Gestion de produits et IA générative et ChatGPT : Devenir 10x Product Manager

1. Bienvenue dans ce cours !: Tout le monde, et bienvenue. Nous allons parler ici de la technologie de l'IA générative, un terme que vous avez probablement entendu encore plus que la chaîne de blocs, le DFI ou les NFT Comme c'est désormais le sujet le plus brûlant du paysage technologique, nous allons commencer par un aperçu du paysage de l'IE tel qu' il se présente Une conférence facultative pour ceux qui souhaitent explorer le paysage plus large de l'IE au-delà de l'IA générative. Ensuite, nous aurons des conférences technologie d' IA générative et sur les avantages que les entreprises peuvent tirer de intégration dans leurs produits ou services. Bien entendu, comme il s'agit d'un cours de gestion de produit, nous examinerons l'impact de l'IA générative sur la productivité d'un chef de produit. Ensuite, vous choisirez une tâche pour laquelle vous souhaitez bénéficier de l'assistance de l'IA générative et nous créerons votre propre assistant d'IA, que vous pourrez utiliser immédiatement. J'espère que vous aimerez apprendre et trouverez les prochaines conférences à la fois intéressantes et pertinentes alors que nous explorons ensemble toutes les possibilités de l'IA générative 2. Le paysage de l'IA d'aujourd'hui: Un Bon retour. Dans cette conférence, nous passerons en revue le paysage actuel de l'IA. Tout d'abord, définissons ce qu'est l'IA. En termes simples, l'IA est la capacité des machines à apprendre, à comprendre, à raisonner et à interagir de la même manière que nous, les humains. Cela permet aux machines de résoudre nouveaux ensembles de problèmes qu'elles ne pouvaient pas résoudre auparavant. Par exemple, l'assistance vocale AI Powers comme Siri, recommande des films sur Netflix, aide les médecins à diagnostiquer les maladies L'intelligence artificielle englobe toute une gamme de technologies, allant de simples règles automatisées dans les gadgets du quotidien à des systèmes avancés qui apprennent et s'adaptent. Bien que l'IA puisse effectuer des tâches spécifiques au niveau humain ou supérieur, au moment de l'enregistrement de cette vidéo, elle ne possède ni intelligence ni conscience générales. Récemment, l'IA a également fait des progrès significatifs dans les domaines créatifs, générant de l'art, de la musique et de la littérature. Bien, maintenant que vous comprenez ce qu'est l'IA, voyons comment les machines apprennent réellement. L'apprentissage automatique, un élément clé de l'IA, consiste à apprendre aux ordinateurs à reconnaître les modèles et à prendre des décisions en fonction des données. Ce processus est un peu similaire à la façon dont les humains apprennent par l'expérience. Mais au lieu de tirer des leçons des expériences de vie, les machines apprennent des données. Les machines apprennent de différentes manières, principalement classées en trois types. Apprentissage supervisé, apprentissage non supervisé et apprentissage par renforcement C'est ce que nous appelons les méthodologies d'apprentissage fondamentales Chacune de ces méthodologies a sa propre approche de l'apprentissage et est utilisée pour différents types de tâches. L'apprentissage supervisé implique l'entraînement modèles d' IA sur des données étiquetées. Les étiquettes sont des identifiants associés aux données d'entrée. Par exemple, elles peuvent être textuelles dans un jeu de données de photos d'animaux, chaque photo étant saisie Soyez étiqueté avec le nom de l'animal produit, comme chat, chien, etc. Un autre exemple est celui des étiquettes numériques qui peuvent être utilisées pour prévoir les prix de l'immobilier en fonction des caractéristiques. L'apprentissage supervisé est essentiel pour les applications où le modèle apprend à prédire les résultats sur la base des exemples fournis. Cela inclut la reconnaissance vocale, la classification d' images et les systèmes experts, des systèmes d' IA qui imitent les capacités de prise de décision d'un expert humain dans un domaine spécifique L'apprentissage non supervisé vise à trouver des modèles ou des structures dans des données non étiquetées En d'autres termes, il découvre les modèles sous-jacents des données sans instructions explicites. L' apprentissage non supervisé est essentiel dans des domaines tels que les systèmes de recommandation, les systèmes qui prédisent les préférences des utilisateurs et suggèrent des éléments pertinents Il est également utilisé dans certains aspects de la vision par ordinateur qui visent à permettre aux machines d'interpréter et réagir aux informations visuelles provenant de l' environnement environnant. La troisième méthodologie est l'apprentissage par renforcement. Il met l'accent sur des modèles de formation prendre des décisions par essais et erreurs, recevoir des commentaires de l'environnement et d'apprendre des actions optimales grâce à des récompenses. Il est essentiel dans le domaine de la robotique, des véhicules autonomes et de certaines tâches de planification et d' ordonnancement telles que la gestion des ressources et les systèmes de planification automatisés. Veuillez noter que la plupart des domaines d' application reposent sur une combinaison de différentes méthodologies d'apprentissage pour tirer parti des points forts de chacun. Cette approche permet souvent d'obtenir meilleures performances et des solutions plus robustes. Par exemple, de nombreux systèmes de recommandation modernes intègrent les trois méthodologies pour tirer parti de leurs points forts L'apprentissage supervisé fournit une précision basée sur des données historiques, telles que la prédiction et la recommandation nouveaux films ou produits susceptibles d'intéresser un utilisateur sur la base de données historiques avec les préférences ou les évaluations des utilisateurs D'autre part, l' apprentissage non supervisé fournit des informations sur les utilisateurs qui ne ressortent peut-être pas uniquement des évaluations. Algorithmes de clustering, type de technique d' apprentissage non supervisée qui organise les données en clusters ou en groupes en fonction des similitudes Il se peut que certains groupes d' utilisateurs aient tendance à regarder des films similaires , même sans évaluation explicite, et à recommander des films basés sur ces groupes. Enfin, au cas où nous souhaiterions que le moteur de recommandation soit dynamique et adapte les recommandations en fonction de la manière dont les utilisateurs interagissent avec les différents contenus. Par exemple, en naviguant, en regardant des bandes-annonces, en sélectionnant et en regardant des films, l'apprentissage par renforcement entre en jeu. Le système apprendra en interagissant avec les utilisateurs au fil du temps et ajustera ses recommandations en fonction de l'engagement et des commentaires des utilisateurs. C'est bon. Notre aperçu des domaines d'application de l'IA ne serait pas complet sans les deux autres, qui tirent également parti des trois méthodologies d'apprentissage fondamentales Ces domaines d'application sont traitement du langage naturel ou NLP et l'IA générative La PNL implique la compréhension, l'interprétation et la génération du langage humain Elle est utilisée dans des applications telles que la traduction linguistique, analyse des sentiments, les forums de discussion et l'assistance vocale Et enfin, l'IA générative, terme devenu extrêmement populaire en 2023 et dont vous avez probablement déjà entendu parler. Il s'agit d'un terme générique qui inclut diverses techniques