• Prompt Poet mặc định sử dụng bộ tokenizer TikToken "o200k_base" nhưng cho phép tùy chỉnh qua tham số.

• Character AI đã phát triển thuật toán cắt bớt thông minh để tối đa hóa tỷ lệ cache tiền tố, đạt tới 95% trong một số trường hợp.

• Thuật toán này duy trì một điểm cắt cố định cho mỗi k lượt, giúp tận dụng tối đa bộ nhớ cache GPU.

• So với phương pháp cắt bớt đơn giản dựa trên giới hạn token, cách tiếp cận của Character AI hiệu quả hơn nhiều trong việc tận dụng bộ nhớ cache.

• Prompt Poet chuyển trọng tâm từ thao tác chuỗi thủ công sang thiết kế trực quan, giúp đơn giản hóa việc tạo prompt phức tạp.

• Công cụ này có tiềm năng cải thiện đáng kể hiệu quả và tính thân thiện với người dùng trong tương tác AI.

📌 Character AI ra mắt Prompt Poet - thư viện Python mã thấp giúp thiết kế prompt dễ dàng cho mọi đối tượng. Công cụ sử dụng YAML và Jinja2, tối ưu hóa cache GPU đạt 95%, hứa hẹn cải thiện đáng kể hiệu quả tương tác AI.

 

https://www.marktechpost.com/2024/08/03/character-ai-releases-prompt-poet-a-new-low-code-python-libary-that-streamlines-prompt-design-for-both-developers-and-non-technical-users/

Airtable ra mắt Cobuilder - công cụ AI tạo ứng dụng tùy chỉnh trong vài giây bằng ngôn ngữ tự nhiên

Airtable, startup trị giá 11 tỷ USD trong lĩnh vực nền tảng không cần code, vừa công bố Cobuilder - công cụ AI có khả năng tạo ra các ứng dụng tùy chỉnh chỉ trong vài giây bằng cách sử dụng lệnh bằng ngôn ngữ tự nhiên.

• Kelly O'Shaughnessy, người đứng đầu sản phẩm cốt lõi và trưởng nhóm sản phẩm Airtable Cobuilder, nhấn mạnh Cobuilder là cách nhanh nhất để xây dựng ứng dụng không cần code, cho phép tạo ứng dụng tùy chỉnh bằng ngôn ngữ tự nhiên chỉ trong vài giây.

• Công nghệ đằng sau Cobuilder sử dụng các mô hình ngôn ngữ lớn (LLM) để diễn giải lệnh của người dùng và tạo ra cấu trúc ứng dụng phù hợp. Quá trình này có thể giảm đáng kể thời gian và nguồn lực cần thiết cho việc phát triển ứng dụng.

Cobuilder phân tích lệnh bằng ngôn ngữ tự nhiên của người dùng và kết hợp yêu cầu với dữ liệu công khai có liên quan mà nhà cung cấp LLM có quyền truy cập.

• Airtable cam kết bảo vệ quyền riêng tư và bảo mật dữ liệu của khách hàng. Không có dữ liệu khách hàng nào được sử dụng để đào tạo các LLM hiện tại hoặc tương lai.

• Hiện tại, Cobuilder dựa vào dữ liệu công khai và thông tin do người dùng cung cấp để tạo ứng dụng. Airtable có kế hoạch nâng cao khả năng của Cobuilder, bao gồm khả năng kết hợp dữ liệu công ty hiện có từ Airtable và nhúng tự động hóa AI trong các ứng dụng được tạo ra.

• Việc ra mắt Cobuilder là một phần trong chiến lược rộng lớn hơn của Airtable nhằm tích hợp AI trên toàn bộ nền tảng. Trước đó, công ty đã giới thiệu Airtable AI, đã được các khách hàng lớn như AWS áp dụng.

• Kế hoạch trong tương lai bao gồm mở rộng khả năng trích xuất tài liệu và cho phép tích hợp tìm kiếm internet được hỗ trợ bởi AI.

