OpenAI ha recentemente presentato GPT-4, l'ultima versione del suo modello linguistico. Questa iterazione fornisce miglioramenti significativi nella generazione e nella capacità di ragionamento rispetto ai modelli GPT-3. Riteniamo che GPT-4 e gli LLM successivi trasformeranno l'automazione dell'integrazione di dati e applicazioni.
La visione di SnapLogic è quella di offrire un'integrazione e un'automazione senza attriti. Abbiamo contribuito all'incorporazione della tecnologia AI e ML per semplificare l'integrazione, l'automazione e l'orchestrazione dei flussi di dati nelle aziende. La nostra soluzione Iris AI, addestrata su oltre petabyte di metadati, ha già fornito un enorme valore ai nostri clienti negli ultimi sei anni. Ora stiamo esplorando attivamente l'uso di GPT-4 per migliorare ulteriormente le capacità della nostra piattaforma.
I modelli linguistici di grandi dimensioni (LLM) come il GPT-4 possono aiutare le organizzazioni a semplificare e automatizzare l'integrazione dei processi aziendali e a unificare i dati tra le applicazioni in data warehouse per la creazione di report e per l'analisi descrittiva e predittiva.
Cosa abbiamo visto finora
In SnapLogic abbiamo prototipato una serie di casi d'uso di integrazione e automazione utilizzando ChatGPT (GPT-3.5) per collegare le intenzioni espresse nel linguaggio aziendale con l'implementazione tecnica per realizzare l'obiettivo aziendale. Volevamo vedere come l'aumento del ragionamento e il supporto di prompt più lunghi di GPT-4 avrebbero migliorato i nostri casi d'uso basati sull'integrazione.
Negli ultimi due giorni, abbiamo rapidamente testato e confrontato i nostri precedenti prompt sia con GPT-3.5 che con GPT-4. Inoltre, abbiamo sperimentato casi d'uso completamente nuovi e più impegnativi. Finora siamo rimasti estremamente colpiti dalla maggiore accuratezza delle risposte del GPT-4. Vale la pena notare che il GPT-4 è attualmente più costoso per token (lunghezza del prompt) e leggermente più lento nella generazione delle risposte. Detto questo, il costo e il tempo sembrano giustificati dalla maggiore precisione delle risposte.
Il nostro interesse è motivato dall'enorme pressione che le imprese devono affrontare per aumentare l'agilità e ridurre i costi. Nel nostro lavoro, abbiamo scoperto che la frammentazione dei processi e dei dati dovuta alla proliferazione simultanea di applicazioni SaaS dipartimentali, il crescente uso di API pubbliche e interne e l'esplosione di dati eterogenei provenienti dai sistemi aziendali dipartimentali sono alcuni dei maggiori ostacoli all'agilità aziendale.
Casi d'uso dell'IA nell'integrazione e nell'automazione dei dati
Riteniamo che gli LLM possano semplificare le integrazioni di dati e applicazioni nelle seguenti aree:
1. Estrazione
SQL è il linguaggio dei dati aziendali sia nei database che nei data warehouse cloud . Il 65% delle pipeline dei nostri clienti include almeno uno snap SQL. L'elaborazione delle query all'interno di questi snap può essere un processo impegnativo, che richiede una conoscenza approfondita non solo dell'SQL, ma anche delle strutture dei database di destinazione e delle sfumature specifiche di ciascun data store. Le avanzate funzionalità NLP di GPT-4 possono semplificare la formulazione delle query SQL. Grazie alla capacità di comprendere strutture di dati e relazioni complesse, GPT-4 può aiutare gli utenti a generare query più accurate ed efficaci utilizzando suggerimenti in linguaggio naturale. Ciò può ridurre significativamente il tempo e le competenze tecniche necessarie per estrarre i dati da varie fonti.
2. Trasformazione
GPT-4 può semplificare il processo di preparazione dei dati automatizzando la trasformazione dei dati da un formato all'altro. Grazie a funzionalità avanzate di apprendimento automatico, GPT-4 è in grado di identificare schemi e relazioni all'interno dei dati e di generare la logica necessaria per trasformarli automaticamente nel formato desiderato. In questo modo è possibile ridurre significativamente il tempo e l'impegno necessari per la preparazione dei dati e aumentarne l'accuratezza.
3. Creazione della pipeline di dati
Grazie ai suggerimenti in linguaggio naturale, GPT-4 è in grado di semplificare la creazione di pipeline di dati, guidando gli utenti attraverso il processo. Specificando i propri requisiti con un linguaggio colloquiale, gli utenti possono ridurre al minimo l'intervento manuale, poiché GPT-4 genera il flusso di elaborazione, le espressioni o gli script necessari per creare la pipeline. Questo può far risparmiare tempo alle organizzazioni e ridurre gli errori nel processo di creazione della pipeline. Inoltre, GPT-4 può suggerire le configurazioni appropriate per le connessioni ai dati, eliminando così la sfida della connessione ai dati aziendali.
4. Garanzia di qualità
GPT-4 può aiutare ad automatizzare i test e la garanzia di qualità dei processi di integrazione e orchestrazione di dati e applicazioni. Abbiamo scoperto che GPT-4 è in grado di riassumere piccoli campioni di dati e di identificare problemi di qualità dei dati, come errori e conflitti. Queste risposte possono quindi essere utilizzate per applicare trasformazioni di pulizia dei dati su un set di dati più grande per produrre dati di alta qualità per il database di destinazione o il data warehouse cloud .
5. Risoluzione dei problemi
In caso di problemi o errori nei processi di integrazione e orchestrazione di dati e app, GPT-4 può aiutare a risolvere il problema. Grazie alla capacità di riassumere strutture di dati e relazioni complesse e di trasformare i complicati messaggi di errore del sistema in un linguaggio semplice, GPT-4 è in grado di identificare rapidamente la causa principale del problema e di suggerire potenziali soluzioni. Ciò può ridurre significativamente il tempo e l'impegno necessari per la risoluzione dei problemi e aumentare l'efficienza del sistema.
6. Approfondimenti
Le funzionalità avanzate di NLP di GPT-4 possono aiutare gli utenti a ottenere approfondimenti su un sottoinsieme di dati aziendali, consentendo loro di porre domande ai dati in linguaggio naturale. La possibilità per gli esperti di materia non tecnici di porre domande nei loro termini può ridurre significativamente il tempo e l'impegno necessari per l'analisi dei dati e aumentare l'accuratezza degli approfondimenti.
Riteniamo che le capacità avanzate di NLP, machine learning ed elaborazione dei dati di GPT-4 offrano notevoli opportunità di semplificare e automatizzare i processi di integrazione e orchestrazione di dati e app.
Continuare la conversazione: qual è il prossimo passo?
Noi di SnapLogic siamo entusiasti di vedere il potenziale del GPT-4 e non vediamo l'ora di esplorare ulteriormente le sue capacità, mentre continuiamo a realizzare la nostra visione di lunga data di integrazione e automazione senza attrito.
Ci stiamo muovendo velocemente e siamo fiduciosi che, collaborando con la comunità SnapLogic, saremo in grado di offrire una nuova esperienza che sia trasformativa in termini di time to value, fornendo risultati all'azienda sia in termini di ricavi che di profitti.
Un ringraziamento speciale a Greg Benson, Chief Scientist, e Manish Rai, Vice President, Product Marketing di SnapLogic, per le loro riflessioni e i loro contributi a questa discussione in divenire.
Per continuare la conversazione e saperne di più su questi progressi, guardate l'evento Reveal: Il futuro dell'integrazione con l'intelligenza artificiale generativa, ora disponibile on-demand.
