المزالق والحقائق العملية لاستخدام الذكاء الاصطناعي التوليدي في سير عمل التحليلات الخاص بك
نشرت: 2023-06-02لقد سمعنا الكثير عن كيف تم تعيين الذكاء الاصطناعي التوليدي لتغيير التسويق الرقمي خلال الأشهر القليلة الماضية. كمستشارين ، نعمل مع العلامات التجارية لتسخير التكنولوجيا للتسويق المبتكر. بحثنا سريعًا في إمكانات ChatGPT ، أكثر روبوتات المحادثة المعتمدة على نموذج اللغة الكبيرة جديرة بالاهتمام على الكتلة. الآن ، نرى كيف يمكن للذكاء الاصطناعي التوليدي أن يعمل كمساعد من خلال إنشاء مسودات أولية من التعليمات البرمجية والتصورات ، والتي يقوم خبراؤنا بصقلها إلى مواد قابلة للاستخدام.
من وجهة نظرنا ، فإن مفتاح مشروع الذكاء الاصطناعي التوليدي الناجح هو أن يكون لدى المستخدم النهائي توقعات واضحة للمخرجات النهائية بحيث يمكن تحرير أي مواد مولدة بالذكاء الاصطناعي وتشكيلها. المبدأ الأول لاستخدام الذكاء الاصطناعي التوليفي هو أنك يجب ألا تثق به لتقديم إجابات صحيحة تمامًا على استفساراتك.
أجاب موقع ChatGPT على 12 سؤالاً فقط من أصل 42 سؤالاً من أسئلة GA4
قررنا اختبار ChatGPT على شيء يقوم به مستشارونا بانتظام - الإجابة على أسئلة العملاء الشائعة حول GA4. لم تكن النتائج مثيرة للإعجاب: من بين الأسئلة الـ 42 التي طرحناها ، قدم ChatGPT فقط 12 إجابة نعتبرها مقبولة ونرسلها إلى عملائنا ، بمعدل نجاح 29٪ فقط.
ثمان إجابات أخرى (19٪) كانت "شبه صحيحة". لقد أساءت تفسير السؤال وقدمت إجابة مختلفة لما تم طرحه (على الرغم من أنها صحيحة من الناحية الواقعية) أو كانت تحتوي على قدر ضئيل من المعلومات المضللة في إجابة صحيحة.
على سبيل المثال ، أخبرنا ChatGPT أن صف "غير ذلك" الذي تجده في بعض تقارير GA4 عبارة عن تجميع للعديد من صفوف البيانات ذات الحجم المنخفض (صحيح) ولكن يتم تحديد الحالات عند حدوث ذلك بواسطة "خوارزميات التعلم الآلي من Google". هذا غير صحيح. هناك قواعد معيارية لتحديد هذا.
حفر أعمق: الذكاء الاصطناعي: دليل المبتدئين
حدود معرفة ChatGPT - وهي ثقة مفرطة
كانت نسبة 52٪ المتبقية من الإجابات غير صحيحة من الناحية الواقعية ، وفي بعض الحالات كانت مضللة بشكل فعال. السبب الأكثر شيوعًا هو أن ChatGPT لا تستخدم بيانات التدريب بعد عام 2021 ، لذلك لا يتم أخذ العديد من التحديثات الأخيرة في الاعتبار في إجاباتها.
على سبيل المثال ، أعلنت Google رسميًا فقط عن إيقاف Universal Analytics في عام 2022 ، لذلك لم يستطع ChatGPT تحديد موعد حدوث ذلك. في هذه الحالة ، قام الروبوت على الأقل بتحذير إجابته مع هذا السياق ، مما أدى إلى "... حسب علمي المقطوع في عام 2021 ..."
ومع ذلك ، تم الرد بشكل خاطئ على بعض الأسئلة المتبقية بقدر مقلق من الثقة. مثل أن يخبرنا الروبوت أن "GA4 يستخدم نهجًا قائمًا على التعلم الآلي لتتبع الأحداث ويمكنه تحديد أحداث الشراء تلقائيًا استنادًا إلى البيانات التي يجمعها".
بينما يحتوي GA4 على أحداث "قياس محسّن" يتم تتبعها تلقائيًا ، يتم تحديدها بشكل عام من خلال الاستماع إلى رمز بسيط داخل البيانات الوصفية لصفحة الويب وليس من خلال أي تعلم آلي أو نموذج إحصائي. علاوة على ذلك ، أحداث الشراء بالتأكيد ليست ضمن نطاق القياس المحسن.
إذن ، كيف يمكننا استخدام ChatGPT وأدوات الذكاء الاصطناعي التوليدية الأخرى؟
كما هو موضح في اختبار GA4 الخاص بنا ، فإن "المعرفة" المحدودة الموجودة في ChatGPT تجعلها مصدرًا غير موثوق به للحقائق. لكنه يظل مساعدًا فعالًا للغاية ، حيث يوفر المسودات الأولى للتحليلات والتعليمات البرمجية لخبير لتقليص الوقت المطلوب للمهام.
