ດັ່ງທີ່ເຈົ້າອາດຈະຮູ້, ທີມງານຂອງຂ້ອຍແລະຂ້ອຍໄດ້ນໍາເອົາສ່ວນຂະຫຍາຍຂອງຕົວທ່ອງເວັບໄປຫາຊຸມຊົນ Qlik ທີ່ປະສົມປະສານ Qlik ແລະ Git ເພື່ອບັນທຶກສະບັບຂອງ dashboard ຢ່າງລຽບງ່າຍ, ສ້າງຮູບຫຍໍ້ສໍາລັບ dashboards ໂດຍບໍ່ຕ້ອງປ່ຽນໄປຫາປ່ອງຢ້ຽມອື່ນ. ໃນການເຮັດດັ່ງນັ້ນ, ພວກເຮົາຊ່ວຍປະຢັດນັກພັດທະນາ Qlik ຈໍານວນເວລາທີ່ສໍາຄັນແລະຫຼຸດຜ່ອນຄວາມກົດດັນປະຈໍາວັນ.
ຂ້ອຍສະເຫມີຊອກຫາວິທີການປັບປຸງຂະບວນການພັດທະນາ Qlik ແລະເພີ່ມປະສິດທິພາບປະຈໍາວັນ. ນັ້ນແມ່ນເຫດຜົນທີ່ວ່າມັນເປັນການຍາກເກີນໄປທີ່ຈະຫລີກລ້ຽງຫົວຂໍ້ທີ່ຂີ້ຕົວະທີ່ສຸດ, ChatGPT, ແລະ GPT-n, ໂດຍ OpenAI ຫຼືຕົວແບບພາສາຂະຫນາດໃຫຍ່ໃນທົ່ວໄປ.
ຂໍໃຫ້ຂ້າມພາກສ່ວນກ່ຽວກັບວິທີທີ່ຕົວແບບພາສາຂະຫນາດໃຫຍ່, GPT-n, ເຮັດວຽກ. ແທນທີ່ຈະ, ທ່ານສາມາດຖາມ ChatGPT ຫຼືອ່ານຄໍາອະທິບາຍຂອງມະນຸດທີ່ດີທີ່ສຸດໂດຍ Steven Wolfram.
ຂ້າພະເຈົ້າຈະເລີ່ມຕົ້ນຈາກ thesis ທີ່ບໍ່ມີຄວາມນິຍົມ, "GPT-n Generated Insights ຈາກຂໍ້ມູນແມ່ນ Curiosity-Quenching Toy," ແລະຫຼັງຈາກນັ້ນແບ່ງປັນຕົວຢ່າງຊີວິດຈິງທີ່ຜູ້ຊ່ວຍ AI ທີ່ພວກເຮົາເຮັດວຽກຢູ່ສາມາດອັດຕະໂນມັດວຽກງານປົກກະຕິ, ເວລາຫວ່າງສໍາລັບຄວາມສັບສົນຫຼາຍ. ການວິເຄາະແລະການຕັດສິນໃຈສໍາລັບຜູ້ພັດທະນາ / ນັກວິເຄາະ BI.
ຜູ້ຊ່ວຍ AI ຈາກໄວເດັກຂອງຂ້ອຍ
ຢ່າປ່ອຍໃຫ້ GPT-n ນໍາພາເຈົ້າໄປໃນທາງທີ່ຜິດ
… ມັນພຽງແຕ່ເວົ້າສິ່ງທີ່ “ຖືກຕ້ອງ” ໂດຍອີງໃສ່ສິ່ງທີ່ “ຟັງຄືວ່າ” ໃນອຸປະກອນການຝຶກສອນຂອງມັນ. © Steven Wolfram
ດັ່ງນັ້ນ, ທ່ານກໍາລັງສົນທະນາກັບ ChatGPT ຕະຫຼອດມື້. ແລະທັນທີທັນໃດ, ຄວາມຄິດທີ່ດີກໍ່ເກີດຂື້ນໃນໃຈ: "ຂ້ອຍຈະເຕືອນ ChatGPT ເພື່ອສ້າງຄວາມເຂົ້າໃຈທີ່ປະຕິບັດໄດ້ຈາກຂໍ້ມູນ!"