axées sur la création de nouveaux contenus originaux qui n'ont jamais existé auparavant, tels que des images ou du texte imitant ou inspirés d'exemples du monde réel Notre prochaine conférence visera à en apprendre davantage sur la technologie de l'IA générative. Mais avant de commencer, résumons ce que nous avons appris dans cette conférence. IA est la capacité des machines à apprendre, à comprendre, raisonner et à interagir de la même manière que nous, les humains. Élément clé de l'IA, apprentissage automatique consiste à apprendre aux ordinateurs à reconnaître des modèles et à prendre des décisions en fonction des données. Les machines apprennent de différentes manières, principalement classées en trois types méthodologies d'apprentissage fondamentales : apprentissage supervisé, non supervisé et apprentissage par renforcement L'apprentissage supervisé enseigne l' IA à l'aide de données étiquetées. L'apprentissage non supervisé permet détecter des modèles de données sans conseils, et l'apprentissage par renforcement implique un apprentissage par feedback La plupart des domaines d'application s'appuient sur une combinaison de ces méthodologies d'apprentissage pour tirer parti de la force de chacune d'elles. L'IA générative est un terme générique qui inclut diverses techniques axées sur la création de nouveaux contenus qui n'ont jamais existé auparavant, inspirés d'exemples du monde réel. C'est bon. Et c'est tout pour la conférence, et nous vous verrons dans la prochaine vidéo. 3. Présentation de l'IA générative (partie 1): Bonjour, tout le monde. Si vous avez regardé la conférence précédente, vous avez déjà une première idée de ce qu'est l'IA générative. Comme cette conférence était facultative, permettez-moi de récapituler la définition pour ceux d'entre vous qui ont décidé de la sauter L'IA générative fait référence à des algorithmes capables de créer de nouveaux contenus, idées ou prédictions sur la base des données sur lesquelles ils ont été formés. instar de l' IA traditionnelle, qui se concentre sur l'identification de modèles et la prise de décisions, l'IA générative a la capacité de produire de nouvelles données, qu'il s'agisse de texte, d'images , de musique ou même de code. Il peut rédiger des articles, générer des rapports commerciaux, concevoir des graphiques, etc., le tout en tirant parti de grandes quantités d'informations. Mais analysons cette définition de haut niveau et examinons l'écosystème de l'IA générative, qui peut être visualisé sous la forme d'un entonnoir à plusieurs couches, chacune représentant un niveau différent d'infrastructure d'IA En haut de la finale, nous avons des applications et des agents d'IA. Il s'agit des outils et des plateformes avec lesquels les utilisateurs finaux interagissent avec Direct Limb. L' exemple le plus frappant ici est le chat GPT, un forum de discussion générateur de texte développé par Open AI qui a atteint 1 million d'utilisateurs cinq jours seulement après son lancement Ce qui en fait la croissance la plus rapide de tous les temps. C'est une accessibilité prête à l'emploi qui différencie une IA générative de toutes les IA qui l'ont précédée. Les utilisateurs n'ont pas besoin d'un diplôme en apprentissage automatique pour interagir avec celui-ci ou en apprécier la valeur. Presque tous ceux qui peuvent poser des questions et l'utiliser. un autre exemple célèbre de Mid journey est un autre exemple célèbre de produit d'IA générative. Il génère un contenu visuel unique basé sur des descriptions textuelles ou des instructions fournies par les utilisateurs, mettant en valeur les capacités créatives de IA pour générer des résultats nouveaux et originaux Les entreprises ont également de plus en plus tendance à modifier leurs feuilles de route en incorporant des fonctionnalités d' IA générative dans leurs produits existants afin d'améliorer les fonctionnalités, d' améliorer l'expérience utilisateur et de fournir des solutions innovantes En voici quelques exemples. Microsoft a présenté Microsoft 365 copilo en novembre 2023, un ensemble de fonctionnalités d' intelligence artificielle génératives intégrées directement dans la suite d' applications Microsoft Office telles que Word, Excel, Power Point, Outlook, etc. Il utilise des modèles d'IA avancés tels que ceux développés par Open AI pour fournir des fonctionnalités qui aident les utilisateurs à générer du texte, résumer des documents, à créer et à analyser des données, concevoir des présentations, à automatiser la rédaction d' e-mails, etc. Iki a ensuite lancé une suite d' outils électriques Open AI en octobre 2023, ajoutant des outils de lecture et d'écriture un mois plus tard, ainsi que des outils pour aider à la rédaction de profils, annonces de recrutement et de pages d'entreprise. Adobe, une société de logiciels qui fournit ses utilisateurs des solutions de marketing numérique et de médias, a lancé l'application d' IA générative Firefly en mars 2023 A introduit des fonctionnalités basées sur Firefly dans ses produits phares tels que Photoshop et Illustrator D'accord, je pense que ce sont des exemples suffisants pour le moment. Si vous avez votre propre produit ou fonctionnalité d'IA générative préféré , n' oubliez pas de partager son nom dans la section questions-réponses de cette conférence Et continuons à explorer les niveaux du système AIC. Sous les applications et les agents d'IA, nous trouvons des modèles fondamentaux Considérez-les comme les moteurs de la créativité et de l' intelligence des applications et fonctionnalités basées sur l'IA générative. Un modèle fondamental est un modèle d'IA à grande échelle formé sur des ensembles de données vastes et variés provenant de nombreuses sources différentes, notamment des livres, des articles, des sites Web, des images et d'autres contenus numériques, ce qui permet au modèle d'apprendre à partir d'une grande variété d'informations Comme les modèles fondamentaux sont entraînés sur des ensembles de données aussi volumineux, ils peuvent saisir un large éventail de connaissances, ce qui les rend très polyvalents et capables d'être adaptés à de nombreuses tâches Par exemple, un modèle de base peut rapidement résumer un long article de recherche sur le changement climatique, rédiger un script de service client pour un détaillant en ligne et suggérer différentes techniques de méditation fonction du niveau de stress d'une personne L'inconvénient de cette large gamme de capacités est que, pour l'instant, IA générative peut parfois fournir des résultats moins précis, souligne l'importance d'une surveillance attentive de l' IA et d'une gestion des risques Les modèles fondamentaux peuvent être de différents types, notamment de grands modèles linguistiques, des modèles génération d'images, des modèles de génération vidéo et des modèles multimodèles Ces différents types de modèles fondamentaux reposent tous sur les mêmes principes d'entraînement des données à grande échelle, mais sont optimisés pour différents résultats et cas d'utilisation Passons en revue quelques exemples. 