簡立峰專欄：低代碼Low-Code / No-Code時代來臨，寫程式還是人才標配嗎？|數位時代 BusinessNext

Low-Code / No-Code（低代碼 / 無代碼）的概念行之有年，早期Excel就是最佳的例子，讓使用者更方便地運用各種試算表，發展至今，更強調的概念是：「不是專業工程師，只要擁有領域知識，也能開發軟體」。

這同時也是程式開發的終極目標，漸漸走向更簡單、更目標導向、更便利的方向，讓所有人都能共同參與。舉例來說，程式語言Python相比於C語言就更加簡單，同一個矩陣要寫的程式碼更少，儘管現在尚未達到完全不需要程式碼的階段，但的確已慢慢精簡化。

現在Low-Code / No-Code工具很大一部份靠拖、拉讓使用者自行打造軟體工具，但缺點也很明顯，就是開發的內容有所限制、彈性不夠。

而Low-Code / No-Code為什麼重要？跟數位轉型帶來的工程師需求有很大的關聯。企業聘請工程師的成本相當高，在找不到合適的人才時，許多中小企業的老闆與員工，必須自行利用數位工具來達成目標。

台灣新創需兼顧GUI、UX，並瞄準單一領域發展

對台灣新創來說，Low-Code / No-Code是可以選擇的創業方向，但從競爭者、市場面來看，台灣在這一塊的優勢並不大。

為讓使用者沒基礎也能上手，需要依靠GUI（Graphical User Interface，圖形化使用者介面）與UX（User Experience，使用者體驗），這都不是台灣傳統軟體開發的強項。

GUI 或UX不夠強的原因有很多，其中一個就是生活複雜度不夠——「舉最簡單的例子，開發產品時有沒有考慮過左撇子子？」歐美左撇子用戶其實很多，台灣新創的產品發想上，則常是「我們自己覺得」。

除了這2個要素之外，也需要非常挑剔的使用者，也就是有企業、用戶願意當白老鼠，給予適當的回饋。台灣在資訊領域上比較像後進者，新創必須要多想想辦法。

Low-Code/No-Code畢竟還是軟體工具，在國外的市場比較大，在台灣更適合鎖定一個領域來進行，像是ERP（企業資源計畫系統）、CRM（顧客關係管理）上的功能。也有許多聊天機器人新創走向視覺化的設計，讓行銷人員只要有基礎的邏輯，就能夠自行開發聊天機器人。

這是一個很好的行銷案例，若要從零開始開發，行銷人員得與工程師來回溝通；但一開始就從行銷人員的角度出發，機器人自己寫、文案自己作，降低了很多時間成本。

另外一個方向，是把技術「服務化」，利用API（應用程式介面）去跟Low-Code / No-Code的平台串接。像語音辨識技術不一定能直接發展成智慧音箱，但利用API串接平台，可以成為服務的一環。

另外要注意的是，把軟體工具做得很友善，並不等於是Low-Code / No-Code，卻是所有SaaS業者都應該前進的方向。

工程師被取代？專注高階內容是對策

在Low-Code / No-Code之前，就有RPA（機器人流程自動化）的存在，在歐美企業早已相當常見，兩者有目的上的差異——RPA非常企業導向，專為企業自動化的需求而生，不見得是一個專業的「工具」。

舉例像下大雪的時候，航空公司利用RPA通知客人機場關閉，讓他們依據所在地距離前往不同的旅館；或是做報表、算薪水，這種人類很容易出錯的工作可以交給RPA；甚至是電商常標錯價，也可以用價格自動檢測系統，讓數字打上去時能自動通知價格合不合理，避免標錯價。

行銷科技（MarTech）是我特別想強調Low-Code / No-Code能發揮作用的領域。現在行銷人員使用的工具都很先進了，這群追著數字跑的工作者，幾乎就是網路時代的業務員，因為只要工具用的好，轉換數字漂亮，營收就會進來。

各個領域的企業，可以鼓勵員工自行使用Low-Code / No-Code工具，有了成就感之後，搭配專業領域的知識，才能由下而上推動企業的轉型。

台灣企業以製造業為經濟結構主體，雖然常喊缺人才，但在數位轉型的急迫程度上不如他國，員工也都刻苦耐勞習慣了。如果企業永遠有人力可以用，就不會產生適合Low-Code / No-Code的環境，但如果產業不轉型，不讓人才去做更高度複雜的工作，那麼低階服務的自動化也不容易發生。

未來寫程式的基本能力應該跟英文一樣是標配，寫程式不再是資訊科技學生的專利，但同時間，年輕人還需要培養DIY的精神，工具的門檻降低了，最終還是需要由人來完成，一切的重點都還是在學習力。

至於工程師會不會失業？

不會的，當然各行各業不夠強的人都會被淘汰，這是必然的結果。工程師在Low-Code / No-Code的時代，必須提升自己的競爭力，去開發更高階的內容。舉個例子，自排車的出現，讓學開車不用從手排開始了，但工程師就像是手排車駕駛，應該有更敏捷、更高的操控性才是。

最新9月號雜誌《2021年台灣網紅生態全解析》馬上購：傳送門
「電子雜誌」輕鬆讀：傳送門

整理．記錄：陳君毅／責任編輯：吳佩臻、張庭銉

快速展店背後的挑戰　如何降低跨據點管理與維運負擔

對連鎖零售企業而言，展店代表商機與成長，但當門市數量快速增加，營運與管理的複雜度也隨之提升。尤其對便利商店（C-store）、餐飲連鎖與其他高密度展店型態的企業而言，總部需要面對的不只是據點數量增加，更包括不同門市的設備管理、系統維護、日常維運與人力配置等多方面挑戰。