Đối với Airtable, động thái này thể hiện một canh bạc đáng kể về tương lai của phát triển phần mềm doanh nghiệp. Khi các doanh nghiệp ngày càng tìm cách trao quyền cho nhân viên phi kỹ thuật và giảm sự phụ thuộc vào quy trình phát triển truyền thống, các công cụ như Cobuilder có thể trở nên ngày càng hấp dẫn.

• O'Shaughnessy hình dung một tác động mang tính chuyển đổi, cho phép những người không phải chuyên gia và không phải nhà phát triển mô tả quy trình làm việc họ cần bằng ngôn ngữ đơn giản và sau đó Cobuilder giúp tạo ra một ứng dụng với thiết kế và cấu trúc hoạt động tốt nhất trong vài giây.

📌 Airtable ra mắt Cobuilder, công cụ AI tạo ứng dụng trong vài giây bằng ngôn ngữ tự nhiên. Tiềm năng cách mạng hóa phát triển phần mềm doanh nghiệp, giúp nhân viên phi kỹ thuật tạo ứng dụng phức tạp. Cam kết bảo mật dữ liệu khách hàng, kế hoạch mở rộng tính năng trong tương lai.

https://venturebeat.com/ai/forget-coding-bootcamps-airtables-ai-can-build-your-app-in-seconds/

AWS App Studio: Công cụ AI tạo sinh ứng dụng doanh nghiệp từ mô tả văn bản, không cần lập trình viên

• AWS vừa công bố App Studio - công cụ AI tạo sinh giúp tạo ứng dụng doanh nghiệp chỉ từ mô tả văn bản, không cần lập trình viên chuyên nghiệp.

App Studio nhắm đến đối tượng là các chuyên gia kỹ thuật không phải lập trình viên chuyên nghiệp như chuyên gia IT, kỹ sư dữ liệu, kiến trúc sư doanh nghiệp và quản lý sản phẩm.

• Người dùng chỉ cần mô tả ứng dụng cần xây dựng và các nguồn dữ liệu muốn sử dụng, App Studio sẽ tự động viết mã.

Ứng dụng doanh nghiệp được định nghĩa là có nhiều trang UI, có thể truy xuất từ nhiều nguồn dữ liệu, thực hiện các thao tác phức tạp và tích hợp logic nghiệp vụ.

• Ví dụ về các ứng dụng có thể tạo bao gồm hệ thống theo dõi hàng tồn kho hoặc quy trình phê duyệt yêu cầu.

• Quy trình sử dụng App Studio bao gồm: nhập tên ứng dụng, chọn nguồn dữ liệu, mô tả ứng dụng cần xây dựng.

• Hệ thống sẽ tạo danh sách yêu cầu cho ứng dụng dựa trên mô tả. Người dùng có thể tinh chỉnh các yêu cầu này bằng cách tương tác với AI.

• Sriram Devanathan, Tổng Giám đốc Amazon Q Apps và AWS App Studio, cho biết App Studio khác với các công cụ no-code trước đây.

• AWS được cho là đã đi sau trong cuộc đua AI tạo sinh, nhưng App Studio có thể giúp nâng cao uy tín của họ trong lĩnh vực này.

• Công cụ này hứa hẹn giúp tạo ra các ứng dụng phần mềm doanh nghiệp chỉ từ mô tả bằng văn bản, không cần sự tham gia của lập trình viên chuyên nghiệp.

📌 AWS App Studio là công cụ AI tạo sinh mới nhất của Amazon, cho phép tạo ứng dụng doanh nghiệp phức tạp chỉ từ mô tả văn bản. Nhắm đến đối tượng chuyên gia kỹ thuật không phải lập trình viên, App Studio hứa hẹn đơn giản hóa quy trình phát triển phần mềm doanh nghiệp.

https://techcrunch.com/2024/07/10/aws-app-studio-promises-to-generate-enterprise-apps-from-a-written-prompt/

Booth AI - giải pháp AI tạo sinh xây dựng ứng dụng không cần code

• Booth AI là một startup AI phát triển các giải pháp AI tùy chỉnh từ đầu cho từng khách hàng.