4. Présentation de l'IA générative (partie 2): grands modèles de langage sont modèles d'apprentissage automatique avancés spécialement conçus pour comprendre, générer et manipuler le langage humain. Ces modèles sont entraînés sur de grandes quantités de données textuelles, ce qui leur permet de prédire le mot suivant d'une séquence, générer un texte cohérent, de traduire des langues, répondre à des questions, de résumer des documents et même de raisonner. exemples de grands modèles linguistiques citons la série GPT d'OpenAI, cloud développé par une société appelée Tropic Models de Mistral développé par la société également appelée Mistral, Lama, de Meta et d' Les capacités existantes des grands modèles linguistiques sont vraiment impressionnantes, c'est le moins qu'on puisse dire. Par exemple, GPT four, le dernier grand modèle de langage développé par OpenAI, affiche des performances de niveau humain à la majorité des examens professionnels et académiques Il réussit notamment une version simulée examen uniforme du barreau, un test de qualification pour les avocats ayant obtenu une note parmi les 10 % les plus élevés des candidats PIT 4 montre également compréhension de l'image au niveau humain, ainsi que des capacités de compréhension et d'explication de l'humour. Les grands modèles linguistiques peuvent comprendre les objets physiques, notamment leur taille, leur forme et leurs priorités physiques. Enfin, les grands modèles linguistiques ont également été évalués dans le cadre de tâches de théorie de l'esprit. La théorie de l'esprit est un concept cognitif et psychologique qui fait référence à la capacité d' attribuer des états mentaux tels que des croyances, désirs, des intentions, des émotions et des connaissances à soi-même et aux autres. Il est fondamental pour la cognition sociale humaine, car permet aux individus d'interpréter et de prédire le comportement des autres, qui conduit à une communication et à des relations interpersonnelles plus nuancées et plus efficaces et La théorie de l'esprit est généralement évaluée au moyen de diverses tâches et tests. Étonnamment, GPT 4 a résolu presque toutes les tâches, 95 % pour être exact Ces résultats suggèrent que la théorie de l'esprit, comme la capacité, considère jusqu'à présent qu'elle est uniquement humaine est peut-être apparue spontanément comme un sous-produit des modèles linguistiques, améliorant ainsi les compétences linguistiques Très bien, arrêtons-nous ici pour le moment. Le format de ces conférences ne me permet pas de passer en revue tous les articles de recherche dans leur intégralité, mais je vais laisser des liens dans la section des ressources de cette vidéo pour référence ultérieure. Bien, revenons aux niveaux de l'écosystème de l' IA. En suivant l'entonnoir, nous découvrons le logiciel et l'infrastructure AI Cloud Cette couche inclut les plateformes et les outils qui prennent en charge la formation, déploiement et la mise à l'échelle des modèles d'IA. Les exemples incluent les services cloud fournis par des fournisseurs tels qu'AWS, Azure et Google Cloud, qui offrent la puissance de calcul et les frameworks nécessaires à l' exécution d'applications d'IA Cette couche est essentielle pour garantir que vos applications d'IA générative puissent évoluer et fonctionner de manière fiable. Au cœur de l'infrastructure AI Cloud se trouvent des puces spécialisées, telles que les GPU et les superordinateurs Ces puces sont conçues pour gérer les calculs intensifs nécessaires entraînement et à l' exécution de modèles d'IA Sans puces puissantes, il serait impossible d'exécuter des modèles d'IA complexes à grande échelle. Enfin, à la base de l'entonnoir se trouve l'électricité. Cela peut sembler élémentaire, mais l'électricité alimente tous les éléments l'écosystème de l'IA, des centres de données aux infrastructures d'IA hébergeant les appareils avec lesquels les utilisateurs interagissent. L'électricité est la base sur laquelle repose l'ensemble de l'IA générative. fort probable que les derniers niveaux de l'écosystème ne soient pas une chose à laquelle on pense lorsque l'on envisage l'IA générative. Mais il est important de reconnaître que l'évolutivité et efficacité de l'IA générative dépendent largement de ces ressources sous-jacentes À mesure que les modèles d'intelligence artificielle deviendront de plus en plus sophistiqués et répandus, la demande de puces avancées et de sources d'électricité fiables augmentera. pourrait créer des goulets d'étranglement susceptibles de ralentir les progrès et l'innovation dans le domaine OK. Et c'est tout pour cette conférence. Résumons ce que nous venons de traiter ici. L'IA générative fait référence à des algorithmes capables de créer de nouveaux contenus, idées ou prédictions sur la base des données sur lesquelles ils ont été formés. L'écosystème de l'IA générative comprend cinq couches. La première couche est constituée d' applications et d'agents d'intelligence artificielle, qui incluent des outils destinés aux utilisateurs tels que HAGBT et Mid Journey La deuxième couche, les modèles fondamentaux, consiste en des modèles d'IA à grande échelle entraînés sur ensembles de données vastes et variés provenant de nombreuses sources différentes telles que du texte, des images, etc. Les modèles de base peuvent créer des articles, générer des rapports commerciaux, concevoir des graphiques, etc., le tout en s'appuyant sur de grandes quantités d'informations Les modèles fondamentaux peuvent être de différents types, notamment de grands modèles linguistiques, des modèles génération d'images, des modèles de génération vidéo et des modèles multimodèles Des modèles tels que GPT four présentent déjà compétences avancées telles que raisonnement et la résolution de tâches liées à la théorie de l'esprit La troisième couche est constituée du logiciel et de l'infrastructure AI Cloud , essentiels à la formation et au déploiement de modèles d'IA et pris en charge par des plateformes telles qu'AWS et Azure. Les quatrième et cinquième couches comprennent des puces spécialisées telles que le GPU et les superordinateurs, qui gèrent des calculs intensifs Et l'électricité, qui alimente tous les aspects de l'écosystème de l'IA. Enfin, le développement futur de l'IA générative pourrait se heurter à des obstacles en raison de la demande accrue de matériel de pointe et de sources d'alimentation fiables Et c'est tout pour cette conférence, ILCA pour la prochaine 5. Qui bénéficie le plus de l'IA générative ?: Tout le monde. Bon retour. Maintenant que vous savez ce qu' est l'IA générative et ce dont la technologie est capable, voyons comment l' IA générative peut transformer notre façon travailler et quelle valeur elle peut apporter aux industries et aux entreprises. Commençons. L'IA générative est susceptible d'avoir le plus grand impact sur les connaissances, le travail, tâches et les activités qui impliquent principalement des fonctions cognitives telles que le traitement, le traitement et la génération d'informations et de connaissances, qui sont généralement exécutées par des travailleurs du savoir. Plus précisément, cela inclut les activités impliquant la prise de décisions. Et la collaboration, qui présentait auparavant le plus faible potentiel d'automatisation. McKinzie estime que le potentiel technique d' automatisation de l' application de l'expertise a bondi de 34 points de pourcentage, tandis que le potentiel d'automatisation de la gestion et du développement du personnel augmenté, passant de 16 % 49 % en 2023. La capacité de l'IA générative à comprendre et à utiliser le langage naturel pour une variété d' activités et de tâches explique en grande partie pourquoi le potentiel d'automatisation a augmenté si fortement Voyons maintenant quels secteurs d'activité le plus à gagner de l'IA générative. Je vais également me référer à l'étude de McKin* qui prévoit qu' environ 75 % de la valeur générée par les cas d'utilisation de l' IA pourrait se répercuter dans quatre domaines : les opérations clients , le marketing et les ventes, le génie logiciel et la R&D. Voyons quelques exemples montrant comment l' IA générative peut transformer chacun de ces domaines plus en détail Pour les opérations clients, forums de discussion et les agents basés sur l'IA générative peuvent fournir des réponses instantanées et personnalisées aux demandes complexes des clients, quelle que soit la langue ou le lieu du client. Par exemple, plateforme de service client ZnDSk a intégré l'IE générative sa plateforme de support client pour détecter automatiquement ce que les clients veulent et comment ils ont l'impression de réagir comme le feraient des agents humains. Leurs agents de l'IE peuvent également effectuer des tâches complètes telles que les remboursements, modification des mots de passe ou les annulations. On estime que l'application IA générative aux fonctions de service client augmente la productivité d'une valeur comprise entre 30 et 45 % des coûts actuels des fonctions Dans le domaine du marketing, l'IA générative pourrait réduire considérablement le temps nécessaire à l'idéation et à la rédaction du contenu, économisant ainsi un temps et des efforts précieux Par exemple, Coca Cola utilise des IA ouvertes, modèles génératifs pour créer du contenu publicitaire attrayant et des publications sur les réseaux sociaux Cela permet à l' entreprise de conserver une voix et un style de marque cohérents sur les différentes plateformes tout en adaptant rapidement le contenu aux différents publics. Dans le domaine des ventes, l'IA générative peut aider à générer des prospects et à automatiser les tâches répétitives Salesforce intègre l'IA générative sa plateforme CRM pour aider les représentants commerciaux à créer des e-mails de sensibilisation, des messages de suivi et des discours de vente personnalisés messages de suivi et des discours de vente Par exemple, l'IA peut générer des messages personnalisés en fonction des interactions précédentes des prospects, préférences et de leur historique d'engagement. En outre, des entreprises comme Outreach point IO utilisent l' IA générative pour automatiser les suivis et maintenir un engagement continu avec clients potentiels jusqu'à ce qu'ils soient prêts à engager une conversation directe avec le représentant commercial. IA générative a le potentiel d'avoir un impact significatif sur génie logiciel en traitant les langages informatiques comme des langages naturels. Selon l'analyse de McKinney, l'impact direct de l'IA sur la productivité du génie logiciel situerait entre 20 et 45 % des dépenses annuelles actuelles consacrées à cette fonction Cette valeur découlerait principalement de la réduction du temps consacré à des activités telles que la génération de brouillons de code initiaux, correction de code et le refactoring Et analyse des causes profondes. Une étude empirique interne menée par McKinzy auprès d' équipes de génie logiciel a révélé que les personnes formées à l'utilisation d'outils d' IA générative réduisaient rapidement le temps nécessaire pour générer et refactoriser le code, et les ingénieurs ont également fait état meilleure expérience professionnelle grâce amélioration du bonheur et de l'épanouissement L'IA générative possède un potentiel important pour améliorer la productivité de la R&D, fournissant des valeurs estimées à 10 à 15 % des coûts globaux de R&D dans secteurs tels que les sciences de la vie et les produits chimiques L'IA générative est déjà utilisée pour la conception générative. Où il peut accélérer le développement de nouveaux médicaments et matériaux en générant des molécules candidates. Par exemple, dans Silka Medicine, une société de biotechnologie utilise modèles d'IA générative pour identifier plus efficacement de nouveaux médicaments candidats en analysant de vastes ensembles de données et en générant des structures moléculaires potentielles Bien, passons aux industries qui bénéficieront le plus de l'IA générative. La bonne nouvelle, c'est que pratiquement tous les secteurs ont tout à gagner. Par exemple, dans le secteur bancaire, adoption de l'IA générative pourrait ajouter 200 à 340 milliards de dollars supplémentaires par an en s'appuyant sur les gains d'efficacité déjà atteints par l' intelligence artificielle Cela se ferait en automatisant tâches de moindre valeur liées à la gestion des risques, telles que la génération des rapports requis, suivi des mises à jour réglementaires et la collecte de données Dans le secteur des sciences de la vie, l' IA générative est appelée à jouer un rôle majeur dans découverte et le développement de médicaments prédisant les structures moléculaires, générant des rapports pour les patients et même en simulant des essais cliniques Cela réduit considérablement le délai de mise sur le marché des nouveaux traitements et améliore la médecine personnalisée. Comme nous pouvons le constater, les entreprises ont de réelles opportunités d' améliorer leurs performances et d' augmenter leurs revenus grâce à la mise en œuvre stratégique de l'IA générative, et par la mise en œuvre de l'IA générative, nous ne voulons pas nécessairement dire développer de nouveaux produits d'IA générative. Une grande partie de l'utilisation de IA générative au sein d'une organisation proviendra des employés utilisant des fonctionnalités intégrées aux logiciels qu'ils utilisent déjà. Par exemple, les plateformes de messagerie peuvent proposer des options pour rédiger les messages initiaux. Les outils de productivité pourraient créer des plans de présentation basés sur brèves descriptions et les systèmes CRM pourraient suggérer des stratégies pour interagir avec les clients. Ces fonctionnalités ont le potentiel d' augmenter de manière significative la productivité de chaque travailleur du savoir. Dans la conférence suivante, nous expliquerons plus en détail comment la mise en œuvre IA générative peut avoir un impact sur le travail des équipes produit et des chefs de produit. Et pour l'instant, résumons la conférence. L'IA générative est susceptible d' avoir le plus grand impact sur les connaissances, les tâches et les activités qui impliquent principalement des fonctions cognitives. Selon une étude de McKinney, environ 75 % de la valeur que les cas d'utilisation de l'IA générative pourraient générer se répartissent dans quatre domaines : les opérations clients, marketing et les ventes, le génie logiciel recherche et le développement. Presque tous les secteurs, des banques aux soins de santé, peuvent bénéficier de l'IE générative grâce une efficacité accrue et à des réductions de coûts L'intégration de l'IA générative dans les logiciels existants peut considérablement augmenter la productivité sans qu'il soit nécessaire de développer des produits d'IA générative entièrement nouveaux. C'est tout pour le moment, Ilsa dans la vidéo suivante 6. Comment l'IA générative peut avoir un impact sur la productivité des gestionnaires de produits: Tout le monde. Bon retour. Puisque vous êtes inscrit au cours de gestion de produit, nous ne pouvons pas manquer de discuter de l'impact de la génération d' IA sur le travail et la productivité des chefs de produit, étant donné que les chefs de produit sont des travailleurs du savoir. Ceux qui seront les plus touchés par l'IA générative. La technologie étant nouvelle et évoluant rapidement, nombreux chefs de produit et équipes étudient toujours les outils à choisir, manière d'en tirer le meilleur parti et les cas d' utilisation par lesquels commencer. McKinzy a mené des