آخرین اطلاعیه های OpenAI برای مشاغل سازمانی چه معنایی دارد

در آن کنفرانس افتتاحیه توسعه دهندگان در روز دوشنبه در سانفرانسیسکو، OpenAI چندین اطلاعیه مهم از جمله معرفی GPT-4 توربو، نسخه های قابل تنظیم ChatGPT با GPT Builder و Assistant API جدید، که به برنامه نویسان اجازه می دهد تا به سرعت بسازند. “دستیاران” طراحی شده به برنامه های آنها.

اما این پیشنهادات جدید برای مشاغل سازمانی که سال گذشته را صرف یافتن چگونگی استفاده از هوش مصنوعی مولد کرده‌اند، چه معنایی دارد؟ VentureBeat از رهبران مختلف سازمانی در مورد تأثیر آن بر تلاش‌های GenAI سازمانی سؤال کرد.

دموکراتیک کردن هوش مصنوعی مولد برای شرکت

شلدون مونتیرو، مدیر ارشد محصول در شرکت مشاوره جهانی تحول دیجیتال Publicis Sapient، به VentureBeat گفت که با GPT و API های بیشتر، OpenAI وظایفی را که قبلاً نیاز به تخصص فنی بیشتری برای افراد عادی برای ایجاد دستیارانی دارد که می توانند کارهای خاصی را انجام دهند، بسیار در دسترس تر ساخته است. نقش ها

Monteiro توضیح داد که قبلاً برای شرکت های بزرگ با منابع توسعه دهنده امکان پذیر بود. او گفت، اما کاری که OpenAI انجام داده است «دموکراتیزه کردن آن برای شرکت‌هایی با منابع کمتر است تا هر تاجر بتواند یک نماینده تخصصی بسازد و آن را به اشتراک بگذارد».

الکس بکمن، بنیانگذار و مدیرعامل ON Platform، اضافه کرد که این اطلاعیه ها “به طور قابل توجهی تعامل شرکت با هوش مصنوعی مولد را افزایش می دهد” زیرا نه تنها API را قدرتمندتر و کاربر پسندتر می کند، بلکه امکان کنترل دقیق روی هر دو داده های تغذیه شده را نیز فراهم می کند. هوش مصنوعی و اطلاعاتی که تولید می کند.

او گفت: «این منجر به محتوای منسجم‌تر و مرتبط‌تر می‌شود، مناسب برای طیف وسیع‌تری از کاربردها و موارد استفاده، و از دانش اخیر جهانی از آوریل ۲۰۲۳ بهره می‌برد.»

با این حال، در حالی که اعلامیه ها برای کاربرد و عملکرد عالی هستند، اما همچنان بر همان مدل پایه GPT-4 تکیه دارند. او گفت: “رابط های کاربری OpenAI نیز هنوز عقب مانده است که می تواند مانع منحنی یادگیری و پذیرش برای شرکت ها شود.”

عوامل GPT OpenAI دستاوردهای بهره وری را ارائه می دهند

باب برائر، بنیانگذار و مدیر عامل Interzoid، یک مشاور قابلیت استفاده از داده ها و ارائه دهنده راه حل های کیفیت داده مبتنی بر هوش مصنوعی، گفت: OpenAI. GPT های جدیدیا «نسخه‌های سفارشی ChatGPT که دستورالعمل‌ها، دانش اضافی و هر ترکیبی از مهارت‌ها را ترکیب می‌کند» می‌تواند به منابع دانش خاص، مانند کتابچه راهنمای شرکت یا راهنماهای حوزه فنی، ارجاع دهد تا پاسخ‌های خود را با قابلیت استقرار برای استفاده در شرکت اطلاع دهد. -وسیع. این بدان معناست که مخازن عظیم دانشی که شرکت‌ها در طول سال‌ها جمع‌آوری کرده‌اند، اکنون می‌توانند از طریق چت ربات‌های هوش مصنوعی به‌کار گرفته شوند و در یک سازمان به اشتراک گذاشته شوند و مورد استفاده قرار گیرند.

