专访Airtable创始人：企业AI应用的挑战在于理解力不足与创新想象力匮乏

• 低代码和无代码的未来：Airtable的联合创始人兼首席执行官Howie认为，尽管代码生成变得越来越容易，低代码和无代码平台依然有其不可替代的优势。Airtable通过提供易于理解和操作的界面，让非技术人员也能参与应用程序的开发，从而增强了用户的创造力和生产力。
• Airtable的AI集成：Airtable正在积极探索如何将AI功能集成到其平台中，不仅提升用户体验，还让用户能够构建自己的AI应用程序。Howie分享了Airtable如何通过与客户合作，开发出满足实际需求的AI工作流程和模板。
• 企业AI应用的挑战和机遇：Howie讨论了企业在采用AI时面临的挑战，如缺乏对AI模型能力的理解以及应用AI的想象力不足。他强调了Airtable通过培训和产品化帮助客户克服这些障碍的重要性。
• 未来展望：Howie认为，虽然AI和代码生成技术在快速发展，但完全取代无代码平台还需要时间。Airtable将继续致力于通过无代码解决方案，帮助用户构建复杂的业务应用程序，实现更大的经济价值和创新。

Elad Gil则是一位连续创业者和初创企业投资者，他创办了两家公司：Mixer Labs（被Twitter收购）和Color Health。Elad曾担任Twitter的企业战略副总裁，并在Google负责广告和移动产品。他投资了包括Airbnb、Airtable、Coinbase、Figma、Stripe等在内的多家成功企业。此外，他还是畅销书《High Growth Handbook》的作者，为公司在产品市场契合后的发展提供实用建议。

Howie Liu是Airtable的联合创始人兼首席执行官。Airtable是一款结合了电子表格和数据库功能的平台，广泛应用于多个行业，从创意团队到企业级用户。目前，包括Netflix、TIME、Conde Nast、jetBlue、Shopify、Glossier、洛杉矶市以及一半的《财富》1000强公司在内的客户都在使用Airtable来支持他们最具雄心的运营。Airtable被评为达沃斯世界经济论坛的技术先锋、《Fast Company》的最具创新力公司、《Forbes》的云计算100强、《CNBC》的50家颠覆者公司以及《Fortune》的有史以来100个最伟大的设计之一。

在创办Airtable之前，他是Salesforce的产品负责人，Salesforce收购了他创办的第一家公司Etacts，Etacts是一款智能客户关系管理（CRM）软件。Howie Liu原籍德克萨斯州，他在13岁时自学了C++编程，源于他在父亲办公室找到的一本未读的培训书籍，从那时起，他对软件作为一种创造性表达和经济价值创造的媒介产生了浓厚兴趣。在No Priors播客的访谈中，Howie Liu分享了Airtable的最新发展及其对低代码和AI集成的展望，展示了他在技术和创业方面的前瞻性思维。

Airtable 的起源和演变

Sarah Guo：大家好，欢迎收听No Priors。今天我们请到了Airtable的联合创始人兼首席执行官Howie Liu。Airtable目前服务于全球五十万家组织，包括Scale、Benchling、Adobe、Riot Games、Amazon和Powdery Barn等公司。最近，Airtable推出了一系列AI功能。我们非常高兴能请到Harry来讨论低代码和无代码AI工具的发展现状，他在过去几年如何转型业务，以及企业AI的整体趋势。欢迎你，Harry。