recherches intéressantes pour McKinzy a mené des recherches intéressantes comprendre et mesurer l'impact de l'IA générative sur la gestion des produits. J'ai trouvé que les résultats méritaient Permettez-moi donc de vous en dire plus sur la recherche. L'entreprise a recruté 40 chefs de produit ayant différents niveaux d' expérience aux États-Unis, au Canada, en Europe et en Amérique latine pour participer à une étude. Avant de participer à l'étude, les PM ont participé à un bref atelier de formation pour se familiariser avec les outils d'IA générative Les participants à la recherche ont ensuite été invités à jouer le rôle de premier ministre pour une entreprise fictive et à travailler individuellement dans le cadre de cinq activités à leur propre rythme. Les activités ont simulé le travail réel d'un directeur de trois phases du processus de gestion du produit, à savoir la découverte, la validation et le développement, et ont obligé les chefs de projet à créer des livrables, tels qu'un document d'étude de marché, un communiqué de presse contenant des questions fréquemment posées, un document sur processus de gestion du produit, à savoir la découverte, validation et le développement, et une page tels qu'un document d'étude de marché, un communiqué de presse projet au cours des trois phases du processus de gestion du produit, à savoir la découverte, la validation et le développement, et ont obligé les chefs de projet à créer des livrables, tels qu'un document d'étude de marché, un communiqué de presse contenant des questions fréquemment posées, un document sur une page, un document partagé avec parties prenantes internes pour s' les parties prenantes internes pour s'entendre sur le pourquoi à l'origine de l'initiative en matière de produit, sa proposition de valeur et de ce à quoi ressemblera le succès. Les participants devaient également produire document sur les exigences du produit et un carnet de produits Les participants ont été divisés en trois groupes, chacun ayant accès à différents outils d'IA générative, tandis un groupe avait accès à des outils spécifiques aux tâches tels que copy.ai. Un autre avait accès au chat GPT uniquement. Et le troisième groupe n'avait accès à aucun outil d'IA générative. Chaque groupe a alterné et les heures de début et de fin ont été enregistrées pour mesurer le temps consacré à chaque tâche Les PM qui utilisaient des outils d'IA générative, qu'il s'agisse d'outils génériques tels que CHAD GPT ou d'outils spécifiques à des tâches ont mis en moyenne moins de temps à réaliser leurs activités que les PM qui ne les utilisaient pas, accélérant ainsi le délai de mise sur le marché des produits environ 5 % sur un cycle de développement de six mois Les économies de temps ont été réalisées grâce à l'utilisation de l'IA générative pour synthétiser les recherches des utilisateurs et rédiger des communiqués de presse pendant la phase de découverte, élaborer des documents sur les exigences des produits la phase de validation et créer des arriérés de produits pendant la phase de développement Une autre conclusion de l'étude est que les chefs de produit ont signalé une amélioration significative leur expérience lors de l'utilisation d'outils d'IA générative. 100 % des participants ont déclaré que accès à l'IA générative amélioré leur expérience de gestion des produits. Tous les PM, sauf un, ont indiqué que les outils leur étaient utiles pour accomplir les tâches et qu' ils les utiliseraient très ou assez probablement dans leur travail une fois l'étude terminée Trois répondants sur quatre estimaient que la qualité de leurs produits livrables s'était largement ou légèrement améliorée par rapport à ce qu'ils avaient obtenu sans eux. chefs de projet considéraient que les outils automatisaient leurs tâches de routine banales et leur permettaient de se concentrer sur des activités plus stratégiques, telles que la définition de la vision du produit ou la création d'une Et en participant à des activités orientées vers les clients. Bien, passons au troisième aperçu de la recherche. Les outils d'IA générative ont eu impact positif presque deux fois plus important sur les tâches comportant beaucoup de contenu, telles que sur les tâches comportant beaucoup de contenu, synthèse d'informations, la création et le peaufinage de contenu, et le brainstorming que sur les tâches légères liées au contenu, telles que la collecte et la visualisation de données Plus précisément, la productivité du PM associée aux tâches gourmandes en contenu s'est améliorée de 40 %. C'est incroyable, non ? outils à usage général tels que hA GPT étaient plus facilement utilisés par les PM que les outils spécifiques à des tâches, permettant aux PM d'itérer avec flexibilité et d'utiliser les outils en tant que partenaires pour résoudre les Ce résultat est probablement dû au fait que les outils généraux sont plus familiers aux PM et plus faciles à utiliser que les outils spécialisés En outre, certains outils d'IA générative spécifiques sont conçus pour répondre à des cas d'utilisation plus nuancés et nécessitent une saisie personnalisée et des instructions textuelles auxquelles les PM ne sont pas habitués Maintenant, qu'en est-il de la qualité des livrables produits à l' aide d'outils d'IA générative Selon les résultats de l'enquête, en moyenne, les outils d'IA générative ont aidé les chefs de projet à produire des résultats plus précis et plus complets Cependant, l'impact de l'IA générative variait généralement en fonction du niveau d' expérience des PM qui l'utilisaient. projet les plus expérimentés ont maintenu une qualité de production élevée, tandis que les chefs de projet juniors ont gagné en productivité, mais au détriment de qualdm À partir de ces résultats de recherche, nous pouvons émettre l'hypothèse que les chefs de produit expérimentés peuvent fournir de meilleures instructions à IA générative et effectuer des examens plus efficaces des résultats compte tenu de leur expérience et de leurs meilleurs produits revanche, les PMS les plus jeunes apprennent encore à créer des livrables de haute qualité Et je ne peux pas encore écrire des instructions complètes pour IA générative ou examiner efficacement les résultats. La conclusion finale des chercheurs est que même si l' IA générative ne peut pas remplacer les compétences de base nécessaires pour être chef de produit, elle peut aider les chefs de projet à développer ces J'ai tendance à être d'accord avec cette conclusion, et qu'en pensez-vous ? N'hésitez pas à nous faire part de vos réflexions dans la section questions-réponses. Comme nous pouvons le constater dans cette conférence et dans les conférences précédentes, IA générative n'est pas simplement une tendance passagère, mais un outil puissant qui peut grandement améliorer notre travail. Nous pouvons enfin obtenir une paire de mains supplémentaire et déléguer les tâches répétitives de routine, ce qui nous donne le temps supplémentaire dont nous avons tant besoin pour nous concentrer sur la réflexion stratégique et la résolution créative des problèmes. Si vous hésitez à inclure l'IE générative dans votre routine de travail quotidienne ou si vous ne savez pas quel outil utiliser, vous êtes au bon endroit La prochaine série de conférences sera très pratique. Vous apprendrez à créer votre propre assistant IA pour gérer les tâches de chef de produit riches en contenu. Comme toujours, je partagerai mon expérience de travail avec ces outils et montrerai comment créer l'un des assistants d'intelligence artificielle sans aucun codage. Passons à la pratique. Rendez-vous dans la prochaine vidéo. 