Como você deve saber, minha equipe e eu trouxemos para a comunidade Qlik uma extensão de navegador que integra o Qlik e o Git para salvar as versões do painel perfeitamente, criando miniaturas para painéis sem alternar para outras janelas. Ao fazer isso, economizamos uma quantidade significativa de tempo dos desenvolvedores Qlik e reduzimos o estresse diário.
Sempre busco maneiras de melhorar o processo de desenvolvimento do Qlik e otimizar as rotinas diárias. É por isso que é muito difícil evitar o tópico mais badalado, ChatGPT e GPT-n, por OpenAI ou Large Language Model em comum.
Vamos pular a parte sobre como modelos de linguagem grandes, GPT-n, funcionam. Em vez disso, você pode perguntar ao ChatGPT ou ler a melhor explicação humana de Steven Wolfram.
Começarei com a tese impopular, “Insights gerados por GPT-n a partir dos dados é um brinquedo que mata a curiosidade” e, em seguida, compartilharei exemplos da vida real em que um assistente de IA em que estamos trabalhando pode automatizar tarefas de rotina, tempo livre para tarefas mais complexas análise e tomada de decisão para desenvolvedores/analistas de BI.
Assistente de IA da minha infância
Não deixe que o GPT-n o desvie do caminho
… é apenas dizer coisas que “soam bem” com base em como as coisas “soam” em seu material de treinamento. © Steven Wolfram
Então, você está conversando com o ChatGPT o dia todo. E, de repente, uma ideia brilhante vem à mente: “Vou pedir ao ChatGPT para gerar insights acionáveis a partir dos dados!”
Alimentar modelos GPT-n usando a API OpenAI com todos os dados de negócios e modelos de dados é uma grande tentação para obter insights acionáveis, mas aqui está o ponto crucial — a principal tarefa para o Large Language Model como GPT-3 ou superior é descobrir como para continuar um pedaço de texto que lhe foi dado. Em outras palavras, ele “segue o padrão” do que está na web e nos livros e outros materiais nele utilizados.
Com base nesse fato, existem seis argumentos racionais para explicar por que os insights gerados pelo GPT-n são apenas um brinquedo para saciar sua curiosidade e um fornecedor de combustível para o gerador de ideias chamado cérebro humano:
- GPT-n, ChatGPT pode gerar insights que não são relevantes ou significativos porque falta o contexto necessário para entender os dados e suas nuances – falta de contexto.
- GPT-n, ChatGPT pode gerar informações imprecisas devido a erros no processamento de dados ou algoritmos defeituosos — falta de precisão.
- Baseando-se apenas no GPT-n, o ChatGPT para obter insights pode levar à falta de pensamento crítico e análise de especialistas humanos, levando potencialmente a conclusões incorretas ou incompletas — confiança excessiva na automação.
- GPT-n, ChatGPT pode gerar insights tendenciosos devido aos dados nos quais foi treinado, podendo levar a resultados prejudiciais ou discriminatórios — o risco de viés.
- GPT-n, ChatGPT pode carecer de uma compreensão profunda das metas e objetivos de negócios que orientam a análise de BI, levando a recomendações não alinhadas com a estratégia geral — uma compreensão limitada das metas de negócios.
- Confiar em dados críticos para os negócios e compartilhá-los com uma “caixa preta” que pode ser autodidata gerará nas cabeças brilhantes da alta administração a ideia de que você está ensinando seus concorrentes a vencer – falta de confiança. Já tínhamos visto isso quando começaram a aparecer os primeiros bancos de dados em nuvem como o Amazon DynamoDB.
Para provar pelo menos um argumento, vamos examinar como o ChatGPT pode soar convincente. Mas, em alguns casos, não é correto.
Pedirei ao ChatGPT para resolver o cálculo simples 965 * 590 e depois pedirei que explique os resultados passo a passo.
568 350 ?! OOPS… algo dá errado.
No meu caso, uma alucinação surgiu na resposta do ChatGPT porque a resposta 568,350 está incorreta.
Vamos fazer a segunda tentativa e pedir ao ChatGPT para explicar os resultados passo a passo.
Boa tentativa! Mas ainda errado…
O ChatGPT tenta ser persuasivo em uma explicação passo a passo, mas ainda assim está errado.
O contexto importa. Vamos tentar novamente, mas alimentamos o mesmo problema com o prompt “agir como…”.
BINGO! 569 350 é a resposta correta
Mas este é um caso em que o tipo de generalização que uma rede neural pode fazer prontamente — o que é 965 x 590 — não será suficiente; um algoritmo computacional real é necessário, não apenas uma abordagem baseada em estatísticas.
Quem sabe… talvez a IA apenas concordasse com os professores de matemática no passado e não usasse a calculadora até as notas superiores.
Como meu prompt no exemplo anterior é direto, você pode identificar rapidamente a falácia da resposta do ChatGPT e tentar corrigi-la. Mas e se a alucinação irromper em resposta a perguntas como:
- Qual vendedor é o mais eficaz?
- Mostre-me a receita do último trimestre.
Isso poderia nos levar à tomada de DECISÃO POR ALUCINAÇÃO, sem cogumelos.
Claro, tenho certeza de que muitos dos meus argumentos acima se tornarão irrelevantes em alguns meses ou anos devido ao desenvolvimento de soluções de foco restrito no campo da IA generativa.
