Produktmanagement und generative KI und ChatGPT: Werden Sie zehnmal Produktmanager

1. Willkommen beim Kurs!: Jeder, und willkommen. Hier werden wir über generative KI-Technologie sprechen , einen Begriff, den Sie wahrscheinlich noch häufiger gehört haben als Blockchain, DFI oder NFTs, da es heute das heißeste Thema in der Technologielandschaft ist Wir beginnen mit einem Überblick über die EI-Landschaft in ihrer heutigen Form. Eine optionale Vorlesung für diejenigen, die die breitere EI-Landschaft erkunden möchten , die über generative KI hinausgeht Als Nächstes werden wir Vorträge halten, generative KI-Technologie vorgestellt wird und wie Unternehmen von ihrer Integration in ihre Produkte oder Dienstleistungen profitieren können . Da es sich um einen Produktmanagement-Kurs handelt, werden wir uns natürlich damit befassen, wie sich generative KI Produktivität eines Produktmanagers auswirken wird. Danach wählen Sie eine Aufgabe aus, bei der Sie Unterstützung durch generative KI wünschen , und wir erstellen Ihren eigenen KI-Assistenten , den Sie sofort verwenden können. Ich wünsche Ihnen viel Spaß beim Lernen und finde die nächsten Vorlesungen sowohl spannend als auch aufschlussreich, während wir gemeinsam alle Möglichkeiten der generativen KI erkunden gemeinsam alle Möglichkeiten der generativen KI 2. KI-Landschaft von heute: Eins. Willkommen zurück. In dieser Vorlesung werden wir einen Überblick über die heutige KI-Landschaft geben. Lassen Sie uns zunächst definieren, was KI ist. Einfach ausgedrückt ist KI die Fähigkeit von Maschinen, auf ähnliche Weise wie wir Menschen zu lernen, zu verstehen, zu argumentieren und zu interagieren. Auf diese Weise können Maschinen neue Probleme lösen , die sie zuvor nicht lösen konnten. Zum Beispiel unterstützt KI die Sprachassistenz, wie Siri Filme auf Netflix empfiehlt, hilft Ärzten bei der Diagnose von Krankheiten KI umfasst eine Reihe von Technologien, von einfachen automatisierten Regeln in alltäglichen Geräten bis hin zu fortschrittlichen Systemen , die lernen und KI kann zwar spezifische Aufgaben auf oder über der menschlichen Ebene ausführen, Zeitpunkt der Aufnahme dieses Videos besitzt sie weder allgemeine Intelligenz noch Bewusstsein In jüngster Zeit hat KI auch in kreativen Bereichen bedeutende Fortschritte erzielt Kunst, Musik und Literatur hervorgebracht. Okay, jetzt, wo Sie verstehen, was KI ist, wollen wir darüber sprechen, wie Maschinen in ihrem Kern tatsächlich lernen. Maschinelles Lernen, eine Schlüsselkomponente der KI besteht darin, Computern beizubringen , Muster zu erkennen und Entscheidungen auf der Grundlage von Daten zu treffen. Dieser Prozess ähnelt in gewisser Weise der Art und Weise, wie Menschen aus Erfahrungen lernen. Aber anstatt aus Lebenserfahrungen zu lernen, lernen Maschinen aus Daten. Maschinen lernen auf unterschiedliche Weise, hauptsächlich in drei Typen unterteilt werden. Überwachtes Lernen, unbeaufsichtigtes Lernen und verstärkendes Lernen Dies nennen wir die grundlegenden Lernmethoden Jede dieser Methoden hat ihren eigenen Lernansatz und wird für verschiedene Arten von Aufgaben verwendet Beim überwachten Lernen werden KI-Modelle anhand von gekennzeichneten Daten trainiert KI-Modelle anhand von gekennzeichneten Daten Labels sind Identifikatoren, die mit Eingabedaten verknüpft sind. Sie können beispielsweise in einem Datensatz von Tierfotos textuell sein , wobei jede Fotoeingabe Sie müssen mit dem Namen der Tiere beschriftet werden, z. B. Katze, Hund usw. Ein anderes Beispiel sind numerische Bezeichnungen, denen Immobilienpreise anhand von Merkmalen vorhergesagt werden können Überwachtes Lernen ist unverzichtbar für Anwendungen, bei denen das Modell lernt, Ergebnisse anhand der bereitgestellten Beispiele vorherzusagen . Dazu gehören Spracherkennung, Bildklassifizierung und Expertensysteme, KI-Systeme, die die Entscheidungsfähigkeit eines menschlichen Experten in einem bestimmten Bereich nachahmen Entscheidungsfähigkeit eines menschlichen Experten in einem bestimmten Bereich Unüberwachtes Lernen konzentriert sich darauf, Muster oder Strukturen in unbeschrifteten Daten zu finden Muster oder Strukturen in unbeschrifteten Mit anderen Worten, es entdeckt die zugrunde liegenden Muster in den Daten ohne Das unbeaufsichtigte Lernen spielt in Bereichen wie Empfehlungssystemen eine zentrale Rolle . Dabei handelt es sich um Systeme, die Benutzerpräferenzen vorhersagen und entsprechende Elemente vorschlagen Es wird auch in bestimmten Bereichen des maschinellen Sehens eingesetzt , bei dem es darum geht, Maschinen in die Lage zu versetzen, visuelle Informationen aus der Umgebung zu interpretieren und darauf zu reagieren aus der Die dritte Methode ist Reinforcement-Learning. Es konzentriert sich auf Trainingsmodelle, um Entscheidungen durch Versuch und Irrtum zu treffen, Feedback aus der Umgebung zu erhalten und optimale Maßnahmen durch Belohnungen zu erlernen. Es ist von zentraler Bedeutung für Robotik, autonome Fahrzeuge und einige Planungs- und Terminierungsaufgaben wie Ressourcenmanagement und automatisierte Planungssysteme. Bitte beachten Sie, dass die meisten Anwendungsbereiche auf einer Kombination verschiedener Lernmethoden beruhen , um die jeweiligen Stärken optimal zu nutzen Dieser Ansatz führt häufig zu einer besseren Leistung und robusteren Lösungen Beispielsweise integrieren viele moderne Empfehlungssysteme alle drei Methoden ihre Stärken optimal zu nutzen Überwachtes Lernen bietet Genauigkeit, die auf historischen Daten basiert , z. B. bei der Vorhersage und Empfehlung neuer Filme oder Produkte, die einem Nutzer gefallen könnten auf der Grundlage historischer Daten mit Benutzerpräferenzen Auf der anderen Seite bietet unbeaufsichtigtes Lernen Einblicke in Nutzer, die anhand von Bewertungen allein möglicherweise nicht ersichtlich sind Clustering-Algorithmen, eine Art von Technik des unbeaufsichtigten Lernens, bei der Daten auf der Grundlage von Ähnlichkeiten in Clustern oder Gruppen organisiert Daten auf der Grundlage von Ähnlichkeiten in Clustern oder Gruppen Es könnte sich herausstellen, dass bestimmte Benutzergruppen dazu neigen, Filme ähnlicher Genres anzusehen auch ohne ausdrückliche Bewertungen, und Filme empfehlen, die auf diesen Clustern basieren Und schließlich für den Fall, dass wir möchten, dass die Empfehlungsmaschine dynamisch ist und die Empfehlungen an die Art und Weise anpasst wie Benutzer mit unterschiedlichen Inhalten interagieren. Beim Stöbern, Ansehen von Trailern, Auswählen und Ansehen von Filmen kommt beispielsweise Auswählen und Ansehen von Filmen kommt beispielsweise Reinforcement-Learning ins Spiel. Das System lernt, indem Laufe der Zeit mit Benutzern interagiert, und passt seine Empfehlungen auf der Grundlage der Benutzerinteraktion und des Feedbacks an. Ordnung. Unser Überblick über die KI-Anwendungsbereiche wäre ohne die anderen beiden, die auch alle drei grundlegenden Lernmethoden nutzen, nicht vollständig ohne die anderen beiden, die auch alle drei grundlegenden Lernmethoden nutzen Diese Anwendungsbereiche sind natürliche Sprachverarbeitung oder NLP NLP beinhaltet das Verstehen, Interpretieren und Generieren menschlicher Sprache und wird in Anwendungen wie Sprachübersetzung, Stimmungsanalyse, Chatboards und Sprachunterstützung verwendet Stimmungsanalyse, Chatboards und Und schließlich generative KI, der Begriff, der 2023 sehr populär geworden ist und von dem Sie wahrscheinlich schon einmal gehört haben Es ist ein Überbegriff, der verschiedene Techniken umfasst, die darauf abzielen , neue Originalinhalte zu erstellen die es noch nie zuvor gegeben hat, wie Bilder oder Text, die Beispiele aus der realen Welt nachahmen oder von ihnen inspiriert Unser nächster Vortrag wird sich darauf konzentrieren mehr über generative KI-Technologie zu erfahren Aber bevor wir beginnen, lassen Sie uns zusammenfassen, was wir in dieser Vorlesung gelernt haben. KI ist die Fähigkeit von Maschinen, auf ähnliche Weise wie wir Menschen zu lernen, zu verstehen , zu argumentieren und zu interagieren. eine Schlüsselkomponente der KI Maschinelles Lernen ist eine Schlüsselkomponente der KI und beinhaltet das Unterrichten von Computern, Muster zu erkennen und Entscheidungen auf der Grundlage von Daten zu treffen. Maschinen lernen auf unterschiedliche Weise, hauptsächlich unterteilt in drei Typen oder grundlegende Lernmethoden: überwachtes, unbeaufsichtigtes und verstärkendes Beim überwachten Lernen wird KI anhand von beschrifteten Daten gelehrt. Unüberwachtes Lernen findet Datenmuster ohne Anleitung, und beim Reinforcement-Lernen wird durch Feedback Die meisten Anwendungsbereiche basieren auf einer Kombination dieser Lernmethoden, um die Stärken der einzelnen Methoden optimal zu nutzen Generative KI ist ein Überbegriff, der verschiedene Techniken umfasst, die darauf abzielen neue Inhalte zu erstellen, die es noch nie gegeben hat, inspiriert von Beispielen aus der realen Welt Ordnung. Und das war's für den Vortrag, und wir sehen uns im nächsten Video. 