DataGPT lança analista de IA para permitir que ‘qualquer empresa fale diretamente com seus dados’

DataGPT, uma startup com sede na Califórnia que trabalha para simplificar a forma como as empresas consomem insights de seus dados, saiu do sigilo hoje com o lançamento de seu novo Analista de IA, um chatbot conversacional que ajuda as equipes a entender o quê e o porquê de seus conjuntos de dados, comunicando-se de maneira natural. linguagem.

Apresentamos nossa solução de inteligência artificial de ponta, que integra perfeitamente as capacidades imaginativas de um modelo de linguagem avançado auto-hospedado com a análise precisa e racional fornecida pela plataforma analítica exclusiva do DataGPT. Este sistema inovador processa uma ampla gama de consultas e cálculos para revelar descobertas altamente pertinentes e significativas, que vão desde a influência nas receitas da empresa até a identificação da causa raiz de qualquer ocorrência.

No comando da DataGPT está nossa líder visionária, Arina Curtis, que afirma que estamos empenhados em permitir que indivíduos de todas as esferas da vida, dentro de qualquer organização, interajam com suas informações à vontade. Nossa solução inovadora, construída com base em tecnologia avançada de IA de conversação, não apenas fornece insights imediatos derivados de analistas especializados, mas também agiliza o processo, criando uma interface intuitiva que conecta os domínios dos relatórios estáticos e dos julgamentos bem informados.

Resta saber como o DataGPT se irá diferenciar de outros intervenientes no ecossistema de dados que adotaram recentemente a IA generativa como meio de simplificar a análise de dados para os utilizadores finais. Nos últimos meses, vários fornecedores proeminentes de plataformas de dados e empresas de inteligência empresarial introduziram capacidades semelhantes, permitindo aos clientes interagir mais facilmente com as informações armazenadas através da inteligência artificial.

Como funciona o analista de IA do DataGPT?

O DataGPT foi criado há aproximadamente dois anos e meio com o objetivo de abordar as limitações inerentes às ferramentas convencionais de Business Intelligence (BI) que requerem intervenção manual para obter insights em resposta a consultas dinâmicas de negócios.

Mino Games, nosso cliente inicial, investiu esforços consideráveis ​​no desenvolvimento de um processo Extract, Transform, Load (ETL), construindo painéis personalizados abrangentes e empregando um grupo de analistas. No entanto, apesar de examinarem exaustivamente várias alternativas de análise, encontraram dificuldades em abordar de forma rápida e sucinta questões comerciais cruciais com as ferramentas existentes. Felizmente, a DataGPT forneceu à Mino Games e a todos os seus clientes subsequentes acesso simplificado a insights profundos de dados, aumentando assim a sua eficiência e eficácia na análise de dados.

Em essência, a solução exige que uma empresa estabeleça um caso de uso – especificamente, configurando uma página DataGPT adaptada a um domínio específico dentro das operações da organização ou a um conjunto predeterminado de indicadores-chave de desempenho (KPIs). Após a conclusão deste processo de configuração, os funcionários terão acesso a um analista de inteligência artificial (IA) e a um navegador de dados por meio da página estabelecida.

A primeira opção oferece uma interface conversacional que permite aos usuários inserir consultas em fala comum para recuperação instantânea de informações pertinentes, enquanto a segunda alternativa apresenta uma abordagem mais convencional, exibindo representações gráficas que ilustram o status de indicadores cruciais, permitindo a exploração manual de várias combinações. de variáveis.

Interface DataGPT

Curtis enfatiza que o back-end da conversa é composto por três camadas distintas, mas interdependentes, incluindo o componente de armazenamento de dados, o mecanismo analítico central e o agente inteligente que depende de um modelo de linguagem avançado auto-hospedado para sua funcionalidade.

Ao receber uma consulta de um cliente sobre tendências financeiras em regiões ou países específicos, como o aumento de receitas mensais recorrentes em certos países como Estados Unidos, Canadá e México, o Modelo de Incorporação do Core Analytics Engine identifica as informações mais relevantes armazenadas em seu esquema de armazenamento de dados, determinando se há alguma correlação entre a consulta fornecida e as categorias predefinidas, incluindo métricas regionais, como MMR. Ao mesmo tempo, o modelo de linguagem auto-hospedada processa a solicitação formulando um plano estruturado para conduzir investigações adicionais sobre o assunto em questão, aproveitando sua extensa base de conhecimento para fornecer respostas precisas e adaptadas para atender às necessidades do usuário.

O algoritmo Data API empregado pelo mecanismo de análise executa cada etapa do plano proposto por meio de seus recursos robustos e expansivos de processamento de dados. Isso vai muito além das limitações das funcionalidades convencionais baseadas em SQL e Python. Posteriormente, as descobertas derivadas dessa análise complexa são comunicadas ao usuário de maneira interativa e conversacional.