ການໃຫ້ອາຫານແບບຈໍາລອງ GPT-n ໂດຍໃຊ້ OpenAI API ກັບຂໍ້ມູນທຸລະກິດ ແລະແບບຈໍາລອງຂໍ້ມູນທັງໝົດແມ່ນເປັນການລໍ້ລວງທີ່ດີທີ່ຈະໄດ້ຮັບຄວາມເຂົ້າໃຈທີ່ປະຕິບັດໄດ້, ແຕ່ໃນທີ່ນີ້ແມ່ນສິ່ງສໍາຄັນ - ວຽກງານຕົ້ນຕໍສໍາລັບແບບຈໍາລອງພາສາຂະຫນາດໃຫຍ່ເປັນ GPT-3 ຫຼືສູງກວ່າແມ່ນຈະຄິດອອກແນວໃດ. ເພື່ອສືບຕໍ່ຂໍ້ຄວາມທີ່ມັນຖືກມອບໃຫ້. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ມັນ "ປະຕິບັດຕາມຮູບແບບ" ຂອງສິ່ງທີ່ຢູ່ໃນເວັບແລະໃນຫນັງສືແລະອຸປະກອນອື່ນໆທີ່ໃຊ້ໃນມັນ.
ອີງໃສ່ຄວາມເປັນຈິງນີ້, ມີຫົກຂໍ້ໂຕ້ຖຽງທີ່ສົມເຫດສົມຜົນວ່າເປັນຫຍັງຄວາມເຂົ້າໃຈທີ່ສ້າງ GPT-n ແມ່ນພຽງແຕ່ຂອງຫຼິ້ນເພື່ອດັບຄວາມຢາກຮູ້ຢາກເຫັນຂອງທ່ານແລະຜູ້ສະຫນອງນໍ້າມັນເຊື້ອໄຟສໍາລັບເຄື່ອງສ້າງຄວາມຄິດທີ່ເອີ້ນວ່າສະຫມອງຂອງມະນຸດ:
- GPT-n, ChatGPT ອາດຈະສ້າງຄວາມເຂົ້າໃຈທີ່ບໍ່ກ່ຽວຂ້ອງຫຼືມີຄວາມຫມາຍເນື່ອງຈາກວ່າມັນຂາດບໍລິບົດທີ່ຈໍາເປັນເພື່ອເຂົ້າໃຈຂໍ້ມູນແລະ nuances ຂອງມັນ - ການຂາດບໍລິບົດ.
- GPT-n, ChatGPT ອາດຈະສ້າງຄວາມເຂົ້າໃຈທີ່ບໍ່ຖືກຕ້ອງເນື່ອງຈາກຄວາມຜິດພາດໃນການປະມວນຜົນຂໍ້ມູນ ຫຼື algorithms ທີ່ຜິດພາດ — ຂາດຄວາມຖືກຕ້ອງ.
- ການອີງໃສ່ພຽງແຕ່ GPT-n, ChatGPT ສໍາລັບຄວາມເຂົ້າໃຈສາມາດນໍາໄປສູ່ການຂາດການຄິດແລະການວິເຄາະຈາກຜູ້ຊ່ຽວຊານຂອງມະນຸດ, ອາດຈະເຮັດໃຫ້ບົດສະຫຼຸບທີ່ບໍ່ຖືກຕ້ອງຫຼືບໍ່ຄົບຖ້ວນ - ການອີງໃສ່ອັດຕະໂນມັດຫຼາຍເກີນໄປ.
- GPT-n, ChatGPT ອາດຈະສ້າງຄວາມເຂົ້າໃຈແບບອະຄະຕິເນື່ອງຈາກຂໍ້ມູນທີ່ມັນໄດ້ຮັບການຝຶກອົບຮົມ, ອາດຈະນໍາໄປສູ່ຜົນໄດ້ຮັບທີ່ເປັນອັນຕະລາຍຫຼືການຈໍາແນກ - ຄວາມສ່ຽງຕໍ່ຄວາມລໍາອຽງ.