Howie Liu：谢谢，很高兴能来这里。

Sarah Guo：大多数用户都知道Airtable是什么，但对于新加入的听众，能介绍一下Airtable是做什么的，以及这个想法是怎么来的呢？

Howie Liu：Airtable已经存在了十多年，我们在2015年推出了产品，花了两年半的时间来构建它。但对于那些当时了解Airtable的人来说，你可能会说Airtable像是加强版的电子表格，或者是一个非常棒的生产力工具。我认为这些说法都是正确的。但实际上，我们一直以来都是一个真正的应用平台，只是它非常容易使用。所以我们涵盖了不同的类别。有一个低代码平台类别，在我们之前就存在，这些平台非常复杂，实际上需要相当多的技术专长。还有像Trello这样的协作工具，然后是后来出现的Asana等，它们非常易用，但更多的是以项目管理为中心。所以我们介于两者之间，给人们提供了构建真正应用的能力，具有真正的关系数据结构、逻辑和自动化功能，还有界面，但以一种更容易使用的方式来实现，不像传统的应用平台。我获得这个想法基本上是通过在Salesforce工作时得到的。我之前有一个非常小的公司，被Salesforce收购了。在Salesforce工作期间，我意识到了平台模型的强大。你知道，Salesforce并不是因为为CRM构建了所有功能而赢得了所有这些CRM用例，而是因为他们创建了一个可以根据每个客户的需求进行定制的平台。所以，离开Salesforce后，我真的想应用这个概念，但将其民主化，做一个更易于访问的应用平台，使更多的人、普通开发者和用例能够实现。

构建 Airtable 的挑战和成功

Sarah Guo：在硅谷，有一种非常强烈的传统想法是，应该构建一个杀手级应用，而不是一个平台。那么，为什么这在这里不适用？为什么Airtable从一开始就能作为一个平台成功运作呢？

Elad Gil：抱歉打断一下，但我不得不说，我认识Howie从他创办第一家公司时开始，当他创办Airtable时，我们见过面，他向我展示了所有应用和将不同垂直应用整合到构建应用中的能力。我记得当时想，这太疯狂了，这会非常困难，创业不可能成功。当然，他成功了，真的很了不起。所以我觉得Sarah的观点很正确，你真的打破了传统想法，构建了一个非常出色的平台。

Sarah Guo：实际上，我现在也要再打断你一次，因为这真的很有趣。我们有一个共同的朋友Eric，他来自Open Door，我们在某个时候讨论天使投资时，他也说，他真的不认为这个东西会成功，它的范围太大了，但Howie看起来很不错。所以，知道这个有点难以置信。

Howie Liu：我不认为你们错了。确实，事实证明，在很多方面这确实很困难。我认为我们有几件事情做得很好。首先，我们确实有一个现有的产品范式可以与之比较，那就是电子表格。现在每个人都用过电子表格，这是目前最常见的应用构建平台。而且，四十年来，电子表格一直被使用，它们是最早的应用之一。也许在那个时候，电子表格是一种令人惊叹的新范式，所有这些单元格，你可以随心所欲地进行建模。

但四十年来，电子表格产品已经经历了创建新类别的稳定过程，并让人们熟悉它们。所以当我们进入市场时，我们做了一系列非常有意图的设计选择，使Airtable易于接近，有时甚至感觉像电子表格。这非常重要，因为在我们之前甚至同时存在的许多无代码应用构建者都有不同的布局，他们会让你在一个看起来更像数据建模工具的界面中定义数据库架构，或者使用表单布局。而对我们来说，非常重要的一点是，Airtable感觉像电子表格一样易于使用，因此产品的初始版本非常以网格为中心，你可以使用所有电子表格的键盘快捷键，如复制粘贴，你甚至可以直接从Google Sheets或Excel中复制粘贴数据到Airtable，并且它能正常工作。所以我们在这方面做得很好，让人们轻松地从现有产品转移过来，很多电子表格的使用场景实际上应该是数据库或应用程序。任何不涉及数字运算而是某种表格数据、工作流程或客户数据库的东西，实际上大多数电子表格的使用场景都是如此。

我们希望让这些转换变得非常容易，这是其中的一部分。其次，我们后来发现，将使用场景构建到Airtable中非常重要。模板是我们初始版本的一部分。所以在某种程度上，我们确实需要构建应用程序，但我们构建了许多不同的应用程序，每个应用程序都只代表了我们可以追求的长远使用场景的一小部分。

Airtable 向企业解决方案的过渡

Sarah Guo：平台已经从最初非常简单的体验发展到现在依然简单，但功能更强大。这家公司近年来也变得更加面向企业。这个演变是如何发生的呢？为了支持这种变化，你们最需要改变的是什么？如果有决策点的话，你们是在什么时候决定要这么做的？

