در حالی که ChatGPT به طور بالقوه ابزار بسیار مفیدی برای هر شرکت لجستیکی است، محدودیت‌های زیادی وجود دارد که مانع از آن می‌شود که راه‌حلی همه‌جانبه برای مشکلات بهره‌وری باشد، و بسیاری از آن‌ها ذاتی خود LLM هستند. به عنوان مثال، ChatGPT به داده های دقیق نیاز دارد تا بتواند به طور دقیق یک مشکل را حل کند، و داده های ناقص یا ناقص می تواند آن را به طور موثر بی فایده کند. تعیین اینکه آیا یک راه حل تولید شده با هوش مصنوعی موثر خواهد بود یا خیر، مستلزم درک کیفیت داده هایی است که ابزار از آن کار می کند، و این چیزی است که توسط خود ابزار قابل ارزیابی نیست.
با فرض اینکه هر مجموعه داده ای که برای آموزش هوش مصنوعی استفاده می شود تا حدی ناقص باشد، وجود دارد مسئله اعتماد به نفس – یعنی خود هوش مصنوعی چقدر می تواند به صحت هر پاسخی اطمینان داشته باشد. اگر هوش مصنوعی با اطمینان پاسخ اشتباه بدهد، حتی عملکردهای اساسی مانند گفتن یک بسته به مشتری می تواند مشکل ساز باشد. اما، از سوی دیگر، پاسخی مانند «ببخشید، مطمئن نیستم کجاست» به سختی می‌تواند به مشتری اطمینان دهد.
یکی دیگر از مسائل مربوط به هوش مصنوعی مکالمه ای مانند ChatGPT این است که حتی با داده های دقیق، انسانی که دستور اشتباه را وارد می کند ممکن است راه حل اشتباهی برای یک مشکل ایجاد کند. ابزارهای همراه مانند Prompt Perfect وعده بهینه سازی یک درخواست خاص را برای دریافت بهترین پاسخ از ChatGPT می دهند، اما در انجام این کار، این خطر وجود دارد که زمینه اصلی از بین برود.
منبع: https://www.slashgear.com/1446077/chat-gpt-logistics-integration-expert/