Modern technology gives us many things.

Μέλλον Παραγωγικότητας: Αυξήστε την αποτελεσματικότητα της ομάδας με γνώμονα τα δεδομένα με το GenAI


Η γενετική τεχνητή νοημοσύνη (AI) αναμφισβήτητα κινδυνεύει να βρεθεί σε περιστεριώνα. Παρά τα όμοια του McKinsey παράγοντας λεπτομερή γραφήα και γραφήματα που απεικονίζουν το τεράστιο εύρος του, ο θόρυβος γύρω από τα συνομιλίας καταπνίγει ευρύτερες συζητήσεις — με σχεδόν κάθε επιχείρηση από δικηγορικές εταιρίες προς την ταξιδιωτικά γραφεία Δημιουργία εργαλείων συνομιλίας. συμπεριλαμβανομένων και του Facebook που κυκλοφόρησε πρόσφατα «Αυθάδειες» περσόνες GenAI, που στοχεύουν να προσελκύσουν το κοινό της GenZ μέσω αλληλεπιδράσεων με τη γλώσσα σε μάγουλο.

Αν και αυτές οι εφαρμογές έχουν την αξία τους, αποτελούν μόνο ένα στοιχείο της τρέχουσας ιστορίας καινοτομίας. Λαμβάνοντας μια ευρύτερη άποψη, μεταξύ των πιο ενδιαφέρουσες (και λιγότερο διάσημες) περιοχές όπου τα προηγμένα εργαλεία φαίνεται ότι θα οδηγήσουν σε σημαντικές αλλαγές είναι η διαχείριση δεδομένων.

Το GenAI έχει σημαντικές δυνατότητες να επηρεάσει τον τρόπο πρόσβασης και αξιολόγησης των δεδομένων, με θετικό τρόπο. Μακριά από την αντικατάσταση των υφιστάμενων πλατφορμών αναλυτικών στοιχείων – ή εν προκειμένω, οι αναλυτές – οι έξυπνες λύσεις έχουν την ικανότητα να διασφαλίζουν ότι οι εργασίες σε όλο τον κύκλο ζωής των δεδομένων εκτελούνται πιο αποτελεσματικά, αυτοματοποιώντας επαναλαμβανόμενες διαδικασίες και διευκολύνοντας τους επιχειρηματικούς χρήστες να λαμβάνουν τις πληροφορίες που χρειάζονται, πιο γρήγορα . Ή εν συντομία, δίνοντας τη δυνατότητα στις ομάδες που βασίζονται σε δεδομένα να τρέχουν ακόμα καλύτερα.

(Πίστωση εικόνας)

Τι ακριβώς είναι το GenAI;

Το ευρέως διαδεδομένο buzz δεν εγγυάται την καθολική κατανόηση. Παρ' όλη τη διαφημιστική εκστρατεία σχετικά με το GenAI, ένα κοινό εμπόδιο για όσους στοχεύουν να εκμεταλλευτούν τα οφέλη του είναι η περιορισμένη γνώση των βασικών διαφοροποιητών από άλλες μορφές AI.

Εν ολίγοις, ο κύριος παράγοντας που ξεχωρίζει αυτή την τεχνολογία είναι αυτό που μπορεί να κάνει: δημιουργία εντελώς νέων εξόδων χρησιμοποιώντας υπάρχοντα δεδομένα, συμπεριλαμβανομένων κειμένου, κώδικα, εικόνων και βίντεο. Η κατανόηση του γιατί πρόκειται για εξέλιξη από την προηγούμενη τεχνητή νοημοσύνη απαιτεί περισσότερη εξήγηση.

Παραδοσιακά, οι λύσεις τεχνητής νοημοσύνης έχουν εκπαιδευτεί σε τεράστια σύνολα δεδομένων για την εκτέλεση εργασιών αναγνώρισης σύμφωνα με καθορισμένους κανόνες και μοτίβα. Τα χρόνια ανάπτυξης βαθιάς μάθησης μας έφεραν τώρα σε ένα σημείο όπου τα μοντέλα θεμελίωσης εξακολουθούν να κατευθύνονται από εκτεταμένα δεδομένα ς, αλλά η αρχιτεκτονική τους είναι σε θέση να κάνει περισσότερα από τον εντοπισμό αντικειμένων και πληροφοριών. Χάρη στην πρόοδο στην υπολογιστική ικανότητα, μπορούν να επεξεργάζονται μεγαλύτερους όγκους μη δομημένων δεδομένων και να χειρίζονται μυριάδες εργασίες ταυτόχρονα, οι οποίες περιλαμβάνουν τη δημιουργία περιεχομένου και απαντήσεων από μόνα τους.