Howie Liu：这一直是我们总体计划的一部分。实际上，我们在2012年开始这个项目时就写了一份愿景文档和商业计划，基本上是描述了这个发展路径。

我们认为，从一个非常复杂的产品开始可能更难。你不会指望SAP这样复杂的产品随着时间的推移变得更简单。相反，从一个非常简单的产品开始，然后随着时间的推移使其更强大、更可定制是更常见或更直观的做法。实际上，我想这个术语最初来自Mike Krieger，我们喜欢这种“低门槛”的概念，让门槛尽可能低。因此，我们真正切入并低于所有现有的本地应用平台，包括Salesforce和ServiceNow，以及像Quick Base这样的老牌产品，使其更易于使用。但随着时间的推移，我们可以提高上限。最初，我们会得到一些轻量级、中量级的用例，但随着时间的推移，我们希望提高数据规模，使其能够存储数十万甚至数百万行或对象，而不仅仅是数千或数万。同时，我们还增加了新的可扩展性层，例如在平台中添加代码可扩展性，使用户可以编写自己的集成代码或脚本逻辑，并在我们的无服务器环境中运行，访问数据或实现自动化。

很多工作实际上已经在进行中。我认为在过去几年里，我们能够更多地倾向于企业市场，部分原因是我们已经在进行这些平台投资。我认为，如果我们在最初几年内就大力进入企业市场会很困难，因为一些更大规模的用例会导致产品崩溃。事实上，我们确实看到客户将产品推到了极限。因此，我们需要时间使平台变得可扩展且足够稳健，以应对最具挑战性的用例。

第二个发生在我们身上的事情是，我们开始获得足够的有机用户增长。我们在早期多年积累的产品增长引擎实际上带来了足够的使用量，并且在企业内自然涌现出足够高价值的用例，我们可以开始利用这些机会。我们不需要像一些公司那样发明一个全新的用例或垂直解决方案，我们总是可以从我们自己的客户群中获得灵感。

现在我们能够了解媒体公司全球内容制作的样子，并能够架构一个Airtable的实现方案来解决整个过程。这也让我们能够加倍努力在这个用例上进行营销和销售，同时确保我们的平台继续支持它。所以，我认为这就像一个培养皿，里面有许多增长的热点，我们只需要看这些热点区域，决定现在是时候真正加倍努力并重复向这些区域销售了。

对产品管理的见解

Sarah Guo：Howie，我问了一些人，关于我们应该讨论的问题，能从你的智慧或者Airtable的旅程中受益。有人说，他觉得你对产品管理的看法在过去几年中有了很大变化。能谈谈具体是什么变化以及这对运营意味着什么吗？

Howie Liu：首先，产品管理是一门非常难掌握的学科。我认为，很多公司在这方面的做法最终只能解决其中一个方面，但实际上你需要解决多个方面。

Brian Chesky（Airbnb联合创始人）最近在一个播客中谈到这一点，他说有个大新闻，说他们要取消产品经理，但实际上他们的意思是将角色分成两个互补的明确角色，即产品营销和项目管理。这两个角色反映了产品经理的两个重要职责。例如，在产品营销方面，关键在于了解市场需求。许多产品经理更关注内部，专注于我们在构建什么，哪些方面会很困难，以及如何保持技术能力和确保工程进度等，这些更多属于项目管理的范畴，非常重要，因为你需要了解需求，并按照进度完成。

但产品营销方面往往被忽视，它基本上是从客户和市场出发，分析我们的竞争对手是谁，我们试图解决什么问题。就像“待办事项”理论，强调从需求出发，但理论很好，实际应用却很难。对于我们，可能比一些消费公司如Airbnb更重要的是，还有第三个重要职责，那就是设计更复杂的用户体验。当你考虑到Airtable中信息密度的纯粹数量，或者我们试图模拟的一些概念的复杂性，这些都是不可避免的自由度和复杂性，无论是构建AI基本功能，还是现有功能如自动化等。

因此，我认为可以将其视为第三个职责，而Google和Meta的产品管理在这方面做得相当好。早期的Google产品管理非常强调找到能够解决复杂设计问题的人，例如信息架构和复杂交互的用户体验。所以你可以将其视为第三个职责，几乎跨越了UX设计等领域。