- GPT-n, ChatGPT ອາດຈະຂາດຄວາມເຂົ້າໃຈຢ່າງເລິກເຊິ່ງກ່ຽວກັບເປົ້າຫມາຍທຸລະກິດແລະຈຸດປະສົງທີ່ຂັບເຄື່ອນການວິເຄາະ BI, ນໍາໄປສູ່ຄໍາແນະນໍາທີ່ບໍ່ສອດຄ່ອງກັບຍຸດທະສາດໂດຍລວມ - ຄວາມເຂົ້າໃຈທີ່ຈໍາກັດກ່ຽວກັບເປົ້າຫມາຍທຸລະກິດ.
- ການໄວ້ວາງໃຈຂໍ້ມູນທີ່ສໍາຄັນທາງທຸລະກິດແລະແບ່ງປັນມັນກັບ "ກ່ອງດໍາ" ທີ່ສາມາດຮຽນຮູ້ດ້ວຍຕົນເອງຈະສ້າງຄວາມຄິດໃນຫົວຫນ້າບໍລິຫານ TOP ທີ່ທ່ານກໍາລັງສອນຄູ່ແຂ່ງຂອງທ່ານວິທີການຊະນະ - ການຂາດຄວາມໄວ້ວາງໃຈ. ພວກເຮົາໄດ້ເຫັນນີ້ແລ້ວເມື່ອຖານຂໍ້ມູນຄລາວທໍາອິດເຊັ່ນ Amazon DynamoDB ເລີ່ມປາກົດ.
ເພື່ອພິສູດຢ່າງຫນ້ອຍຫນຶ່ງການໂຕ້ຖຽງ, ໃຫ້ພວກເຮົາກວດເບິ່ງວ່າ ChatGPT ສາມາດເຮັດໃຫ້ຫນ້າເຊື່ອຖືໄດ້ແນວໃດ. ແຕ່ໃນບາງກໍລະນີ, ມັນບໍ່ຖືກຕ້ອງ.
ຂ້ອຍຈະຂໍໃຫ້ ChatGPT ແກ້ໄຂການຄິດໄລ່ງ່າຍໆ 965 * 590 ແລະຫຼັງຈາກນັ້ນຈະຂໍໃຫ້ມັນອະທິບາຍຜົນໄດ້ຮັບເທື່ອລະກ້າວ.
568 350 ?! OOPS… ມີບາງຢ່າງຜິດພາດ.
ໃນກໍລະນີຂອງຂ້ອຍ, ຄວາມແປກໃຈໄດ້ເກີດຂຶ້ນໃນຄໍາຕອບຂອງ ChatGPT ເພາະວ່າຄໍາຕອບ 568,350 ບໍ່ຖືກຕ້ອງ.
ໃຫ້ເຮັດການສັກຢາທີສອງແລະຂໍໃຫ້ ChatGPT ອະທິບາຍຜົນໄດ້ຮັບເທື່ອລະກ້າວ.
ຍິງງາມ! ແຕ່ຍັງຜິດ…
ChatGPT ພະຍາຍາມຊັກຊວນໃນຄໍາອະທິບາຍເທື່ອລະກ້າວ, ແຕ່ມັນຍັງຜິດພາດ.
ສະພາບການແມ່ນສໍາຄັນ. ໃຫ້ລອງອີກຄັ້ງແຕ່ໃຫ້ບັນຫາດຽວກັນກັບການເຕືອນ “ເຮັດເປັນ …”.
ບິງໂກ້! 569 350 ແມ່ນຄໍາຕອບທີ່ຖືກຕ້ອງ
ແຕ່ນີ້ແມ່ນກໍລະນີທີ່ປະເພດຂອງການທົ່ວໄປຂອງຕາຫນ່າງ neural ສາມາດເຮັດໄດ້ພ້ອມ - ສິ່ງທີ່ເປັນ 965 * 590 - ຈະບໍ່ພຽງພໍ; ຂັ້ນຕອນການຄິດໄລ່ຕົວຈິງແມ່ນຈໍາເປັນ, ບໍ່ພຽງແຕ່ວິທີການທີ່ອີງໃສ່ສະຖິຕິ.
