Zoals u wellicht weet, hebben mijn team en ik een browserextensie naar de Qlik-community gebracht die Qlik en Git integreert om dashboardversies naadloos op te slaan en miniaturen voor dashboards te maken zonder naar andere vensters over te schakelen. Door dit te doen, besparen we Qlik-ontwikkelaars een aanzienlijke hoeveelheid tijd en verminderen we dagelijkse stress.
Ik zoek altijd naar manieren om het ontwikkelproces van Qlik te verbeteren en dagelijkse routines te optimaliseren. Daarom is het te moeilijk om het meest gehypte onderwerp, ChatGPT en GPT-n, door OpenAI of Large Language Model gemeenschappelijk te vermijden.
Laten we het gedeelte over hoe Large Language Models, GPT-n, werkt overslaan. In plaats daarvan kun je ChatGPT vragen of de beste menselijke uitleg van Steven Wolfram lezen.
Ik zal uitgaan van de impopulaire stelling "GPT-n Generated Insights from the data is a Curiosity-Quenching Toy", en vervolgens praktijkvoorbeelden delen waarbij een AI-assistent waaraan we werken routinetaken kan automatiseren, vrije tijd voor complexere analyse en besluitvorming voor BI-ontwikkelaars/analisten.
AI-assistent uit mijn jeugd
Laat u niet misleiden door GPT-n
... het zegt gewoon dingen die "goed klinken" op basis van hoe dingen "klonken" in het trainingsmateriaal. © Steven Wolfram
Je bent dus de hele dag aan het chatten met ChatGPT. En plotseling komt er een briljant idee in me op: "Ik zal ChatGPT vragen om bruikbare inzichten uit de gegevens te genereren!"
Het voeden van GPT-n-modellen met behulp van OpenAI API met alle zakelijke gegevens en datamodellen is een grote verleiding om bruikbare inzichten te krijgen, maar hier is het cruciale punt: de primaire taak voor het grote taalmodel als GPT-3 of hoger is om erachter te komen hoe om een gegeven tekst voort te zetten. Met andere woorden, het "volgt het patroon" van wat er op internet en in boeken en andere materialen die erin worden gebruikt, te vinden is.
Op basis van dit feit zijn er zes rationele argumenten waarom door GPT-n gegenereerde inzichten slechts een speeltje zijn om je nieuwsgierigheid te lessen en brandstof te leveren voor de ideeëngenerator die het menselijk brein wordt genoemd:
- GPT-n, ChatGPT kan inzichten genereren die niet relevant of zinvol zijn omdat het de noodzakelijke context mist om de gegevens en de nuances ervan te begrijpen - gebrek aan context.
- GPT-n, ChatGPT kan onnauwkeurige inzichten genereren als gevolg van fouten in gegevensverwerking of defecte algoritmen — gebrek aan nauwkeurigheid.
- Alleen vertrouwend op GPT-n, kan ChatGPT voor inzichten leiden tot een gebrek aan kritisch denken en analyse van menselijke experts, wat mogelijk kan leiden tot onjuiste of onvolledige conclusies - te veel vertrouwen op automatisering.
- GPT-n, ChatGPT kan vooringenomen inzichten genereren vanwege de gegevens waarop het is getraind, wat mogelijk kan leiden tot schadelijke of discriminerende resultaten - het risico van vooringenomenheid.
- GPT-n, ChatGPT mist mogelijk een diep begrip van de zakelijke doelen en doelstellingen die BI-analyse aansturen, wat leidt tot aanbevelingen die niet in overeenstemming zijn met de algehele strategie - een beperkt begrip van zakelijke doelen.
- Vertrouwen op bedrijfskritische gegevens en deze delen met een "zwarte doos" die zichzelf kan leren, zal bij slimme hoofden van het TOP-management het idee doen ontstaan dat u uw concurrenten leert hoe ze moeten winnen - gebrek aan vertrouwen. Dat hadden we al gezien toen de eerste clouddatabases zoals Amazon DynamoDB verschenen.