برائر گفت: «افزایش بهره وری بالقوه غیرقابل محاسبه است. به عنوان مثال، یک بخش منابع انسانی می تواند یک کتابچه راهنمای کامل ۲۰۰ صفحه ای را به یک قالب چت بات تبدیل کند که برای همه کارمندان قابل دسترسی است، بنابراین در زمان صرفه جویی قابل توجهی برای درخواست ها برای بخش و همچنین هر کارمند، به ویژه استخدام های جدید، صرفه جویی می کند و آنها را بلند می کند. به سرعت

پنجره زمینه طولانی تر GPT-4 Turbo می تواند بازی را تغییر دهد

Monteiro اضافه کرد که پنجره زمینه طولانی تر و ۱۲۸K GPT-4 Turbo “هیجان انگیز” است. او گفت که معادل ۳۰۰ صفحه زمینه به این معنی است که GPT درک متن را بهبود می بخشد، خلاصه سازی اسناد را بهبود می بخشد، روایت های طولانی تر منسجم تر، مکالمات چند قسمتی منسجم تر، و تنظیم دقیق بهبود می یابد.

او توضیح داد: «به عنوان مثال، ما اغلب از GPT برای تجزیه و تحلیل کدهای قدیمی استفاده می کنیم. “کد قدیمی، به عنوان مثال COBOL، ماژولار نیست و بسیاری از این برنامه های قدیمی طولانی تر از پنجره زمینه قبلی هستند. پنجره زمینه طولانی تر جدید به ما امکان می دهد از GPT برای درک کل برنامه استفاده کنیم بدون اینکه برنامه نویسی تلاش کند آن را خراب کند. پیشاپیش.»

پیوش تریپاتی، مهندس ارشد/سردر فناوری در Square، گفت که راه‌اندازی GPT-4 Turbo با دانش رویدادهای جهانی تا آوریل ۲۰۲۳، کسب‌وکارهایی را با قابلیت‌های درک «برتر» قادر می‌سازد.

به عنوان مثال، تریپاتی در حالی که توسعه پلتفرم ارتباطی را در اسکوئر رهبری می‌کرد، گفت که در یک ایده پروژه حیاتی مشارکت می‌کند: درک نگرانی‌ها و پرسش‌های مشتری از پایگاه کاربر ما که نزدیک به ۲۳ میلیون کسب‌وکار در مقیاس کوچک و متوسط ​​است.

او با اشاره به اینکه شرکت برای مقابله با آن از هوش مصنوعی استفاده می‌کرد اما فناوری آن زمان نمی‌توانست حجم بالای داده‌ها را مدیریت کند، گفت: «حجم بسیار این کار دلهره‌آور به نظر می‌رسید.

او گفت: «بنابراین، ما مجبور شدیم فناوری خود را با کارهای دستی قدیمی تکمیل کنیم و خلاصه‌هایی را از هر مورد برای استفاده بیشتر انتخاب کنیم. اگر در آن زمان OpenAI GPT-4 Turbo امروزی را داشتیم، می‌توانست بازی را تغییر دهد. به لطف پنجره زمینه بزرگ‌تر آن، می‌توانست تکه‌های بزرگ‌تری از مکالمه را به طور همزمان مدیریت کند. این کار خلاصه‌سازی ما را بسیار آسان‌تر می‌کرد. ما را از بخش خوبی از کار دستی آزاد می کند.»

آیا اعلامیه های OpenAI به بزرگترین چالش های GenAI می پردازد؟

همه دامنه کامل اعلامیه های روز توسعه دهنده OpenAI را به عنوان تغییر دهنده بازی برای شرکت تحسین نمی کنند. به عنوان مثال، Kjell Carlsson، رئیس استراتژی علم داده و تبشیر در آزمایشگاه داده دومینو گفت که اگرچه برخی از مزایا وجود دارد، اما GPT ها به لطف GPT بهینه سازی شده، ایجاد برنامه های کاربردی اثبات مفهوم هوش مصنوعی را آسان تر و ارزان تر از همیشه می کنند. ۴ توربو و ساختار جدید قیمت‌گذاری، و سپر حق چاپ به رفع ترس‌هایی که مانع از شروع آزمایش‌ها می‌شد کمک می‌کند، هیچ‌کدام به چالش اصلی – توسعه و عملیاتی کردن برنامه‌های کاربردی GenAI درجه تولید، پاسخ نمی‌دهند.