对我来说，这至少是三个非常重要的职责。我认为我们公司开始认识到，即使没有明确分离这些角色，至少要认识到这三者的重要性，并确保每个职责都有相应的人负责，不一定是同一个人。有时在一个团队中，设计负责人可能承担更多第三个职责，工程负责人承担更多项目管理职责，而产品经理则更多负责产品营销。关键是我们在构建大多数东西时都要考虑到这些职责，尤其是那些需要更多关注的功能。有些功能相对简单，可能不需要太多关注产品营销或市场动态，但总体来说，我们要认识到产品管理不是单一的艺术，只是招聘其他公司优秀的产品经理并不意味着在这里也会成功。我们需要培养自己对产品管理的定义，理解为什么产品如此重要和困难。最近我在Nvidia的现场活动中，Jensen谈到一些非常鼓舞人心的哲学，尽管其中一些不适用于其他公司。

Sarah Guo：普通公司是无法做到的。

Howie Liu：我不认为我可以有50个下属并且不与任何人进行一对一的交流。但其中一个非常鼓舞人心的理念是，他们喜欢解决难题。事实上，如果问题不够难，他们几乎不愿意去解决，因为这意味着市场会被其他因素驱动，例如市场进入的优秀程度等。虽然我们在这方面不如Nvidia那样极端，我们也不解决像他们那样的可扩展计算问题，但我们越来越认识到，成功和文化的一部分根植于解决从UX和市场理解方面独特且困难的问题，不只是构建某个已有产品的稍好版本，而是以新颖的方式解决实际需求。因此，我们现在尝试将同样的产品管理哲学和原则应用于AI的开发上。这将成为我们的差异化因素，或者如果我们做得不够好，就无法取得大的成功。但这是我们独特的视角，看待这些模型的能力，并最终将其产品化到我们的平台中。

AI集成产品及用户影响

Elad Gil：你们在这一波AI浪潮中起步很早，在早期迭代和思考如何整合方面非常领先。我认为你们在产品方面总是非常有思想，如何将某种技术转化为真正有用户价值的东西。你能谈谈这个历程吗？你是如何最初了解到生成性AI的发展，并决定它不同于以往的机器学习方式的？然后，你是如何思考前进的方向的？

Howie Liu：其实，我在大学时对神经网络非常感兴趣，当时有点领先于现在的突破浪潮，大约在05到09年期间，可以说是在冬季阶段。那时ImageNet还没有出现，每年都没有令人惊叹的新能力出现。但即使在那时，我还是觉得神经网络非常有趣，从学术角度看，它是一种很有前景的概念。它不像传统编程那样需要写大量代码来告诉计算机该做什么，而是可以通过提供数据和模式，让计算机自己找出规则。我觉得这非常吸引人，因为在很多方面，我认为最优秀或最有好奇心的软件工程师本质上都有点懒，他们总是在寻找更高效的解决方法。某种程度上，Airtable也是一种解决方法，它提供了一个平台，允许你构建任何应用程序，而不是我们自己去构建100个不同的垂直SaaS产品。

我一直觉得AI是一种非常有趣的解决大量软件问题的方法。因此，我一直在从大学开始就一直在研究它，看到一些图像上的突破，比如卷积神经网络，能够开始对图像进行分类，尽管这是一个历史上非常困难的问题。事实上，我曾在一家叫Crowdstar的公司实习，你们都很熟悉，那时创始人Lucas现在是Weights & Biases的创始人。当我第一次来到Mission区的一个小巷时，他们已经开始做一些非常有趣的数据标注工作，这些工作最终会用于AI应用。我发现这很有趣，因为我们正在达到一个转折点，最初的很多工作是关于数据标注，或者手动进行图像分类或社交媒体公司的图像审核，这只是一个过渡状态。后来，我们逐渐开始使用这些内容来训练达到人类水平的模型。

再后来，当我们开始看到基于文本的Transformer模型应用时，这变得非常有趣。我在早期玩了一些模型，比如GPT-4，但也包括刚推出的ChatGPT，能够看到它们的推理能力，不仅仅是一些有趣的用例，比如写一首诗或做一些有趣的事情。我更感兴趣的是，这种技术能够进行一些非常有趣和有意义的推理工作，这在我看来是一种巨大的解锁，甚至到今天还没有被完全利用。我认为即使今天暂停模型开发，我们仍然可以从现有模型中获得极大的经济价值和影响。

Elad Gil：你如何看待用户影响？因为我感觉很多人第一次使用AI时会有很多错误的起点。你们有没有经历过类似的事情，比如你们认为会使产品更具吸引力的方向后来发现是错误的方向？你们是如何思考实际重要的事情的？