Laten we, om ten minste één argument te bewijzen, eens kijken hoe ChatGPT overtuigend kan klinken. Maar in sommige gevallen klopt het niet.
Ik zal ChatGPT vragen om de eenvoudige berekening 965 * 590 op te lossen en dan zal ik vragen om de resultaten stap voor stap uit te leggen.
568 350?! OOPS... er gaat iets mis.
In mijn geval brak er een hallucinatie door in de ChatGPT-respons omdat het antwoord 568,350 onjuist is.
Laten we de tweede opname maken en ChatGPT vragen om de resultaten stap voor stap uit te leggen.
Mooi schot! Maar toch fout...
ChatGPT probeert overtuigend te zijn in een stapsgewijze uitleg, maar het klopt nog steeds niet.
De context is belangrijk. Laten we het opnieuw proberen, maar hetzelfde probleem voeden met de "act as ..."-prompt.
BINGO! 569 350 is het juiste antwoord
Maar dit is een geval waarin het soort generalisatie dat een neuraal net gemakkelijk kan doen - wat is 965 * 590 - niet genoeg zal zijn; er is een echt rekenalgoritme nodig, niet alleen een statistische benadering.
Wie weet... misschien was AI het in het verleden gewoon eens met wiskundeleraren en gebruikt de rekenmachine pas in de hogere klassen.
Aangezien mijn prompt in het vorige voorbeeld eenvoudig is, kunt u snel de misvatting van de reactie van ChatGPT identificeren en proberen deze op te lossen. Maar wat als de hallucinatie doorbreekt in antwoord op vragen als:
- Welke verkoper is het meest effectief?
- Laat me de omzet van het laatste kwartaal zien.
Het zou ons kunnen leiden naar de door HALLUCINATIE GEDREVEN BESLUITVORMING, zonder paddenstoelen.
Natuurlijk ben ik er zeker van dat veel van mijn bovenstaande argumenten over een paar maanden of jaren irrelevant zullen worden door de ontwikkeling van eng gerichte oplossingen op het gebied van generatieve AI.
Hoewel de beperkingen van GPT-n niet mogen worden genegeerd, kunnen bedrijven nog steeds een robuuster en effectiever analytisch proces creëren door gebruik te maken van de sterke punten van menselijke analisten (het is grappig dat ik HUMAN moet benadrukken) en AI-assistenten. Neem bijvoorbeeld een scenario waarin menselijke analisten factoren proberen te identificeren die bijdragen aan klantverloop. Met behulp van AI-assistenten aangedreven door GPT-3 of hoger, kan de analist snel een lijst met potentiële factoren genereren, zoals prijsstelling, klantenservice en productkwaliteit, deze suggesties vervolgens evalueren, de gegevens verder onderzoeken en uiteindelijk de meest relevante factoren identificeren die klantverloop veroorzaken.
LAAT MIJ DE MENSELIJKE TEKSTEN ZIEN
HUMAN ANALYST vraagt om ChatGPT
De AI-assistent kan worden gebruikt om taken te automatiseren waar je nu talloze uren aan besteedt. Het ligt voor de hand, maar laten we eens nader kijken naar het gebied waar AI-assistenten aangedreven door grote taalmodellen zoals GPT-3 en hoger goed worden getest: het genereren van mensachtige teksten.
Er zijn er een heleboel in de dagelijkse basistaken van BI-ontwikkelaars:
- Grafieken, bladtitels en beschrijvingen schrijven. GPT-3 en hoger kunnen ons helpen om snel informatieve en beknopte titels te genereren, zodat onze datavisualisatie gemakkelijk te begrijpen en te navigeren is voor besluitvormers en door de "act as .."-prompt te gebruiken.
- Code documentatie. Met GPT-3 en hoger kunnen we snel goed gedocumenteerde codefragmenten maken, waardoor het voor onze teamleden gemakkelijker wordt om de codebase te begrijpen en te onderhouden.