• Nền tảng này cung cấp công cụ tạo ứng dụng AI tạo sinh không cần code, cho phép xây dựng ứng dụng AI mạnh mẽ chỉ trong vài phút thay vì nhiều tháng.

• Thư viện của Booth AI có 165 node với vô số kết nối có thể. Người dùng có thể sử dụng tính năng AI Auto-Build để nhanh chóng tạo ứng dụng từ prompt, hoặc tự xây dựng bằng giao diện không cần code.

• Booth AI tự động tạo giao diện người dùng động, giúp dễ dàng phân phối sản phẩm dưới dạng ứng dụng một trang với một liên kết.

• Giải pháp chụp ảnh sản phẩm của Booth AI cho phép người dùng nhanh chóng tạo ra ảnh lifestyle chất lượng cao mà không cần mẫu thật. Chỉ cần một ảnh tham khảo sản phẩm và mô tả bằng văn bản về kết quả mong muốn.

• Ảnh được tạo ra có chất lượng chuyên nghiệp và độ phân giải 4K, phù hợp cho website và tài liệu marketing.

• Quy trình làm việc của Booth AI gồm 3 bước: cung cấp ảnh tham khảo sản phẩm, mô tả kết quả mong muốn bằng văn bản, và nhận ảnh 4K chất lượng cao trong vài giây.

• Các tính năng chính của Booth AI bao gồm: tạo ảnh bằng AI, công cụ chỉnh sửa, đầu ra độ phân giải cao 4K, giao diện đơn giản dễ sử dụng, tốc độ nhanh, tiết kiệm chi phí so với chụp ảnh truyền thống.

Booth AI đang dẫn đầu trong lĩnh vực chụp ảnh sản phẩm trực tuyến với các giải pháp sáng tạo, thân thiện với người dùng.

• Nền tảng này đang cách mạng hóa ngành công nghiệp bằng cách làm cho việc chụp ảnh chất lượng cao trở nên dễ tiếp cận hơn, điều mà trước đây chỉ có thể thực hiện được thông qua các buổi chụp ảnh tốn kém và mất thời gian.

📌 Booth AI cung cấp giải pháp AI tạo sinh xây dựng ứng dụng không cần code, cho phép tạo ảnh sản phẩm 4K chất lượng cao chỉ trong vài giây. Với 165 node kết nối linh hoạt, nền tảng này giúp tiết kiệm thời gian và chi phí đáng kể so với chụp ảnh truyền thống.

https://www.marktechpost.com/2024/07/09/meet-booth-ai-an-ai-powered-solution-that-builds-no-code-gen-ai-apps/

OutSystems giới thiệu giải pháp low-code mới giúp tạo AI agent dễ dàng hơn

• OutSystems giới thiệu giải pháp AI Agent Builder, đơn giản hóa việc phát triển các AI agent cho các tổ chức sử dụng.
• AI agent là tập hợp các kết nối mô hình, cấu hình và lời nhắc, cho phép người dùng low-code truy cập công nghệ AI tạo sinh.
• Giải pháp cung cấp giao diện người dùng và chat riêng tư, giúp các tổ chức tận dụng chức năng tương tự ChatGPT mà không lo ngại về vấn đề sử dụng dữ liệu và tuân thủ.
• Tất cả AI agent được thiết kế để đảm bảo quyền riêng tư và hạn chế rủi ro của tổ chức liên quan đến GPT công khai.
• AI Agent Builder đơn giản hóa nỗ lực phát triển cho cả lập trình viên và người phát triển công dân.
• Chỉ với vài cấu hình, bất kỳ ai cũng có thể tạo ra một AI agent hữu ích, tác động đến doanh nghiệp.
• Sân chơi cho phép người dùng tinh chỉnh và lặp lại agent cho đến khi hài lòng với kết quả.