Αναπτύσσοντας την αυτο-επίβλεψη, συλλέγουν επίσης σχόλια από κάθε αλληλεπίδραση και αξιοποιούν αυτή τη γνώση για ανεξάρτητη μάθηση: κάνοντας τις απαντήσεις πιο ακριβείς, πολύτιμες και λιγότερο ρομποτικές με την πάροδο του χρόνου. Πιθανώς το πιο γνωστό παράδειγμα αυτού είναι το ChatGPT, το οποίο χρησιμοποιεί ένα μεγάλης γλώσσας (LLM) για να εκπληρώσει αιτήματα με ολοένα και πιο διαφοροποιημένες και ανθρώπινες αποκρίσεις.

Ένας τρόπος για να απεικονιστούν οι διαφορές είναι να συγκρίνετε την αρχική Alexa της Amazon και τη νέα, Αναβάθμιση ενισχυμένη με GenAI. Ενώ ο βοηθός Mark One μπορούσε να αντιδράσει μόνο σε προκαθορισμένα μηνύματα με περιορισμένες απαντήσεις, η τελευταία του επανάληψη χρησιμοποιεί ένα ευρύτερο φάσμα πληροφοριών σε πραγματικό χρόνο για να ανταποκριθεί σε ανοιχτές ερωτήσεις με προσαρμοσμένες απαντήσεις. Ονομάστε το η υπερ-φορτισμένη έκδοση του Ask Jeeves.

Πώς μπορεί να ενισχύσει την αποτελεσματικότητα των δεδομένων;

Το GenAI είναι ένας ισχυρός σύμμαχος για πολλούς επιχειρηματικούς χρήστες, αλλά οι ειδικοί δεδομένων είναι ο πιο φυσικός κατάλληλος. Όπως φαίνεται από την αναλογία Alexa, έξυπνα εργαλεία έχουν σχεδιαστεί για να λαμβάνουν μεταβλητές εισόδους και να παράγουν εκλεπτυσμένα αποτελέσματα – AKA η βασική προϋπόθεση της ανάλυσης. Δεν αποτελεί έκπληξη το γεγονός ότι η υπ' αριθμόν ένα περίπτωση χρήσης διαχείρισης δεδομένων το καθιστά ευκολότερο και ταχύτερο σε κλίμακα.

Η χρήση του GenAI για την αυτοματοποίηση της αξιολόγησης δεδομένων ανώτατου επιπέδου και τη σύνοψη των βασικών ευρημάτων μπορεί να ενισχύσει την αποτελεσματικότητα σε πολλαπλά μέτωπα. Εκτός από την εξάλειψη των χειρωνακτικών διαφωνιών έντασης εργασίας και τη μείωση του κινδύνου ανθρώπινου λάθους, αυτό περιλαμβάνει τη δυνατότητα στις ομάδες δεδομένων να εργάζονται γρήγορα μέσω ad hoc αιτημάτων. δημιουργώντας περισσότερο χρόνο για εστίαση στη εις βάθος ανάλυση που έχει σημασία.

Το μέλλον της παραγωγικότητας αυξάνει την αποτελεσματικότητα της ομάδας με γνώμονα τα δεδομένα με το GenAI
(Πίστωση εικόνας)

Υπάρχουν, ωστόσο, πρόσθετες ευκαιρίες για εξελιγμένα εργαλεία για τη μείωση της πολυπλοκότητας και τη βελτίωση της χρηστικότητας των δεδομένων όταν χρησιμοποιούνται παράλληλα με τις υπάρχουσες πλατφόρμες ανάλυσης. Αυτή τη στιγμή, οι πιο λαμπρές προοπτικές βρίσκονται σε δύο βασικούς τομείς:

Αναλύσεις αυτοεξυπηρέτησης

Πέρα από την απόκτηση ζωτικής σημασίας εύρους ζώνης για τους ειδικούς δεδομένων, οι καινοτομίες στην αξιολόγηση που υποστηρίζεται από τεχνητή νοημοσύνη έχουν τη δυνατότητα να ενισχύσουν σημαντικά την προσβασιμότητα δεδομένων σε ολόκληρη την εταιρεία και να επιταχύνουν το χρόνο στην αξία. Οι πιο έξυπνοι επιτρέπουν σε μη τεχνικούς χρήστες να εισάγουν εντολές φυσικής γλώσσας (δηλαδή, με απλή διατύπωση) και στη συνέχεια να αναλαμβάνουν τον τροχό συντονισμού δεδομένων: δημιουργώντας άμεσα ερωτήματα SQL που ανακτούν σχετικά δεδομένα και τα παρουσιάζουν μέσω εύπεπτων απεικονίσεων.

Για να δείξουμε τα οφέλη που προσφέρει αυτό, ας δούμε ένα πρακτικό παράδειγμα. Ας υποθέσουμε ότι ένας έμπορος θέλει να συγκρίνει το κόστος απόκτησης δυνητικών πελατών για την τελευταία του καμπάνια με το σημείο αναφοράς του κλάδου. Στο παρασκήνιο, οι λύσεις μπορούν να καταστήσουν διαθέσιμα προκαθαρισμένα και ενοποιημένα δεδομένα από την αναλυτικών στοιχείων τους μέσω συστημάτων GenAI, όπως το ChatGPT ή το Bard, και να τα συνδυάσουν με δεδομένα που συλλέγονται από ολόκληρο τον ιστό. Από την πλευρά του χρήστη, αυτή η ομαλή ενοποίηση καθιστά απλό να ζητούν αυτό που θέλουν και να λαμβάνουν ένα σαφές γράφημα που χαρτογραφεί τις συσχετίσεις και επιτρέπει τη γρήγορη λήψη αποφάσεων.

Εξατομικευμένος μετασχηματισμός δεδομένων

Φυσικά, οι ανάγκες δεδομένων δεν περιορίζονται στην απάντηση σε μοναδικές ερωτήσεις — και ούτε οι δυνατότητες του GenAI. Έχουν αρχίσει να εμφανίζονται βοηθοί μετασχηματισμού που δεν μοιάζουν με την Alexa που δίνουν στους χρήστες την ελευθερία να προσδιορίζουν πώς θέλουν να διαμορφωθούν ολόκληρα σύνολα δεδομένων και να παράγουν προσαρμοσμένο κώδικα για την εκπλήρωση των αιτημάτων τους. Σε συνδυασμό με οδηγίες εφαρμογής βήμα προς βήμα, το αποτέλεσμα είναι ένα προσαρμοσμένο κιτ μετασχηματισμού για τη λήψη των σωστών πληροφοριών, στη σωστή μορφή.

Τα κύρια πλεονεκτήματα εδώ είναι η ευελιξία και η αυτονομία. Ανεξάρτητα από το επίπεδο εμπειρίας τους, οι χρήστες μπορούν να διαχειρίζονται και να διαμορφώνουν δεδομένα με όποιον τρόπο θέλουν. τον καθορισμό του τρόπου εξαγωγής χρήσιμων πληροφοριών και τη γρήγορη εφαρμογή τους. Αξίζει επίσης να σημειωθεί ότι τέτοια εργαλεία μπορούν να διαδραματίσουν σημαντικό ρόλο στη βελτίωση της ωριμότητας μεταξύ επιχειρήσεων, δίνοντας τη δυνατότητα στους χρήστες να χρησιμοποιούν δεδομένα για τον εαυτό τους, πράγμα που σημαίνει ακόμη περισσότερο χρόνο για τους ειδικούς δεδομένων να αφιερώσουν σε εργασίες υψηλής προτεραιότητας. Ή με άλλο τρόπο, την πραγματοποίηση του ονείρου χαμηλού/χωρίς κώδικα.

