\n<\/p>\n
En lo que va de semana, hemos visto la IA generativa llegar a CRM desde Salesforce y a los chatbots de servicio al cliente de Forethought, y esos son solo los que he cubierto personalmente. Hoy, analizamos la entrada de IA generativa de ThoughtSpot, que le permite consultar sus datos usando lenguaje natural para obtener texto o un gr\u00e1fico, seg\u00fan corresponda, con la respuesta correcta.<\/p>\n
Este es un enfoque en el que Thoughtspot ha estado trabajando durante a\u00f1os. En 2019, cuando habl\u00e9 con la empresa con motivo de su Serie E de 248 millones de d\u00f3lares (en ese momento, la empresa estaba valorada en 1950 millones de d\u00f3lares), ya estaba usando IA para convertir consultas en lenguaje sencillo como \u00ab\u00bfcu\u00e1l es el calzado m\u00e1s vendido en Portland?\u00bb ‘ en SQL detr\u00e1s de escena y entregando una respuesta.<\/p>\n
Eso no es tan diferente de lo que anuncia hoy, pero ahora depende de GPT-3 para permitir a los usuarios ingresar una consulta y obtener un resultado similar. Solo tom\u00f3 algo de tiempo para que la tecnolog\u00eda se pusiera al d\u00eda con la visi\u00f3n.<\/p>\n
\u201cSiempre quisimos construir una interfaz basada en la intenci\u00f3n de lenguaje natural puro. De hecho, puedo decirles que hace cuatro a\u00f1os ten\u00edamos un proyecto interno para construir nuestro propio modelo de lenguaje grande. Hicimos una pausa porque sab\u00edamos que cuando las capacidades del modelo de lenguaje grande p\u00fablico estuvieran disponibles, podr\u00edamos ponerlo en la cima. [of our our products] y ofrecer la mejor plataforma, la m\u00e1s flexible y altamente precisa, y eso es lo que hemos hecho\u201d, dijo a TechCrunch el CEO de ThoughtSpot, Sudeesh Nair.<\/p>\n
Quiz\u00e1s la mayor cr\u00edtica de ChatGPT es que a veces da una respuesta incorrecta, pero es esencial que Thoughtspot brinde una respuesta precisa al usar la tecnolog\u00eda para consultar datos. En este sentido, la empresa aprovecha la API GPT-3 para ayudar a traducir el lenguaje natural a SQL, pero tambi\u00e9n agrega su propia capa para asegurarse de que entrega la \u00fanica respuesta correcta porque con los datos no hay lugar para el error.<\/p>\n
\u201cEs por eso que si bien los modelos de lenguaje grandes tienen sentido, hacerlos confiables para la inform\u00e1tica comercial, para consultas de bases de datos, es un cambio de juego completo y\u2026 en realidad hemos construido la pila de manera diferente para brindar precisi\u00f3n y confianza a escala en grandes empresas\u201d, dijo Nair. .<\/p>\n
La compa\u00f1\u00eda entiende que no importa cu\u00e1nto se esfuerce, no siempre lo har\u00e1 bien, por lo que tambi\u00e9n ha creado un circuito de retroalimentaci\u00f3n para informarles cu\u00e1ndo cometieron un error, ya sea por inexactitud o porque el cliente present\u00f3 los datos de manera diferente. de c\u00f3mo lo hace el algoritmo.<\/p>\n
El usuario puede cambiar la forma en que mide algo editando la consulta, o dando un pulgar hacia arriba o hacia abajo, seg\u00fan la respuesta, y el programa puede usar esta retroalimentaci\u00f3n para ajustar las respuestas en el futuro.<\/p>\n
Entran en juego diferentes tipos de IA, tanto cuando el usuario hace la pregunta como cuando Thoughtspot recupera y genera la respuesta. Adem\u00e1s, Thoughtspot AI puede ayudar a los expertos en datos de las empresas a crear modelos de datos personalizados para sus datos de origen.<\/p>\n
La compa\u00f1\u00eda fue fundada en 2012 y ha recaudado m\u00e1s de $660 millones, seg\u00fan Crunchbase. Hoy se abre una versi\u00f3n beta privada de la nueva integraci\u00f3n con GPT-3.<\/p>\n<\/p><\/div>\n