📌 OutSystems giới thiệu AI Agent Builder, giải pháp low-code giúp đơn giản hóa việc tạo AI agent cho các tổ chức. Giải pháp đảm bảo quyền riêng tư, hạn chế rủi ro, cung cấp giao diện người dùng và chat riêng tư, giúp cả lập trình viên và người phát triển công dân dễ dàng tạo ra các AI agent hữu ích chỉ với vài cấu hình.

Citations:
[1] https://thenewstack.io/low-code-generative-ai-new-solution-makes-ai-easier-to-create/

ai tạo sinh sẽ thay đổi phát triển low-code như thế nào? tương lai phát triển phần mềm với sự kết hợp của ai và low-code

• AI tạo sinh đang tác động đến phát triển phần mềm bằng cách tăng năng suất, giúp lập trình viên tập trung vào công việc đáng giá hơn và hoàn thành nhiệm vụ nhanh hơn.

• Các nền tảng low-code và no-code đang bổ sung khả năng hỗ trợ lập trình bằng AI tạo sinh để đơn giản hóa quá trình phát triển.

• Một số chuyên gia tin rằng AI tạo sinh có thể thay thế low-code, nhưng quan điểm khác cho rằng low-code vẫn cần thiết để kết nối và quản lý các ứng dụng được tạo ra bởi AI.

Kỹ năng của lập trình viên sẽ chuyển dịch từ viết mã sang hiểu ngữ cảnh, sử dụng công cụ AI và tư duy thiết kế.

• Chất lượng phần mềm có thể cải thiện nếu các nền tảng low-code tích hợp kiểm thử, quản trị và các tính năng bảo vệ cho AI hỗ trợ lập trình.

• Với AI tạo sinh, doanh nghiệp có thể xây dựng nhiều ứng dụng hơn, nhưng low-code vẫn đóng vai trò quan trọng trong việc kiểm tra, mở rộng phần mềm được phát triển bằng AI.

• Dữ liệu: 88% lập trình viên báo cáo năng suất tăng, 74% tập trung vào công việc đáng giá hơn, 87% hoàn thành công việc nhanh hơn với GitHub Copilot.

📌 AI tạo sinh đang thay đổi cách thức phát triển phần mềm, nhưng low-code vẫn giữ vai trò quan trọng trong việc kết nối, quản lý và mở rộng các ứng dụng được tạo ra bởi AI, đồng thời giúp nâng cao chất lượng và bảo mật. Kỹ năng của lập trình viên sẽ chuyển dịch từ viết mã sang hiểu ngữ cảnh, sử dụng công cụ AI và tư duy thiết kế.

Citations:
[1] https://www.infoworld.com/article/3713500/how-generative-ai-impacts-low-code-development.html

Zapier: Công cụ tự động hóa quy trình làm việc tiên tiến kết hợp AI và hơn 6.000 ứng dụng

- Zapier Central Beta là một không gian thử nghiệm cho phép người dùng dạy các bot AI xử lý tác vụ trên các ứng dụng yêu thích mà không cần viết mã phức tạp.
- Công cụ này kết hợp trí tuệ nhân tạo với nền tảng tự động hóa, giúp tự động hóa các tác vụ phức tạp trên hơn 6.000 ứng dụng khác nhau.
- Người dùng có thể thiết lập các hành vi cho bot AI, quy định cách bot phản ứng với các trình kích hoạt nhất định.
- Các bot có thể kéo thông tin từ cơ sở dữ liệu bên ngoài như Google Sheets để đảm bảo luôn hoạt động trên dữ liệu mới nhất.
- Người dùng có thể tự động hóa bot AI thực hiện hành động mà không cần can thiệp thủ công bằng cách định cấu hình các điều kiện cụ thể.
- Zapier Central cung cấp giao diện trò chuyện thân thiện để tùy chỉnh bot, bao gồm các tùy chọn thêm nguồn dữ liệu, dạy hành vi và bắt đầu tương tác.
- Người dùng có thể tạo nhiều bot trong Central, mỗi bot tập trung vào các tác vụ hoặc lĩnh vực công việc khác nhau.
- Zapier đã mua lại Vowel, một công ty có chuyên môn sâu về AI, cho thấy cam kết thúc đẩy tự động hóa AI tại nơi làm việc.