3. Einführung in generative KI (Teil 1): Hallo zusammen. Wenn Sie die vorherige Vorlesung gesehen haben, haben Sie bereits eine erste Vorstellung davon , was generative KI ist. Da diese Vorlesung optional war, möchte ich die Definition für diejenigen unter Ihnen, die sich entschieden haben, sie zu überspringen, noch einmal zusammenfassen für diejenigen unter Ihnen, die sich entschieden haben, sie zu überspringen Generative KI bezieht sich auf Algorithmen, die auf der Grundlage der Daten, auf denen sie trainiert wurden, neue Inhalte, Ideen oder Vorhersagen erstellen können Grundlage der Daten, auf denen sie trainiert wurden, neue Inhalte, Ideen oder Vorhersagen Daten, auf denen sie trainiert wurden Wie die traditionelle KI, die sich darauf konzentriert , Muster zu identifizieren und Entscheidungen zu treffen, kann die generative KI neue Daten erzeugen, egal ob es sich um Text, Bilder, Musik oder sogar Code handelt. Sie kann Artikel verfassen, Geschäftsberichte erstellen, Grafiken entwerfen und vieles mehr, indem sie aus riesigen Informationsmengen lernt. Aber lassen Sie uns diese allgemeine Definition aufschlüsseln und uns das generative KI-Ökosystem ansehen, das als Trichter mit mehreren Ebenen visualisiert werden kann, von denen jede eine andere Ebene der KI-Infrastruktur darstellt Ganz oben im Finale stehen KI-Anwendungen und Dies sind die Tools und Plattformen , mit denen Endbenutzer direkt interagieren. Das prominenteste Beispiel hierfür ist Chat GPT, ein von Open AI entwickeltes Chat-Board zur Textgenerierung, das innerhalb von 1 Million Nutzer erreichte nur fünf Tagen nach seiner Damit ist es das am schnellsten wachsende Kind aller Zeiten. Durch die sofort einsatzbereite Barrierefreiheit unterscheidet sich eine generative KI von allen KI-Vorgängern. Benutzer benötigen keinen Abschluss in maschinellem Lernen, um damit zu interagieren oder ihren Wert zu erkennen. Fast jeder, der Fragen stellen und es nutzen kann. Ein weiteres berühmtes Beispiel für generative KI-Produkte ist Mid Journey. Es generiert einzigartige visuelle Inhalte auf der Grundlage Textbeschreibungen oder Eingabeaufforderungen von Benutzern zeigt die kreativen Fähigkeiten der KI bei der Generierung neuer und origineller Es gibt auch einen zunehmenden Trend bei Unternehmen ihre Produkt-Roadmaps zu ändern, indem generative KI-Funktionen in ihre bestehenden Produkte integrieren , um die Funktionalität zu erweitern, Benutzererfahrung zu verbessern und innovative Lösungen anzubieten und Hier sind nur einige Beispiele. Microsoft führte im November 2023 Microsoft 365 Copilo ein, eine Reihe generativer KI-Funktionen direkt in die Suite von Microsoft Office-Anwendungen wie Word, Excel, Power Point, Outlook und anderen integriert die Suite von Microsoft Office-Anwendungen wie Word, Excel, Power Point, Outlook und anderen Es verwendet fortschrittliche KI-Modelle, wie sie von Open AI entwickelt wurden , um Funktionen bereitzustellen , die Benutzern helfen, Text zu generieren, Dokumente zusammenzufassen, Daten zu erstellen und zu analysieren, Präsentationen zu entwerfen, das Verfassen von E-Mails zu automatisieren und vieles mehr Iki brachte dann im Oktober 2023 eine Suite von Open AI-Tools und fügte einen Monat später Lese- und Schreibwerkzeuge sowie Tools hinzu, die beim Schreiben von Profilen, Rekrutierungsanzeigen und Unternehmensseiten helfen Rekrutierungsanzeigen und Unternehmensseiten Adobe, ein Softwareunternehmen, das seinen Nutzern digitale Marketing- und Medienlösungen anbietet , hat im März 2023 die generative KI-Anwendung Firefly auf den Markt gebracht im März 2023 die generative KI-Anwendung Firefly Führte Funktionen auf Basis von Firefly in seine Flaggschiffprodukte wie Photoshop und Okay, ich denke, das sind vorerst genug Beispiele. Wenn Sie Ihr eigenes bevorzugtes generatives KI-Produkt oder -Feature haben , vergessen Sie bitte nicht, dessen Namen im Bereich Fragen und Antworten für diesen Vortrag anzugeben Lassen Sie uns die Ebenen des AIC-Systems weiter untersuchen die Ebenen des AIC-Systems Unter den KI-Apps und -Agenten finden wir grundlegende Modelle. Stellen Sie sich sie als die Motoren vor, die hinter der Kreativität und Intelligenz generativer KI-gestützter Apps und Funktionen Ein grundlegendes Modell ist ein groß angelegtes KI-Modell, das auf riesigen und vielfältigen Datensätzen aus vielen verschiedenen Quellen trainiert auf riesigen und vielfältigen Datensätzen wurde, darunter Bücher, Artikel, Websites, Bilder und andere digitale Inhalte, sodass das Modell aus einer Vielzahl von Informationen lernen aus einer Vielzahl von Da grundlegende Modelle auf solch riesigen Datensätzen trainiert werden , können sie ein breites Wissensspektrum erfassen, wodurch sie äußerst vielseitig sind und für zahlreiche Aufgaben angepasst werden können angepasst werden grundlegendes Modell kann beispielsweise schnell eine umfangreiche Forschungsarbeit zum Klimawandel zusammenfassen, Kundenservice-Skript für einen Online-Händler schreiben und verschiedene Meditationstechniken vorschlagen, und verschiedene Meditationstechniken vorschlagen auf dem Stresslevel einer Person basieren Der Nachteil dieser weitreichenden Fähigkeit ist, dass generative KI derzeit manchmal weniger genaue Ergebnisse liefern kann, generative KI derzeit manchmal weniger genaue Ergebnisse liefern kann , was die Bedeutung einer sorgfältigen KI-Überwachung und eines sorgfältigen Risikomanagements unterstreicht sorgfältigen KI-Überwachung und eines sorgfältigen Risikomanagements kann sich um unterschiedliche Grundmodelle handeln, darunter umfangreiche Sprachmodelle, Modelle zur Bilderzeugung, Videogenerierung und Modelle mit mehreren Diese verschiedenen Arten von Basismodellen basieren alle auf ähnlichen Prinzipien des Datentrainings in großem Maßstab, sind jedoch für unterschiedliche Ergebnisse und Anwendungsfälle optimiert Lassen Sie uns einige Beispiele durchgehen. 