Иэн Готтс является основателем и генеральным директором в Elements.cloud.
С момента изобретения компьютеров нам приходилось говорить на их языке – кремнии. С течением времени языки программирования сделали написание программ быстрее.
• Механический компьютер Тьюринга.
• Перфокарты.
• Процедурные (COBOL, Fortran).
• Объектно-ориентированные (Java, Apex).
• Разметка и скрипты (HTML, Javascript).
• Низкокодовые (Salesforce, Bubble).
Нам нужно писать на их языке, использовать их синтаксис и быть точными. Если один символ или точка с запятой не на своем месте, программа не запустится. Кроме того, нам нужно четко формулировать логику, иначе мы не получим ожидаемый ответ. Мы вводили ошибки в программы, которые потом приходилось искать и устранять. Компьютеры не очень помогают нам в поиске ошибок. Мы не можем провести разговор с кодом. Нам нужно “проверить на бумаге” код и логику, чтобы найти ошибку.
Итак, почему это называется “багом”? Грейс Хоппер (1906–1992) была американским ученым-компьютерщиком, математиком, контр-адмиралом ВМС США и одним из первых программистов компьютера Mark I Гарвардского университета. Операторы выявили ошибку в Mark II, связанную с молью, застрявшей в реле, после чего появился термин “баг”. Хотя Хоппер сама не сообщила об этой ошибке, она стала ответственной за то, что сделала этот случай известным.
ИИ существует с 1950-х годов. 1956 год и воркшоп в Дартмуте стали ключевым событием, отмечающим официальное начало ИИ как академической дисциплины. Основной целью этого воркшопа было исследование возможностей создания машин, способных имитировать человеческий интеллект, что открыло путь к осознанному исследованию в области ИИ.
Теперь мы даже не замечаем присутствие ИИ. Он есть в наших телефонах с предиктивным текстом, он составляет часть наших покупочных впечатлений, рекомендуя товары, и в наших CRM-системах с предложением следующих шагов.
Но ChatGPT изменил то, что стало возможным с помощью ИИ. За менее чем 18 месяцев с момента запуска ChatGPT, он касается всех аспектов нашей жизни. То, что делает GPT таким отличным от предыдущих вариантов ИИ, – это его способность понимать и отвечать на естественном языке. Но он также может взять этот естественный язык и написать код. Теперь ему не нужны люди, следовать очень конкретному синтаксису – код.
Теперь мы можем говорить на нашем языке – углероде.
Это не означает, что мы можем халатно относиться к нашим словам. Если мы хотим чего-то, как и делегируем работу стажеру, нам нужно быть конкретными и ясно указывать, чего мы хотим. GPT не освобождает нас от критического мышления, анализа бизнеса и четких инструкций. Но мы можем запрашивать запросы, как угодно. Ты и я можем задать один и тот же вопрос и получить одинаковый ответ, но вопрос может быть сформулирован по-разному.
Это окажет глубокое воздействие на тех, кто пишет корпоративные приложения. Теперь мы можем задавать вопросы о наших данных, а не писать SQL-запросы, кодировать отчеты и создавать панели инструментов. GPT получает вопрос, интерпретирует его и выдает ответ, требующий код для его получения. Он даже может форматировать ответ в виде текста, диаграммы или загружаемого файла.
Тем не менее, нам нужны первичные данные для запросов, и они хранятся в наших корпоративных приложениях (например, системы управления клиентами, системы учета запасов, системы бронирования исчетов). Нам нужно сделать эти данные доступными для GPT. Нам все еще нужно разрабатывать приложения, но это изменяет способ, которым поставщики приложений думают о своем плане продукта.
Некоторые изменения включают в себя:
• Необходимость агрегировать данные в хорошо документированных базах данных с метаданными.
• Необходимость создания различных интерфейсов, таких как чат, для доступа к этим данным.
• Меньшая необходимость в создании экранных страниц ввода и сводок и панелей инструментов.
• План разработки на основе нового UX.
Этот последний пункт заставит нас пересмотреть захват данных и заменить вводные экранные страницы транскрипцией аудио, которая идентифицирует данные и действия для заполнения базы данных. Вместо экранов для просмотра дат нам нужно активировать чат-интерфейсы для запроса данных (например, задавать вопросы о самых важных клиентах, которые, вероятно, уйдут). Чат-интерфейсы должны интерпретировать, какие данные запрашивать, чтобы предоставить результаты из-за ограничения токенов. Нам также нужно предоставлять инструменты для внедрения GPT в операционные процессы (например, автогенерация пользовательских электронных писем поддержки). И нам нужны библиотеки подсказок или дискуссий, которые можно переиспользовать (например, “Пожалуйста, перечислите все продукты, у которых запасы будут недоступны, если следующую поставку задержат на одну неделю.”).
Мы уже видим этот изменения в использовании Elements.cloud, корпоративного приложения, которое содержит всю документацию конфигурации для нашей реализации Salesforce. Вот несколько реальных примеров.
Elements Analytics360 – это набор панелей и отчетов для измерения состояния нашей конфигурации Salesforce, ее использования и его влияния на изменения в бизнесе. Команде понадобилось шесть месяцев на его создание (примерно 19 000 часов). Мы реплицировали это менее чем за час с помощью GPT.
Elements Metadata Copilot позволяет задавать запросы на естественном языке в метаданные и зависимости. Удаление управляемых пакетов Salesforce (расширений функциональности или плагинов) очень рискованно, если вы не знаете, есть ли у метаданных внешние зависимости. Управляемый пакет может включать 1 000 компонентов метаданных, и все из них нужно проверить. Это потребует очень сложного индивидуального отчета или недель перепроверки. Но запрос GPT “Можете ли вы перечислить зависимости в метаданных, у которых в API-имени есть ‘{префикс пространства имен.}’, и зависимость, которую вы нашли, не имеет ‘{префикс пространства имен.}’ в API-имени, и представить это в виде CSV-файла” мгновенно дал ответ.
ChatGPT открывает возможности для создания и запроса корпоративных приложений, что приятно. Нам нужно лучше понимать данные, которые мы храним, удостовериться в их документировании и обеспечить лучшее управление данными. Поставщикам приложений нужно переосмыслить UX и определить, куда должны быть направлены их усилия в разработке.