📌 Zapier Central Beta là một bước tiến quan trọng trong lĩnh vực tự động hóa AI, cung cấp nền tảng mạnh mẽ và trực quan giúp người dùng dễ dàng kiểm soát quy trình làm việc. Với khả năng tạo bot AI tương tác với hơn 6.000 ứng dụng, Central mở ra tiềm năng to lớn để cải thiện hiệu quả và năng suất công việc mà không đòi hỏi kiến thức lập trình.

https://www.geeky-gadgets.com/zapier-central/

Easily build no-code AI Agent automations using drag-and-drop with Flowise

- Flowise là một nền tảng cho phép người dùng dễ dàng xây dựng tự động hóa AI Agent mà không cần viết code, thông qua việc kéo và thả.
- Nền tảng này đang không ngừng phát triển, cung cấp một thị trường với hơn 100 tích hợp và mẫu sẵn có, giúp người dùng nhanh chóng triển khai AI Agent cho nhiều mục đích khác nhau như tự động hóa dịch vụ khách hàng hoặc phân tích dữ liệu.
- Flowise cung cấp hướng dẫn nhanh để giúp người mới bắt đầu và hỗ trợ thêm cho những người có kiến thức kỹ thuật về Docker và Node.js, làm cho quá trình thiết lập trở nên mượt mà hơn.
- Khi xây dựng tự động hóa AI Agent, cần xem xét khả năng của nền tảng, tùy chọn tích hợp, quản lý dữ liệu, trải nghiệm người dùng, phát triển lặp lại và việc tiếp tục học hỏi để duy trì một AI Agent hiệu quả và phù hợp.

📌 Flowise đang mở ra một kỷ nguyên mới cho việc tự động hóa không cần code, với việc cung cấp một thị trường đa dạng với hơn 100 tích hợp và mẫu sẵn có, giúp người dùng dễ dàng triển khai AI Agent cho nhiều mục đích khác nhau. Sự hỗ trợ cho người mới bắt đầu và những người có kiến thức kỹ thuật về Docker và Node.js làm cho quá trình thiết lập trở nên mượt mà, đồng thời khuyến khích người dùng xem xét kỹ lưỡng các yếu tố như khả năng của nền tảng, tùy chọn tích hợp, và quản lý dữ liệu.

Citations:
[1] https://www.geeky-gadgets.com/no-code-ai-agent-automations/

Dễ dàng tạo quy trình làm việc tự động AI bằng giao diện người dùng kéo và thả no code Leap AI

