Thoại Viết Hoàng
Writer
Có vẻ như gần như chắc chắn rằng AI tổng hợp, hoặc một trong những sản phẩm hàng đầu của nó, chẳng hạn như ChatGPT, sẽ trở thành từ thông dụng về công nghệ của năm vào năm 2023.
Sự phát triển và triển khai nhanh chóng của các chương trình trí tuệ nhân tạo tiên tiến này vừa gây kinh ngạc vừa đáng lo ngại đối với những người đó. sợ những nguy cơ tăng trưởng vượt quá quy định. Mặc dù không thể dự đoán trí tuệ nhân tạo AI sẽ dẫn chúng ta đến đâu, nhưng nó dường như đang thúc đẩy sự thay đổi đáng kể trong lĩnh vực phân tích.
Ở cấp độ doanh nghiệp, AI tổng quát có khả năng giải quyết các tắc nghẽn đáng kể trong những gì các tổ chức và nhóm có thể hoàn thành, ngay cả khi phải đối mặt với thời hạn nghiêm ngặt.
Trí tuệ nhân tạo, ít nhất về mặt lý thuyết, không có những thành kiến và khó khăn về nhận thức mà con người có thể gặp phải trong việc hình thành và thử nghiệm các ý tưởng trên quy mô lớn. Tuy nhiên, khái niệm này đã bị tranh cãi do sự thiên vị của con người có thể ảnh hưởng đến các bộ dữ liệu mà AI sử dụng.
Ngoài vấn đề này, có rất ít tranh cãi về chất lượng tiết kiệm thời gian và tài nguyên của AI sáng tạo cũng như những hiểu biết sâu sắc mà nó có khả năng tạo ra. Mặc dù một nhược điểm lớn của dữ liệu lớn là con người không thể diễn giải hàng nghìn trang thông tin với tốc độ nhanh chóng, nhưng AI không chỉ có thể nhập dữ liệu đó ngay lập tức mà còn diễn giải các điểm và số liệu chính để cung cấp thông tin chi tiết về dữ liệu cho người dùng sử dụng.
Tiềm năng của AI sáng tạo lớn đến mức Goldman Sachs ước tính rằng công nghệ này có thể mang lại mức tăng 7% cho GDP toàn cầu trong vòng 10 năm tới đồng thời nâng mức tăng trưởng năng suất lên 1,5 điểm phần trăm.
Tiềm năng của AI sáng tạo lớn đến mức Goldman Sachs ước tính rằng công nghệ này có thể mang lại mức tăng 7% cho GDP toàn cầu trong vòng 10 năm tới đồng thời nâng mức tăng trưởng năng suất lên 1,5 điểm phần trăm.
Đường dẫn đến phân tích dự đoán
Đối với các doanh nghiệp đang tìm cách tối ưu hóa hàng tồn kho của họ trong suốt cả năm, AI tổng quát là một thành phần thiết yếu trong việc cung cấp năng lượng cho các dự đoán liên quan đến dữ liệu khách hàng quan trọng. Điều này giúp dự trữ ngân sách tốt hơn và hoạt động hiệu quả hơn với chuỗi cung ứng.
Khi công nghệ phát triển, các doanh nghiệp sẽ có thể sử dụng công nghệ này để phân tích các tập dữ liệu lớn và phát hiện các xu hướng mà họ có thể sử dụng để dự đoán nhu cầu của khách hàng trong tương lai hoặc thay đổi sở thích của người tiêu dùng.
Ngày nay, một trong những ví dụ mạnh mẽ nhất về AI tổng quát tận dụng các phân tích dự đoán có thể được tìm thấy trong ngành tổ chức sự kiện. Các công ty phần mềm như Grip và Superlinked đã tạo ra các dịch vụ sử dụng AI dự đoán để giúp những người tổ chức sự kiện đưa ra quyết định dựa trên dữ liệu về các khía cạnh khác nhau của sự kiện.