7. Suivi : Créons votre assistant PM AI !: Tout le monde, et bon retour. Jusqu'à présent, notre discussion a été essentiellement théorique. Je suggère donc que nous changions les choses et que nous essayions d'automatiser l'une de nos tâches de gestion des produits. C'est ma partie préférée car, pour être honnête, j'utilise assez largement GeneratFi pour soutenir bon nombre de mes tâches, qu'il s'agisse de brainstorming, de rédaction de scripts d'entretiens ou rédaction de scripts d'entretiens Pour aider à la vérification de l'orthographe et de la grammaire. Dans la conférence précédente, nous avons indiqué que les outils d'intelligence artificielle générative sont particulièrement efficaces pour les tâches comportant beaucoup de contenu, notamment la rédaction d' un énoncé de problème, d'équations pour les entretiens avec les utilisateurs, de guides de discussion, équations d' enquête, de documents sur les exigences du produit , etc. J'inclurais également ici des idées de brainstorming , des analyses et des recherches Cela inclut des tâches telles que l'analyse des entretiens avec les clients, informations relatives aux tickets d'assistance, réalisation d'études de marché et concurrentielles, et d'autres tâches similaires. Obtenir des commentaires. Il s'agit d'une catégorie dont nous n'avons pas encore parlé. Par exemple, vous pouvez demander des commentaires sur votre CV avant un entretien d'embauche ou demander des conseils sur les questions qui pourraient vous être posées. Vous pouvez télécharger votre portefeuille de produits et demander des suggestions pour l'améliorer. Il existe d'innombrables exemples lesquels vous pourriez avoir besoin de commentaires. Personnellement, c'est l'un de mes cas d'utilisation préférés de l'IA générative. Cependant, vous devez être prudent en ce qui concerne la confidentialité des données, en particulier lorsque vous traitez des documents soumis à un accord de confidentialité. Vérifiez toujours la politique d'utilisation des données pour savoir comment vos données sont traitées et si elles seront partagées avec des tiers. En cas de doute, évitez de soumettre l'intégralité du document et téléchargez uniquement une partie ne contenant pas d'informations sensibles. Ou décrivez dans vos propres mots les sujets sur lesquels vous souhaitez obtenir des commentaires. Après avoir visionné cette conférence, votre tâche sera de décider quel type de tâches, génération de contenu, d'analyse ou feedback vous souhaitez automatiser avec l'IA générative. Lorsque vous faites votre sélection, je vous recommande vivement de choisir une tâche que vous connaissez déjà et que vous avez effectuée plusieurs fois. Comme vous le verrez bientôt, vous devrez fournir des instructions détaillées pour le modèle Une expérience préalable vous aidera donc à rédiger ces instructions. Pour les didacticiels, AiNA et moi présenterons deux projets : une application de génération d' idées de projets secondaires pour aider les futurs chefs de produit à réfléchir idées de projets sur le site et révision du CV du chef de produit pour aider à améliorer du chef de produit pour la première ou la prochaine candidature au poste de Premier ministre Pour créer ces applications, nous utiliserons l'un des modèles fondamentaux GPT four d' OpenAI pour créer des GPT four d' OpenAI pour créer GPT sont des versions personnalisées du chat GPT que les utilisateurs peuvent adapter à des tâches ou à des sujets spécifiques Ils peuvent aller de la réponse aux fréquemment posées à l' analyse détaillée des données, génération de contenu créatif. Ou même interagir avec des applications tierces pour automatiser les flux de travail. Dans des situations réelles, il peut toutefois choisir le modèle être difficile de choisir le modèle de base adapté à votre cas d'utilisation Il s'avère que l'utilisation du plus grand modèle n'est pas toujours le meilleur choix, car il peut être plus coûteux, plus difficile à gérer et peut produire des résultats incohérents entre les différentes tâches. Un modèle plus petit et plus ciblé pourrait mieux convenir à certains cas d'utilisation. Mais comment déterminer quel modèle est le bon ? J'ai trouvé un framework en six étapes d'IBM très utile, et c'est quelque chose que j' utilise pour mes projets. Je laisse un lien vers le cadre dans la section des ressources afin que vous puissiez l'approfondir lorsque vous serez chargé sélectionner le bon modèle de base Bon, revenons aux mains sur une partie de la conférence. C'est maintenant à vous de choisir la tâche que vous souhaitez automatiser. Veuillez partager votre décision dans la section questions-réponses et je le verrai lors de la prochaine conférence 8. Suivi : préparer votre compte ChatGPT et explorer la boutique GPT: Un Bon retour. La première chose que nous devons faire pour construire notre système d'IA est de créer un compte avec CHAD GPT Vous devez avoir accès à l'option d'abonnement payant pour pouvoir créer des GPD personnalisés Toutefois, si vous ne souhaitez pas encore sélectionner un mauvais plan, vous pouvez vous inscrire à leur niveau gratuit tout en suivant les didacticiels. La différence est que vous ne pourrez pas enregistrer vos instructions dans votre GBT Au lieu de cela, vous devrez créer un nouveau graphique et coller les instructions chaque fois que vous aurez besoin de l'assistance de l'IA pour cette tâche. Je fournirai plus de détails dans les prochains tutoriels. Après avoir créé votre compte, l'étape suivante consiste à définir des instructions personnalisées pour le chat GPT Cette fonctionnalité vous permet de personnaliser réponses du chapeau GPT en fonction de vos préférences, et vous pouvez modifier ou supprimer ces paramètres à tout moment pour les conversations futures Sur l'écran principal, cliquez sur l'icône de votre compte. Dans le coin supérieur droit, puis sélectionnez Personnaliser le chat GPT. La première question à laquelle vous allez répondre est qu'aimeriez-vous que GPT sache à votre sujet pour fournir de meilleures réponses ? Fournissez ici des informations sur votre parcours, endroit où vous travaillez actuellement et ce que vous faites. Vous pouvez expliquer cela en termes simples , comme si vous écriviez un essai sur vous-même. La deuxième question est comment aimeriez-vous que Chad GPT réponde ? Ici, fournissez tous les détails qui pourraient aider Chad GPT à structurer ses réponses Par exemple, j'ai dit que je préférais les réponses formulées dans langage conversationnel sans utiliser mots formels ou de clichés Comme bon nombre de mes étudiants ne sont pas techniciens, je lui ai demandé d'utiliser un langage facilement compréhensible par des personnes non techniques qui ne sont pas des experts dans le domaine que j'enseigne. Vous pouvez également choisir les fonctionnalités que vous comptez utiliser la plupart du temps. Prenez le temps de réfléchir aux informations que vous souhaitez fournir pour discuter avec GPT Lorsque vous avez terminé, cliquez sur Enregistrer. Un autre paramètre qui mérite d'être exploré est le contrôle des données. Vous devez décider si vous souhaitez autoriser l' utilisation de votre contenu pour entraîner des modèles Open AI. Vous pouvez activer ou désactiver ce paramètre. La dernière étape est facultative, mais je vous recommande de la faire si c'est première fois que vous personnalisez les GPT Accédez à Explore GPTS et parcourez les applications déjà disponibles dans le