4. Einführung in generative KI (Teil 2): Große Sprachmodelle sind fortschrittliche Modelle für maschinelles Lernen speziell dafür entwickelt wurden, menschliche Sprache zu verstehen, zu erzeugen und zu manipulieren. Diese Modelle werden mit riesigen Mengen an Textdaten trainiert und ermöglichen es ihnen, das nächste Wort in einer Sequenz vorherzusagen, kohärenten Text zu generieren, Sprachen zu übersetzen, Fragen zu beantworten, Dokumente zusammenzufassen und sogar Überlegungen anzustellen Beispiele für umfangreiche Sprachmodelle sind die GPT-Serie von OpenAI, die Cloud, die von einer Firma namens Tropic Models from Mistral entwickelt wurde und von der Firma Mistral , Lama, von Meta und anderen entwickelt wurde. Die vorhandenen Fähigkeiten großer Sprachmodelle sind, gelinde gesagt, wirklich beeindruckend wirklich Zum Beispiel weist GPT Four, das neueste große Sprachmodell von OpenAI, das neueste große Sprachmodell von OpenAI, bei den meisten professionellen und akademischen Prüfungen Leistungen auf menschlichem Niveau den meisten professionellen und akademischen Insbesondere besteht es eine simulierte Version der einheitlichen Anwaltsprüfung, einer Eignungsprüfung für Anwälte, mit einer Punktzahl unter den besten 10% der PIT 4 zeigt auch Fähigkeiten zum Verständnis von Bildern auf menschlicher Ebene sowie zum Verständnis und zur Erklärung von Humor Die großen Sprachmodelle können physische Objekte verstehen, einschließlich ihrer Größe, Form und physikalischen Prioritäten. Schließlich wurden die großen Sprachmodelle auch im Hinblick auf die Theorie der geistigen Aufgaben evaluiert. Theorie des Geistes ist ein kognitives und psychologisches Konzept, das sich auf die Fähigkeit bezieht mentale Zustände wie Überzeugungen, Wünsche, Absichten, Emotionen und Wissen zuzuschreiben , Wünsche, Absichten, Emotionen selbst und anderen mentale Zustände wie Überzeugungen, Wünsche, Absichten, Emotionen und Wissen zuzuschreiben. Es ist von grundlegender Bedeutung für die soziale Kognition des Menschen und ermöglicht es dem Einzelnen, das Verhalten anderer zu interpretieren und vorherzusagen, was zu einer nuancierteren und effektiveren zwischenmenschlichen Kommunikation und Beziehungen führt und effektiveren zwischenmenschlichen Kommunikation und was zu einer nuancierteren und effektiveren zwischenmenschlichen Kommunikation und Beziehungen führt. Die Theorie des Geistes wird in der Regel anhand verschiedener Aufgaben und Tests bewertet anhand verschiedener Aufgaben Überraschenderweise hat GPT 4 fast alle Aufgaben gelöst, nämlich zu 95%, um genau zu sein Diese Ergebnisse deuten darauf hin, dass die Theorie der geistigen Fähigkeit, die bisher als einzigartig menschlich angesehen wurde, spontan als Nebenprodukt von Sprachmodellen entstanden sein könnte, wodurch die Sprachkenntnisse verbessert wurden als Nebenprodukt von Sprachmodellen entstanden sein könnte, wodurch die Sprachkenntnisse verbessert In Ordnung, lassen Sie uns vorerst hier aufhören. Das Format dieser Vorträge erlaubt es mir nicht , alle Forschungsarbeiten ausführlich durchzugehen, aber ich werde Links im Ressourcenbereich dieses Videos hinterlassen , damit Sie weiter darauf zurückgreifen können. Okay, zurück zu den Ebenen des KI-Ökosystems. Wenn wir den Trichter hinuntergehen, stoßen wir auf KI-Cloud-Software und -Infrastruktur Diese Ebene umfasst die Plattformen und Tools, die das Training, den Einsatz und die Skalierung von KI-Modellen unterstützen Einsatz und die Skalierung von KI-Modellen Beispiele hierfür sind Cloud-Dienste von Anbietern wie AWS, Azure und Google Cloud, die die Rechenleistung und die Frameworks bieten, die für die Ausführung von KI-Anwendungen erforderlich Diese Ebene ist entscheidend, um sicherzustellen, dass Ihre generativen KI-Anwendungen skaliert und zuverlässig ausgeführt werden können Das Herzstück der KI-Cloud-Infrastruktur bilden spezialisierte Chips wie GPUs und Supercomputer Diese Chips sind für die intensiven Berechnungen konzipiert, die für das Training und den Betrieb von KI-Modellen erforderlich für das Training und den Betrieb Ohne leistungsstarke Chips wäre es unmöglich, komplexe KI-Modelle in großem Maßstab auszuführen wäre es unmöglich, komplexe KI-Modelle in großem Maßstab Schließlich befindet sich am Fuß des Trichters Elektrizität. Es mag einfach erscheinen, aber Elektrizität versorgt alles im KI-Ökosystem, von Rechenzentren über die hauseigene KI-Infrastruktur bis hin zu den Geräten, hauseigene KI-Infrastruktur bis hin zu mit denen Benutzer interagieren Elektrizität ist die Grundlage, die den gesamten generativen KI-Stack unterstützt. Wahrscheinlich denken Sie nicht an die letzten Ebenen des Ökosystems, wenn Sie über generative KI nachdenken . Es ist jedoch wichtig zu erkennen , dass die Skalierbarkeit und Effizienz generativer KI stark von diesen zugrunde liegenden Ressourcen abhängen. Da KI-Modelle immer ausgefeilter und verbreiteter werden, die Nachfrage nach fortschrittlichen Chips wird die Nachfrage nach fortschrittlichen Chips und zuverlässigen Stromquellen steigen. Dies kann zu Engpässen führen, die den Fortschritt und die Innovation in diesem Bereich verlangsamen könnten Fortschritt und die Innovation in diesem Bereich verlangsamen Okay. Und das war's für diesen Vortrag. Lassen Sie uns zusammenfassen, was wir gerade hier behandelt haben. Generative KI bezieht sich auf Algorithmen, die auf der Grundlage der Daten, auf denen sie trainiert wurden, neue Inhalte, Ideen oder Vorhersagen erstellen können Grundlage der Daten, auf denen sie trainiert wurden, neue Inhalte, Ideen oder Vorhersagen . Das generative KI-Ökosystem besteht aus fünf Schichten. Die erste Ebene besteht aus KI-Anwendungen und -Agenten, denen benutzerorientierte Tools wie HAGBT und Mid Journey gehören wie HAGBT und Mid Journey Die zweite Ebene, grundlegende Modelle, besteht aus groß angelegten KI-Modellen, die auf riesigen und vielfältigen Datensätzen aus vielen verschiedenen Quellen wie Text, Bildern und anderen trainiert wurden vielen verschiedenen Quellen wie Text, Bildern Grundlegende Modelle können Artikel erstellen , Geschäftsberichte erstellen, Grafiken entwerfen und vieles mehr, indem sie aus riesigen Informationsmengen lernen Grundlegende Modelle können unterschiedlicher Art sein, darunter umfangreiche Sprachmodelle, Bilderzeugungsmodelle, Videogenerierungsmodelle und Modelle mit mehreren Modellen Modelle wie GPT 4 verfügen bereits über fortgeschrittene Fähigkeiten wie Argumentation und Lösung theoretischer Aufgaben Die dritte Ebene besteht aus KI-Cloud-Software und -Infrastruktur, die für das Training und die Implementierung von KI-Modellen von entscheidender Bedeutung ist und von Plattformen wie AWS und Azure unterstützt wird Die vierte und fünfte Schicht umfassen spezielle Chips wie GPU und Supercomputer, die intensive Berechnungen durchführen Und Elektrizität, die alle Aspekte des KI-Ökosystems antreibt alle Aspekte des KI-Ökosystems antreibt Nicht zuletzt die zukünftige Entwicklung generativer KI aufgrund der könnte die zukünftige Entwicklung generativer KI aufgrund der gestiegenen Nachfrage nach fortschrittlicher Hardware und zuverlässigen Energiequellen auf Engpässe gestiegenen Nachfrage nach fortschrittlicher Hardware und zuverlässigen Energiequellen Und das war's für diese Vorlesung, ILCA für die nächste 5. Wer profitiert am meisten von generativer KI?: Jeder. Willkommen zurück. Sie nun wissen, was generative KI ist und wozu die Technologie in der Lage ist, wollen wir untersuchen, wie generative KI unsere Arbeitsweise verändern kann und welchen Wert sie für Branchen und Unternehmen haben kann. Lass uns anfangen. Generative KI wird wahrscheinlich den größten Einfluss auf Wissen, Arbeit, Aufgaben und Aktivitäten haben, die hauptsächlich kognitive Funktionen wie die Verarbeitung, Handhabung und Generierung von Informationen und Wissen betreffen , die typischerweise von Wissensarbeitern ausgeführt werden. Dazu gehören insbesondere Aktivitäten, die die Entscheidungsfindung beinhalten. Und Zusammenarbeit, die zuvor das geringste Automatisierungspotenzial hatte. McKinzie schätzt, dass das technische Potenzial zur Automatisierung der Anwendung von Fachwissen um 34 Prozentpunkte gestiegen ist, während das Potenzial zur Automatisierung Personalmanagement und Personalentwicklung von 16% im Jahr 2017 gestiegen 49% im Jahr 2023. Die Fähigkeit der generativen KI, natürliche Sprache zu verstehen und für eine Vielzahl von Aktivitäten und Aufgaben zu verwenden , erklärt weitgehend , warum das Automatisierungspotenzial so stark gestiegen ist. Schauen wir uns nun an, welche Geschäftsbereiche meisten von generativer KI profitieren Ich verweise auch auf McKins Untersuchungen, denen etwa 75% des Nutzens, der durch KI-Anwendungsfälle generiert werden könnte auf vier Bereiche zurückgehen: Kundenbetrieb, Marketing und Vertrieb, Softwareentwicklung und F&E. Schauen wir uns einige Beispiele kann genauer an, wie generative KI jeden dieser Bereiche verändern Für den Kundenbetrieb können generative KI-gestützte Chat-Boards und Agenten sofortige und personalisierte Antworten auf komplexe Kundenanfragen geben sofortige und personalisierte Antworten auf , unabhängig von der Sprache oder dem