Howie Liu：是的，我们处于一个相当有趣的位置，因为我们不仅需要思考如何在我们的产品中使用AI来增强用户体验，就像Figma使用AI让设计变得非常简单一样。它可以与用户共同设计，现在还能生成设计稿。所以我们需要考虑将AI整合到我们自己的产品体验中，并改变用户体验。此外，因为我们是一个非常元应用平台，允许我们的客户构建他们自己的应用程序，我们最大的兴奋点之一是让客户能够构建AI应用程序。

从一元的角度来看，我认为有趣的是，当我们首次推出AI功能时，它主要是关于运行时能力。我们实际上是围绕OpenAI模型，后来还有Anthropic等，做了一个包装，但我们使其非常容易使用这些“乐高积木”将AI调用集成到数据和工作流程中。Airtable的核心是拥有以非常可用的形式呈现的一方数据，并让人们与之互动、协作并围绕它执行工作流程。这使得添加一个AI工作流程步骤变得非常容易，比如一个AI字段，可以输入产品特性的输入，然后生成PRD的初稿。虽然这些技术上可以在ChatGPT中单独完成，但因为它嵌入在你的数据和工作流程中，所以更加自动化和循环化。你可以有预定义的提示。

我们很快了解到，尤其是在企业客户中，甚至在更广泛的B2B客户群中，存在很多恐惧和压力。很多人对如何实际使用AI存在未知数，并且对这些模型的工作原理理解不成熟。不仅仅是在数学层面，即使在基本的层面上，除了在ChatGPT中进行一些实验性的聊天提示，大多数人并不真正理解它们的能力。不论是翻译、分类，还是更高级的推理和综合，像从客户的财报电话中提取适用于销售团队的具体见解，比如如何更好地向Nike销售。

我们了解到，这将是一个很难以横向方式发布的产品，期望每个人都能自己搞明白，即使有很多不同的应用，可以应用于几乎任何用例、任何行业。我认为现在的差距在于想象力和操作技巧。所以我们基本上做了两件事。第一，我们花了很多时间与特定客户一起工作，我们在公开发布前有1000个客户参与测试。自那时起，我们有了更多客户，并且与许多客户密切合作，不仅展示如何使用功能，还帮助他们理解可以自动化工作流程的哪些部分，并且挑战他们在应用方面更有野心。比如，我们的一个客户是前五大律师事务所之一，他们提出了如何自动化部分合同工作流程的想法。但我们希望与他们合作，甚至挑战他们对可以做什么的理解。这需要与客户进行深度沉浸和设计合作。

第二，与Airtable作为一个非常横向的平台类似，我们意识到虽然开始使用产品很容易，但为用户提供模板和指导也很重要。我们正在用AI做更多类似的事情。我们为最受欢迎的Airtable用例构建了一些常见的提示模板，比如在营销或产品管理等领域。我认为，通过更多自动推断和建议，不仅使功能易于实现，还打破想象力的障碍，理解可以如何使用它以及用途是什么，这非常重要。

我真的很兴奋用AI来实现很多这些功能。你可以从应用程序和数据的上下文中推断出用例，甚至可以让一个大型语言模型建议在这个工作流程中使用LLM的好用例是什么。这些数据集可以回答哪些问题。

Elad Gil：这非常有趣。你之前提到，如果我们今天冻结所有进展，仍然可以通过AI和现有的LLM解锁很多价值。那么，从技术或功能角度来看，你认为当前最大的缺失是什么？现在不能做什么，或者缺少什么能够让你做更多？

Howie Liu：我认为我们现在非常专注于聊天界面作为LLMs的主要用户体验设计模式。这并不奇怪，因为ChatGPT是突破点，使其成为主流，并引起了全球和每个企业对LLMs潜力的关注和紧迫感。

但我认为，尽管聊天非常强大且开放式，有很多公司利用自己的内部数据构建RAG用例，像是HR数据，这样任何员工都可以有一个AI HRBP来回答问题。你会看到公司使用内部数据来做产品开发等，使信息更易于发现。我认为这些都是很好的用例，但最终我认为这只是AI更广泛应用的一小部分。很多更有趣的用例涉及某种结构化、重复的过程，必须非常有意地指出哪些部分可以自动化。