Embora as limitações do GPT-n não devam ser ignoradas, as empresas ainda podem criar um processo analítico mais robusto e eficaz, aproveitando os pontos fortes de analistas humanos (é engraçado que tenho que destacar HUMAN) e assistentes de IA. Por exemplo, considere um cenário em que analistas humanos tentam identificar fatores que contribuem para a rotatividade de clientes. Usando assistentes de IA desenvolvidos com GPT-3 ou superior, o analista pode gerar rapidamente uma lista de fatores potenciais, como preço, atendimento ao cliente e qualidade do produto, avaliar essas sugestões, investigar os dados mais a fundo e, por fim, identificar os fatores mais relevantes que impulsionam a rotatividade de clientes.
MOSTRE-ME OS TEXTOS HUMANOS
ANALISTA HUMANO fazendo prompts para ChatGPT
O assistente de IA pode ser usado para automatizar tarefas que você gasta incontáveis horas fazendo agora. É óbvio, mas vamos examinar mais de perto a área em que os assistentes de IA alimentados por modelos de linguagem grandes, como GPT-3 e superiores, são bem testados - gerando textos semelhantes aos humanos.
Existem vários deles nas tarefas diárias dos desenvolvedores de BI:
- Escrever gráficos, títulos de folhas e descrições. O GPT-3 e superior pode nos ajudar a gerar rapidamente títulos informativos e concisos, garantindo que nossa visualização de dados seja fácil de entender e navegar para os tomadores de decisão e usando o prompt "agir como ..".
- Documentação do código. Com GPT-3 e superior, podemos criar rapidamente snippets de código bem documentados, tornando mais fácil para os membros de nossa equipe entender e manter a base de código.
- Criação de itens mestres (dicionário de negócios). O assistente de IA pode ajudar na criação de um dicionário de negócios abrangente, fornecendo definições precisas e concisas para vários pontos de dados, reduzindo a ambigüidade e promovendo uma melhor comunicação da equipe.
- Criando uma miniatura atraente (capas) para as planilhas/painéis no aplicativo. O GPT-n pode gerar miniaturas envolventes e visualmente atraentes, melhorando a experiência do usuário e incentivando os usuários a explorar os dados disponíveis.
- Escrever fórmulas de cálculo por expressões de análise de conjunto em consultas Qlik Sense/DAX no Power BI. O GPT-n pode nos ajudar a elaborar essas expressões e consultas com mais eficiência, reduzindo o tempo gasto na escrita de fórmulas e permitindo que nos concentremos na análise de dados.
- Escrevendo scripts de carga de dados (ETL). O GPT-n pode ajudar na criação de scripts ETL, automatizando a transformação de dados e garantindo a consistência dos dados entre os sistemas.
- Solução de problemas de dados e aplicativos. O GPT-n pode fornecer sugestões e insights para ajudar a identificar possíveis problemas e oferecer soluções para dados comuns e problemas de aplicativos.
- Renomeando campos de técnicos para comerciais no Modelo de dados. O GPT-n pode nos ajudar a traduzir os termos técnicos em uma linguagem de negócios mais acessível, tornando o modelo de dados mais fácil de entender para as partes interessadas não técnicas com poucos cliques.
Os assistentes de IA alimentados pelos modelos GPT-n podem nos ajudar a ser mais eficientes e eficazes em nosso trabalho, automatizando tarefas rotineiras e liberando tempo para análises e tomadas de decisões mais complexas.
E esta é a área em que nossa extensão de navegador para o Qlik Sense pode agregar valor. Nós nos preparamos para o próximo lançamento - do assistente AI, que trará títulos e geração de descrição para desenvolvedores Qlik apenas no aplicativo enquanto desenvolve aplicativos analíticos.
Usando o GPT-n ajustado pela OpenAI API para essas tarefas de rotina, os desenvolvedores e analistas da Qlik podem melhorar significativamente sua eficiência e alocar mais tempo para análises e tomadas de decisões complexas. Essa abordagem também garante que aproveitemos os pontos fortes do GPT-n, minimizando os riscos de depender dele para análise de dados críticos e geração de insights.
Conclusão
Em conclusão, deixe-me, por favor, dar lugar ao ChatGPT:
Reconhecer as limitações e as possíveis aplicações do GPT-n no contexto do Qlik Sense e de outras ferramentas de inteligência de negócios ajuda as organizações a aproveitar ao máximo essa poderosa tecnologia de IA ao mesmo tempo em que reduz os riscos potenciais. Ao promover a colaboração entre os insights gerados pela GPT e a experiência humana, as organizações podem criar um processo analítico robusto que capitaliza os pontos fortes da IA e dos analistas humanos.
Para estar entre os primeiros a experimentar os benefícios de nosso próximo lançamento de produto, gostaríamos de convidá-lo a preencher o formulário de nosso programa de acesso antecipado. Ao ingressar no programa, você obterá acesso exclusivo aos recursos e aprimoramentos mais recentes que o ajudarão a aproveitar o poder do assistente de IA em seus fluxos de trabalho de desenvolvimento Qlik. Não perca esta oportunidade de ficar à frente e liberar todo o potencial dos insights orientados por IA para sua organização.