Standort des Kunden. Beispielsweise Kundenservice-Plattform ZnDSK hat die Kundenservice-Plattform ZnDSK generative EI in seine Kundensupportplattform integriert seine Kundensupportplattform um automatisch zu erkennen, was Kunden wollen und wie. sie haben das Gefühl, so zu reagieren, wie es menschliche Agenten tun würden Ihre EI-Agenten können auch komplette Aufgaben wie Rückerstattungen, Passwortänderungen oder Stornierungen Schätzungen zufolge erhöht der Einsatz generativer KI auf Kundenbetreuungsfunktionen die Produktivität um einen Wert, der zwischen 30 und 45% der aktuellen Funktionskosten liegt generativer KI auf Kundenbetreuungsfunktionen die Produktivität um einen Wert, der zwischen 30 und 45% der aktuellen Im Marketing könnte generative KI den Zeitaufwand für Ideenfindung und Inhaltserstellung erheblich reduzieren und wertvolle Zeit und Mühe sparen Coca Cola verwendet beispielsweise Open AIs, generative Modelle, um ansprechende Werbeinhalte und Beiträge in sozialen Medien zu erstellen ansprechende Werbeinhalte und Beiträge in sozialen Medien Auf diese Weise kann das Unternehmen auf verschiedenen Plattformen eine einheitliche Markensprache und einen einheitlichen Stil beibehalten eine einheitliche Markensprache und einen einheitlichen Stil und gleichzeitig Inhalte schnell an verschiedene Zielgruppen anpassen Im Vertrieb kann generative KI dazu beitragen, Leads zu pflegen und sich wiederholende Aufgaben zu automatisieren Salesforce integriert generative KI in seine CRM-Plattform, um Vertriebsmitarbeiter bei der Erstellung personalisierter Outreach-E-Mails, Follow-up-Nachrichten und Verkaufsreden zu unterstützen Vertriebsmitarbeiter bei Erstellung personalisierter Outreach-E-Mails, Follow-up-Nachrichten Die KI kann beispielsweise maßgeschneiderte Nachrichten auf der Grundlage früherer Interaktionen, Präferenzen und des Engagementverlaufs von Leads generieren maßgeschneiderte Nachrichten auf der Grundlage früherer Interaktionen, Präferenzen und des Engagementverlaufs von Leads Präferenzen und Darüber hinaus verwenden Unternehmen wie Outreach Dot IO generative KI, um Folgemaßnahmen zu automatisieren und eine kontinuierliche Interaktion mit potenziellen Kunden aufrechtzuerhalten kontinuierliche Interaktion mit , bis diese für ein direktes Gespräch mit dem Vertriebsmitarbeiter bereit sind für ein direktes Gespräch mit dem Vertriebsmitarbeiter bereit mit dem Vertriebsmitarbeiter Generative KI hat das Potenzial , die Softwareentwicklung erheblich zu beeinflussen , indem sie Computersprachen als natürliche Sprachen behandelt Computersprachen als natürliche Sprachen Laut einer Analyse von McKinney die direkten Auswirkungen der KI auf die Produktivität der Softwareentwicklung würden sich die direkten Auswirkungen der KI auf die Produktivität der Softwareentwicklung auf 20 bis 45% der aktuellen jährlichen Ausgaben für Dieser Wert würde sich in erster Linie aus der Reduzierung des Zeitaufwands für Aktivitäten wie die Erstellung erster Codeentwürfe, Codekorrektur und Refactoring ergeben Zeitaufwands für Aktivitäten wie die Erstellung erster Codeentwürfe, Codekorrektur Codekorrektur Und Ursachenanalyse. Eine interne empirische Studie von McKinzy Softwareentwicklungsteams ergab, dass diejenigen, die im Umgang mit generativen KI-Tools geschult waren , den Zeitaufwand für die Generierung und Überarbeitung von Code schnell reduzierten und . Außerdem berichteten die Ingenieure von einer besseren Arbeitserfahrung Zufriedenheit und Erfüllung Generative KI hat ein erhebliches Potenzial zur Steigerung der F&E-Produktivität sorgt in Branchen wie Biowissenschaften und Chemie für Werte von schätzungsweise 10 bis 15% der gesamten F&E-Kosten Branchen wie Biowissenschaften Generative KI wird bereits für generatives Design eingesetzt Wo es die Entwicklung neuer Medikamente und Materialien beschleunigen kann neuer Medikamente und Materialien indem es Kandidatenmoleküle generiert. Bei Silka Medicine beispielsweise verwendet ein Biotech-Unternehmen generative KI-Modelle, verwendet ein Biotech-Unternehmen um neue Arzneimittelkandidaten effizienter zu identifizieren , indem es riesige Datensätze analysiert und potenzielle Molekülstrukturen generiert Okay, weiter zu den Branchen, die am meisten von generativer KI profitieren werden Die gute Nachricht ist, dass praktisch jeder Sektor davon profitieren wird. Im Bankensektor könnte die Einführung generativer KI beispielsweise zu zusätzlichen 200 bis 340 Milliarden US-Dollar pro Jahr führen, wenn auf den bereits durch künstliche Intelligenz erzielten Effizienzsteigerungen aufgebaut den bereits durch künstliche Intelligenz erzielten Effizienzsteigerungen durch künstliche Intelligenz erzielten Dies würde durch die Automatisierung von Aufgaben mit geringerem Wert im Risikomanagement erreicht werden, wie etwa die Erstellung erforderlicher Berichte, wie etwa die Erstellung erforderlicher Berichte, Nachverfolgung regulatorischer Aktualisierungen und die Erfassung von Daten In der Life-Science-Branche wird generative KI voraussichtlich eine wichtige Rolle bei der Förderung der Arzneimittelforschung und -entwicklung spielen Arzneimittelforschung und -entwicklung indem sie molekulare Strukturen vorhersagt, Patientenberichte erstellt und sogar klinische Studien simuliert Dies verkürzt die Markteinführungszeit für neue Behandlungen erheblich und verbessert die personalisierte Medizin Wie wir sehen können, haben Unternehmen durch die strategische Implementierung generativer KI echte Möglichkeiten die Leistung zu verbessern und , die Leistung zu verbessern und den Umsatz zu steigern , und mit der Implementierung generativer KI meinen wir nicht unbedingt Entwicklung brandneuer generativer KI-Produkte. Ein großer Teil des Einsatzes generativer KI innerhalb eines Unternehmens wird Mitarbeiter Funktionen nutzen die in die Software integriert sind, die sie bereits verwenden. Beispielsweise könnten E-Mail-Plattformen Optionen zum Verfassen erster Nachrichten bieten. Produktivitätstools könnten auf der Grundlage kurzer Beschreibungen Präsentationsentwürfe erstellen auf der Grundlage kurzer Beschreibungen Präsentationsentwürfe , und CRM-Systeme könnten Strategien für die Interaktion mit Kunden vorschlagen. Diese Funktionen haben das Potenzial, die Produktivität jedes Wissensarbeiters erheblich zu steigern. In der folgenden Vorlesung werden wir ausführlicher darüber sprechen, wie sich die Implementierung generativer KI auf die Arbeit von Produktteams und Produktmanagern auswirken kann . Lassen Sie uns zunächst die Vorlesung zusammenfassen. Generative KI dürfte den größten Einfluss auf Wissensarbeit, Aufgaben und Aktivitäten haben, die hauptsächlich kognitive Funktionen betreffen. Untersuchungen von McKinney zufolge entfallen rund 75% des Nutzens, den generative KI-Anwendungsfälle bieten könnten , auf vier Bereiche: Kundenbetrieb, Marketing und Vertrieb, Softwareentwicklung Forschung und Entwicklung. Fast jede Branche, vom Bankwesen bis zum Gesundheitswesen, kann von generativer KI durch höhere Effizienz und Kostensenkungen profitieren von generativer KI durch höhere Effizienz und Kostensenkungen Die Integration generativer KI in bestehende Software kann die Produktivität erheblich steigern , ohne dass völlig neue generative KI-Produkte entwickelt werden müssen völlig neue generative KI-Produkte entwickelt Das war's vorerst, Ilsa im nächsten Video 6. Wie sich generative KI auf die Produktivität von Produktmanagern auswirken kann: Jeder. Willkommen zurück. Da Sie für den Produktmanagement-Kurs eingeschrieben sind, dürfen wir es uns nicht entgehen lassen, das Thema zu erörtern, wie sich generierte KI auf die Arbeit und Produktivität von Produktmanagern auswirken wird, da Produktmanager Wissensarbeiter sind Diejenigen, die am stärksten von generativer KI betroffen sein werden. Da die Technologie neu ist und sich schnell weiterentwickelt, viele Produktmanager und Produktteams untersuchen viele Produktmanager und Produktteams immer noch, welche Tools sie wählen sollten, wie sie das Beste daraus