ໃຜຮູ້… ບາງທີ AI ພຽງແຕ່ຕົກລົງກັບຄູຄະນິດສາດໃນອະດີດແລະບໍ່ໄດ້ໃຊ້ເຄື່ອງຄິດເລກຈົນກ່ວາຊັ້ນສູງ.
ເນື່ອງຈາກການກະຕຸ້ນເຕືອນຂອງຂ້ອຍໃນຕົວຢ່າງທີ່ຜ່ານມາແມ່ນກົງໄປກົງມາ, ທ່ານສາມາດກໍານົດຄວາມຜິດພາດຂອງການຕອບສະຫນອງຈາກ ChatGPT ຢ່າງໄວວາແລະພະຍາຍາມແກ້ໄຂມັນ. ແຕ່ຈະເຮັດແນວໃດຖ້າຄວາມຫຶງຫວງຂ້າມເຂົ້າໄປໃນການຕອບຄໍາຖາມເຊັ່ນ:
- ພະນັກງານຂາຍຄົນໃດມີປະສິດທິພາບຫຼາຍທີ່ສຸດ?
- ສະແດງໃຫ້ຂ້ອຍເຫັນລາຍຮັບຂອງໄຕມາດທີ່ຜ່ານມາ.
ມັນສາມາດເຮັດໃຫ້ພວກເຮົາໄປສູ່ການຕັດສິນໃຈ HALLUCINATION-DRIVEN ການຕັດສິນໃຈ, ໂດຍບໍ່ມີເຫັດ.
ແນ່ນອນ, ຂ້າພະເຈົ້າແນ່ໃຈວ່າການໂຕ້ຖຽງຂ້າງເທິງຫຼາຍຂອງຂ້ອຍຈະກາຍເປັນບໍ່ກ່ຽວຂ້ອງໃນສອງສາມເດືອນຫຼືຫຼາຍປີເນື່ອງຈາກການພັດທະນາການແກ້ໄຂທີ່ສຸມໃສ່ແຄບໃນພາກສະຫນາມຂອງ Generative AI.
ໃນຂະນະທີ່ຂໍ້ຈໍາກັດຂອງ GPT-n ບໍ່ຄວນຖືກລະເລີຍ, ທຸລະກິດຍັງສາມາດສ້າງຂະບວນການວິເຄາະທີ່ເຂັ້ມແຂງແລະມີປະສິດທິພາບຫຼາຍຂຶ້ນໂດຍການໃຊ້ຄວາມເຂັ້ມແຂງຂອງນັກວິເຄາະຂອງມະນຸດ (ມັນເປັນເລື່ອງຕະຫລົກທີ່ຂ້ອຍຕ້ອງເນັ້ນໃສ່ HUMAN) ແລະຜູ້ຊ່ວຍ AI. ຕົວຢ່າງ, ພິຈາລະນາສະຖານະການທີ່ນັກວິເຄາະຂອງມະນຸດພະຍາຍາມກໍານົດປັດໃຈທີ່ເຮັດໃຫ້ເກີດການປັ່ນປ່ວນຂອງລູກຄ້າ. ການນໍາໃຊ້ຜູ້ຊ່ວຍ AI ທີ່ຂັບເຄື່ອນໂດຍ GPT-3 ຫຼືສູງກວ່າ, ນັກວິເຄາະສາມາດສ້າງບັນຊີລາຍຊື່ຂອງປັດໃຈທີ່ມີທ່າແຮງເຊັ່ນລາຄາ, ການບໍລິການລູກຄ້າ, ແລະຄຸນນະພາບຂອງຜະລິດຕະພັນ, ຫຼັງຈາກນັ້ນປະເມີນຄໍາແນະນໍາເຫຼົ່ານີ້, ສືບສວນຂໍ້ມູນຕື່ມອີກ, ແລະໃນທີ່ສຸດກໍານົດປັດໃຈທີ່ກ່ຽວຂ້ອງທີ່ສຸດ. ທີ່ເຮັດໃຫ້ລູກຄ້າປັ່ນປ່ວນ.
