OpenAI یک عامل داده جدید را در ChatGPT Work معرفی کرده است، عاملی که شرکت می گوید به منابع داده تایید شده یک شرکت متصل می شود، بررسی می کند که چرا معیارهای کسب و کار تغییر کرده است، و داشبوردهای تعاملی ایجاد می کند که کارمندان می توانند به اشتراک بگذارند - همه اینها از طریق یک مکالمه به زبان ساده، بدون نوشتن پرس و جوهای SQL یا یادگیری ابزار تجزیه و تحلیل جداگانه.

این راه‌اندازی که روز پنجشنبه اعلام شد، مستقیم‌ترین حرکت OpenAI تاکنون به سمت هوش تجاری سازمانی است، بازاری که در آن Snowflake، Databricks، Microsoft و موجی از استارت‌آپ‌های تحلیلی برای اضافه کردن تحلیلگران هوش مصنوعی خود رقابت می‌کنند. با توجه به پوشش Unite.AI از این اعلامیه، این نماینده حول سوالات روزمره تجاری - چرا فروش در سه ماهه گذشته کاهش یافت، جایی که هزینه ها در حال افزایش است، کدام حساب ها در معرض خطر ریزش هستند - که امروزه اغلب به معنای روزهای انتظار برای گزارش یا کشاندن یک تیم داده به جلسه است. هر کسی که [اخبار اخبار هوش مصنوعی] (https://aibuzzwire.news) را در سال جاری دنبال کند، این الگو را تشخیص می‌دهد: فروشندگانی که مالک جریان کار هستند، نه فقط مدل، بودجه را برنده می‌شوند.

چگونه عامل داده کار می کند

کاربران در یک مکالمه یک تحلیل را هدایت و اصلاح می کنند. عامل می‌تواند تغییرات را در یک معیار کسب‌وکار بررسی کند، عوامل مؤثر در منابع مرتبط را ردیابی کند و یافته‌های خود را با استناد ارائه کند. OpenAI این جریان را با یک مثال خیالی «Acme Cloud» نشان داد، جایی که یک درخواست داشبورد پذیرش از 2 ژوئن تا 21 آگوست 2026 را پوشش می‌دهد، با بخش‌هایی برای نصب، فعال‌سازی، فعالیت و حفظ - که با درخواست از نماینده برای ردیابی پذیرش از اولین نصب تا استفاده مداوم و پرچم‌گذاری جایی که مشتریان گیر می‌کنند ایجاد می‌کند.

فراتر از تجزیه و تحلیل، OpenAI می‌گوید ChatGPT Work می‌تواند مراحل بعدی را توصیه کند، مشخص کند چه کسانی باید درگیر شوند، یافته‌ها را از طریق Slack یا ایمیل به اشتراک بگذارند، و اقدامات مورد تایید کاربر را از طریق ابزارهای متصل انجام دهند.

ارتباطات داده و حاکمیت

عامل داده به لیست طولانی پلتفرم های داده سازمانی از جمله Amazon Redshift، Datadog، Google BigQuery، ClickHouse، Databricks، MongoDB و Snowflake متصل می شود و می تواند فایل ها و اسناد را از Google Drive و SharePoint به تجزیه و تحلیل بکشد.

برای صنایع تحت نظارت، عامل به گونه ای طراحی شده است که داده ها را به روشی که خود سازمان انجام می دهد تفسیر کند. OpenAI می گوید که از شرایط تجاری خود شرکت، تعاریف متریک، محاسبات سفارشی و روابط داده، ترسیم زمینه از لایه های معنایی و منابع قابل اعتماد مانند Databricks Genie Ontology، dbt، GitHub، Snowflake Horizon و داشبوردهای موجود در زمینه هوش تجاری استفاده می کند.

حاکمیت در مبدا اجرا می شود. مدیران سازمانی انتخاب می‌کنند که کدام اتصالات داده وجود داشته باشد و کدام نقش‌ها می‌توانند از آنها استفاده کنند، و درخواست‌ها تحت مجوزهای موجود حساب متصل، از جمله محدودیت‌های سطح جدول، ردیف و ستون اجرا می‌شوند. این شرکت آن کنترل دسترسی مبتنی بر نقش را با نقل قول ها و بررسی ها برای خروجی های تولید شده جفت می کند.