  • Leap AI cung cấp một nền tảng cho phép tạo ra các quy trình làm việc tự động bằng AI mà không cần viết mã lập trình, thông qua giao diện kéo và thả dễ sử dụng.
  • Người dùng có thể tạo các quy trình phức tạp mà không cần đến kiến thức lập trình sâu rộng. Các template có sẵn giúp người mới bắt đầu dễ dàng tham gia vào việc tạo dự án AI.
  • Leap AI tương thích với các mô hình AI hàng đầu từ OpenAI và Microsoft, cho phép tự động hóa nhiều nhiệm vụ như xử lý văn bản, hình ảnh và phân tích âm thanh.
  • Để sử dụng Leap AI, người dùng cần tạo tài khoản và sinh ra API key để xác thực tài khoản qua header X-Api-Key trong mỗi request.
  • Leap AI hỗ trợ SDK và các cuộc gọi HTTP endpoint trực tiếp, có kế hoạch đăng ký từ miễn phí phù hợp cho cả dự án nhỏ lẻ và quy mô lớn.
  • Cộng đồng Leap AI được hỗ trợ qua Patreon, tạo điều kiện cho người dùng chia sẻ kiến thức và cải thiện kỹ năng tạo quy trình làm việc bằng AI.
  • Các bước để thiết lập tài khoản và tạo quy trình bao gồm: Đăng ký tài khoản, sinh API key, và sử dụng key này để xác thực khi gửi request. Quy trình được khởi tạo qua SDK hoặc POST request và điều khiển qua đối tượng Workflow Run.

📌 Leap AI là công cụ mạnh mẽ giúp tự động hóa các quá trình kinh doanh và tạo ra các quy trình làm việc AI không cần mã lập trình, mở ra khả năng tiếp cận công nghệ AI cho nhiều người dùng hơn.

Các công ty Ấn Độ sử dụng low-code tích hợp AI để chuyển đổi số

  • GenAI đang làm xáo trộn nhiều ngành công nghiệp và low-code dường như sẽ bị ảnh hưởng.
  • Các chuyên gia tin rằng tương lai nằm ở việc khai thác các nền tảng low-code tích hợp AI, hứa hẹn tăng năng suất lên đến 35%.
  • OutSystems, một nền tảng phát triển ứng dụng low-code của Mỹ, đã hợp tác với các công ty công nghệ lớn như Microsoft, OpenAI, Google và AWS.
  • Mark Weaser, Phó Chủ tịch khu vực Châu Á Thái Bình Dương của OutSystems, giải thích cách kết hợp AI và low-code cao cấp tăng cường mọi giai đoạn của vòng đời phần mềm.
  • Các công ty Ấn Độ trong lĩnh vực tài chính đang hiện đại hóa quy trình làm việc với low-code tích hợp AI để phát triển dịch vụ cho vay số và tự động hóa quy trình cho vay.
  • JK Cement và Magenta Mobility đã sử dụng OutSystems để chuyển đổi hệ thống cũ và tăng cường quy trình kinh doanh.
  • OutSystems đã tích hợp AI vào nền tảng của mình kể từ năm 2018 với AI Mentor System và OutSystems.AI hỗ trợ phát triển chatbot và phân tích cảm xúc khách hàng.
  • Dự báo thị trường nền tảng no-code và low-code sẽ tăng trưởng gần 20% lên 10 tỷ USD vào năm 2023 và đạt 12,3 tỷ USD trong năm nay.
  • Weaser nhấn mạnh vai trò của AI trong việc cung cấp năng suất cho mọi loại nhà phát triển phần mềm và dự đoán nhu cầu chuyển đổi số tại khu vực Châu Á Thái Bình Dương.

📌 OutSystems, với doanh thu vượt quá 263 triệu đô la, đang tiên phong trong việc áp dụng công nghệ low-code tích hợp AI để đối phó với những bất ổn kinh tế toàn cầu. Sự tăng trưởng dự báo của thị trường nền tảng low-code và no-code, từ 10 tỷ đô la năm 2023 lên 12,3 tỷ đô la, là minh chứng cho tiềm năng của ngành. Đặc biệt, ở khu vực Châu Á Thái Bình Dương, nơi có tỉ lệ khó khăn trong việc tuyển dụng IT lên đến 60%-80%, OutSystems đang thúc đẩy quá trình chuyển đổi số và giúp các nhà phát triển nâng cao sự sáng tạo và đổi mới trong công việc, qua đó cải thiện thái độ và khả năng tiến xa trong sự nghiệp.