ສະແດງໃຫ້ຂ້ອຍເຫັນຂໍ້ຄວາມທີ່ຄ້າຍຄືກັບມະນຸດ
ນັກວິເຄາະມະນຸດເຮັດໃຫ້ການເຕືອນໃຫ້ ChatGPT
ຜູ້ຊ່ວຍ AI ສາມາດຖືກນໍາໃຊ້ເພື່ອອັດຕະໂນມັດວຽກງານທີ່ທ່ານໃຊ້ເວລານັບຊົ່ວໂມງເຮັດໃນປັດຈຸບັນ. ມັນຈະແຈ້ງ, ແຕ່ໃຫ້ເບິ່ງໃກ້ໆພື້ນທີ່ບ່ອນທີ່ຜູ້ຊ່ວຍ AI ຂັບເຄື່ອນໂດຍຕົວແບບພາສາຂະຫນາດໃຫຍ່ເຊັ່ນ GPT-3 ແລະສູງກວ່າແມ່ນໄດ້ຮັບການທົດສອບດີ - ສ້າງບົດເລື່ອງທີ່ຄ້າຍຄືກັບມະນຸດ.
ມີຫຼາຍອັນໃນວຽກງານພື້ນຖານປະຈໍາວັນຂອງຜູ້ພັດທະນາ BI:
- ການຂຽນຕາຕະລາງ, ຊື່ແຜ່ນ, ແລະຄໍາອະທິບາຍ. GPT-3 ແລະສູງກວ່າສາມາດຊ່ວຍໃຫ້ພວກເຮົາສ້າງຫົວຂໍ້ທີ່ມີຂໍ້ມູນແລະຫຍໍ້ທໍ້ໄດ້ໄວ, ຮັບປະກັນການເບິ່ງເຫັນຂໍ້ມູນຂອງພວກເຮົາແມ່ນງ່າຍທີ່ຈະເຂົ້າໃຈແລະນໍາທາງສໍາລັບຜູ້ຕັດສິນໃຈແລະນໍາໃຊ້ "ເຮັດເປັນ .. " prompt.
- ເອກະສານລະຫັດ. ດ້ວຍ GPT-3 ແລະສູງກວ່າ, ພວກເຮົາສາມາດສ້າງສະນິບເພັດທີ່ມີເອກະສານທີ່ດີໄດ້ຢ່າງວ່ອງໄວ, ເຮັດໃຫ້ມັນງ່າຍຂຶ້ນສໍາລັບສະມາຊິກທີມຂອງພວກເຮົາທີ່ຈະເຂົ້າໃຈ ແລະຮັກສາຖານລະຫັດ.
- ການສ້າງລາຍການຕົ້ນສະບັບ (ວັດຈະນານຸກົມທຸລະກິດ). ຜູ້ຊ່ວຍ AI ສາມາດຊ່ວຍໃນການສ້າງວັດຈະນານຸກົມທຸລະກິດທີ່ສົມບູນແບບໂດຍການໃຫ້ຄໍານິຍາມທີ່ຊັດເຈນ ແລະຊັດເຈນສໍາລັບຈຸດຂໍ້ມູນຕ່າງໆ, ຫຼຸດຜ່ອນຄວາມບໍ່ຊັດເຈນ ແລະສົ່ງເສີມການສື່ສານຂອງທີມທີ່ດີກວ່າ.
- ການສ້າງຮູບຫຍໍ້ທີ່ຈັບໃຈ (ປົກຫຸ້ມ) ສໍາລັບແຜ່ນ / dashboards ໃນ app ໄດ້. GPT-n ສາມາດສ້າງຮູບຫຍໍ້ທີ່ມີສ່ວນຮ່ວມ ແລະດຶງດູດສາຍຕາ, ປັບປຸງປະສົບການຂອງຜູ້ໃຊ້ ແລະຊຸກຍູ້ໃຫ້ຜູ້ໃຊ້ຄົ້ນຫາຂໍ້ມູນທີ່ມີຢູ່.
