Kissflow 在低代码市场找到自己的位置
据 Kissflow 东南亚区副总裁 Rakesh Nandakumar 表示,低代码工具市场正迎来复兴。他指出,市场上众多供应商现正通过将人工智能 ( AI ) 能力融入他们的产品中来争夺关注度。
在激烈竞争中,Nandakumar 表示 Kissflow 通过定位自身为一个包容性平台,致力于满足组织全方位的自动化及应用开发需求,从而在市场中找到了自己的位置。
“ Kissflow 是为数不多的低代码平台,既能供业务用户用来自行开发自动化流程,也可供 IT 团队构建应用程序,”他说,并举例说明,业务团队可以利用 Kissflow 自动化处理采购订单,而无需依靠复杂系统。“市场上能做到这一点的参与者寥寥无几,这正是我们的最大优势。”
更为重要的是,Nandakumar 表示 Kissflow 平台能够根据企业需求进行扩展。“今天你构建的流程,明天可能就会变成一个应用程序,”他补充道,并强调普通用户开发的应用程序能够由 IT 部门进行治理和监控,确保合规,并避免“暗影 IT”的风险。
企业还可以利用 Kissflow 的集成功能,通过一个集成框架将工作流程与现有系统连接起来。“这可能是一连串需要启动的动作,”Nandakumar 说明道,他以一个例子说明:一个采购订单审批触发了企业资源计划 ( ERP ) 系统的更新,随后发送电子邮件给供应商。他补充道,凭借大约 80 个预建连接器及创建自定义连接器的能力,Kissflow 能确保新应用嵌入到组织更广泛的生态系统中。
虽然 Kissflow 已在银行、能源、制造和零售等行业中找到了“非常强烈的需求”,并赋能公民开发者,但 Nandakumar 表示,其目标并非取代 ERP 等核心业务应用。相反,它着眼于解决现成软件无法覆盖的组织“长尾”需求,而传统的替代方案通常是编写定制代码或干脆让问题悬而未决。
这一战略在东南亚市场引起共鸣,过去四年中 Kissflow 的收入实现翻倍增长。公司的增长主要得益于菲律宾、泰国和印度尼西亚市场的需求,Nandakumar 指出这些市场存在“巨大的技术赤字”,对公民开发持较为开放的态度。
为支持在该地区的扩展,Kissflow 已在菲律宾、马来西亚和泰国建立了团队。同时,公司还构建了一个覆盖整个东南亚,专注于办公环境现代化和数字化转型的合作伙伴网络。作为一款云原生平台且托管在 Google Cloud、Microsoft Azure 和 Amazon Web Services 等主要超大规模云平台上,Kissflow 亦能满足客户在具备相应基础设施国家内的数据托管需求。
Kissflow 在该地区的市场策略特意采取自上而下的方法,主要针对负责组织数字化转型的 IT 高管,如 IT 副总裁和 CIO。“我们不向业务用户直接销售,因为我们不相信暗影 IT,”Nandakumar 说道。“如果要实施公民开发,它始终是一项组织自上而下的战略举措。”
这一理念构成了 Kissflow 客户参与的基石,使其更像是一位数字化转型合作伙伴而非单纯的技术供应商。“我们可以和客户一起制定一个为期三到五年的转型计划,”Nandakumar 说道,并补充道,这种协作规划能够借助现有模板识别快速获胜的机会,同时明确需要进行定制开发的领域,从而为客户确保一段可持续的转型之旅。
人工智能将在 Kissflow 平台中扮演更加核心的角色。目前,该平台已整合 AI 来在构建流程时建议最佳实践、数据字段和阶段,以协助可能存在知识盲点的公民开发者。
然而,下一阶段的演进计划将更为雄心勃勃。Nandakumar 表示,在接下来的三到四个月内,例如平台的 AI 助手将能够根据用户提示自动构建一套流程或系统。
他声称,一旦这一新功能成熟,开发时间将大幅缩减,用户有望“在不到 30 分钟内让一个流程上线”,这相比目前可能需耗费数小时甚至数天的时间,无疑是一大飞跃。“这将彻底改变游戏规则。”
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。