Vai trò của Low-Code trong phát triển phần mềm AI

  • AI đang ngày càng chiếm lĩnh lĩnh vực phát triển ứng dụng phần mềm, với sự xuất hiện của các vai trò như Chief AI Officer (CAIO) làm bổ sung cho nhóm lãnh đạo công nghệ truyền thống.
  • Trong lĩnh vực AI, các cuộc thảo luận xoay quanh nhu cầu về cơ sở hạ tầng để xử lý sức mạnh tính toán cho AI, cách xử lý thông tin cá nhân nhạy cảm (PII) và việc sử dụng công cụ hỗ trợ người dùng như co-pilot, cũng như bot AI có thể tạo và sử dụng tài khoản mạng xã hội.
  • Sự phát triển của AI dự đoán, phản ứng và AI tạo sinh dựa trên kỹ thuật Xử lý Ngôn ngữ Tự nhiên (NLP) và Mô hình Ngôn ngữ Lớn (LLMs) đang được áp dụng rộng rãi. Các ví dụ bao gồm GPT của OpenAI, PaLM của Google AI, Claude AI của Anthropic, LLaMA của Meta, BLOOM và Ernie Titan.
  • Ysanne Baxter, tư vấn giải pháp tại Appian, khuyến nghị việc chọn lựa LLMs nên dựa trên nhu cầu kinh doanh và cơ hội cải thiện của tổ chức.
  • LLMs thương mại thường được sử dụng làm mô hình cơ bản trong các dự án khác, cung cấp nền tảng để thêm các nhiệm vụ chuyên biệt.
  • Baxter chỉ ra rằng các mô hình LLM khác nhau có thể tạo ra kết quả khác nhau, và quá trình đánh giá chính xác là cần thiết.
  • Baxter cũng nhấn mạnh vai trò của các công cụ phát triển low-code trong việc đơn giản hóa quá trình sử dụng AI, với ngôn ngữ chung giúp kết nối với đội ngũ chuyên gia.
  • Appian cho rằng có nhiều trường hợp sử dụng phù hợp với công cụ AI low-code, như phân loại thư rác trong hộp thư điện tử.
  • Sử dụng công cụ low-code cho phép các nhà phát triển tận dụng kiến thức và kinh nghiệm sẵn có trong ngành để tạo ra giải pháp AI mới một cách nhanh chóng và hiệu quả.
  • Quyết định giữa mô hình nguồn mở và nguồn đóng cũng là một yếu tố quan trọng, với nguồn mở cho phép đánh giá nguồn dữ liệu, trong khi nguồn đóng thường khó kiểm tra và xác minh.
  • Baxter cũng nhấn mạnh việc kiểm tra đầu vào và sử dụng phương pháp Retrieval Augmented Generation (RAG) để tăng cường độ chính xác và đáng tin cậy của các mô hình ngôn ngữ tạo sinh.
  • Baxter dự đoán tương lai của LLMs sẽ tập trung vào ứng dụng cụ thể cho từng nhiệm vụ và ngành nghề, yêu cầu sự hợp tác và tiếp cận tinh tế từ cả nhà phát triển phần mềm và chuyên gia kinh doanh.

📌 Trong tình hình hiện tại, việc triển khai AI và sử dụng LLMs trong các hệ thống phần mềm doanh nghiệp đang trở thành xu hướng chủ đạo. Các tổ chức cần xác định rõ ràng vấn đề kinh doanh hoặc cơ hội cải thiện để chọn lựa LLM phù hợp. Việc sử dụng công cụ phát triển low-code giúp quá trình này trở nên dễ dàng và hiệu quả hơn. Tương lai của LLMs có thể hướng tới việc tập trung vào các ứng dụng cụ thể cho từng nhiệm vụ và ngành nghề, đòi hỏi sự hợp tác và tiếp cận tinh tế từ cả các nhà phát triển phần mềm và chuyên gia kinh doanh.

© Sóng AI - Tóm tắt tin, bài trí tuệ nhân tạo