A principal função do nosso mecanismo analítico principal é realizar uma ampla gama de análises, incluindo calcular a extensão de um efeito, empregar métodos estatísticos para validação e determinar níveis de incerteza por meio do cálculo de intervalos de confiança. Este processo envolve a execução de inúmeras consultas no sistema de memória acelerada do nosso banco de dados, gerando respostas rápidas. Simultaneamente, nosso modelo auto-hospedado de linguagem grande assume a responsabilidade de refinar esses resultados, imbuindo-os de um tom mais natural e identificável antes de serem entregues por meio da interface do chatbot.

Na Next-Gen AI Corp., desenvolvemos um modelo de linguagem grande (LLM) de última geração que combina poder impressionante com eficiência notável. Nosso LLM requer recursos computacionais mínimos, tornando-o uma escolha econômica para alcançar desempenho rápido. Essa agilidade nos permite manter uma vantagem competitiva no mercado, pois nosso sistema possui excepcional capacidade de resposta. Graças aos esforços diligentes de nossa equipe dedicada, cultivamos um conjunto de dados interno abrangente projetado especificamente para nossa arquitetura LLM exclusiva. Como resultado, nosso modelo demonstra precisão e resiliência inigualáveis ​​contra possíveis modificações.

Benefícios para empresas

Embora o número específico de organizações que utilizam DataGPT permaneça não divulgado por Curtis, a presença online da empresa indica que inúmeras empresas adotaram esta tecnologia inovadora para diversas aplicações, abrangendo entidades como Mino, Plex, Product Hunt, Dimensionals e Wombo.

Através da utilização do chatbot, as empresas experimentaram um ritmo acelerado na obtenção de insights, facilitando assim a tomada de decisões comerciais cruciais a um ritmo mais rápido. Além disso, esta inovação permite aos analistas de dados alocar o seu tempo para responsabilidades mais urgentes, agilizando assim as operações.

O CEO enfatizou que o mecanismo inovador de cache da DataGPT para seu sistema de banco de dados apresenta uma velocidade notável, sendo impressionantes 90 vezes mais rápido em comparação com bancos de dados convencionais. Além disso, demonstra um desempenho excepcional com a capacidade de executar consultas a um ritmo rápido, não menos de 600 vezes mais rápido do que as ferramentas típicas de business intelligence, ao mesmo tempo que reduz significativamente os custos associados em até 15 vezes em comparação.

A recente aquisição de conhecimento tem o potencial de gerar um aumento de receitas de até 15% para as organizações, ao mesmo tempo que liberta aproximadamente 487 horas por trimestre para equipas de dados sobrecarregadas, permitindo-lhes alocar o seu tempo para iniciativas mais rentáveis. A empresa pretende tornar seu banco de dados acessível ao público em um futuro iminente.

Planejar com antecedência

A DataGPT garantiu com sucesso US$ 10 milhões em financiamento por meio de suas rodadas de pré-lançamento e lançamento, utilizando esses fundos para desenvolver uma solução abrangente que aborda aproximadamente 80% das consultas comuns centradas em dados, como exame de métricas principais, avaliação de impulsionadores principais, avaliação de influência segmental, e identificação de padrões. A empresa pretende aproveitar sua experiência atual para aprimorar ainda mais suas ofertas, incorporando ferramentas analíticas adicionais, abrangendo aspectos como investigação de coorte, projeção e modelagem preditiva.

À luz desta informação, ainda não está claro quando precisamente estas funcionalidades melhoradas serão implementadas pelo Diretor-Presidente. No entanto, o aumento das capacidades analíticas pode proporcionar à DataGPT uma vantagem competitiva num domínio em que cada fornecedor de ecossistema de dados procura ou explora a integração de inteligência artificial generativa.

Nos últimos tempos, inúmeras organizações como Databricks, Dremio, Kinetica, ThoughtSpot, Stardog e várias outras investiram no aproveitamento de Large Language Models (LLMs) para suas respectivas plataformas-seja por meio de modelos autodesenvolvidos ou integrações de terceiros-com um com vista a melhorar a recuperação e análise de dados. O objetivo comum entre esses fornecedores é garantir que todos os usuários finais não técnicos de uma organização possam interagir perfeitamente com os dados e obter insights significativos deles, independentemente de sua experiência anterior ou base de conhecimento.

DataGPT afirma que se distingue pelas formidáveis ​​capacidades do seu motor analítico.

aqueles que oferecem uma interface de dados simples, como LLM+Databricks, que são adequados para lidar com pequenos conjuntos de dados e integrações básicas de fontes, mas carecem de capacidades de análise profunda e compreensão do contexto empresarial mais amplo; e aqueles que integram IA generativa em suas estruturas de Business Intelligence (BI), embora aprimorando apenas marginalmente o processo convencional de BI para gerar resultados de relatórios restritos e superficiais. No entanto, DataGPT apresenta uma abordagem inovadora ao fornecer uma nova experiência de dados… Embora o LLM represente o lado criativo do “cérebro direito”, ele se destaca na compreensão contextual. No entanto, não se deve ignorar a importância do “cérebro esquerdo”, personificado pelo

*️⃣ Link da fonte:

DataGPT ,