یک‌قدم نزدیک‌تر به تبدیل داده به دانش با عامل داده در ChatGPT

این عامل به کاربران اجازه، پرسش‌های خود راجع‌به داده‌ها را به زبان طبیعی مطرح کنند و در پاسخ، یک داشبورد تعاملی و در صورت نیاز اقدامات بعدی را دریافت کنند.

عامل داده می‌تواند به منابع داده موردتأیید سازمان متصل شود؛ از جمله Amazon Redshift، Datadog، Google BigQuery، ClickHouse، Databricks، MongoDB و Snowflake. همچنین امکان استفاده از فایل‌ها و اسناد موجود در Google Drive و SharePoint در تحلیل‌ها وجود دارد. این اتصال قرار است تحلیل را بر مبنای داده‌ها و زمینه واقعی کسب‌وکار انجام دهد، نه صرفاً داده‌های جداافتاده.

نصب افزونه Data در ChatGPT

یکی از بخش‌های مهم این سیستم، استفاده از زمینه و تعاریف مورداعتماد سازمان است. عامل داده می‌تواند اصطلاحات کسب‌وکار، تعریف شاخص‌ها، محاسبات سفارشی و روابط میان داده‌ها را در تفسیر نتایج لحاظ کند. این زمینه از لایه‌های معنایی و منابع مورداعتماد، از جمله Databricks Genie Ontology، dbt، GitHub، Snowflake Horizon و داشبوردهای BI به دست می‌آید. به‌این‌ترتیب، هدف تنها اجرای یک پرس‌وجوی داده نیست؛ بلکه تفسیر داده در چارچوب تعاریف و ساختار مورداستفاده سازمان است.

فرایند کار با عامل داده از یک پرسش ساده به زبان طبیعی آغاز می‌شود. کاربر می‌تواند درباره تغییر یک شاخص، عملکرد کسب‌وکار، هزینه‌ها، فروش، عملیات یا سایر مسائل سازمانی سؤال کند. سپس می‌تواند با پرسش‌های بعدی، نتایج را بررسی و علت‌های احتمالی تغییرات را دنبال کند و شواهد مربوط به یافته‌ها را نیز مشاهده کند.

خروجی تحلیل می‌تواند به یک داشبورد تعاملی تبدیل شود. این داشبوردها دارای قابلیت‌های بصری‌سازی هستند و اعضای تیم می‌توانند آن‌ها را ویرایش، به‌اشتراک‌گذاری و به‌روزرسانی کنند. عامل داده همچنین می‌تواند با ابزارهای BI موجود مانند Omni، Oracle BI، Power BI، Sigma، Tableau و ThoughtSpot کار کند. بنابراین سازمان‌ها می‌توانند بخشی از فرایند تحلیل را در همان ابزارهایی ادامه دهند که پیش‌تر در اختیار داشته‌اند.

کنترل دسترسی نیز در معماری این قابلیت لحاظ شده است. مدیران سازمان تعیین می‌کنند چه اتصال‌های داده‌ای در دسترس باشند و کدام نقش‌ها بتوانند از آن‌ها استفاده کنند. پرس‌وجوها نیز مجوزهای موجود در حساب متصل را اعمال می‌کنند؛ از جمله محدودیت‌های مربوط به جدول، ردیف و ستون.

در سطح محصول، OpenAI این قابلیت را در فهرست Plugins مربوط به ChatGPT Work قرار داده است. مدیران Workspace می‌توانند دسترسی تیم‌ها به Data را مدیریت کنند و اتصال‌های مرتبط با منابع داده را فعال و پیکربندی کنند. پس از نصب و اتصال منابع موردنیاز، کاربر می‌تواند با استفاده از @Data پرسش خود را مطرح کند.

در نتیجه، محور اصلی Data agent تبدیل تعامل با داده از یک فرایند تخصصی و ابزارمحور به یک فرایند گفت‌وگومحور است: کاربر سؤال تجاری را مطرح می‌کند، عامل داده را بررسی می‌کند، نتایج و شواهد را ارائه می‌دهد، داشبورد ایجاد می‌کند و در محیط‌های متصل امکان ادامه کار و اقدام را فراهم می‌سازد.