- ການຂຽນສູດການຄິດໄລ່ໂດຍການສະແດງອອກຂອງການວິເຄາະໃນ Qlik Sense / DAX ໃນ Power BI. GPT-n ສາມາດຊ່ວຍພວກເຮົາຮ່າງການສະແດງອອກແລະການສອບຖາມເຫຼົ່ານີ້ມີປະສິດທິພາບຫຼາຍຂຶ້ນ, ຫຼຸດຜ່ອນເວລາທີ່ໃຊ້ໃນການຂຽນສູດແລະຊ່ວຍໃຫ້ພວກເຮົາສຸມໃສ່ການວິເຄາະຂໍ້ມູນ.
- ການຂຽນສະຄຣິບໂຫຼດຂໍ້ມູນ (ETL). GPT-n ສາມາດຊ່ວຍໃນການສ້າງສະຄຣິບ ETL, ການປ່ຽນຂໍ້ມູນອັດຕະໂນມັດ, ແລະຮັບປະກັນຄວາມສອດຄ່ອງຂອງຂໍ້ມູນໃນທົ່ວລະບົບ.
- ການແກ້ໄຂບັນຫາຂໍ້ມູນແລະບັນຫາຄໍາຮ້ອງສະຫມັກ. GPT-n ສາມາດໃຫ້ຄໍາແນະນໍາແລະຄວາມເຂົ້າໃຈເພື່ອຊ່ວຍກໍານົດບັນຫາທີ່ເປັນໄປໄດ້ແລະສະເຫນີວິທີແກ້ໄຂສໍາລັບຂໍ້ມູນທົ່ວໄປແລະບັນຫາຄໍາຮ້ອງສະຫມັກ.
- ການປ່ຽນຊື່ສາຂາຈາກດ້ານວິຊາການໄປສູ່ທຸລະກິດໃນຮູບແບບຂໍ້ມູນ. GPT-n ສາມາດຊ່ວຍພວກເຮົາແປຄໍາສັບທາງວິຊາການເປັນພາສາທຸລະກິດທີ່ສາມາດເຂົ້າເຖິງໄດ້ຫຼາຍຂຶ້ນ, ເຮັດໃຫ້ຮູບແບບຂໍ້ມູນເຂົ້າໃຈງ່າຍຂຶ້ນສໍາລັບຜູ້ມີສ່ວນຮ່ວມທີ່ບໍ່ແມ່ນທາງວິຊາການດ້ວຍການຄລິກສອງສາມຄັ້ງ.
ຜູ້ຊ່ວຍ AI ຂັບເຄື່ອນໂດຍແບບຈໍາລອງ GPT-n ສາມາດຊ່ວຍໃຫ້ພວກເຮົາມີປະສິດທິພາບ ແລະ ປະສິດທິຜົນຫຼາຍຂຶ້ນໃນການເຮັດວຽກຂອງພວກເຮົາໂດຍການເຮັດໃຫ້ວຽກງານປົກກະຕິອັດຕະໂນມັດ ແລະ ໃຊ້ເວລາຫວ່າງສໍາລັບການວິເຄາະ ແລະການຕັດສິນໃຈທີ່ສັບສົນຫຼາຍຂຶ້ນ.
ແລະນີ້ແມ່ນພື້ນທີ່ທີ່ສ່ວນຂະຫຍາຍຂອງຕົວທ່ອງເວັບຂອງພວກເຮົາສໍາລັບ Qlik Sense ສາມາດສົ່ງມູນຄ່າໄດ້. ພວກເຮົາໄດ້ກະກຽມສໍາລັບການເປີດຕົວທີ່ຈະມາເຖິງ — ຂອງຜູ້ຊ່ວຍ AI, ເຊິ່ງຈະນໍາເອົາການສ້າງຫົວຂໍ້ແລະຄໍາອະທິບາຍໃຫ້ກັບນັກພັດທະນາ Qlik ພຽງແຕ່ຢູ່ໃນ app ໃນຂະນະທີ່ພັດທະນາກິດການວິເຄາະ.
