پروپسی از DataGPT رونمایی کرد؛ انتقال گردش‌کارهای داده سازمانی به کلود، ChatGPT و کوپایلت
DataGPT مکالمات با هوش مصنوعی را به گردش‌کارهای بصری داده تبدیل می‌کند که تیم‌های کسب‌وکار می‌توانند آن‌ها را بررسی و تأیید کنند؛ سپس این گردش‌کارها به محصولات داده‌ای قابل استفاده مجدد و تحت نظارت تبدیل می‌شوند که روی پلتفرم‌های ابری موجود سازمان اجرا خواهند شد.
شرکت پروپسی (Prophecy) که پلتفرمی برای انجام فعالیت‌های مرتبط با داده‌های کسب‌وکار با کمک هوش مصنوعی ارائه می‌کند، از محصول جدید خود با نام Prophecy DataGPT خبر داد. این ابزار به تحلیلگران داده‌های کسب‌وکار امکان می‌دهد تمام مراحل کار با داده‌ها، از وارد کردن فایل‌های نامنظم تا انتشار گزارش‌های نهایی، را در محیط ChatGPT، کلود و مایکروسافت کوپایلت انجام دهند. هر نتیجه با یک گردش‌کار بصری همراه است که می‌توان آن را بررسی و اعتبارسنجی کرد. همچنین، گردش‌کارهای تأییدشده به کدی تکرارپذیر تبدیل می‌شوند که روی پلتفرم داده‌ای موجود سازمان اجرا خواهد شد.
مهم‌ترین قابلیت‌ها
- تسریع کار با داده‌ها: تحلیلگران بدون خروج از ChatGPT، کلود یا مایکروسافت کوپایلت، نتیجه موردنظر خود را توصیف می‌کنند و DataGPT تمام گردش‌کار را در همان مکالمه می‌سازد؛ از ورود و آماده‌سازی داده‌ها گرفته تا تحلیل و تولید خروجی.
- اعتبارسنجی بصری: هر پاسخ، گردش‌کار بصری پشت آن را نیز نمایش می‌دهد تا تیم‌های داده در بخش‌های کسب‌وکار بتوانند مراحل مختلف را بررسی و تأیید کنند.
- انباشت و استفاده مجدد از دانش: پروپسی از یک گراف دانش برای پیوند دادن زمینه کسب‌وکار به گردش‌کارهای داده استفاده می‌کند. این قابلیت به تیم‌ها کمک می‌کند تعاریف مرتبط با کسب‌وکار و قواعد آن را در فعالیت‌های مختلف داده‌ای به کار بگیرند.
- تبدیل نتایج به فرایندهای عملیاتی: گردش‌کارهای تأییدشده به محصولات داده‌ای تبدیل می‌شوند و در قالب کدی تکرارپذیر و تحت نظارت، طبق برنامه زمانی مشخص روی اسنوفلیک، دیتا‌بریکس یا بیگ‌کوئری اجرا می‌شوند.
وقتی تحلیلگران داده‌های کسب‌وکار برای تطبیق تراکنش‌های یک فصل مالی، صفحه‌گسترده‌های خود را در ابزارهای هوش مصنوعی مانند ChatGPT یا کلود بارگذاری می‌کنند، هوش مصنوعی در پشت صحنه اسکریپتی می‌نویسد و اجرا می‌کند تا نتیجه موردنظر به دست آید. اما چون این کاربران نمی‌توانند کد تولیدشده را بخوانند، قادر نیستند درستی آن را اعتبارسنجی کنند، تغییرات لازم را در آن اعمال کنند یا مسئولیت نتیجه را بر عهده بگیرند.
با پایان یافتن جلسه گفت‌وگو، گردش‌کار نیز از بین می‌رود. فرایندی که داده‌های نامنظم و اولیه را به خروجی نهایی تبدیل کرده بود، دیگر در دسترس نیست و دانش تخصصی حوزه کسب‌وکار که کاربر در طول مکالمه ارائه کرده بود نیز از دست می‌رود؛ از جمله قواعد کسب‌وکار، تعاریف درآمد و استثناهای تأییدشده.
با گسترش استفاده از داده‌های تولیدشده به کمک هوش مصنوعی، این شکاف نیز بزرگ‌تر می‌شود. شرکت تحقیقاتی گارتنر پیش‌بینی می‌کند تا سال ۲۰۲۸، «با افزایش داده‌های تولیدشده توسط هوش مصنوعی که اعتبارسنجی نشده‌اند، ۵۰ درصد سازمان‌ها حاکمیت داده مبتنی بر اعتماد صفر را اتخاذ خواهند کرد.»