- Masteritems maken (zakelijk woordenboek). De AI-assistent kan helpen bij het bouwen van een uitgebreid zakelijk woordenboek door nauwkeurige en beknopte definities te geven voor verschillende gegevenspunten, dubbelzinnigheid te verminderen en betere teamcommunicatie te bevorderen.
- Een pakkende miniatuur (omslagen) maken voor de bladen/dashboards in de app. GPT-n kan boeiende en visueel aantrekkelijke miniaturen genereren, de gebruikerservaring verbeteren en gebruikers aanmoedigen om de beschikbare gegevens te verkennen.
- Rekenformules schrijven door set-analyse-expressies in Qlik Sense / DAX-query's in Power BI. GPT-n kan ons helpen deze uitdrukkingen en vragen efficiënter op te stellen, waardoor we minder tijd kwijt zijn aan het schrijven van formules en ons kunnen concentreren op gegevensanalyse.
- Het schrijven van scripts voor het laden van gegevens (ETL). GPT-n kan helpen bij het maken van ETL-scripts, het automatiseren van gegevenstransformatie en het waarborgen van gegevensconsistentie tussen systemen.
- Problemen met gegevens en toepassingen oplossen. GPT-n kan suggesties en inzichten bieden om potentiële problemen te identificeren en oplossingen te bieden voor veelvoorkomende gegevens- en toepassingsproblemen.
- Velden hernoemen van technisch naar zakelijk in Data Model. GPT-n kan ons helpen technische termen te vertalen naar een meer toegankelijke zakelijke taal, waardoor het datamodel met een paar klikken gemakkelijker te begrijpen is voor niet-technische belanghebbenden.
AI-assistenten aangedreven door GPT-n-modellen kunnen ons helpen efficiënter en effectiever te werken door routinetaken te automatiseren en tijd vrij te maken voor complexere analyses en besluitvorming.
En dit is het gebied waar onze browserextensie voor de Qlik Sense waarde kan leveren. We hebben ons voorbereid op de aanstaande release - van AI-assistent, waarmee titels en beschrijvingen kunnen worden gegenereerd voor Qlik-ontwikkelaars, gewoon in de app terwijl ze analyse-apps ontwikkelen.
Met behulp van nauwkeurig afgestemde GPT-n door OpenAI API voor deze routinetaken kunnen Qlik-ontwikkelaars en -analisten hun efficiëntie aanzienlijk verbeteren en meer tijd besteden aan complexe analyse en besluitvorming. Deze aanpak zorgt er ook voor dat we de sterke punten van GPT-n benutten en tegelijkertijd de risico's minimaliseren om erop te vertrouwen voor kritieke gegevensanalyse en het genereren van inzichten.
Conclusie
Tot slot, laat me alsjeblieft plaatsmaken voor ChatGPT:
Door zowel de beperkingen als de potentiële toepassingen van GPT-n binnen de context van Qlik Sense en andere business intelligence-tools te erkennen, kunnen organisaties het meeste uit deze krachtige AI-technologie halen en tegelijkertijd potentiële risico's beperken. Door de samenwerking tussen door GPT-n gegenereerde inzichten en menselijke expertise te bevorderen, kunnen organisaties een robuust analytisch proces creëren dat profiteert van de sterke punten van zowel AI als menselijke analisten.
Om als een van de eersten de voordelen van onze aankomende productrelease te ervaren, willen we u uitnodigen om het formulier voor ons programma voor vroege toegang in te vullen. Door deel te nemen aan het programma krijgt u exclusieve toegang tot de nieuwste functies en verbeteringen waarmee u de kracht van AI-assistent kunt benutten in uw Qlik-ontwikkelingsworkflows. Mis deze kans niet om voorop te blijven lopen en het volledige potentieel van AI-gestuurde inzichten voor uw organisatie te benutten.