我认为这在某些非常狭窄的解决方案中已经开始发生。例如，支持自动化是一个很好的领域。公司如Decagon正在尝试解决这个端到端的支持自动化问题，并通过AI采取一种Agent模型。我认为你会有一些通过解决方案公司解决的用例，每个单独的用例可能非常大。然而，即使将所有这些用例加在一起，仍然只占企业内部实际部门工作流程和过程的一小部分。

要攻击更多这些用例，我认为需要一种更像Airtable的方法，或者在非常重型的情况下，如Palantir，他们进行AI训练营、AI工作坊，以非常定制和实际的方式，为客户构建AI流程或自动化流程。但我认为，你可以用这种方法做非常重型的用例，或者用内部团队实现。但仍然有一个巨大的长尾，我认为总体上是数万亿美元的经济价值或劳动价值，等待被一个有数据、有工作流程、有人工干预能力的平台解决。而且，它还允许灵活地建模，定义AI的位置、输入是什么、提示是什么、如何定义输出，使其对错误具有弹性，以便人类可以编辑、批准，然后与其他LLM调用、人类步骤或自动化步骤进行链式操作。

利用研讨会和培训帮助客户理解

Sarah Guo：在你们进行这一年时间的测试时，有一千个客户参与，尝试在实际工作流程、结构化的重复过程中应用AI，你是否发现了如何向其他人传授直觉的方法，帮助他们理解当今的模型能做什么？无论是在Airtable中，还是在你们的客户中，你们是如何做到的？

Howie Liu：简短的回答是，我们一直在尝试做很多事情，以将这些经验规范化并扩大规模，而不仅仅是进行一对一的定制互动。因为我们无法像Palantir那样为每个客户提供高度定制的服务。

首先，我们现在运行一个AI工作坊计划。这比Palantir的AI训练营轻松很多。例如，我们刚刚在洛杉矶举办了一场，有大约60人来自各类公司，包括很多媒体公司和一些大型零售公司。这是一个全天的课程，首先教人们什么是转换模型，为什么它们最近变得如此强大。我们展示了一张幻灯片，展示了过去五年间这些模型的参数数量，从GPT-1到GPT-4。虽然参数数量并不是唯一重要的指标，现在较小的模型也表现得很好，但这能向人们说明为什么现在大家都在谈论这个问题，以及这是否只是一个时尚，还是一种基础技术的真正改进，就像80年代的处理器那样，现在是关注和重视它的时机，而且没有回头路了。然后我们还展示了一些近似于真实客户的用例。

接着，我们讨论了在工作流程自动化中不同的AI设计模式。就像在计算机科学或软件工程中，有不同的设计模式来实现某种类型的业务逻辑。例如，观察者模式是一种解决某种业务问题的方法。我们在AI工作流程中也做了类似的事情。例如，翻译工作流程中，我们发现创建一个管道，其中第一个AI步骤生成初稿，第二个步骤自我检查并发现潜在错误，第三个步骤由人类审查或AI根据第二步的自我检查进行修改。我们发现这些模式实际上能显著提高质量，达到预期的业务结果。所以我们目前在进行这些培训计划，它们是线下的。我们正在数字化这些内容，计划建立一个Airtable学院，不仅教如何使用Airtable AI，还教如何使用这些大型语言模型。理论上，你可以将这些知识应用于其他自定义AI应用程序构建，而不仅仅是通过Airtable。

第三，我们正在尝试将更多内容产品化，无论是创建更多的提示模板，这些模板反映了我们见过的不同用例，并且我们尝试为这些需求设计最佳提示。但我们也在开发更高级的基础功能。最初的基础功能实际上是一个大型语言模型调用的包装。我们的真正价值在于，不仅是一个内容生成应用的包装，而是一个可以将模型调用嵌入数据、工作流程和自动化上下文中的包装，所以这里有独特的价值。

我们还在努力使这些基础功能更健壮。例如，我们正在添加一个更原生的功能，可以在Airtable中进行多示例提示，这很合理，因为我们拥有所有数据。你可以提供五个优秀的产品需求文档示例，然后根据这些示例生成下一个文档的初稿。我们也可以让它随着时间的推移进行学习，构建一个优秀的RHFL反馈循环，而不需要通过微调运行实现，只需将更多示例添加到提示中。

