아시다시피 저희 팀은 Qlik 커뮤니티에 Qlik과 Git을 통합하여 대시보드 버전을 원활하게 저장하고 다른 창으로 전환하지 않고도 대시보드의 축소판을 만드는 브라우저 확장 기능을 도입했습니다. 이를 통해 Qlik 개발자는 상당한 시간을 절약하고 일상적인 스트레스를 줄일 수 있습니다.
저는 항상 Qlik 개발 프로세스를 개선하고 일상을 최적화할 방법을 찾습니다. 그렇기 때문에 공통적으로 OpenAI나 Large Language Model에 의해 가장 과장된 주제인 ChatGPT와 GPT-n을 피하기가 너무 어렵습니다.
대규모 언어 모델인 GPT-n이 작동하는 방식에 대한 부분은 건너뛰겠습니다. 대신 ChatGPT에 요청하거나 Steven Wolfram의 최고의 인간 설명을 읽을 수 있습니다.
인기 없는 논문인 "GPT-n Generated Insights from the data is a Curiosity-Quenching Toy"부터 시작하여 우리가 작업하고 있는 AI 비서가 일상적인 작업을 자동화하고 더 복잡한 작업은 자유 시간으로 할 수 있는 실제 사례를 공유하겠습니다. BI 개발자/분석가를 위한 분석 및 의사 결정.
어린 시절의 AI 비서
GPT-n이 길을 잃게 만들지 마십시오
... 교육 자료에서 "소리가 나는 것"을 기반으로 "올바른 소리"를 말하는 것입니다. © 스티븐 울프램
그래서 하루 종일 ChatGPT로 채팅하고 있습니다. 그리고 갑자기 멋진 아이디어가 떠오릅니다. "ChatGPT가 데이터에서 실행 가능한 통찰력을 생성하도록 유도하겠습니다!"
모든 비즈니스 데이터 및 데이터 모델과 함께 OpenAI API를 사용하여 GPT-n 모델을 제공하는 것은 실행 가능한 통찰력을 얻고자 하는 큰 유혹이지만 여기서 중요한 것은 GPT-3 이상으로서 대규모 언어 모델의 주요 작업은 방법을 파악하는 것입니다. 주어진 텍스트를 계속합니다. 즉, 웹과 책, 웹에 사용된 기타 자료에 있는 내용의 "패턴을 따릅니다".
이 사실을 바탕으로 GPT-n이 생성한 통찰력이 인간의 두뇌라고 하는 아이디어 생성기에 대한 호기심과 연료 공급원을 해소하기 위한 장난감에 불과한 이유에 대한 XNUMX가지 합리적인 주장이 있습니다.
- GPT-n, ChatGPT는 데이터와 데이터의 뉘앙스(컨텍스트 부족)를 이해하는 데 필요한 컨텍스트가 부족하기 때문에 관련이 없거나 의미가 없는 인사이트를 생성할 수 있습니다.
- GPT-n, ChatGPT는 데이터 처리 오류 또는 잘못된 알고리즘(정확성 부족)으로 인해 부정확한 통찰력을 생성할 수 있습니다.
- 통찰력을 얻기 위해 GPT-n에만 의존하는 ChatGPT는 인간 전문가의 비판적 사고와 분석이 부족하여 잠재적으로 부정확하거나 불완전한 결론, 즉 자동화에 대한 지나친 의존으로 이어질 수 있습니다.
- GPT-n, ChatGPT는 훈련된 데이터로 인해 편향된 통찰력을 생성할 수 있으며 잠재적으로 유해하거나 차별적인 결과(편향의 위험)로 이어질 수 있습니다.
- GPT-n, ChatGPT는 BI 분석을 주도하는 비즈니스 목표 및 목표에 대한 깊은 이해가 부족하여 전체 전략과 일치하지 않는 권장 사항으로 이어져 비즈니스 목표에 대한 이해가 제한될 수 있습니다.
- 비즈니스 크리티컬 데이터를 신뢰하고 이를 스스로 학습할 수 있는 "블랙 박스"와 공유하는 것은 최고 경영진에게 당신이 경쟁자에게 승리하는 방법을 가르치고 있다는 생각, 즉 신뢰 부족을 불러일으킬 것입니다. 우리는 Amazon DynamoDB와 같은 최초의 클라우드 데이터베이스가 나타나기 시작했을 때 이미 이것을 보았습니다.