داشبوردهایی که در ابزارهای BI موجود زندگی می کنند

تجزیه و تحلیل را می توان به یک داشبورد تعاملی با تجسم های داخلی تبدیل کرد که هم تیمی ها می توانند آن را ویرایش، به اشتراک بگذارند و تجدید کنند، و شرکت ها می توانند دستورالعمل های برند را ارائه کنند تا خروجی ها با ظاهر و احساس آنها مطابقت داشته باشد.

OpenAI همچنین می‌گوید که این عامل می‌تواند داشبوردهایی را در پلتفرم‌های هوش تجاری موجود - Omni، Oracle BI، Power BI، Sigma، Tableau و ThoughtSpot بسازد و با آن‌ها تعامل داشته باشد. Bogdan Crivat، معاون شرکت مایکروسافت فابریک، در این اطلاعیه گفت که کاربران می‌توانند داشبورد Power BI را به سادگی با توضیح سؤالات تجاری خود ایجاد کنند.

پذیرش اولیه در داخل و خارج از OpenAI

OpenAI ادعا می کند استفاده داخلی قابل توجهی دارد: تقریباً تمام تیم محصول آن و بیش از دو سوم از سازمان های عرضه شده به بازار در حال حاضر از عوامل داده در ChatGPT Work استفاده می کنند. این شرکت به یک تیم داده داخلی اعتبار می دهد که تعاریف مشترک کسب و کار را ایجاد کرده، قوانین دسترسی را تنظیم کرده و حفاظت از داده های حساس را اعمال می کند.

در خارج، OpenAI می گوید سازمان هایی از جمله NTT Data، Thermo Fisher و ServiceTitan از این عامل از طریق برنامه Alpha خود استفاده می کنند.

این اعلامیه حاوی بیانیه‌های شریک AWS، ClickHouse، Databricks، Snowflake، MongoDB و G2 بود. پابلو استرن، مدیر ارشد محصولات MongoDB برای هوش مصنوعی و محصولات نوظهور، گفت که این عامل می تواند به داده های ذخیره شده در Atlas در زمان به روز رسانی در زمان واقعی دسترسی پیدا کند. Umesh Unnikrishnan، سرپرست تجارب توسعه دهندگان Snowflake، گفت که کارمندان می توانند از داده های Snowflake تحت کنترل های دسترسی موجود خود استفاده کنند.

مسابقه ای شلوغ و بدون معیار

پرتاب در بازاری که به سرعت در حال حرکت است فرود می آید. Databricks، Snowflake و Microsoft همگی ویژگی های تجزیه و تحلیل عاملی مخصوص به خود را دارند و استارتاپ ها برای موقعیت یابی مشابه "تحلیلگر هوش مصنوعی" رقابت می کنند. VentureBeat اشاره کرد که OpenAI از یک چیزی که چندین رقیب برای انتشار آن رقابت می کنند صرف نظر کرد: یک معیار عمومی که دقت عامل را نشان می دهد. این غیبت می‌تواند مورد بررسی دقیق قرار گیرد، به‌ویژه با توجه به اینکه خریداران شرکت‌ها در زمانی که اعداد تصمیم‌گیری می‌کنند، چه وزنی برای ارقام قابلیت اطمینان قائل می‌شوند.

پوشش خبری Seeking Alpha همچنین تاکید کرد که این انتشار با یک API جدید Agents همراه بود، که فشار OpenAI را از یک محصول چت واحد به سمت پلتفرمی از عوامل ترکیب‌پذیر برای گردش‌های کاری سازمانی گسترش داد.

برای OpenAI، شرط این است که رابط زبان طبیعی به درب ورودی داده های سازمانی تبدیل شود و انبار زیربنایی به لوله کشی کاهش یابد. برای متصدیان فعلی، ضد استراتژی در خود راه‌اندازی قابل مشاهده است: OpenAI مجبور بود با همه آنها یکپارچه شود تا عاملش اصلاً مفید باشد. اینکه کدام لایه مقدار را می گیرد - دستیار یا پلت فرم داده در زیر آن - اکنون سوال اصلی در هوش مصنوعی سازمانی است.

از هوش مصنوعی جلوتر بمانید

بیشتر بخوانید اخبار هوش مصنوعی →