magasin Vous pouvez effectuer une recherche par catégories ou par mots clés. Par exemple, cherchons un chef de produit et voyons ce qui s'affiche. Voici une liste des GPT personnalisés pertinents ainsi qu'une brève description et le nombre de conversations pour lesquelles chaque GPT a été utilisé Cliquez sur le GPT de votre choix et découvrez comment il fonctionne. Consultez les démarreurs de conversation et voyez ce qui se passe lorsque vous cliquez sur l'un d'entre eux. En explorant les GPT existants et en voyant comment ils fonctionnent, vous pouvez avoir une bonne idée de la façon de concevoir votre propre GPT De plus, vous trouverez peut-être une application utile que vous pourrez utiliser pour vos propres tâches plutôt que d'en créer une à partir de zéro. Dans la section questions-réponses de cette vidéo, veuillez partager les GPT personnalisés que vous avez découverts et l'ILCA dans le 9. Suivi : Création de GPT personnalisés: Tout le monde. Bon retour. Créons notre premier GPT personnalisé. Pour commencer, rendez-vous dans les paramètres du compte. Mon GPT est de créer un GPT. À la première étape, vous verrez un générateur GPT qui utilise une interface conversationnelle pour vous aider à créer votre GPT sans avoir à remplir manuellement tous les L'onglet configuré vous permet de fournir des instructions plus détaillées pour votre GPT Je préfère généralement commencer par le robinet configuré tout de suite, et c'est ce que nous allons faire dans ce tutoriel. Commencez par définir le nom et la description de votre GPT. Ensuite, vous pouvez télécharger un logo pour le GPT ou en créer un à l'aide de Dali Ouvrez le modèle de texte vers image Ayes. Conservons les instructions et les champs de démarrage de conversation pour le moment et explorons les trois sections au bas de la page. La fonction de connaissance vous permet de fournir du contenu supplémentaire que votre GPT pourra consulter. Vous pouvez télécharger un ou plusieurs documents ici pour que votre GPT puisse y accéder lors de l'exécution de tâches Pour la génération d'identifiants GPT, nous n'utiliserons aucun contenu supplémentaire, nous laisserons donc cette section vide. La section des fonctionnalités vous permet d' activer la navigation sur le Web, génération d'images DL et l'analyse avancée des données. Si vous souhaitez que votre GPT exécute des fonctions supplémentaires. Pour mon GPT, je choisirai navigation Web et la génération d'images DL Les actions personnalisées sont des commandes ou des scripts que le GPT peut déclencher pour exécuter diverses fonctions, telles que l'interaction avec les API, telles que l'interaction avec les API, manipulation de données ou le déclenchement de flux Essentiellement, ils étendent les fonctionnalités des modèles GPT au-delà de la génération de texte Par exemple, si un utilisateur demande la météo actuelle, une action personnalisée peut être configurée pour récupérer données météorologiques en temps réel et renvoyer ces informations Les actions personnalisées nécessitent des connaissances techniques, nous ne les inclurons donc pas dans le GPT de génération d'identifiants Revenons maintenant aux sections d' instructions, qui décrivent la logique de base du fonctionnement du GPT personnalisé Il y a certaines directives à suivre lors de la rédaction des instructions pour obtenir les meilleurs résultats. Passons-les en revue. Ces directives s' appliquent non seulement aux GPT personnalisés, mais également à tout chat individuel que vous créerez avec le chat GPT Si vous utilisez le forfait gratuit, vous n'aurez pas la même interface pour écrire instructions sécurisées, car la personnalisation des GPT n'est pas incluse dans le contourner le problème, je recommande d'enregistrer le texte des instructions dans un document Google Vous pourrez donc y accéder plus tard lorsque vous serez prêt à tester ou à utiliser les instructions, suffit d'ouvrir une nouvelle discussion et de les copier-coller. Vous pouvez toujours accéder à l'historique des discussions via le menu de gauche. Voyons maintenant comment écrire les instructions. Commencez par décrire l'objectif et cas d'utilisation de votre GPT personnalisé Expliquez à quels types de questions ou de tâches cela devrait vous aider et quels résultats vous en attendez. Cela permet au modèle de rester concentré sur la fourniture de réponses pertinentes. Par exemple, pour la génération d'ID GPT, nous avons les instructions suivantes Le script complet des instructions utilisées pour créer ce GPT est disponible dans la section des ressources, alors n'oubliez pas de le consulter Ensuite, identifiez le public cible de votre GPT. Cela inclut leur niveau de compétence, intérêts et leurs besoins ou préférences spécifiques. Troisièmement, décrivez le ton que vous souhaitez donner au GPT. Cela peut être amical, professionnel, décontracté ou humoristique, selon votre public cible. Spécifiez si vous souhaitez que le GPT utilise langage conversationnel ou conserve un style plus formel Vous pouvez également fournir des instructions comportementales manière dont GPT doit gérer différents types d'interactions, telles que les questions auxquelles il ne peut pas répondre, traitement de sujets sensibles ou le moment rediriger les utilisateurs vers d'autres ressources La prochaine série d'instructions pour le GPT que nous sommes créer dépendra du déclencheur conversation que vous aurez choisi démarreurs de conversation sont des exemples d'invites que les utilisateurs peuvent utiliser pour démarrer l'interaction pour la génération d'identifiant GPT Nous avons deux points de départ pour la conversation. Nos instructions varient en fonction de celle sélectionnée par l'utilisateur. Voici comment nous gérons cette logique. Tout d'abord, nous écrivons. Si un utilisateur sélectionne, donnez-moi dix idées pour mon projet parallèle comme point de départ de la conversation, passez aux étapes 1 à 4 ci-dessous. Lorsque vous rédigez des instructions, il est important de décomposer les tâches en plusieurs étapes en étapes plus petites et plus faciles à gérer afin que le modèle puisse les suivre avec précision. Soyez aussi détaillé que possible, en particulier lorsque plusieurs actions sont requises en une seule étape. Par exemple, à la première étape, nous demandons à l'utilisateur de fournir les informations suivantes le concernant. Nous avons ensuite listé les questions que nous voulons que le GPT pose une par une Nous incluons également une instruction comportementale pour poser chaque question de manière séquentielle, attendant la réponse de l'utilisateur avant de passer à la question suivante Dans la deuxième étape, nous demandons au GPT de générer dix idées de projets de site Ces idées doivent se recouper dans les quatre domaines que nous avons définis Nous capitalisons tout pour mettre en valeur les instructions. À la troisième étape, nous indiquons les informations à fournir pour chaque idée. Notez que nous structurons les informations sous forme de liste pour améliorer la clarté. Il est également recommandé d'inclure un ou plusieurs exemples pour réduire la variabilité de la production. Voici un exemple inclus dans les instructions GPT de génération d'idées pour la troisième étape Enfin, la quatrième étape demande à l'utilisateur s'il souhaite affiner ou développer davantage les idées générées. Nous venons de passer en revue les instructions pour démarrer la conversation. Donne-moi dix idées pour mon projet parallèle. Instructions pour démarrer la deuxième conversation. Comment