machen können und mit welchem Anwendungsfall sie beginnen sollen. McKinzy führte interessante Untersuchungen durch, um McKinzy führte interessante Untersuchungen Auswirkungen der generativen KI auf das Produktmanagement zu verstehen und zu messen generativen KI auf . Ich fand die Ergebnisse Lassen Sie mich also mehr über die Forschung erzählen. Das Unternehmen rekrutierte 40 Produktmanager mit unterschiedlichem Erfahrungsniveau aus den USA, Kanada, Europa und Lateinamerika für die Teilnahme an einer Studie Vor der Teilnahme an der Studie nahmen die PMs an einem kurzen Schulungsworkshop teil, nahmen die PMs an einem kurzen Schulungsworkshop um sich mit generativen KI-Tools vertraut zu machen Anschließend wurden die Studienteilnehmer gebeten, die PM-Rolle für ein fiktives Unternehmen zu spielen und fünf Aktivitäten individuell in ihrem eigenen Tempo durchzuarbeiten fünf Aktivitäten individuell in ihrem eigenen Tempo durchzuarbeiten Die Aktivitäten simulierten die reale Arbeit eines PM in drei Phasen des Produktmanagementprozesses — Entdeckung, Validierung und Entwicklung — und erforderten von den Projektmanagern die Erstellung von Ergebnissen, wie z. B. ein Marktforschungsdokument, eine Pressemitteilung mit häufig gestellten Fragen, einen Produkt-One-Pager, ein Dokument, das mit internen Stakeholdern geteilt wurde, um wie z. B. ein Marktforschungsdokument, eine Pressemitteilung mit häufig gestellten Fragen, einen Produkt-One-Pager, ein Dokument, das mit internen Stakeholdern geteilt wurde, das internen Stakeholdern Warum zu klären hinter der Produktinitiative, ihrem Wertversprechen und Die Teilnehmer mussten außerdem ein Dokument mit Produktanforderungen und einen Produktrückstand vorlegen Dokument mit Produktanforderungen und einen Produktrückstand Die Teilnehmer wurden in drei Gruppen aufgeteilt, denen jede Zugang zu verschiedenen generativen KI-Tools Eine Gruppe hatte Zugriff auf aufgabenspezifische Tools wie copy.ai Eine andere hatte nur Zugriff auf den Chat GPT. Und die dritte Gruppe hatte keinen Zugang zu generativen KI-Tools Jede Gruppe rotierte und Start- und Endzeiten wurden aufgezeichnet, um die für jede Aufgabe aufgewendete Zeit zu messen. PMs, die generative KI-Tools nutzten, entweder generische Tools wie CHAD GPT oder aufgabenspezifische Tools benötigten im Durchschnitt weniger Zeit für die Durchführung Aktivitäten als PMs, die sie nicht verwendeten, wodurch die Markteinführungszeit der Produkte innerhalb eines sechsmonatigen Produktentwicklungszyklus um etwa 5% beschleunigt etwa 5% eines sechsmonatigen Die Zeitersparnis war auf den Einsatz generativer KI zurückzuführen, um Benutzerforschung zu synthetisieren und Pressemitteilungen in der Entdeckungsphase zu verfassen, Dokumente zu Produktanforderungen in der Validierungsphase zu entwickeln in der Validierungsphase und Produktrückstände in der Entwicklungsphase zu erstellen. Eine weitere Erkenntnis aus der Studie ist, dass Produktmanager von einer deutlichen Verbesserung ihrer Erfahrung beim Einsatz generativer KI-Tools berichteten einer deutlichen Verbesserung ihrer Erfahrung beim Einsatz generativer KI-Tools 100% der Teilnehmer gaben an, dass Zugang zu generativer KI ihre Erfahrung im Produktmanagement verbessert hat. Alle PMs bis auf einen gaben an, dass die Tools bei den Aufgaben hilfreich waren und dass sie diese Tools mit hoher oder geringer Wahrscheinlichkeit nach Abschluss der Studie bei ihrer Arbeit verwenden würden hoher oder geringer Wahrscheinlichkeit nach Abschluss der Studie bei ihrer Arbeit Drei von vier Befragten waren der Ansicht, dass die Qualität ihrer Ergebnisse im Vergleich zu dem, was sie ohne sie erreicht hatten, entweder erheblich oder etwas verbessert war entweder erheblich oder etwas Vergleich zu dem, was sie ohne sie erreicht hatten, entweder erheblich oder etwas verbessert PMs waren der Ansicht, dass die Tools ihre alltäglichen Routineaufgaben automatisieren und es ihnen ermöglichen, sich auf strategischere Aktivitäten wie die Definition der Produktvision und die Erstellung einer strategischen Roadmap zu konzentrieren wie die Definition der Produktvision und die Erstellung einer Und die Teilnahme an kundenorientierten Aktivitäten. Okay, lassen Sie uns zum dritten Forschungsergebnis übergehen. Generative KI-Tools hatten fast doppelt so viele positive Auswirkungen auf inhaltsintensive Aufgaben Synthese von Informationen, die Erstellung und Bearbeitung von Inhalten und das Brainstorming wie auf inhaltsarme Aufgaben wie Datenerfassung Insbesondere die PM-Produktivität bei inhaltsintensiven Aufgaben Wie erstaunlich ist das? Allzwecktools wie hA GPT wurden von PMs eher verwendet als aufgabenspezifische Tools, sodass PMs flexibel iterieren und die Tools als Partner bei der Lösung von Problemen einsetzen Dieses Ergebnis ist wahrscheinlich darauf zurückzuführen, dass allgemeine Tools den PMs vertrauter und einfacher zu verwenden sind PMs vertrauter und einfacher zu Darüber hinaus sind einige spezifische generative KI-Tools für nuanciertere Anwendungsfälle konzipiert und erfordern benutzerdefinierte Eingaben und Textanweisungen , sodass PMs nicht an sie gewöhnt sind Wie steht es nun mit der Qualität der Ergebnisse, die mit generativen KI-Tools erstellt wurden? Den Umfrageergebnissen zufolge haben generative KI-Tools PMs im Durchschnitt dabei geholfen, generative KI-Tools PMs im Durchschnitt dabei geholfen genauere und vollständigere Ergebnisse zu erzielen Die Auswirkungen generativer KI waren jedoch im Allgemeinen unterschiedlich, je nachdem, wie viel Erfahrung die PMs hatten, die sie nutzten Erfahrenere PMs behielten eine hohe Qualität der Ergebnisse bei, während jüngere PMs an Produktivität gewannen , allerdings auf Kosten von Qualdm Auf der Grundlage dieser Forschungsergebnisse können wir die Hypothese aufstellen, dass erfahrene Produktmanager aufgrund ihrer Erfahrung erfahrene Produktmanager aufgrund ihrer Erfahrung und ihrer besseren Produkteigenschaften bessere Anweisungen für generative KI geben und die Ergebnisse effektiver für generative KI geben und die Ergebnisse können wir die Hypothese aufstellen, dass erfahrene Produktmanager aufgrund ihrer Erfahrung und ihrer besseren Produkteigenschaften bessere Anweisungen für generative KI geben und die Ergebnisse effektiver überprüfen können. Hingegen lernen immer mehr junge PMS, wie man qualitativ hochwertige Ergebnisse erzielt. Und sie können noch keine vollständigen Anweisungen für generative KI schreiben oder die Ergebnisse effektiv überprüfen Die Forscher kommen zu dem Schluss, dass generative KI zwar nicht die grundlegenden Fähigkeiten ersetzen kann , die man als Produktmanager benötigt, aber PMs dabei helfen kann, diese Fähigkeiten zu entwickeln Ich neige dazu, dieser Schlussfolgerung zuzustimmen , und was denken Sie? Bitte teilen Sie uns Ihre Gedanken im Bereich Fragen und Antworten mit. Wie wir aus dieser und den vorherigen Vorlesungen ersehen können, ist generative KI nicht nur ein vorübergehender Trend, sondern ein leistungsstarkes Tool, das unsere Arbeit erheblich verbessern kann Wir können endlich ein zusätzliches Paar Hände bekommen und uns wiederholende Routineaufgaben delegieren, was uns die dringend benötigte zusätzliche Zeit gibt, um uns auf strategisches Denken und kreative Problemlösung zu konzentrieren auf strategisches Denken und kreative Problemlösung Wenn Sie zögern , generative EI in Ihren Arbeitsalltag aufzunehmen , oder sich nicht sicher sind, welches Tool Sie verwenden sollen, sind Sie hier richtig Die nächste Vortragsreihe wird sehr praxisnah sein. Sie werden lernen, wie Sie Ihren eigenen KI-Assistenten erstellen , um inhaltsintensive Produktmanager-Aufgaben zu bewältigen. Wie immer werde ich meine Erfahrungen mit diesen Tools teilen und zeigen, wie man einen der KI-Assistenten ohne Programmieraufwand erstellt . Lass uns in die Praxis gehen. Wir sehen uns im nächsten Video. 