하나 이상의 주장을 증명하기 위해 ChatGPT가 어떻게 설득력 있게 들릴 수 있는지 살펴보겠습니다. 그러나 어떤 경우에는 정확하지 않습니다.
간단한 계산 965 * 590을 ChatGPT에 요청한 다음 결과를 단계별로 설명하도록 요청합니다.
568 350?! 죄송합니다... 문제가 발생했습니다.
제 경우에는 568,350이라는 답이 틀렸기 때문에 ChatGPT 응답에서 환각이 터졌습니다.
두 번째 사진을 찍고 ChatGPT에게 결과를 단계별로 설명해 달라고 부탁해 봅시다.
좋은 샷! 하지만 여전히 잘못된…
ChatGPT는 단계별 설명으로 설득력을 가지려 노력하지만 역시나 틀리네요.
맥락이 중요합니다. 다시 시도하되 "act as ..." 프롬프트를 사용하여 동일한 문제를 제공합니다.
빙고! 569 350이 정답입니다.
그러나 이것은 신경망이 쉽게 할 수 있는 종류의 일반화(예: 965*590)가 충분하지 않은 경우입니다. 단순한 통계 기반 접근 방식이 아닌 실제 계산 알고리즘이 필요합니다.
누가 알겠습니까... 아마도 AI는 과거에 수학 교사들과 동의했고 고학년이 될 때까지 계산기를 사용하지 않았을 것입니다.
이전 예에서 제 프롬프트는 간단하기 때문에 ChatGPT 응답의 오류를 빠르게 식별하고 수정을 시도할 수 있습니다. 그러나 환각이 다음과 같은 질문에 대한 응답으로 바뀌면 어떻게 될까요?
- 어떤 영업 사원이 가장 효과적입니까?
- 지난 분기의 수익을 보여주세요.
버섯 없이도 환각에 의한 결정을 내릴 수 있습니다.
물론 제너레이티브 AI 분야에서 편협하게 초점을 맞춘 솔루션의 개발로 인해 위의 주장 중 많은 부분이 몇 달 또는 몇 년 안에 무의미해질 것이라고 확신합니다.
GPT-n의 한계를 무시해서는 안 되지만 기업은 여전히 인간 분석가(HUMAN을 강조해야 한다는 것이 웃기지만)와 AI 비서의 강점을 활용하여 더욱 강력하고 효과적인 분석 프로세스를 만들 수 있습니다. 예를 들어 인간 분석가가 고객 이탈에 영향을 미치는 요인을 식별하려고 하는 시나리오를 생각해 보십시오. 분석가는 GPT-3 이상으로 구동되는 AI 도우미를 사용하여 가격, 고객 서비스 및 제품 품질과 같은 잠재적 요소 목록을 신속하게 생성한 다음 이러한 제안을 평가하고 데이터를 추가로 조사하여 궁극적으로 가장 관련성이 높은 요소를 식별할 수 있습니다. 고객 이탈을 유발합니다.
인간과 같은 텍스트를 보여주세요
인간 분석가가 ChatGPT에 메시지를 표시합니다.
AI 도우미를 사용하여 지금 수행하는 데 많은 시간을 소비하는 작업을 자동화할 수 있습니다. 당연하지만 GPT-3 이상과 같은 대규모 언어 모델로 구동되는 AI 비서가 잘 테스트되어 인간과 유사한 텍스트를 생성하는 영역을 자세히 살펴보겠습니다.
BI 개발자의 일상 업무에는 여러 가지가 있습니다.
- 차트, 시트 제목 및 설명 작성. GPT-3 이상은 유익하고 간결한 제목을 신속하게 생성하는 데 도움이 될 수 있으며, 의사 결정자가 데이터 시각화를 쉽게 이해하고 탐색하고 "..로 행동" 프롬프트를 사용할 수 있도록 합니다.
