3 Experiências que destravam o poder do ChatGPT

O que está sobrealimentando estes AIs são modelos de linguagem de grande porte (LLMs). Os LLMs são ferramentas de previsão lingüística que podem ler, resumir e traduzir textos, prevendo as próximas palavras em uma frase, permitindo-lhes gerar novos textos que se assemelham muito ao discurso e à escrita humana. Eles são hábeis tanto em escrever como em interpretar textos, e essa habilidade cognitiva significa que eles podem fazer muito mais do que apenas escrever o primeiro rascunho de um e-mail ou resumir suas notas de reunião.

O ChatGPT, construído pela OpenAI, ganhou uma popularidade incrível graças a sua interface de conversação simples e sua facilidade de uso. Esta acessibilidade tem inspirado várias equipes dentro da Media.Monks a experimentar LLMs, e GPT em particular, para encontrar melhores maneiras de trabalhar e criar. O resultado é uma série de inovações prototipadas que demonstram a capacidade dos LLMs de ajudar na colaboração interna, agilizar a coleta de informações e o auto-serviço, e tornar as métricas altamente técnicas mais acessíveis para todos.

Possibilitando a colaboração através de experiências de múltiplos usuários.

O Labs.Monks, nossa equipe de P&D focada em tecnologia e inovação, construiu um chatbot projetado para agilizar o brainstorming e a colaboração entre equipes. Encantadoramente chamado Brian (originalmente de um trocadilho interno do BrAIn, mas renomeado por simplicidade), o robô GPT se integra ao Slack e serve como um participante inteligente e ativo nos canais da equipe. A idéia para Brian surgiu da constatação de que a maioria das aplicações do ChatGPT são baseadas em tarefas, o que inspirou a equipe a considerar outras formas de apoio às equipes, como servir como um colaborador criativo.

Brian tem dois modos. No modo de facilitação, ele mantém as brainstorms do grupo, oferecendo perguntas e fornecendo resumos sobre a discussão. No modo de contribuição, Brian serve como outro colaborador que pensa junto com a equipe e acrescenta à discussão.

"Durante um de nossos testes, ele foi capaz de nos ajudar a fazer um brainstorming fictício sobre como criar uma ativação experimental para uma marca de refrigerantes fornecida a idosos com alguns resultados interessantes! Embora acabássemos por chegar a uma idéia nós mesmos, a contribuição de Brian nos ajudou a chegar a outros resultados que talvez não tivéssemos pensado de outra forma", diz Angelica Ortiz, Tecnóloga Criativa Sênior. O fato de poder entrar no campo de discussão entre um grupo de usuários (e até mesmo dirigir-se a indivíduos pelo nome) separa Brian de outros chatbots, que são tipicamente limitados a conversas um-a-um.

A equipe originalmente construiu Brian como um exercício para ganhar conhecimento prático e experiência com LLMs, o foco de seu recente Relatório de Laboratório. Agora, a equipe está explorando como implementá-lo como uma ferramenta para amplo uso pela equipe de Monges da Mídia.

Uma alternativa para o ajuste fino do GPT.

Depois de ver o potencial dos LLMs, muitas marcas estão explorando a idéia de afinar esses modelos para melhor combinar seu tom de voz ou os tipos de conteúdo que eles criam. Geralmente, o ajuste fino de um modelo existente pode ser econômico, eliminando a necessidade de treinar um modelo, programar um chatbot ou escrever novo conteúdo a partir do zero. Mas, para alguns casos de uso, o ajuste fino pode ser proibitivamente caro em comparação com outro método de gerar mais resultados únicos de marca: engenharia imediata.

Nossa prática de Serviços Técnicos desenvolveu um método de engenharia imediata que facilita a construção de um chatbot alimentado por GPT que pode responder a perguntas baseadas no conteúdo de um domínio específico. O exemplo que eles usam é transformar o wiki interno de uma empresa em um assistente que poupa aos funcionários o trabalho de procurar e peneirar longos documentos para encontrar as informações que eles precisam. A tecnologia chave por trás deste método são as incorporações do OpenAI, uma característica que permite combinar as consultas dos usuários com as respostas do conteúdo da fonte mais relevante.

As incrustações desbloqueiam algumas características incríveis. Os usuários podem fazer perguntas e receber respostas em seu idioma de escolha, independentemente do idioma original do conteúdo de origem, o que significa que não há necessidade de localização. Eles também não confiam na correspondência exata de palavras; se alguém perguntar a nosso hipotético wiki bot da empresa sobre as políticas de "tempo de férias", o bot saberá extrair informações de um documento sobre "tempo livre pago" Adicionar mais conteúdo ao chatbot também é fácil, pois basta um simples gancho para que o bot possa responder a perguntas sobre novos conteúdos à medida que são publicados.

Se você quiser saber mais sobre como usar os embeddings para solicitar a criação de um bot próprio, confira a redação completa. Você também verá uma demonstração em vídeo que o guiará através de como os embeddings alcançam cada um dos resultados acima.

Digerindo informações em velocidade.

A digitalização de dados pode ser esmagadora - especialmente se os números não forem o seu forte. É por isso que nossa equipe de automação empresarial desenvolveu Turing.Monk, um chatbot carinhosamente batizado em homenagem a Alan Turing, o cientista da computação do século 20 que desenvolveu o teste Turing, que testa a capacidade de um computador de exibir comportamento inteligente. Turing.Monk ajuda as equipes a encontrar rapidamente as respostas que precisam sobre suas campanhas, respondendo a consultas em três formatos: listas, resumos e gráficos.

O bot funciona muito como um assistente de marketing, ajudando os marqueteiros a tirar conclusões sobre o desempenho de uma campanha. Deseja ver como o custo da mídia mudou semana a semana? Basta pedir ao Turing.Bot para "fornecer um resumo escrito de como o custo da mídia está mudando" para a campanha em questão. É muito fácil.

A capacidade de fazer perguntas em linguagem natural ajuda a colocar a análise e a ciência dos dados na ponta dos dedos para aqueles da equipe que podem não conhecer SQL ou Python. "É cedo no desenvolvimento, mas hoje em dia um gerente de contas pode continuar a estimular e a afinar a urgência para obter o resultado desejado", diz Michael Balarezo, VP Global de Automação Empresarial. "Estamos agora trabalhando para melhorar a capacidade analítica da ferramenta, alavancando o poder das LLMs para entender a nuance do pedido, e traduzir isso em uma geração mais complexa de insight"

Ainda há mais potencial a ser desbloqueado.

Embora muito tenha sido dito sobre as habilidades dos LLMs em gerar texto, sua habilidade em interpretar consultas e emergir informações úteis e contextuais - tudo em formato de conversação - os tornará ferramentas incríveis no local de trabalho e além dele. Desde facilitar a colaboração criativa, até tornar a informação facilmente acessível para todos, até dar às pessoas superpoderes, colocando dados digeríveis na ponta dos dedos, o potencial para LLMs como o GPT é grande - e você pode apostar que continuaremos a experimentar e encontrar ainda mais aplicações e casos de uso para beneficiar nossa equipe e as marcas com as quais trabalhamos.