او توضیح داد: «شرکت‌ها شکایت دارند که مدل‌های OpenAI و APIها نیازهای آنها را برای امنیت داده، کنترل، مقیاس‌پذیری، قابلیت اطمینان، تأخیر یا حتی عملکرد برآورده نمی‌کنند». “این اعلامیه‌ها کمک چندانی به این نگرانی‌ها نمی‌کنند. آنها شروع را حتی آسان‌تر می‌کنند – چیزی که هرگز مشکل معناداری با پیشنهادات OpenAI نبود – بدون پرداختن به چالش‌های پایین دستی که برای ارائه ارزش بسیار مهم هستند.”

او افزود، همانطور که شرکت‌ها در سفرهای هوش مصنوعی خود پیشرفت می‌کنند، آنها به مدل‌های منبع باز و سایر پیشنهادات اختصاصی که کنترل بیشتری را ارائه می‌کنند روی می‌آورند و “این اعلامیه‌ها کمک چندانی به جلوگیری از شتاب این روند نمی‌کنند.”

کارلسون حتی اظهار داشت که بسیاری از شرکت‌ها با هوش مصنوعی مولد خود را برای شکست آماده می‌کنند.

او توضیح داد: “آنها این روایت را باور دارند که می توانند توسعه و عملیاتی کردن قابلیت های GenAI خود را به اشخاص ثالث برون سپاری کنند، در حالی که آنها بر طراحی و توسعه برنامه های کاربردی تمرکز می کنند.” متأسفانه، برعکس است. برنامه‌های کاربردی GenAI به همان اندازه، اگر نه بیشتر، به تخصص و قابلیت‌های داخلی نیاز دارند تا برنامه‌های سنتی مبتنی بر هوش مصنوعی و ML.»

سازمان ها باید به سرعت و ایمن آزمایش کنند تا تأثیر واقعی داشته باشند

Jon Hackett، معاون فناوری Huge، خاطرنشان کرد که OpenAI از نظر سازمان‌های سازمانی بسیار جدید است “که کل معیشت آنها مبتنی بر مدیریت ریسک و هزینه است.”

او توضیح داد که خطرات هوش مصنوعی مولد مرتبط با هوش مصنوعی مولد هنوز برای آنها نامشخص است، به ویژه زمانی که ارائه دهنده راه حل آزمایش شده و واقعی نیست، در حالی که مدل قیمت گذاری OpenAI بسته به مقیاس و روش هایی که شرکت ها با آن ادغام می کنند هنوز بالا است. او گفت: «آنها با توجه به ارزش درک شده ای که برای یک سازمان دارند، اغلب بسیار پرهزینه هستند.

او گفت با در نظر گرفتن این چالش‌ها، Assistant API و GPT‌های جدید «روشی هوشمندانه برای کمک به شرکت‌ها برای آزمایش سریع و با هزینه کم یا بدون هزینه قبل از سرمایه‌گذاری عمیق‌تر در تجربیات AI مولد سفارشی هستند».

به گفته او، از بسیاری جهات، این شبیه به پیشنهاد Google Vertex است که با ابزار Gen AI App Builder راه اندازی شد و بسیار شبیه به پیشنهاد استودیو هوش مصنوعی متا است که در Meta Connect 2023 اعلام کرد.

او گفت: “هر گونه حرکت در قیمت گذاری و محدودیت های نرخ بهتر به پذیرش و ارائه بازگشت سرمایه بهتر کمک می کند، و هر چیزی که به تیم ها اجازه دهد از مفهوم به نمونه های اولیه برای آزمایش کاربر حرکت کنند، به پذیرش کمک می کند.”

او افزود، اما در حرکت رو به جلو، سازمان‌ها باید به سرعت و ایمن با استفاده از هوش مصنوعی مولد آزمایش کنند تا تأثیر واقعی بر بهره‌وری داخلی و تجربیاتی که به مصرف‌کنندگان ارائه می‌دهند، داشته باشند.

او گفت: «اینجا فضایی نیست که بنشینند و منتظر بمانند تا گرد و غبار بنشیند. “آنها یا نیاز به توسعه برتری و شایستگی در هوش مصنوعی دارند، یا رقبایشان به سرعت از آنها پیشی می گیرند. اگر شرکت ها متوجه می شوند که به کمک یادگیری و پرورش این فضا در سازمان خود نیاز دارند، باید به دنبال ترکیب مناسبی از شرکا برای کمک به راهنمایی باشند. آنها در طول مسیر.”