Tại đây, các công ty này đã sử dụng trí tuệ nhân tạo AI để phân tích dữ liệu người tham dự từ các sự kiện trong quá khứ để hiểu rõ hơn về các sự kiện trong tương lai.
Chúng ta có thể so sánh quy trình này với Google Xu hướng, có thể sử dụng dữ liệu tìm kiếm để hiển thị khi các cụm từ nhất định được truy vấn thường xuyên hơn. Các mô hình AI sáng tạo có thể lấy các chỉ số tương tự về cảm tính của khán giả, chẳng hạn như khu vực riêng lẻ nào của sự kiện đã thu hút đám đông lớn hơn và cá nhân diễn giả hoặc người biểu diễn nào đã tạo ra sự quan tâm trực tuyến nhiều nhất và xem xét các mảng dữ liệu lớn để đưa ra các phân tích cụ thể.
Với sự xuất hiện của phân tích dự đoán, các doanh nghiệp sẽ có khả năng nhìn xa hơn cảm tính và xem xét siêu dữ liệu xung quanh các chuyển đổi cụ thể, vị trí phổ biến, dự báo thời tiết nâng cao, các biến thể trong cảm tính trên mạng xã hội và các yếu tố bên ngoài có thể gây nhiễu để đưa ra phân tích toàn diện về chính xác những gì , khi nào và ở đâu nhu cầu có khả năng xuất hiện.
Chúng tôi đã thấy các công ty như JetBlue, một hãng hàng không của Hoa Kỳ, hợp tác với ASAPP, một nhà cung cấp công nghệ, trong việc triển khai giải pháp dịch vụ khách hàng dựa trên AI có thể tiết kiệm trung bình 280 giây cho mỗi cuộc trò chuyện, mở đường cho việc tiết kiệm 73.000 giờ cho các đại lý ' thời gian mỗi quý. Nền tảng này một ngày nào đó sẽ có khả năng học hỏi từ cảm tính của khách hàng và sự lặp lại của các truy vấn để đưa ra các khuyến nghị khả thi cho những người ra quyết định về các quy trình và việc mua lại cổ phiếu.
Phân tích dự đoán: Thế hệ tiếp theo của phân tích dữ liệu
Theo định nghĩa, khả năng phân tích một lượng lớn dữ liệu lớn không phải là "tạo ra", nhưng phần này phát huy tác dụng khi các mô hình AI tổng quát như ChatGPT sử dụng dữ liệu để tạo mã phần mềm có thể xây dựng các mô hình phân tích sâu.
Theo dữ liệu của GitHub, 88% số người được khảo sát tin rằng họ làm việc hiệu quả hơn khi sử dụng GitHub Copilot, một công cụ phân tích được xây dựng trên Codex của OpenAI. Hơn nữa, 96% số người được hỏi tin rằng quy trình này giúp họ “nhanh hơn với các nhiệm vụ lặp đi lặp lại”.
Đây sẽ luôn là một công cụ vô giá dành cho các nhà lãnh đạo doanh nghiệp để tạo ra các phân tích dữ liệu tập trung hơn nhiều thông qua mã hóa tự động. Chẳng hạn, các chương trình AI có khả năng cung cấp “hỗ trợ ra quyết định tự động”, đưa ra các đề xuất dựa trên khối lượng dữ liệu lớn.
Trong tương lai, các chương trình sẽ theo dõi kết quả đầu ra và các lĩnh vực có thể có trong bộ kỹ năng của nhân viên có thể cần cải thiện và tự phát triển các chương trình đào tạo riêng được thiết kế để củng cố cụ thể các lĩnh vực này dựa trên phong cách học tập dễ tiếp thu nhất của nhân viên.