7. Machen Sie mit: Lassen Sie uns Ihren PM-KI-Assistenten erstellen!: Alle zusammen und willkommen zurück. Bisher war unsere Diskussion größtenteils theoretisch. Deshalb schlage ich vor, dass wir die Dinge ändern und versuchen , eine unserer Produktmanagementaufgaben zu automatisieren. Das ist mein Lieblingsteil, denn um ehrlich zu sein, verwende ich GeneratFi sehr häufig, um viele meiner Aufgaben zu unterstützen, angefangen beim Brainstorming bis hin zum Schreiben von Interviewskripten oder Produktbeschreibungen Schreiben von Interviewskripten Bis zur Unterstützung bei Rechtschreib- und Grammatikprüfungen. In der vorherigen Vorlesung haben wir erwähnt, dass generative KI-Tools am effektivsten für inhaltsintensive Aufgaben sind, denen die Generierung von Inhalten gehört, z. B. das Verfassen einer Problemstellung, Gleichungen für Benutzerinterviews, Diskussionsleitfäden, Umfragegleichungen, Dokumente mit Produktanforderungen usw. Ich würde hier auch Ideen für Brainstorming, Analysen und Recherchen einbeziehen hier auch Ideen für Brainstorming, Analysen Dazu gehören Aufgaben wie die Analyse von Kundeninterviews, Informationen zu Supporttickets, Durchführung von Markt- und Wettbewerbsforschung und andere Feedback einholen. Dies ist eine Kategorie, die wir noch nicht besprochen haben. Sie könnten zum Beispiel vor einem Vorstellungsgespräch um Feedback zu Ihrem Lebenslauf bitten vor einem Vorstellungsgespräch um Feedback zu Ihrem Lebenslauf oder Rat fragen, welche Fragen Ihnen gestellt werden könnten. Sie könnten Ihr Produktportfolio hochladen und nach Verbesserungsvorschlägen fragen. Es gibt unzählige Beispiele , für die Sie möglicherweise Feedback wünschen. Persönlich ist dies einer meiner Lieblingsanwendungsfälle für generative KI. Sie sollten jedoch vorsichtig sein, was den Datenschutz angeht, insbesondere beim Umgang mit Dokumenten, die unter NDA fallen Überprüfen Sie immer die Datenverwendungsrichtlinien, um zu sehen, wie Ihren Daten umgegangen wird und ob mit Ihren Daten umgegangen wird und ob sie an Dritte weitergegeben werden Vermeiden Sie es im Zweifelsfall, das gesamte Dokument einzureichen, und laden Sie stattdessen nur einen Teil , der keine vertraulichen Informationen enthält. Oder beschreiben Sie in Ihren eigenen Worten , wofür Sie Feedback wünschen. Nachdem Sie sich diesen Vortrag angesehen haben, müssen Sie entscheiden, welche Art von Aufgaben, Inhaltsgenerierung, Analyse oder Feedback Sie mit generativer KI automatisieren möchten. Wenn du deine Auswahl triffst, empfehle ich dir dringend, eine Aufgabe auszuwählen, mit der du bereits vertraut bist — eine, die du schon mehrmals erledigt hast. Wie Sie bald sehen werden, müssen Sie detaillierte Anweisungen für das Modell bereitstellen . Vorkenntnisse sind daher hilfreich, wenn Sie diese Anweisungen verfassen. Für die Tutorials werden Aina und ich zwei Projekte vorstellen: eine App zur Generierung von Ideen für Nebenprojekte, die angehenden Produktmanagern hilft, Ideen für Website-Projekte zu sammeln , und die Überprüfung des Lebenslaufs von Produktmanagern, um den Lebenslauf des Produktmanagers für die erste oder nächste PM-Bewerbung zu verbessern Produktmanagers für die erste oder nächste PM-Bewerbung die erste oder nächste Um diese Apps zu erstellen, werden wir eines der grundlegenden Modelle von OpenAI, GPT Four, verwenden , um benutzerdefinierte GPTs werden wir eines der grundlegenden Modelle von OpenAI, GPT Four, verwenden, um benutzerdefinierte GPTs zu erstellen. GPTs sind benutzerdefinierte Versionen von Chat-GPT, die Benutzer an bestimmte Aufgaben oder Themen anpassen können anpassen Sie können von der Beantwortung häufig gestellter Fragen über die Durchführung detaillierter Datenanalysen bis hin zur Generierung kreativer Inhalte reichen häufig gestellter Fragen über die Durchführung detaillierter Datenanalysen bis hin zur Durchführung detaillierter Datenanalysen Generierung kreativer Inhalte Oder sogar die Interaktion mit Anwendungen von Drittanbietern , um Workflows zu automatisieren. In realen Situationen kann es jedoch eine Herausforderung sein, auszuwählen das richtige Basismodell für Ihren Anwendungsfall Es stellt sich heraus, dass die Verwendung des größten Modells nicht immer die beste Wahl ist, da es teurer und schwieriger zu verwalten sein kann und bei verschiedenen Aufgaben zu inkonsistenten Ergebnissen führen verschiedenen Aufgaben zu inkonsistenten Ergebnissen Ein kleineres, fokussierteres Modell könnte für bestimmte Anwendungsfälle besser geeignet Aber wie entscheidet man , welches Modell das Richtige ist? Ich fand ein sechsstufiges Framework von IBM sehr hilfreich, und es ist etwas, das ich für meine Projekte verwende. Ich hinterlasse im Abschnitt Ressourcen einen Link zum Framework , damit Sie sich eingehender damit befassen können , wenn Sie das richtige Basismodell auswählen müssen. Okay, zurück zum praktischen Teil der Vorlesung. Jetzt sind Sie an der Reihe, zu entscheiden, welche Aufgabe Sie automatisieren möchten. Bitte teilen Sie Ihre Entscheidung im Bereich Fragen und Antworten mit und ich werde sie in der nächsten Vorlesung sehen 8. Weiterverfolgen: Erstellen Sie Ihr ChatGPT-Konto und erkunden Sie den GPT Store: Eins. Willkommen zurück. Das erste , was wir tun müssen, um unser KI-System aufzubauen, ist ein Konto bei CHAD GPT zu erstellen Sie benötigen Zugriff auf die kostenpflichtige Abonnementoption , um benutzerdefinierte GPDs erstellen zu können Wenn Sie jedoch noch keinen BAD-Plan auswählen möchten, können Sie sich für das kostenlose Kontingent anmelden und trotzdem den Tutorials folgen Der Unterschied besteht darin, dass Sie Ihre Anweisungen nicht in Ihrem GBT speichern können Ihre Anweisungen nicht in Ihrem GBT speichern Stattdessen müssen Sie ein neues Diagramm erstellen und die Anweisungen einfügen , wann immer Sie KI-Unterstützung für diese Aufgabe benötigen Ich werde in den kommenden Tutorials weitere Details bereitstellen. Nachdem Sie Ihr Konto erstellt haben, müssen Sie im nächsten Schritt benutzerdefinierte Anweisungen für den Chat GPT festlegen Mit dieser Funktion können Sie die Antworten von Hat GPT an Ihre Präferenzen anpassen Antworten von Hat GPT an Ihre Präferenzen Sie können diese Einstellungen für zukünftige Konversationen jederzeit ändern oder entfernen diese Einstellungen für zukünftige Konversationen jederzeit Klicken Sie auf dem Hauptbildschirm auf Ihr Kontosymbol. Klicken Sie in die obere rechte Ecke und wählen Sie dann Chat anpassen (GPT). Die erste Frage, die du beantworten wirst, lautet: Was möchtest du, dass GPT über dich weiß, um bessere Antworten zu Geben Sie hier Informationen zu Ihrem Hintergrund, wo Sie derzeit arbeiten und was Sie tun Sie können dies in einfachen Worten erklären als ob Sie einen Aufsatz über sich selbst schreiben würden. Die zweite Frage lautet: Wie soll Chad GPT Ihrer Meinung nach antworten? Geben Sie hier alle Informationen an, die dem Tschad GPT bei der Strukturierung seiner Antworten helfen könnten Tschad GPT bei der Strukturierung seiner Antworten helfen Ich sagte zum Beispiel, dass ich Antworten bevorzuge, die in einer Konversationssprache formuliert sind, ohne formelle Wörter oder Klischees zu verwenden formelle Wörter Da viele meiner Schüler nicht technisch versiert sind, habe ich sie gebeten, eine Sprache zu verwenden , die auch von Laien verstanden werden kann , die keine Experten auf dem Gebiet sind, das ich unterrichte Sie können auch wählen, welche Funktionen Sie die meiste Zeit nutzen möchten. Nehmen Sie sich etwas Zeit, um darüber nachzudenken welche Informationen Sie dem Chat GPT zur Verfügung stellen möchten Wenn Sie fertig sind, klicken Sie auf Speichern. Eine weitere Einstellung, die es wert ist, untersucht zu werden, sind Datenkontrollen. Sie müssen entscheiden, ob Sie zulassen möchten, dass Ihre Inhalte zum Trainieren von Open-AI-Modellen verwendet werden. Sie können diese Einstellung ein- oder ausschalten. Der letzte Schritt ist optional, aber ich empfehle ihn , wenn Sie GPTs zum ersten Mal anpassen Gehen Sie zu Explore GPTs und stöbern Sie in den Apps, die bereits im Store erhältlich sind Sie können nach Kategorien oder Schlüsselwörtern suchen. Lassen Sie uns zum Beispiel