مایکل نی، معاون رئیس و تحلیلگر ارشد شرکت کانستلیشن ریسرچ، می‌گوید: «هوش مصنوعی سازمانی در حال عبور از مرحله پاسخ‌گویی به پرسش‌ها و حرکت به‌سوی انجام کارهای تکرارپذیر است. تولید پاسخ ساده‌تر شده است؛ چالش کنونی این است که داده‌های زیربنایی قابل اعتبارسنجی، تحت نظارت و قابل استفاده مجدد باشند. شرکت‌هایی که بتوانند شکاف میان خواسته‌های کسب‌وکار و اجرای آن‌ها را از بین ببرند، سرعت تصمیم‌گیری خود را افزایش خواهند داد.»
هوش مصنوعی که کار با داده‌ها را انجام می‌دهد، نه اینکه فقط به پرسش‌ها پاسخ دهد
دستیارهای هوش مصنوعی می‌توانند به پرسش‌هایی درباره داده‌هایی پاسخ دهند که از قبل آماده شده‌اند؛ اما تیم‌های داده سازمانی به‌ندرت کار خود را از چنین نقطه‌ای آغاز می‌کنند. بخش اصلی کار آن‌ها آماده‌سازی داده‌هاست: وارد کردن فایل‌ها، تطبیق سامانه‌هایی که اطلاعات ناسازگار دارند، پیوند دادن رکوردهایی که شناسه مشترکی ندارند و پاک‌سازی و تبدیل داده‌ها. پس از آن نیز باید گزارش‌ها، داشبوردها و اسناد موردنیاز را در قالب‌های دقیق تحویل دهند؛ قالب‌هایی که در آن‌ها صحت و قابلیت تأیید تک‌تک اعداد ضروری است.
DataGPT برای تحلیلگران مالی، عملیاتی و واحدهای مختلف کسب‌وکار طراحی شده است که با صفحه‌گسترده‌ها و ابزارهای دسکتاپ کار می‌کنند. یک تحلیلگر می‌تواند در قالب یک مکالمه، فایل نامنظم اکسل را بارگذاری کند، اطلاعات آن را با یک فهرست حسابرسی و داده‌های موجود در شیرپوینت، اسنوفلیک و دیتا‌بریکس تطبیق دهد، قاعده قیمت‌گذاری بسته‌های محصولات تخفیف‌خورده را اعمال کند، نتایج را بررسی کند و اجرای مجدد گردش‌کار را برای هر ماه برنامه‌ریزی کند. DataGPT به فایل‌ها، شیرپوینت، انبارهای داده و سامانه‌های برنامه‌ریزی منابع سازمانی (ERP) و مدیریت ارتباط با مشتری (CRM) متصل می‌شود. همچنین، کد متن‌باز موجود در گیت (Git) پشتوانه هر گردش‌کار است؛ بنابراین منطق اجرای آن شفاف و قابل ممیزی باقی می‌ماند.
تیم‌های داده به‌جای بازسازی گردش‌کارها، آن‌ها را بررسی می‌کنند
با استفاده از DataGPT، تحلیلگران کسب‌وکار دیگر مجبور نیستند هر گردش‌کار را از ابتدا بسازند. هوش مصنوعی این کار را انجام می‌دهد و کاربران به‌جای آن، مراحل و نتایج را روی صفحه به‌صورت بصری بررسی می‌کنند، در صورت نیاز تغییرات جزئی اعمال می‌کنند و نسخه نهایی را تأیید می‌کنند. پس از تأیید، گردش‌کارها هر بار دقیقاً به همان شیوه اجرا می‌شوند؛ بدون آنکه هوش مصنوعی دوباره محتوا تولید کند یا هزینه اضافی برای استفاده از هوش مصنوعی ایجاد شود.
قرار دادن استفاده پنهانی از هوش مصنوعی تحت نظارت
بسیاری از تحلیلگران کسب‌وکار هم‌اکنون نیز بدون اطلاع یا تأیید واحد فناوری اطلاعات، صفحه‌گسترده‌های شرکت را در ابزارهای گفت‌وگومحور هوش مصنوعی وارد می‌کنند؛ رفتاری که یکی از رایج‌ترین شکل‌های استفاده پنهانی از هوش مصنوعی در سازمان‌هاست. در DataGPT، فایل‌های بارگذاری‌شده از طریق پروپسی به پلتفرم داده خود سازمان منتقل می‌شوند و وارد محیط گفت‌وگوی هوش مصنوعی نمی‌شوند. مدیران پلتفرم داده و واحد فناوری اطلاعات می‌توانند تمام گردش‌کارها را مشاهده و روی همان پلتفرمی که از قبل در اختیار دارند، بر آن‌ها نظارت کنند؛ بدون اینکه سامانه‌ای مجزا و جزیره‌ای به زیرساخت سازمان اضافه شود.