Các chương trình cũng có thể hoạt động song song với các nền tảng phân tích rộng lớn khác, chẳng hạn như Google Analytics (GA) hoặc Finteza và sử dụng thông tin chi tiết của họ để thực hiện các điều chỉnh và cải tiến tự động cho các trang web của công ty dựa trên thông tin chi tiết về lưu lượng truy cập và hiệu suất, cũng như dự báo lưu lượng truy cập trong tương lai.
Ngoài ra, nếu một chương trình AI tổng quát học được từ dữ liệu phân tích của GA hoặc Finteza rằng số lượng khách truy cập đã giảm vào thời điểm mà tâm lý trên mạng xã hội và xu hướng theo mùa cho thấy mức độ tương tác sẽ tăng lên, thì chương trình có thể nghiên cứu vấn đề và thực hiện các chỉnh sửa cho phù hợp, đồng thời thông báo cho các bên liên quan hoặc nhà phát triển web về bất kỳ thay đổi nào để xem xét sau này.
Tham khảo bài viết gốc tại đây
Ở cấp độ doanh nghiệp, AI tổng quát có khả năng giải quyết các tắc nghẽn đáng kể trong những gì các tổ chức và nhóm có thể hoàn thành, ngay cả khi phải đối mặt với thời hạn nghiêm ngặt.
Trí tuệ nhân tạo, ít nhất về mặt lý thuyết, không có những thành kiến và khó khăn về nhận thức mà con người có thể gặp phải trong việc hình thành và thử nghiệm các ý tưởng trên quy mô lớn. Tuy nhiên, khái niệm này đã bị tranh cãi do sự thiên vị của con người có thể ảnh hưởng đến các bộ dữ liệu mà AI sử dụng.
Ngoài vấn đề này, có rất ít tranh cãi về chất lượng tiết kiệm thời gian và tài nguyên của AI sáng tạo cũng như những hiểu biết sâu sắc mà nó có khả năng tạo ra. Mặc dù một nhược điểm lớn của dữ liệu lớn là con người không thể diễn giải hàng nghìn trang thông tin với tốc độ nhanh chóng, nhưng AI không chỉ có thể nhập dữ liệu đó ngay lập tức mà còn diễn giải các điểm và số liệu chính để cung cấp thông tin chi tiết về dữ liệu cho người dùng sử dụng.
Tiềm năng của AI sáng tạo lớn đến mức Goldman Sachs ước tính rằng công nghệ này có thể mang lại mức tăng 7% cho GDP toàn cầu trong vòng 10 năm tới đồng thời nâng mức tăng trưởng năng suất lên 1,5 điểm phần trăm.
Tiềm năng của AI sáng tạo lớn đến mức Goldman Sachs ước tính rằng công nghệ này có thể mang lại mức tăng 7% cho GDP toàn cầu trong vòng 10 năm tới đồng thời nâng mức tăng trưởng năng suất lên 1,5 điểm phần trăm.
Đường dẫn đến phân tích dự đoán
Khi công nghệ phát triển, các doanh nghiệp sẽ có thể sử dụng công nghệ này để phân tích các tập dữ liệu lớn và phát hiện các xu hướng mà họ có thể sử dụng để dự đoán nhu cầu của khách hàng trong tương lai hoặc thay đổi sở thích của người tiêu dùng.
Ngày nay, một trong những ví dụ mạnh mẽ nhất về AI tổng quát tận dụng các phân tích dự đoán có thể được tìm thấy trong ngành tổ chức sự kiện. Các công ty phần mềm như Grip và Superlinked đã tạo ra các dịch vụ sử dụng AI dự đoán để giúp những người tổ chức sự kiện đưa ra quyết định dựa trên dữ liệu về các khía cạnh khác nhau của sự kiện.
Tại đây, các công ty này đã sử dụng trí tuệ nhân tạo AI để phân tích dữ liệu người tham dự từ các sự kiện trong quá khứ để hiểu rõ hơn về các sự kiện trong tương lai.