ການນໍາໃຊ້ GPT-n ທີ່ໄດ້ຮັບການປັບໄຫມໂດຍ OpenAI API ສໍາລັບວຽກງານປົກກະຕິເຫຼົ່ານີ້, ນັກພັດທະນາ Qlik ແລະນັກວິເຄາະສາມາດປັບປຸງປະສິດທິພາບຂອງເຂົາເຈົ້າຢ່າງຫຼວງຫຼາຍແລະຈັດສັນເວລາຫຼາຍໃນການວິເຄາະແລະການຕັດສິນໃຈທີ່ສັບສົນ. ວິທີການນີ້ຍັງຮັບປະກັນວ່າພວກເຮົານໍາໃຊ້ຈຸດແຂງຂອງ GPT-n ໃນຂະນະທີ່ຫຼຸດຜ່ອນຄວາມສ່ຽງຕໍ່ການອີງໃສ່ມັນສໍາລັບການວິເຄາະຂໍ້ມູນທີ່ສໍາຄັນແລະການສ້າງຄວາມເຂົ້າໃຈ.
ສະຫຼຸບ
ສະຫຼຸບແລ້ວ, ໃຫ້ຂ້ອຍ, ກະລຸນາໃຫ້ທາງກັບ ChatGPT:
ການຮັບຮູ້ທັງຂໍ້ຈໍາກັດແລະຄໍາຮ້ອງສະຫມັກທີ່ມີທ່າແຮງຂອງ GPT-n ພາຍໃນສະພາບການຂອງ Qlik Sense ແລະເຄື່ອງມືທາງທຸລະກິດອື່ນໆຊ່ວຍໃຫ້ອົງການຈັດຕັ້ງໃຊ້ເຕັກໂນໂລຢີ AI ທີ່ມີປະສິດທິພາບຫຼາຍທີ່ສຸດໃນຂະນະທີ່ຫຼຸດຜ່ອນຄວາມສ່ຽງທີ່ອາດເກີດຂື້ນ. ໂດຍການຊຸກຍູ້ການຮ່ວມມືລະຫວ່າງຄວາມເຂົ້າໃຈທີ່ສ້າງໂດຍ GPT-n ແລະຄວາມຊ່ຽວຊານຂອງມະນຸດ, ອົງການຈັດຕັ້ງສາມາດສ້າງຂະບວນການວິເຄາະທີ່ເຂັ້ມແຂງທີ່ນໍາໃຊ້ຄວາມເຂັ້ມແຂງຂອງທັງ AI ແລະນັກວິເຄາະຂອງມະນຸດ.
ເພື່ອເປັນໜຶ່ງໃນກຸ່ມທຳອິດທີ່ໄດ້ປະສົບປະໂຍດຈາກການອອກຜະລິດຕະພັນທີ່ກຳລັງຈະມາຮອດຂອງພວກເຮົາ, ພວກເຮົາຂໍເຊີນທ່ານຕື່ມແບບຟອມສຳລັບໂຄງການເຂົ້າເຖິງເບື້ອງຕົ້ນຂອງພວກເຮົາ. ໂດຍການເຂົ້າຮ່ວມໂຄງການ, ທ່ານຈະໄດ້ຮັບການເຂົ້າເຖິງພິເສດສະເພາະຕໍ່ກັບຄຸນສົມບັດຫຼ້າສຸດ ແລະການປັບປຸງທີ່ຈະຊ່ວຍໃຫ້ທ່ານສາມາດນຳໃຊ້ພະລັງງານຂອງຜູ້ຊ່ວຍ AI ໃນຂັ້ນຕອນການພັດທະນາ Qlik ຂອງທ່ານ. ຢ່າພາດໂອກາດນີ້ເພື່ອຢູ່ທາງໜ້າຂອງເສັ້ນໂຄ້ງ ແລະ ປົດລັອກທ່າແຮງອັນເຕັມທີ່ຂອງຄວາມເຂົ້າໃຈທີ່ຂັບເຄື່ອນດ້ວຍ AI ສຳລັບອົງກອນຂອງທ່ານ.