ChatGPTがもたらすローコード製品についての考え

企業の情報化構築の高度化とデジタル変革への貢献を目的として、主にToB​​企業向けにローコードプラットフォームを開発していることは、これまでの記事で何度も触れてきました。強さ。

デジタル変革の目標は、コストを削減し、効率を向上させることです。同様に、効率も当社にとって非常に重要であり、これは主に、プロトタイプを迅速に提供し、販売前に顧客とコミュニケーションをとる能力、販売中の効率的な納品に反映されます。導入プロセスやアフターセールスなど、あらゆる種類の質問に対する答えがすぐに見つかります。

最近、ChatGPT の人気が衰えず、日々新しいアプリケーションが登場していますが、ChatGPT を当社のローコード製品と組み合わせることはできるでしょうか?あるいは、この大きな言語モデルのアイデアはローコードにどのような効率向上をもたらすのでしょうか?

実際、一部の大手企業はすでにこれを実行しています。

Salesforce は、新製品 EinsteinGPT の発売を発表しました。これは、Salesforce のメイン Web アプリケーションと統合し、OpenAI ChatGPT モデルを活用して、営業担当者が見込み客と連絡を取る頻度を追跡し、マーケティング メールを自動的に作成するのに役立つ LLM テクノロジーに基づく製品です。メールを手動で書きます。

一方、Microsoft は ChatGPT テクノロジの Power Platform プラットフォームへの拡張も発表しました。 Power Platform は、「最近読んだローコード本 2 冊」でも紹介されている Microsoft のローコード製品です。これは、Power Platform 上の Power Virtual Agents と AI Builder が ChatGPT エンコード機能で更新され、ユーザーがコーディングをほとんどまたはまったく行わずに独自のアプリケーションを開発できることを意味します。

Salesforce はこれをビジネス機能に適用し、Microsoft はプラットフォーム機能を強化します。当社にとって、プリセールスおよび導入時に必要なのはアプリケーションを迅速に構築することであり、アフターセールスでは問題を迅速に解決する必要があるため、次の 2 つの方向性があります:

1. アプリケーションの効率を向上させる工事。

2. インテリジェントな質疑応答システムを構築します。

現在のプロジェクト実装手順は次のとおりです。

• 要件アナリストが顧客とコミュニケーションをとった後、要件文書がまとめられます。
• 要件アナリストは、建設エンジニアや開発者に対して要件のプレゼンテーションを行います。
• 構成によって実装できる部分は建設エンジニアによって構築および構成され、その他の部分は開発者によってカスタマイズおよび開発され、プラットフォームに統合されます。

ローコード製品が ChatGPT の機能を統合すると、システムは次のようになります:

• システムは自然言語を理解する機能を備えています。
• 需要分析や顧客とのチャットを経て作成された文書自体は自然言語で記述されています。
• システムにはチャット ダイアログ ボックスと対話機能があります。
• ダイアログ ボックスに要件の説明を入力して、キー情報を識別します。キー情報には、インターフェイスの識別とパラメーターの抽出が含まれます。
• プラットフォーム インターフェイスを呼び出して、アプリケーションを作成したり、ローカル機能を調整したりします。
• チャットしてシステムを終了するだけです。

例: 現在のリストのプロジェクト名の列幅を 500 に調整するには、ダイアログ ボックスに入力します。このとき、パラメーターを識別できる必要があります: プロジェクト名と幅 500 であり、調整列幅のインターフェイスを呼び出す必要があることがわかります。

既存のローコード プラットフォームがバックグラウンドでさまざまな構成を完了し、[保存] をクリックすると、フロントエンドがすべてのデータを収集してインターフェイスに渡します。インターフェイスの粒度は比較的粗く、コンテンツが多くなります。は一度に保存されますが、上記の例では、列の列幅設定を調整するにはインターフェイスが必要であり、インターフェイスの粒度が非常に細かい必要があるため、インターフェイスの粒度を変換することがインテリジェンスを実現するための最初のステップとなります。

上で述べたように、ChatGPT を統合する機能は ChatGPT への直接のインターフェイスではないため、実装は依然として非常に困難です。ただし、新しいテクノロジーが台頭し、ToB 市場で完全に普及するまでには時間があり、方向性が正しい限り、準備する時間は必ずあります。

現在、プロジェクトの実施プロセスにはいくつかの問題があります。そのため、インテリジェントな質問システムが非常に重要です。

• プラットフォームには多くの機能があり、非常に柔軟であるため、同じさまざまなニーズを持つ人々は、実装するためのさまざまな方法やアプローチを持っており、作業負荷は数倍異なる場合があります。
• 実装プロセス中に発生するさまざまな製品の問題については、馴染みの同僚に尋ねるか、製品チームに相談する必要があります。

現在の方法はドキュメントから検索することです。 ビジネスシナリオの事例、運用マニュアル、導入FAQマニュアルなど、長年にわたって多くのドキュメントが蓄積されています。 .、しかし、キーワード検索に基づいて、キーワード検索にはいくつかの問題があります:

キーワードを抽出する方法がわからないことがよくあります。
• 検索結果は非常に大きいため、正確に一致させることができません。ドキュメントの数が増えると、多数の結果をフィルタリングする必要があります。
• 特定のビジネス シナリオ向けの構築ソリューションを探している場合、適合性は非常に悪いです。

ChatGPT の考え方に従う場合、インテリジェントな質問と回答システムのロジックは次のようになります:

• 沈殿したすべての文書 (コーパス) はベクトル データを生成し、ベクトル データベースに保存します。
• 入力自然言語はベクトルを生成し、類似度を計算し、関連する結果を見つけます。
• 出力を整理します。

この質問について、ナレッジ プラネットの Zhang Shanyou 氏に質問しました。次の写真は Zhang Shanyou から提供されました:

Baoyu はプッシュしています同様の質問にも回答しました:

https://twitter-thread.com/t/1641656561650249730。

しかし、Zhang Shanyou と Baoyu が提供するパラメーターはすべて OpenAI インターフェイスに依存しています。OpenAI に依存せずにこれを実現する方法はありますか?これにはさらなる調査と研究が必要です。

私は最近、Supabase 製品ドキュメントに AI Q&A が提供されているのを見ました (https://supabase.com/docs)。この効果が私が達成したいことです。要約すると、これは自然言語入力に基づいており、次のようになります。正確な答え。

未来が到来しました。淘汰されないためには、製品も個人も学び続け、進化し続ける必要があります。

以上がChatGPTがもたらすローコード製品についての考えの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。