nach Produktmanager suchen und sehen, was dabei herauskommt. Hier finden Sie eine Liste relevanter benutzerdefinierter GPTs zusammen mit der Kurzbeschreibung und der Anzahl der Konversationen, für die jedes GPT verwendet wurde Klicken Sie auf das GPT Ihrer Wahl und erfahren Sie, wie es funktioniert. Schauen Sie sich die Gesprächsstarter und sehen Sie, was passiert, wenn Sie auf einen von ihnen klicken Indem Sie bestehende GPTs untersuchen und sehen, wie sie funktionieren, können Sie sich ein gutes Bild davon machen, wie Sie Ihr eigenes GPT entwerfen Außerdem finden Sie vielleicht eine nützliche App, die Sie für Ihre eigenen Aufgaben verwenden können , anstatt eine von Grund auf neu zu erstellen im Abschnitt Fragen und Antworten zu diesem Video mit, Bitte teilen Sie im Abschnitt Fragen und Antworten zu diesem Video mit, welche benutzerdefinierten GPTs Sie entdeckt haben und welche ILCA Sie im 9. Weiterführende Schritte: Erstellen benutzerdefinierter GPTs: Jeder. Willkommen zurück. Lassen Sie uns unser erstes benutzerdefiniertes GPT erstellen. Um zu beginnen, gehen Sie zu den Kontoeinstellungen. Mein GPT ist, ein GPT zu erstellen. Im ersten Schritt sehen Sie einen GPT-Builder, der eine Konversationsoberfläche verwendet, um Ihnen bei der Erstellung Ihres GPT zu helfen, ohne alle erforderlichen Felder manuell ausfüllen zu müssen der konfigurierten Registerkarte können Sie detailliertere Anweisungen für Ihr GPT bereitstellen Normalerweise bevorzuge ich es, sofort mit dem konfigurierten Tap zu beginnen , und genau das werden wir in diesem Tutorial tun Definieren Sie zunächst den Namen und die Beschreibung für Ihr GPT. Als Nächstes können Sie entweder ein Logo für das GPT hochladen oder eines mit Dali erstellen Öffnen Sie das Text-zu-Bild-Modell von Ayes. Lassen Sie uns zunächst die Felder für Anweisungen und Konversationsstarter beibehalten Felder für Anweisungen und Konversationsstarter und die drei Abschnitte unten auf der Seite ansehen der Wissensfunktion können Sie zusätzliche Inhalte bereitstellen, auf die Sie in Ihrer GPT zurückgreifen können. Sie können hier ein oder mehrere Dokumente hochladen die Ihr GPT bei der Ausführung von Aufgaben zugreifen Für die ID-Generierung GPT werden wir keine zusätzlichen Inhalte verwenden, daher lassen wir diesen Abschnitt leer Im Bereich Funktionen können Sie das Surfen im Internet, die Generierung von DL-Bildern und die erweiterte Datenanalyse aktivieren Generierung von DL-Bildern und die erweiterte Datenanalyse Wenn Sie möchten, dass Ihr GPT zusätzliche Funktionen ausführt. Für mein GPT wähle ich das Surfen im Internet und die Generierung von DL-Bildern Benutzerdefinierte Aktionen sind Befehle oder Skripten, die das GPT auslösen kann, um eine Vielzahl von Funktionen auszuführen, z. B. die Interaktion mit APIs, Bearbeiten von Daten oder das Auslösen von Workflows Im Wesentlichen erweitern sie die Funktionalität von GPT-Modellen Wenn ein Benutzer beispielsweise nach dem aktuellen Wetter fragt , könnte eine benutzerdefinierte Aktion eingerichtet werden, um Wetterdaten in Echtzeit abzurufen und diese Informationen zurückzugeben Benutzerdefinierte Aktionen erfordern technisches Wissen, daher werden wir sie nicht in die GPT zur ID-Generierung aufnehmen wir nun zu den Anweisungsabschnitten zurück, denen die Kernlogik beschrieben wird, die der Funktionsweise des benutzerdefinierten GPT zugrunde liegt Beim Schreiben von Anweisungen müssen bestimmte Richtlinien beachtet werden , um die besten Ergebnisse zu erzielen. Lassen Sie uns sie durchgehen. Diese Richtlinien gelten nicht nur für benutzerdefinierte GPTs, sondern auch für jeden individuellen Chat, den Sie mit Chat-GPT erstellen Wenn du den kostenlosen Tarif nutzt, hast du nicht die gleiche Oberfläche, um sichere Anweisungen zu schreiben, da das Anpassen von GPTs nicht im Plan enthalten ist Als Workaround empfehle ich, den Anweisungstext in einem Google-Dokument zu speichern Damit du später darauf zugreifen kannst, wenn du bereit bist , die Anweisungen zu testen oder zu verwenden, öffne einfach einen neuen Chat und kopiere sie und füge sie Sie können jederzeit über das Menü auf der linken Seite auf den Chat-Verlauf zugreifen . Lassen Sie uns nun behandeln, wie man die Anweisungen schreibt. Beschreiben Sie zunächst den Zweck und Anwendungsfall für Ihr benutzerdefiniertes GPT Erläutern Sie, bei welchen Fragen oder Aufgaben es helfen soll und welche Ergebnisse Sie erwarten Dies hilft dem Modell, sich darauf zu konzentrieren , relevante Antworten zu liefern. Für die ID-Generierung GPT haben wir beispielsweise die folgenden Anweisungen Das vollständige Skript der Anweisungen, die zur Erstellung dieses GPT verwendet wurden , ist im Abschnitt Ressourcen verfügbar. Vergessen Sie also nicht, es sich anzusehen Identifizieren Sie als Nächstes die Zielgruppe für Ihr GPT. Dazu gehören ihr Qualifikationsniveau, Interessen und alle spezifischen Bedürfnisse oder Vorlieben Beschreiben Sie drittens den Ton, den der GPT haben soll. Das kann je nach Zielgruppe freundlich, professionell, lässig oder humorvoll Geben Sie an, ob das GPT eine Konversationssprache verwenden oder einen formelleren Stil beibehalten soll Konversationssprache verwenden oder einen formelleren Stil beibehalten Sie können auch Verhaltensanweisungen dafür bereitstellen wie GPT mit verschiedenen Arten von Interaktionen umgehen soll, z. B. mit Fragen, die es nicht beantworten kann, mit sensiblen Themen umgehen oder wann Benutzer zu anderen Ressourcen weitergeleitet Die nächsten Anweisungen für das GPT, das wir gerade erstellen hängen davon ab , welchen Gesprächsstarter Sie ausgewählt haben Gesprächsstarter sind Beispiele für Eingabeaufforderungen, die Benutzer verwenden können , um die Interaktion für die ID-Generierung (GPT) zu starten Wir haben zwei Gesprächsstarter . Unsere Anweisungen variieren je nachdem, welche der Benutzer auswählt So gehen wir mit dieser Logik um. Zuerst schreiben wir. Wenn ein Benutzer wählt, gib mir zehn Ideen für mein Nebenprojekt als Gesprächsstarter und fahre mit den folgenden Schritten eins bis vier fort. Beim Schreiben von Anweisungen ist es wichtig, mehrstufige Aufgaben in kleinere, überschaubarere Schritte zu unterteilen, um sicherzustellen, dass das Modell sie genau befolgen kann Seien Sie so detailliert wie möglich, insbesondere wenn mehrere Aktionen innerhalb eines einzigen Schritts erforderlich sind In Schritt eins bitten wir den Benutzer beispielsweise, die folgenden Informationen über sich selbst anzugeben. Anschließend haben wir nacheinander die Fragen aufgelistet , die der GPT stellen soll Wir fügen auch eine Verhaltensanweisung bei , bei der jede Frage nacheinander gestellt wird, wobei Antwort des Benutzers gewartet bevor mit der nächsten Im zweiten Schritt weisen wir das GPT an, zehn Projektideen für Websites zu generieren Diese Ideen müssen sich in allen vier Bereichen, die wir definiert haben, überschneiden in allen vier Bereichen, die wir Wir schreiben alles groß, um die Anweisungen hervorzuheben. Im dritten Schritt spezifizieren wir die Informationen, die für jede Idee bereitgestellt werden müssen Beachten Sie, dass wir die Informationen aus Gründen der Übersichtlichkeit in einer Liste strukturieren . Es empfiehlt sich auch, ein oder mehrere Beispiele aufzunehmen , um die Variabilität der Produktion zu verringern Hier ist ein Beispiel, das in den GPT-Anweisungen zur Ideengenerierung für Schritt drei enthalten das in den GPT-Anweisungen zur Ideengenerierung für Schritt Schließlich fragt Schritt vier den Benutzer, ob er die generierten Ideen verfeinern oder weiterentwickeln möchte generierten Ideen verfeinern oder weiterentwickeln möchte Wir haben gerade die Anweisungen für den Gesprächsstarter behandelt . Gib mir zehn Ideen für mein Nebenprojekt. Anweisungen für den zweiten Gesprächsstarter. Wie kann ich mein Nebenprojekt erstellen, ist viel einfacher. Wir bitten GPT, einen Link zusammen mit dem folgenden Text bereitzustellen. Großartig. Lassen Sie uns jetzt unser GPT in Aktion testen Mm. Wir haben einige