- 코드 문서. GPT-3 이상을 사용하면 잘 문서화된 코드 스니펫을 빠르게 생성할 수 있으므로 팀원이 코드베이스를 더 쉽게 이해하고 유지 관리할 수 있습니다.
- 마스터 항목 생성(비즈니스 사전). AI 도우미는 다양한 데이터 포인트에 대한 정확하고 간결한 정의를 제공하고 모호성을 줄이고 더 나은 팀 커뮤니케이션을 촉진하여 포괄적인 비즈니스 사전을 구축하는 데 도움을 줄 수 있습니다.
- 앱의 시트/대시보드에 대한 눈길을 끄는 썸네일(표지) 만들기. GPT-n은 매력적이고 시각적으로 매력적인 섬네일을 생성하여 사용자 경험을 개선하고 사용자가 사용 가능한 데이터를 탐색하도록 장려할 수 있습니다.
- Power BI의 Qlik Sense/DAX 쿼리에서 집합 분석 식으로 계산 수식을 작성합니다. GPT-n을 사용하면 이러한 식과 쿼리를 보다 효율적으로 작성하여 수식 작성에 소요되는 시간을 줄이고 데이터 분석에 집중할 수 있습니다.
- 데이터 로드 스크립트(ETL) 작성. GPT-n은 ETL 스크립트 생성, 데이터 변환 자동화, 시스템 간 데이터 일관성 보장에 도움이 될 수 있습니다.
- 데이터 및 애플리케이션 문제 해결. GPT-n은 잠재적인 문제를 식별하고 일반적인 데이터 및 애플리케이션 문제에 대한 솔루션을 제공하는 데 도움이 되는 제안과 통찰력을 제공할 수 있습니다.
- 데이터 모델에서 필드 이름을 기술에서 비즈니스로 바꿉니다. GPT-n은 기술 용어를 보다 접근하기 쉬운 비즈니스 언어로 번역하여 몇 번의 클릭만으로 비기술적 이해 관계자가 데이터 모델을 더 쉽게 이해할 수 있도록 도와줍니다.
GPT-n 모델로 구동되는 AI 도우미는 일상적인 작업을 자동화하고 보다 복잡한 분석 및 의사 결정을 위한 시간을 확보하여 작업을 보다 효율적이고 효과적으로 수행할 수 있도록 도와줍니다.
그리고 이것이 Qlik Sense용 브라우저 확장이 가치를 제공할 수 있는 영역입니다. 분석 앱을 개발하는 동안 Qlik 개발자가 앱에서 바로 제목과 설명을 생성할 수 있는 AI 도우미의 향후 릴리스를 준비했습니다.
이러한 일상적인 작업을 위해 OpenAI API에서 미세 조정된 GPT-n을 사용하면 Qlik 개발자와 분석가가 효율성을 크게 개선하고 복잡한 분석 및 의사 결정에 더 많은 시간을 할애할 수 있습니다. 이 접근 방식은 또한 중요한 데이터 분석 및 인사이트 생성을 위해 GPT-n에 의존하는 위험을 최소화하면서 GPT-n의 강점을 활용하도록 보장합니다.
결론
결론적으로 ChatGPT에 양보해주세요.
Qlik Sense 및 기타 비즈니스 인텔리전스 도구의 맥락에서 GPT-n의 제한 사항과 잠재적인 적용 가능성을 모두 인식하면 조직이 잠재적인 위험을 완화하면서 이 강력한 AI 기술을 최대한 활용할 수 있습니다. 조직은 GPT-n이 생성한 인사이트와 인간의 전문 지식 간의 협업을 촉진함으로써 AI와 인간 분석가 모두의 강점을 활용하는 강력한 분석 프로세스를 만들 수 있습니다.
곧 출시될 제품 출시의 혜택을 가장 먼저 경험할 수 있도록 조기 액세스 프로그램 양식을 작성해 주시기 바랍니다. 프로그램에 참여하면 Qlik 개발 워크플로에서 AI 도우미의 기능을 활용하는 데 도움이 되는 최신 기능과 향상된 기능에 독점적으로 액세스할 수 있습니다. 앞서 나가 조직을 위한 AI 기반 통찰력의 잠재력을 최대한 활용할 수 있는 이 기회를 놓치지 마십시오.