Ποια μέτρα ασφαλείας είναι πιο απαραίτητα;

Όπως με κάθε νέα τεχνολογία, μια επιτυχημένη εφαρμογή θα περιλαμβάνει τον μετριασμό πιθανών κινδύνων. Ψηλά στη λίστα των προφανών προκλήσεων είναι η τάση του GenAI να έχει παραισθήσεις, γεγονός που θα καταστήσει ζωτικής σημασίας τη θέσπιση αυστηρών διαδικασιών παρακολούθησης της ποιότητας για την επικύρωση δεδομένων και την ταχεία επισήμανση πιθανών ανακρίβειων για βαθύτερη έρευνα. Ομοίως, η αντιμετώπιση γνωστών θεμάτων ασφαλείας θα απαιτήσει ισχυρές εσωτερικές πολιτικές και προστατευτικά κιγκλιδώματα.

Οι επιχειρήσεις που ήδη εξετάζουν προσεκτικά τις λύσεις πριν από την υιοθέτησή τους θα είναι μπροστά από το παιχνίδι πρόληψης κινδύνων, ειδικά εάν οι διαδικασίες είναι διαλειτουργικές. Η αναζήτηση σε χρήστες, νομικές ομάδες και ομάδες ασφαλείας μπορεί να διασφαλίσει ότι η αξιολόγηση λαμβάνει υπόψη τόσο τα εργαλεία αξίας που παρέχουν όσο και εάν προσφέρουν αρκετά αυστηρούς ελέγχους για την προστασία ευαίσθητων δεδομένων. Σε συνδυασμό με λεπτομερείς πολιτικές που περιγράφουν πού πρέπει και πού δεν πρέπει να χρησιμοποιούνται τα χαρακτηριστικά GenAI, τέτοιες προσεγγίσεις μπορούν να συμβάλουν πολύ στην ελαχιστοποίηση των πιθανοτήτων κακής χρήσης και απρόβλεπτων προβλημάτων.

Εκτός από αυτό, ωστόσο, θα είναι επίσης εξίσου σημαντικό να ελέγχετε προσεκτικά τα δεδομένα που οδηγούν το GenAI. Οποιαδήποτε ανάλυση παράγεται ενημερώνεται άμεσα από τις πληροφορίες που την τροφοδοτούν – επομένως, εάν οι ομάδες δεδομένων παρέχουν είναι λανθασμένη ή ελλιπής, το AI εξόδου AI θα είναι αναξιόπιστο και κατακερματισμένο.

Το μέλλον της παραγωγικότητας αυξάνει την αποτελεσματικότητα της ομάδας με γνώμονα τα δεδομένα με το GenAI
(Πίστωση εικόνας)

Όλα αυτά καθιστούν τα στέρεα θεμέλια πρωταρχικής σημασίας. Συγκεκριμένα, οι εταιρείες χρειάζονται μια βελτιωμένη υποδομή αγωγών που να μπορεί να παρέχει καθαρά, ενοποιημένα και ολοκληρωμένα δεδομένα, εκτός από μια κουλτούρα που επικεντρώνεται στην υιοθέτηση της παραγωγικότητας βάσει δεδομένων και τη συνεχή βελτίωση των δεξιοτήτων χειρισμού δεδομένων.

Αυτό είναι μόνο το πρώτο στάδιο μιας μακροπρόθεσμης εξέλιξης που θα επιτρέψει στις ομάδες να εργαστούν πιο έξυπνα. Τα επόμενα χρόνια, σχεδόν κάθε ρόλος (συμπεριλαμβανομένων των θέσεων αναλυτών) θα έχει έναν βοηθό με τεχνητή νοημοσύνη που θα απελευθερώνει τους ανθρώπινους υπαλλήλους από επαχθείς χειρωνακτικές εργασίες και θα τους επιτρέπει να χρησιμοποιούν καλύτερα τις γνώσεις και τις ικανότητές τους. με το GenAI να εξελίσσεται από εργαλείο σε συμπαίκτη. Επιπλέον, είναι πολύ πιθανό να υπάρξει ακόμη μεγαλύτερη ζήτηση για ειδικούς δεδομένων όχι μόνο να αναλάβουν την εκτέλεση μιας πιο κομψής εκπομπής με τη βοήθεια AI, αλλά και να βουτήξουν στις πληροφορίες που παράγουν οι έξυπνες λύσεις και να βρουν καλύτερους τρόπους χρήσης τους για τη βελτιστοποίηση της παραγωγικότητας.


Πίστωση επιλεγμένης εικόνας: Google Deepmind/Unsplash.



VIA: DataConomy.com

Follow TechWar.gr on Google News

Απάντηση