코딩 없이 데이터를 수집하고, AI 인사이트를 생성하고, 연구 결과를 시각화한다. 불과 몇 년 전만 해도 상상하기 어려웠던 일이 이제 현실이 됐다. 로우코드·노코드 플랫폼이 연구 현장에서도 본격적으로 쓰이기 시작한 것이다.
호주 연구자 F. Sufi가 최근 5년간 LCNC 플랫폼을 활용한 연구 사례들을 체계적으로 리뷰한 논문이 2023년 국제학술지 *Algorithms*에 발표됐다. 주류 LCNC 플랫폼을 사용한 연구 23편을 분석해 어떤 연구 분야에서, 어떤 플랫폼으로, 어떤 문제를 풀었는지를 정리했다.
결과는 주목할 만하다. 분석된 23개 연구 중 61%가 Microsoft Power Platform을 주요 플랫폼으로 선택했다. MPP 외에도 SetXRM, vf-OS, Azure-BPM, CRISP-DM 같은 플랫폼들이 활용됐다. 연구 주제의 폭도 넓었다. 글로벌 뉴스 분석, 소셜 미디어 분석, 산사태 모니터링, 토네이도 경보, COVID-19 대응, 제조·물류 디지털화, 소프트웨어 개발 등 다양한 분야에 LCNC가 적용됐다.
연구자들이 LCNC를 택한 이유도 분명하다. 첫째, 여러 소스에서 데이터를 완전 자동화로 수집할 수 있다. 둘째, 직접 코딩 없이 AI 기반 인사이트를 생성할 수 있다. 논문 저자는 GitHub CEO의 말을 인용하기도 했다. "미래의 코딩은 코딩이 전혀 없는 것이다."
실제로 이 리뷰는 사이버 공격 모니터링 알고리즘을 LCNC로 구현하는 실용적인 예시도 포함해, 독자가 직접 따라 해볼 수 있도록 구성됐다.
한계도 있다. 23개 사례는 방법론적으로 이질적이며, 플랫폼 성능의 정량적 비교는 이루어지지 않았다. 또한 LCNC의 확장성·보안·복잡한 로직 처리 한계는 여전히 연구 중인 영역이다.
그럼에도 이 리뷰는 "LCNC는 간단한 앱에만 쓰인다"는 인식을 바꿔놓는다. 실제 연구 현장에서 데이터 파이프라인 구축, AI 분석, 복잡한 모니터링 시스템에까지 LCNC가 활용되고 있다. 코딩 장벽이 낮아진 만큼, 아이디어가 있는 연구자라면 바로 시도해볼 만한 시대가 됐다.
📖 *Algorithms in Low-Code-No-Code for Research Applications:A Practical Review* |
논문 원문
※ 이 기사는 학술 논문을 바탕으로 작성되었습니다. 기술 세부사항은 원문을 참조하세요.
Collect data from multiple sources automatically. Generate AI-driven insights without writing a single line of code. Build a functional research tool in an afternoon. These are no longer aspirational possibilities for well-funded labs — they are documented outcomes from researchers who have deployed low-code and no-code (LCNC) platforms in real scientific work.
A 2023 systematic review published in the journal *Algorithms* by F. Sufi examined how mainstream LCNC platforms are being used to solve genuine research problems. Surveying 23 published studies that deployed LCNC tools in substantive research applications, the review maps the landscape of where these platforms are being used, which tools researchers are choosing, and what problems they are solving.
The platform picture is clear. Across the 23 studies reviewed, 61% used Microsoft Power Platform (MPP) as their primary tool, making it by far the dominant choice. Other platforms that appeared included SetXRM, the vf-OS platform, Azure-BPM, and CRISP-DM — but MPP's market share in research applications mirrors its dominance in enterprise settings.
The range of problems being solved is broader than most would expect. Researchers applied LCNC tools to global news analysis, social media monitoring, landslide detection, tornado warning systems, COVID-19 response tracking, manufacturing process digitization, logistics optimization, and software application development. These are not toy projects or classroom exercises — they are functional systems deployed in real research and operational contexts.
The review identifies two primary reasons researchers turn to LCNC solutions. First, the ability to aggregate data from multiple sources in full automation, without custom integration code. Second, the capacity to generate AI-driven analytical insights without manual programming — leveraging built-in AI connectors and data processing capabilities that platforms like Power Platform provide out of the box.
The paper also includes a hands-on demonstration: a practical walkthrough of building a cyber-attack monitoring algorithm using LCNC tools, providing readers with a concrete starting point rather than abstract analysis.
The limitations of the review are worth noting. The 23 studies are methodologically heterogeneous, and the review does not provide rigorous quantitative performance comparisons between platforms. The well-documented ceiling of LCNC — complex custom logic, high-performance demands, deep integrations — remains a constraint, and the review acknowledges that scalability and security in LCNC environments are active research areas.
Still, the aggregate picture is compelling: low-code and no-code tools have moved beyond simple app-building into substantive scientific and operational research infrastructure. The CEO of GitHub is quoted in the paper with a prediction that now looks increasingly accurate: "The future of coding is no coding at all." For researchers with domain expertise but limited programming resources, the tools to act on that future are already available.
📖 *Algorithms in Low-Code-No-Code for Research Applications: A Practical Review (Systematic review, 23 research cases, Algorithms 2023)* |
Source paper
*This article is based on an academic paper. Please refer to the original for technical details.*