großartige Ideen , an denen wir entweder sofort arbeiten können oder zusätzliche Anweisungen geben wie sie verfeinert werden sollten. Natürlich reicht ein Test nicht aus, um dein GPT fertig zu stellen. Du wirst also mehrere Wiederholungen durchführen müssen, um deine Anweisungen auf der Grundlage der beobachteten Reaktionen zu verfeinern und anzupassen auf der Grundlage der In Ordnung. Damit ist das Tutorial zur Erstellung Ihres ersten GPT Das GPT zur ID-Generierung steht Ihnen zum Testen und Erkunden zur Verfügung Den Link zur App sowie die Anweisungen zum Anpassen des GPT finden Anweisungen zum Anpassen des Sie im Abschnitt Ressourcen Nehmen Sie sich Zeit und lesen Sie sich die Anweisungen durch, denen Ihr GPT folgen soll Im nächsten Tutorial werden wir uns mit der Implementierung eines Szenarios befassen, in dem das Modell mehr Wissen benötigt, als es dort auf S trainiert wurde 10. Weiterführende Schritte: Verwenden von Wissensdateien für benutzerdefinierte GPTs: Jeder, willkommen zurück. Lassen Sie uns weiter untersuchen, wie Sie ein benutzerdefiniertes GPT erstellen können. Möglicherweise haben Sie einen Anwendungsfall, in dem das Modell Wissen erfordert, das über das hinausgeht, wofür es trainiert wurde Stellen Sie sich vor, Sie erstellen ein maßgeschneidertes GPT, um Erkenntnisse über die Probleme Ihrer Kunden und Möglichkeiten zur Produktverbesserung GPT four kann zwar allgemeine Ratschläge zur Produktfindung geben, hat aber keinen Zugriff auf hat aber keinen Zugriff spezifische Informationen über Ihre Kunden und Produkte, wie z. B. Skripte für Kundeninterviews, wie z. B. Skripte für Kundeninterviews Ergebnisse von Kundenumfragen, Supporttickets und andere relevante und andere Lösung besteht darin, dem GPT Zugriff auf diese Datenquellen zu gewähren, sodass es relevante Informationen abrufen und Ideen zur Produktverbesserung entwickeln kann und Ideen zur Produktverbesserung entwickeln Um dies zu erreichen, benötigt das GPT einen Mechanismus, um spezifische, aktuelle Informationen aus Ihren internen Tools abzurufen und in seine Antworten zu integrieren . Genau hier kommt die erweiterte Generierung von Retrieval Abrufen erweiterter Generierung relevante Kontextinformationen aus einer Datenquelle abgerufen und diese Informationen zusammen mit der Benutzereingabe an ein umfangreiches Sprachmodell übergeben ein umfangreiches Sprachmodell Diese abgerufenen Daten erweitern das Basiswissen des Modells, um die Genauigkeit und Relevanz der Ausgabe zu verbessern die Genauigkeit und Relevanz der Ausgabe Um die erweiterte Generierung von Retrieval zu implementieren, können Sie Ihr GPT entweder mit Live-Datenquellen wie Ihrem Ticketsystem oder Ihrer Kundendatenbank verbinden oder die Funktion zum Hochladen von Wissen verwenden, bei der Dateien, die zusätzlichen Kontext enthalten, indexiert und in Dateien, die zusätzlichen Kontext enthalten Antworten verwendet werden PTs rufen diese Daten dann dynamisch ab, um anhand von Benutzeraufforderungen relevantere Erkenntnisse In diesem Tutorial lernen wir, wie Sie die Funktion zum Hochladen von Wissen verwenden Lassen Sie uns in die Details eintauchen. Ich habe ein zweites benutzerdefiniertes GPT erstellt , das Produktmanagern helfen soll ihren Lebenslauf für die erste oder nächste Bewerbung als Produktmanager zu verbessern die erste oder nächste Bewerbung als Produktmanager Für dieses GPT haben wir zwei Gesprächsstarter. Wenn Sie sich dafür entscheiden, lesen Sie bitte meinen Lebenslauf für die Rolle als Produktmanager Sie werden gebeten, mehrere Informationen anzugeben. Ihr Lebenslauf oder die Teile, zu denen Sie Feedback wünschen, eine Beschreibung der Stelle, für die Sie sich bewerben möchten, und alle anderen relevanten Informationen über Ihren Hintergrund oder Ihre beruflichen Ziele, die Ihnen helfen könnten, Ihr Profil zu verstehen. Sobald diese Informationen zur Verfügung gestellt wurden, erhalten Sie Feedback, einschließlich einer allgemeinen Überprüfung Ihres Lebenslaufs, Feedback zu Ihrer Berufserfahrung, Ausbildung, Formatierung und Stil sowie anderen Empfehlungen. Darüber hinaus zeigt das benutzerdefinierte GPT Ihre Stärken und Verbesserungspotenziale Schauen wir uns nun den konfigurierten Tab für den GPT an. Gehen wir direkt zur Wissensfunktion. Hier habe ich sechs Dokumente hochgeladen, auf die das GPT bei seinen Empfehlungen zurückgreifen Fünf dieser Dokumente enthalten Informationen darüber, wie RCV speziell für eine Rolle als Produktmanager Das letzte Dokument enthält Beispiele für Stellenanforderungen für Produktmanager-Rollen, die ich anhand von Linkin-Jobs in drei Regionen, USA, Europa und APAC, gesammelt habe USA, Europa und APAC, Ich möchte, dass das GPT diese Dokumente bei der Überprüfung des eingereichten Lebenslaufs verwendet und Informationen darüber erhält, wie der Lebenslauf strukturiert sein sollte und welche Inhalte auf der Grundlage der aktuellen Erwartungen auf dem Arbeitsmarkt enthalten sein sollten Grundlage der aktuellen Erwartungen auf dem Arbeitsmarkt Sehen wir uns an, wie ich im Abschnitt mit den Anweisungen auf die Dokumente verweise im Abschnitt mit den Anweisungen auf die Dokumente In diesem Abschnitt habe ich einen Absatz eingefügt, beschrieben wird, wie das GPT die Wissensdateien verwenden sollte Ich habe geschrieben, um Empfehlungen zu geben und den Wissensbereich dieser GPT zu verweisen Dann habe ich die Dokumentnamen aufgelistet gefolgt von einer kurzen Beschreibung dessen, was jedes Dokument enthält Und das ist alles. Ich habe keine zusätzlichen Informationen darüber angegeben , wann die GPT auf jede einzelne Datei verweisen sollte oder welche genauen Informationen sie aus ihnen extrahieren sollte Stattdessen habe ich Folgendes geschrieben. Empfehlungen finden Sie in der Stellenbeschreibung, für die der Nutzer sich bewerben möchte, die ich zur Verfügung gestellt habe, auf den angegebenen Lebenslauf mit dieser Stellenbeschreibung Für jeden der sieben oben aufgeführten Punkte beziehe ich mich hier auf das Ausgabeformat, in dem dem Benutzer angezeigt wird, wird hervorgehoben, wie der Lebenslauf verbessert werden kann, um die Chancen zu maximieren, für das Vorstellungsgespräch in die engere Wahl Zunächst habe ich detailliertere Anweisungen dazu getestet, wann das GPT auf die einzelnen Wissensdateien zugreifen sollte In einer früheren Version, die ich geschrieben habe, bei der Durchsicht des Abschnitts mit den Berufserfahrungen des eingereichten Lebenslaufs sicherstellen, dass er den in dieser Datei beschriebenen Empfehlungen entspricht den in dieser Datei beschriebenen Empfehlungen Ich habe das für jedes Element in der Ausgabeliste gemacht. Beim Testen dieser Version stellte ich jedoch fest, dass die Empfehlungen nicht so klar und tendenziell etwas mehrdeutig waren . Mir wurde klar, dass ich dem GPT zu viele Einschränkungen auferlegt hatte, was es für das Modell schwierig machte, was es für das Modell schwierig machte natürlich und hilfreich zu reagieren Aus diesem Grund habe ich die Anweisungen an die Version angepasst , die Sie jetzt sehen, was zu wesentlich besser strukturierten, präziseren und genaueren Ergebnissen geführt , präziseren und Sie können dieses GPT gerne selbst testen und uns Ihre Gedanken im Q&A-Bereich für das Video mitteilen Den Link zum GPT findest du im Abschnitt Ressourcen. Ich habe auch den vollständigen Text der Anweisungen hochgeladen , die ich für dieses GPT geschrieben habe , sodass Sie auch darauf verweisen können. Übrigens, wenn Sie nach weiteren Beispielen zum Schreiben von Anweisungen suchen , empfehle ich Ihnen, sich den GPT Builder von Der GPT Builder selbst ist ein benutzerdefiniertes GPT mit Der vollständige Text der für den GPT Builder geschriebenen Anweisungen ist auf der OpenAI-Supportseite verfügbar, und ich fand es sehr hilfreich, ihn zu lesen, bevor ich meine eigene geschrieben habe Ich werde auch einen Link zu dieser Seite in den Ressourcenbereich aufnehmen , und das war's für dieses Tutorial und ALCO im nächsten 11. Weiterverfolgen: Freigeben Ihrer GPT: Danke.