لا يمكن أن يحل محل دور المحلل المطلع الذي يعرف نوع المخرجات التي يتوقعون رؤيتها. بدلاً من ذلك ، يمكن توفير الوقت بتوجيه ChatGPT لإنتاج تحليلات من بيانات نموذجية بدون برمجة ثقيلة. من هذا ، يمكنك الحصول على تقريب تقريبي في ثوانٍ وإرشاد ChatGPT لتعديل ناتجها أو معالجتها بنفسك.
على سبيل المثال ، استخدمنا مؤخرًا ChatGPT لتحليل سلال التسوق لمتاجر التجزئة وتحسينها. أردنا تحليل متوسط أحجام السلة وفهم الحجم الأمثل لتقديم شحن مجاني للعملاء. وقد تطلب ذلك إجراء تحليل روتيني لتوزيع الإيرادات والهامش وفهم التباين بمرور الوقت.
أصدرنا تعليمات إلى ChatGPT لمراجعة كيفية تباين أحجام السلة على مدار 14 شهرًا باستخدام مجموعة بيانات GA4. ثم اقترحنا بعض استعلامات SQL الأولية لمزيد من التحليل داخل BigQuery وبعض خيارات تصور البيانات للرؤى التي وجدها.
في حين أن الخيارات كانت غير كاملة ، إلا أنها قدمت مناطق مفيدة لمزيد من الاستكشاف. قام محللنا بتكييف الاستفسارات من ChatGPT لإنهاء الإخراج. أدى هذا إلى تقليل الوقت الذي يستغرقه محلل كبير يعمل مع دعم مبتدئ لإنشاء الناتج من ثلاثة أيام تقريبًا إلى يوم واحد.
حفر أعمق: 3 خطوات لجعل الذكاء الاصطناعي يعمل من أجلك
أتمتة المهام اليدوية وتوفير الوقت
مثال آخر هو استخدامه لأتمتة المزيد من المهام اليدوية ضمن عملية معينة ، مثل فحوصات ضمان الجودة لجدول بيانات أو جزء من التعليمات البرمجية التي تم إنتاجها. يعد هذا جانبًا أساسيًا من أي مشروع ، وقد يكون تحديد التناقضات أو الحالات الشاذة أمرًا شاقًا في كثير من الأحيان.
ومع ذلك ، فإن استخدام ChatGPT للتحقق من أكثر من 500 صف من الكود لدمج ومعالجة مجموعات بيانات متعددة - مما يضمن خلوها من الأخطاء - يمكن أن يوفر الكثير من الوقت. في هذا السيناريو ، يمكن الآن تحقيق ما كان يستغرق عادة ساعتين حتى يراجع شخص ما نفسه يدويًا في غضون 30 دقيقة.
لا تزال فحوصات ضمان الجودة النهائية بحاجة إلى أن يقوم بها خبير ، كما أن جودة مخرجات ChatGPT تعتمد بشكل كبير على المعلمات المحددة التي قمت بتعيينها في تعليماتك. ومع ذلك ، فإن المهمة التي تحتوي على معلمات واضحة جدًا وليس لها غموض في الإخراج (الأرقام إما تتطابق أو لا تتطابق) مثالية للذكاء الاصطناعي التوليدي للتعامل مع معظم الرفع الثقيل.
تعامل مع الذكاء الاصطناعي التوليدي كمساعد وليس كخبير
التقدم الذي أحرزته ChatGPT في الأشهر الأخيرة رائع. ببساطة ، يمكننا الآن استخدام اللغة الإنجليزية للمحادثة لطلب مواد عالية التقنية يمكن استخدامها لأوسع نطاق من المهام عبر البرمجة والتواصل والتصور.
كما أوضحنا أعلاه ، يجب التعامل مع مخرجات هذه الأدوات بعناية وتقدير الخبراء لجعلها ذات قيمة. تتمثل حالة الاستخدام الجيد في زيادة الكفاءة في بناء التحليلات في عملنا اليومي أو تسريع المهام الطويلة والمعقدة التي يتم إجراؤها يدويًا في العادة. نتعامل مع المخرجات بتشكك ونستخدم معرفتنا التقنية لشحذها إلى مواد ذات قيمة مضافة لعملائنا.
في حين أن الذكاء الاصطناعي التوليدي ، الذي يمثله ChatGPT ، قد أظهر إمكانات هائلة في إحداث ثورة في جوانب مختلفة من تدفقات العمل الرقمية لدينا ، فمن الأهمية بمكان التعامل مع تطبيقاته من منظور متوازن. هناك قيود في الدقة ، لا سيما فيما يتعلق بالتحديثات الأخيرة والتفاصيل الدقيقة.
ومع ذلك ، مع نضوج التكنولوجيا ، ستزداد احتمالية استخدام الذكاء الاصطناعي كأداة لزيادة قدراتنا وزيادة الكفاءات في عملنا اليومي. أعتقد أننا يجب أن نركز بدرجة أقل على الذكاء الاصطناعي التوليدي الذي يحل محل الخبير وأكثر على كيفية تحسين إنتاجيتنا.
احصل على MarTech! يوميًا. حر. في بريدك الوارد.
انظر الشروط.
الآراء الواردة في هذا المقال هي آراء المؤلف الضيف وليست بالضرورة آراء MarTech. مؤلفو طاقم العمل مدرجون هنا.
قصص ذات الصلة
جديد على MarTech