我们还在思考如何最好地展示在Airtable中实施AI的方法。所以未来我们不仅会推荐你添加这个AI字段，因为基于表中的内容类型，例如合同，我们可以推断出提取这些条款是有意义的。如果是风投条款表，提取出后期估值、募集金额等。

如果你将其推到极限，可以想象Airtable的新用户引导流程从一个内容源开始，比如来自Google Drive或Box的文档文件夹，或者来自Gong的通话记录。你可以与Gong集成，然后突然间你就有了一个美观的表格显示，可以在Airtable中围绕它创建工作流程和界面，并添加这些AI提取功能。

目前我们通过手动构建很多这些功能，无论是为我们自己作为客户零号，还是与客户合作。但随着我们看到这些模式的出现，我们希望通过我们一直擅长的图形用户界面和无代码用户体验，使其变得越来越容易构建。

代码生成不会取代无代码平台

Sarah Guo：你刚才提到，无代码企业应用平台类别是Airtable之前的产品。现在代码生成变得更容易了，这对你们如何看待Airtable有什么影响？

Howie Liu：代码生成是否会取代垂直软件的需求，取代无代码的需求？因为现在生成代码变得如此简单。我对此有非常具体的看法。你可以很容易地生成小段代码，也许随着更先进的模型的出现，这种能力会变得越来越好。代码显然是所有这些大语言模型的核心能力之一。我认为代码生成有一些很好的特性，比如可模拟性，你可以用合成数据进行训练。而且有大量的代码语料库可以训练模型，进行改进。现在不仅大公司在做这些事情，一些初创公司如Magic和Full Stack也在做一些非常有趣的创新。

尽管如此，这可能会成为一场类似于AGI的宗教辩论。我认为生成真正复杂的端到端过程自动化应用会非常难。比如，为一家像Netflix或NBCU这样的公司定制一个用于数字内容生产的ERP系统，这非常复杂。有很多不同的步骤，业务逻辑和数据建模都有很多细节。我认为代码生成作为对人类开发者的辅助非常有意义，因为输出是可以由开发者轻松检查和引导的。你可以查看代码，重新提示，编辑并接管它，你知道代码是什么。同样地，如果你生成的是文本输出或知识输出，你可以查看并理解它。对于应用开发，如果你希望非开发者能够与代码输出进行互动，它必须以他们能够理解的格式输出。无代码的定义就是如此。

在Airtable中生成的应用程序，非技术人员可以立即理解它的运作方式。你可以看到数据架构，不是像修改表或迁移脚本那样让非技术人员难以理解。业务逻辑是以非常易于理解的方式构建的。我们有一个自动化UI，看起来像“如果-那么”图表，你可以看到自动化逻辑的流程图，条件逻辑等。界面布局也很容易检查，如果你想覆盖或修改某些东西，不需要重新提示大语言模型，而是直接操作。因此，我非常相信在AGI出现之前，完全自动化的代码生成代理取代无代码的需求是非常困难的。你实际上需要在无代码中生成输出，因为长时间内，这仍然是关于增强人类的创造力，应用的架构师，或者至少是业务需求的定义者。没有专业开发人员在环中理解和引导这些输出，你需要在无代码中生成这些输出。

Sarah Guo：这对我来说很有道理。即使代码生成变得更好，如果生成的代码对非技术人员来说是不可理解的，那对他们也没有帮助。因为软件开发是一个迭代过程，即使是专业开发人员也不能一次性完成应用开发，更不用说非开发人员了，这怎么可能会神奇地发生呢？

Howie Liu：你可以想象一种类似于Codium风格的工作流程，它会生成规范，然后尝试生成通过测试的代码。我认为这对于较简单的用例有效。但当你想到真正复杂的业务应用时，有很多细微之处，除非有人在整个过程中检查需求，并在每一步给出反馈，否则很难生成具有实际复杂性的应用。能够直接、精确地操纵和编辑代码也很重要。我认为生成具有任何实际复杂性的应用将会非常具有挑战性。

Sarah Guo：Howie，这次对话非常棒。感谢你的参与。

Howie Liu：谢谢你，这很有趣。

Elad Gil：谢谢你，很高兴见到你。

了解更多AI资讯，可以加入我们的交流群一起沟通讨论~

文章来源： Z Potentials