ご存知かもしれませんが、私のチームと私は、Qlik と Git を統合してダッシュボードのバージョンをシームレスに保存し、他のウィンドウに切り替えることなくダッシュボードのサムネイルを作成するブラウザー拡張機能を Qlik コミュニティにもたらしました。 そうすることで、Qlik 開発者の時間を大幅に節約し、日常的なストレスを軽減しています。
Qlik 開発プロセスを改善し、日常業務を最適化する方法を常に探しています。 そのため、OpenAI やラージ ランゲージ モデルが共通して最も話題になっている ChatGPT と GPT-n を回避するのは非常に困難です。
大規模言語モデル (GPT-n) がどのように機能するかについての部分はスキップしましょう。 代わりに、ChatGPT に質問するか、Steven Wolfram による最高の人間による説明を読むことができます。
「データから GPT-n によって生成された洞察は好奇心を鎮めるおもちゃです」という人気のない論文から始めて、私たちが取り組んでいる AI アシスタントが定型的なタスクを自動化し、より複雑な作業に自由な時間を割くことができる実際の例を共有します。 BI 開発者/アナリスト向けの分析と意思決定。
子供の頃からのAIアシスタント
GPT-n に惑わされないでください
… トレーニング資料で「聞こえた」内容に基づいて、「正しく聞こえた」ことを言っているだけです。 ©スティーブン・ウルフラム
つまり、あなたは一日中 ChatGPT とチャットしています。 そして突然、素晴らしいアイデアが頭に浮かびます。
OpenAI API を使用して GPT-n モデルにすべてのビジネス データとデータ モデルを提供することは、実用的な洞察を得たいという大きな誘惑になりますが、重要なことは次のとおりです。GPT-3 以降の大規模言語モデルの主なタスクは、その方法を理解することです。与えられた文章を続けること。 言い換えれば、Web や Web で使用されている本やその他の資料にあるものの「パターンに従っている」ということです。
この事実に基づいて、GPT-n によって生成された洞察が、好奇心をくすぐるおもちゃであり、人間の脳と呼ばれるアイデア ジェネレーターの燃料供給源である理由について、XNUMX つの合理的な議論があります。
- GPT-n、ChatGPT は、データとそのニュアンスを理解するために必要なコンテキスト (コンテキストの欠如) を欠いているため、関連性や意味のない洞察を生成する可能性があります。
- GPT-n、ChatGPT は、データ処理のエラーまたはアルゴリズムの欠陥 (精度の欠如) により、不正確な洞察を生成する可能性があります。
- ChatGPT は GPT-n のみに依存して洞察を得ると、人間の専門家による批判的思考や分析が不足し、誤った、または不完全な結論、つまり自動化への過度の依存につながる可能性があります。
- GPT-n の場合、ChatGPT はトレーニングに使用されたデータが原因で偏った洞察を生成する可能性があり、潜在的に有害または差別的な結果 (偏りのリスク) につながる可能性があります。
- GPT-n、ChatGPT は、BI 分析を推進するビジネス目標と目的を深く理解していない可能性があり、全体的な戦略と一致しない推奨事項につながる可能性があります。つまり、ビジネス目標の理解が限られています。
- ビジネスに不可欠なデータを信頼し、それを自己学習可能な「ブラック ボックス」と共有すると、競合他社に勝つ方法を教えているという考えがトップ マネジメントの頭脳に生まれます。つまり、信頼の欠如です。 これは、Amazon DynamoDB のような最初のクラウド データベースが登場したときにすでに見られました。
少なくとも XNUMX つの議論を証明するために、ChatGPT がどのように説得力があるかを調べてみましょう。 しかし、場合によっては正しくありません。
ChatGPT に 965 * 590 という簡単な計算を解いてもらい、結果を順を追って説明してもらいます。
568 350 ?! おっと…何かがおかしい。
私の場合、568,350 という回答が間違っているため、ChatGPT の応答で幻覚が発生しました。
セカンドショットを作ってChatGPTに結果を順を追って説明してもらいましょう。
ナイスショット！ しかし、まだ間違っています…
ChatGPT は段階的な説明で説得力を持たせようとしていますが、それでも間違っています。
文脈が重要です。 もう一度試してみましょう。ただし、「act as …」プロンプトで同じ問題をフィードします。
ビンゴ！ 569 350 が正解です
しかし、これは、ニューラル ネットワークが容易に実行できる種類の一般化 (965*590) では不十分な場合です。 統計ベースのアプローチだけでなく、実際の計算アルゴリズムが必要です。
もしかしたら、AI は過去に数学の教師に同意しただけで、高学年になるまで電卓を使用しなかったのかもしれません。
前の例のプロンプトは単純なので、ChatGPT からの応答の誤謬をすぐに特定して修正を試みることができます。 しかし、幻覚が突破して次のような質問に反応した場合はどうなるでしょうか。
- どの営業担当者が最も効果的ですか?
