結合生成式AI開發寫程式系統，道德架構必須優先
軟體公司Pega的科技長Don Schuerman表示，結合生成式AI與low-code兩種工具，可以縮短從概念、實驗到推出實際產品的鴻溝，進而加速商業創新。然而他也指出，當中有很多細節，是企業導入這兩種技術時需要注意的。
例如Don Schuerman認為，AI的責任與道德架構永遠必須是研發過程中第一考量。也就是說，AI的運作與決策得透明化，必須「訓練AI到能完整解釋如何，以及為何做出相關決定的程度」。如果決策邏輯不透明，企業就無法為終端使用者提供公平、一視同仁的服務。此外，因為AI的訓練基礎是使用人類餵養的資料，但人類社會有不可避免的潛在偏見，所以資料自然也會有偏差，用這些資料訓練出來的AI，也容易產出帶有偏差眼光的內容，代表系統必須做偏見測試（bias testing），確保不會產生偏誤。
Don Schuerman也堅持，人類一定要參與在開發過程中（keeping the human in the loop），不能只是放任AI自行生出結果、人類只負責檢查錯誤與修改。原因是，目前AI仍無法掌握客戶同理心（customer empathy）。藉由人類參與開發，可以讓AI更能理解消費者心理，提供符合使用者需求的產品與服務。
Suman Bhowmick也提出類似觀點，認為就算生成式AI能讓過程自動化，但還是需要人們投入智慧與創造力。例如領域專門的問題、利基組織性的問題、以人為中心的設計問題還是要由人類親自解決。但有生成式AI的協助，會讓尋找最佳解的過程更容易。顧問公司IDC的研究經理Michele Rosen則認為，要讓生成式AI產出完全符合使用者需求的程式有難度，low-code相對較快、較容易。
生成式AI還無法掌握專利，可能有侵權的問題
除了數據偏誤與AI對人性掌握的問題，智慧財產權與機密也是生成式AI技術用於企業的重要課題。就智慧財產權而言，因為生成式AI產出內容時，並不知道自己引用的資料哪些有著作權與專利，代表它可能會將有專利保護的、未授權的程式碼寫進自己的程式中。例如著名的開源程式平台GitHub，它導入ChatGPT協助開發者寫程式，目前就遇到法律上的爭議。
另外，雖然目前多數生成式AI用公開資料訓練，但Jim Rose表示，未來會有封閉式模型的潮流，也就是企業使用私有資料訓練生成式AI，以更貼合公司需求。但每個員工能接觸到的資料機密層級並不相同，Dion Hinchcliffe表示，企業必須要找出能讓AI根據提問者權限決定提供資料範圍的方式，但目前的AI技術不容易達成。