過去多據點門市的設備與資訊管理，往往以單一門市為單位，各據點可能擁有不同的攝影機、錄影設備配置與管理模式。當總部需要掌握事件狀況、確認門市營運情形，或進行跨區域管理時，往往需要投入大量人力逐一確認資訊，不僅增加管理負擔，也提高維運成本。

此外，零售產業本身具有高度變動性。門市可能因應市場策略進行展店、搬遷、改裝，甚至調整營運規模。傳統一次性設備投資模式，容易讓企業在面對據點變化時缺乏彈性，也增加設備重新配置與後續維護的負擔。

因此，現代零售企業所需要的不只是單純記錄事件的設備，而是一套能隨企業成長彈性調整、協助總部有效掌握多據點安全資訊，並支援未來智慧應用發展的智慧化管理架構。

從既有設備開始升級　降低全面汰換設備的轉型負擔

面對智慧化轉型需求，許多企業最大的挑戰並非是否需要升級，而是如何在不中斷現有營運的情況下完成轉型。

對已經投入大量資源建置安全系統的零售企業而言，全面汰換既有架構不僅成本高，也可能影響門市日常運作。因此，能夠兼容既有設備並逐步升級的彈性架構，成為企業導入智慧安全管理的重要關鍵。

透過混合雲架構，企業可以從既有設備開始，逐步整合不同據點的安全資訊與管理需求，同時導入雲端管理能力。相較於一次性重新建置，新一代平台架構能協助企業延續既有投資價值，並依照實際需求逐步導入更集中化、智慧化的管理能力。

此外，訂閱式雲端服務模式和混合雲安防架構，也為零售企業帶來更靈活的資產管理方式。相較於頻繁的硬體汰換、傳統一次性採購或繁瑣的跨品牌安防系統的管理，企業更有彈性的因應門市拓展、搬遷、調整或營運規模調整，精準配置資源，降低一次性投入壓力，也減少因據點變動造成設備閒置的情況。

對快速成長的連鎖零售企業而言，安全管理不再是一套固定且難以調整的架構，而是一個能隨企業規模與需求持續演進的平台。無論是新增門市、跨區域管理，或因應營運策略調整，都能以更彈性的方式完成管理升級。

AI 不只是安防工具　更開始協助零售提升營運效率

隨著 AI 技術快速發展，安全管理的角色也正在改變。過去企業導入影像系統主要用於事件記錄、事後查看與追蹤；如今，智慧雲端安防平台則能進一步從大量影像資訊中辨識人、車與行為，協助企業從「看見發生什麼」進一步「理解正在發生什麼」，甚至主動協助管理者發現與處理事件。對門市數量眾多、人力有限的連鎖零售業者而言，AI 正逐步成為降低管理負擔、提升營運效率的重要工具。

從基本事件偵測到自然語言規則　讓 AI 主動理解更多異常情境。 AI 智慧辨識已能針對跌倒、奔跑、徘徊、跨線等常見事件進行自動偵測，協助門市減少人工查看影像的需求。而進一步透過 Think Alert，管理者更可以直接以自然語言設定客製化的偵測條件，將 AI 應用延伸至傳統事件規則以外。以門市尖峰時段為例，店員往往需要同時處理結帳、補貨與顧客服務，總部也難以持續掌握每個據點的即時狀況。透過 Think Alert，管理者可以直接以自然語言設定「在門店入口抽菸的人」等情境；當符合設定條件的畫面出現時，系統即可主動發出警報，協助管理者即時掌握異常狀況。對於門市數量龐大的企業而言，這代表 AI 不只是協助辨識既定事件，更能依據不同營運需求，讓管理者以更直覺的方式設定希望 AI 主動關注的情境。

從大海撈針到快速完成調查　Think Search 搭配 Case Vault(案例庫) 掌握完整事件脈絡。 當事件發生後，如何從大量、多據點的影像中找到關鍵人物與事件脈絡，往往是最耗費人力的環節。透過 Think Search，管理者可以直接用自然語言描述想尋找的對象與情境，例如，當家長反映孩童可能在門市附近走失時，店員或總部人員不需要逐一查看不同攝影機的錄影畫面，只要在 Think Search 輸入「昨日上午，牽著小女孩的男性」等自然語言描述，系統即可協助從大量影像中篩選相關畫面，快速找到相關人物可能出現的時間與位置。若需要進一步追蹤，還能將不同搜尋階段找到的重要畫面與資訊整理至 Case Vault，建立事件時間線與人物移動路徑，協助管理者更完整掌握事件脈絡。

從安全管理延伸至顧客服務與門市營運　讓既有影像創造更多價值。 AI 的應用也不只限於安全事件。例如在咖啡店、餐飲等場景，若顧客將手機、包包等物品遺留在座位或櫃台附近，遺留物與遺失物偵測可以協助門市人員更快發現異常，主動確認並協助顧客處理失物問題；人流分析則能協助企業掌握不同時段的門市活動趨勢，作為空間配置與人力安排的參考；車牌辨識可應用於停車區域或門市周邊管理，而工安防護裝備辨識則能協助後場、倉儲等區域進行安全規範管理。透過這些應用，企業能在既有設備基礎上，進一步將影像資料延伸至安全、服務與營運等不同場景。

對連鎖零售業而言，AI 的價值已不只是「看得更清楚」，而是讓企業更快發現問題、更快找到資訊，並進一步理解事件脈絡與營運狀況。從基本事件偵測、自然語言設定規則，到 AI 搜尋與事件調查，再延伸至顧客服務與營運分析，雲端安防平台正讓影像從被動的紀錄工具，逐步成為支援多據點安全管理與營運決策的重要資訊來源。