- 前四半期の収益を表示してください。
きのこなしで、幻覚主導の意思決定につながる可能性があります。
もちろん、ジェネレーティブ AI の分野で焦点を絞ったソリューションが開発されているため、上記の議論の多くは数か月または数年で無関係になると確信しています。
GPT-n の制限を無視することはできませんが、企業は人間のアナリスト (私が人間を強調しなければならないのはおかしいです) と AI アシスタントの強みを活用することで、より堅牢で効果的な分析プロセスを作成できます。 たとえば、人間のアナリストが顧客離れの原因となる要因を特定しようとするシナリオを考えてみましょう。 アナリストは、GPT-3 以上を搭載した AI アシスタントを使用して、価格設定、顧客サービス、製品品質などの潜在的な要因のリストをすばやく生成し、これらの提案を評価してデータをさらに調査し、最終的に最も関連性の高い要因を特定できます。顧客離れを促進します。
人間のようなテキストを見せて
HUMAN ANALYST が ChatGPT へのプロンプトを作成
AI アシスタントを使用して、現在数え切れないほどの時間を費やしているタスクを自動化できます。 当然のことですが、GPT-3 以降などの大規模言語モデルを搭載した AI アシスタントが十分にテストされている領域、つまり人間のようなテキストを生成する領域を詳しく見てみましょう。
BI 開発者の日常的なタスクには、次のようなものがあります。
- チャート、シートのタイトル、説明を書く。 GPT-3 以上は、有益で簡潔なタイトルをすばやく生成するのに役立ち、意思決定者にとってデータの視覚化が理解しやすく、ナビゲートしやすく、「行動する..」プロンプトを使用できるようにします。
- コードのドキュメント。 GPT-3 以降では、十分に文書化されたコード スニペットをすばやく作成できるため、チーム メンバーがコードベースを理解し、維持しやすくなります。
- マスターアイテム（ビジネス辞書）の作成。 AI アシスタントは、さまざまなデータ ポイントの正確かつ簡潔な定義を提供し、あいまいさを減らし、より良いチーム コミュニケーションを促進することにより、包括的なビジネス ディクショナリの構築を支援します。
- アプリ内のシート/ダッシュボードのキャッチーなサムネイル (カバー) を作成します。 GPT-n は、魅力的で視覚的に魅力的なサムネイルを生成し、ユーザー エクスペリエンスを向上させ、ユーザーが利用可能なデータを探索するよう促します。
- Power BI の Qlik Sense / DAX クエリで set-analysis 式による計算式を記述します。 GPT-n は、これらの式とクエリをより効率的に作成するのに役立ち、数式の作成に費やす時間を削減し、データ分析に集中できるようにします。
- データ ロード スクリプト (ETL) の記述。 GPT-n は、ETL スクリプトの作成、データ変換の自動化、システム間のデータの一貫性の確保に役立ちます。
- データとアプリケーションの問題のトラブルシューティング。 GPT-n は、潜在的な問題を特定し、一般的なデータとアプリケーションの問題の解決策を提供するのに役立つ提案と洞察を提供できます。
- Data Model のフィールドの名前をテクニカルからビジネスに変更します。 GPT-n は、技術用語をよりアクセスしやすいビジネス言語に翻訳するのに役立ち、技術に詳しくない利害関係者が数回クリックするだけでデータ モデルを理解しやすくします。
GPT-n モデルを搭載した AI アシスタントは、日常的なタスクを自動化し、より複雑な分析と意思決定に時間を割くことで、仕事をより効率的かつ効果的に行うのに役立ちます。
これは、Qlik Sense のブラウザー拡張機能が価値を提供できる領域です。 AI アシスタントの今後のリリースに向けて準備を進めています。この AI アシスタントは、Qlik 開発者が分析アプリを開発しているときに、アプリ内でタイトルと説明を生成できるようにします。
これらのルーチン タスクに OpenAI API によって微調整された GPT-n を使用することで、Qlik の開発者とアナリストは効率を大幅に改善し、複雑な分析と意思決定により多くの時間を割り当てることができます。 また、このアプローチにより、GPT-n の強みを活用しながら、重要なデータ分析と洞察の生成に依存するリスクを最小限に抑えることができます。
まとめ
最後に、ChatGPT に道を譲ってください。
Qlik Sense やその他のビジネス インテリジェンス ツールのコンテキスト内で GPT-n の制限と潜在的なアプリケーションの両方を認識することは、組織が潜在的なリスクを軽減しながら、この強力な AI テクノロジを最大限に活用するのに役立ちます。 GPT-n によって生成された洞察と人間の専門知識との間のコラボレーションを促進することにより、組織は、AI と人間のアナリストの両方の強みを活用する堅牢な分析プロセスを作成できます。
今後の製品リリースの利点をいち早く体験するには、早期アクセス プログラムのフォームに記入してください。 このプログラムに参加すると、Qlik 開発ワークフローで AI アシスタントの機能を活用するのに役立つ最新の機能と拡張機能に独占的にアクセスできます。 この機会をお見逃しなく。時代の先を行き、組織の AI 主導の洞察の可能性を最大限に引き出します。