Chúng ta có thể so sánh quy trình này với Google Xu hướng, có thể sử dụng dữ liệu tìm kiếm để hiển thị khi các cụm từ nhất định được truy vấn thường xuyên hơn. Các mô hình AI sáng tạo có thể lấy các chỉ số tương tự về cảm tính của khán giả, chẳng hạn như khu vực riêng lẻ nào của sự kiện đã thu hút đám đông lớn hơn và cá nhân diễn giả hoặc người biểu diễn nào đã tạo ra sự quan tâm trực tuyến nhiều nhất và xem xét các mảng dữ liệu lớn để đưa ra các phân tích cụ thể.
Với sự xuất hiện của phân tích dự đoán, các doanh nghiệp sẽ có khả năng nhìn xa hơn cảm tính và xem xét siêu dữ liệu xung quanh các chuyển đổi cụ thể, vị trí phổ biến, dự báo thời tiết nâng cao, các biến thể trong cảm tính trên mạng xã hội và các yếu tố bên ngoài có thể gây nhiễu để đưa ra phân tích toàn diện về chính xác những gì , khi nào và ở đâu nhu cầu có khả năng xuất hiện.
Chúng tôi đã thấy các công ty như JetBlue, một hãng hàng không của Hoa Kỳ, hợp tác với ASAPP, một nhà cung cấp công nghệ, trong việc triển khai giải pháp dịch vụ khách hàng dựa trên AI có thể tiết kiệm trung bình 280 giây cho mỗi cuộc trò chuyện, mở đường cho việc tiết kiệm 73.000 giờ cho các đại lý ' thời gian mỗi quý. Nền tảng này một ngày nào đó sẽ có khả năng học hỏi từ cảm tính của khách hàng và sự lặp lại của các truy vấn để đưa ra các khuyến nghị khả thi cho những người ra quyết định về các quy trình và việc mua lại cổ phiếu.
Phân tích dự đoán: Thế hệ tiếp theo của phân tích dữ liệu
Theo định nghĩa, khả năng phân tích một lượng lớn dữ liệu lớn không phải là "tạo ra", nhưng phần này phát huy tác dụng khi các mô hình AI tổng quát như ChatGPT sử dụng dữ liệu để tạo mã phần mềm có thể xây dựng các mô hình phân tích sâu.
Theo dữ liệu của GitHub, 88% số người được khảo sát tin rằng họ làm việc hiệu quả hơn khi sử dụng GitHub Copilot, một công cụ phân tích được xây dựng trên Codex của OpenAI. Hơn nữa, 96% số người được hỏi tin rằng quy trình này giúp họ “nhanh hơn với các nhiệm vụ lặp đi lặp lại”.
Đây sẽ luôn là một công cụ vô giá dành cho các nhà lãnh đạo doanh nghiệp để tạo ra các phân tích dữ liệu tập trung hơn nhiều thông qua mã hóa tự động. Chẳng hạn, các chương trình AI có khả năng cung cấp “hỗ trợ ra quyết định tự động”, đưa ra các đề xuất dựa trên khối lượng dữ liệu lớn.
Trong tương lai, các chương trình sẽ theo dõi kết quả đầu ra và các lĩnh vực có thể có trong bộ kỹ năng của nhân viên có thể cần cải thiện và tự phát triển các chương trình đào tạo riêng được thiết kế để củng cố cụ thể các lĩnh vực này dựa trên phong cách học tập dễ tiếp thu nhất của nhân viên.
Các chương trình cũng có thể hoạt động song song với các nền tảng phân tích rộng lớn khác, chẳng hạn như Google Analytics (GA) hoặc Finteza và sử dụng thông tin chi tiết của họ để thực hiện các điều chỉnh và cải tiến tự động cho các trang web của công ty dựa trên thông tin chi tiết về lưu lượng truy cập và hiệu suất, cũng như dự báo lưu lượng truy cập trong tương lai.
Tham khảo bài viết gốc tại đây