puis-je créer mon projet parallèle est beaucoup plus simple. Nous demandons à GPT de fournir un lien avec le texte suivant. Génial. Nous allons maintenant tester notre GPT en action Mm. Nous avons d'excellentes idées lesquelles nous pouvons soit commencer à travailler immédiatement, soit fournir des instructions supplémentaires sur immédiatement, soit fournir des instructions supplémentaires la manière de les affiner. Bien entendu, un seul test ne sera pas suffisant pour finaliser votre GPT, vous devrez donc répéter plusieurs fois pour affiner et ajuster vos instructions fonction des réponses que vous observez C'est bon. Cela conclut le didacticiel sur la création de votre premier GPT La génération d'ID GPT est disponible pour que vous puissiez la tester et l'explorer Vous trouverez le lien vers l'application ainsi que les instructions utilisées pour personnaliser le GPT dans la section des ressources Prenez votre temps et passez en revue les instructions que vous souhaitez que votre GPT suive Dans le prochain didacticiel, nous verrons comment implémenter un scénario dans lequel le modèle nécessite des connaissances allant au-delà des connaissances acquises sur S. 10. Suivi : Utilisation des fichiers de connaissances pour les GPT personnalisés: Bienvenue à tous. Continuons à explorer comment créer un GPT personnalisé. Vous avez peut-être un cas d'utilisation où le modèle nécessite des connaissances allant au-delà de celles sur lesquelles il a été formé. Imaginez que vous créez un GPT personnalisé pour vous aider à mieux comprendre les problèmes de vos clients et les opportunités d'amélioration des produits Bien que GPT four puisse fournir des conseils généraux sur la manière de découvrir des produits, il n'a pas accès à informations spécifiques sur vos clients et vos produits, telles que les scripts d' entretiens avec les clients, résultats des enquêtes auprès des clients, les tickets d' assistance et d'autres sources pertinentes La solution consiste à donner au GPT l'accès à ces sources de données afin qu' il puisse récupérer des informations pertinentes et aider à générer des idées d' amélioration des produits Pour y parvenir, le GPT a besoin d'un mécanisme permettant de récupérer et intégrer des informations spécifiques à jour provenant de vos outils internes dans ses réponses, c'est là qu'intervient la génération augmentée par récupération La génération augmentée de récupération est le processus qui consiste récupérer des informations contextuelles pertinentes à partir d' une source de données et à les transmettre à un grand modèle de langage en même temps que l'invite de l'utilisateur Ces données récupérées augmentent les connaissances de base du modèle afin d'améliorer la précision et la pertinence de ses résultats Pour implémenter la génération augmentée par extraction, vous pouvez soit connecter votre GPT à des sources de données en temps réel, telles que votre système de billetterie ou votre base de données clients, utiliser la fonction de téléchargement de connaissances qui permet d'indexer des fichiers contenant du contexte supplémentaire et de les Les PT récupèrent ensuite ces données de manière dynamique pour fournir des informations plus pertinentes en fonction des instructions des utilisateurs le cadre de ce didacticiel, nous allons apprendre à utiliser la fonctionnalité de téléchargement de connaissances. Passons aux détails. J'ai créé un deuxième GPT personnalisé conçu pour aider les chefs de produit à améliorer leur CV pour la première ou la prochaine candidature au rôle de chef de produit Pour ce GPT, nous avons deux démarreurs de conversation. Lorsque vous le souhaitez, veuillez consulter mon CV pour le poste de chef de produit. vous sera demandé de fournir plusieurs informations. Votre CV ou les éléments sur lesquels vous souhaitez obtenir des commentaires, une description du poste pour lequel vous souhaitez postuler et toute autre information pertinente sur votre parcours ou vos objectifs professionnels qui pourrait vous aider à comprendre votre profil. Une fois ces informations fournies, vous recevrez des commentaires, notamment une révision globale de votre CV, des commentaires sur votre expérience professionnelle, votre formation, le format et le style, ainsi que d'autres recommandations. De plus, le GPT personnalisé mettra en évidence force de votre profil et les points à améliorer Regardons maintenant l'onglet configuré pour le GPT. Passons directement à la fonctionnalité de connaissances. Ici, j'ai téléchargé six documents pour que le GPT puisse s'y référer lors de ses recommandations Cinq de ces documents contiennent des informations sur la façon de concevoir un RCV spécifiquement pour un rôle de chef de produit Le dernier document contient des exemples d'exigences professionnelles pour les postes de chef de produit, que j'ai collectés auprès de Linkin jobs dans trois régions : États-Unis, Em et APAC Je souhaite que le GPT utilise ces documents lors de l'examen du CV soumis et qu'il obtienne des informations sur la manière dont le CV doit être structuré et contenu à inclure fonction des attentes actuelles du marché du travail Voyons comment je fais référence aux documents dans la section des instructions. Dans cette section, j'ai inclus un paragraphe décrivant comment le GPT doit utiliser les fichiers de connaissances J'ai écrit, pour fournir des recommandations, reportez-vous à la section des connaissances de ce GPT J'ai ensuite listé les noms des documents suivis d'une brève description du contenu de chaque document. Et c'est tout. Je n'ai pas fourni détails supplémentaires sur le moment où le GPT doit faire référence à chaque fichier spécifique ou informations exactes qu'il doit en extraire. Au lieu de cela, j'ai écrit ce qui suit. Pour fournir des recommandations, reportez-vous à la description de poste pour laquelle l'utilisateur souhaite postuler, accédez au CV fourni par rapport à cette description de poste, et pour chacun des sept points énumérés ci-dessus, je fais ici référence au format de sortie que l'utilisateur verra mettre en évidence la manière dont le CV peut être amélioré afin maximiser les chances d' être présélectionné pour l'entretien Au départ, j'ai testé des instructions plus détaillées sur le moment où le GPT doit accéder à chacun des fichiers de connaissances Par exemple, dans une version antérieure que j'ai écrite, lors de la révision de la section sur l' expérience professionnelle du CV soumis, assurez-vous qu'elle est structurée conformément aux recommandations décrites dans ce fichier. Je l'ai fait pour chaque élément de la liste de sortie. Cependant, en testant cette version, j'ai constaté que les recommandations n'étaient pas aussi claires et avaient tendance à être quelque peu ambiguës. Je me suis rendu compte que j'avais imposé trop de restrictions au GPT, ce qui empêchait le modèle de répondre naturellement et efficacement. C'est pourquoi j'ai modifié les instructions pour les adapter à la version que vous voyez maintenant, ce qui a permis d'obtenir des résultats bien mieux structurés, concis et précis. Vous pouvez tester vous-même ce GPT et partager vos réflexions dans la section questions-réponses de la vidéo Vous trouverez le lien vers le GPT dans la section des ressources. J'ai également téléchargé le texte intégral des instructions que j'ai écrites pour ce GPT afin que vous puissiez également les référencer. Et d'ailleurs, si vous recherchez autres exemples sur la façon d' écrire des instructions, je vous recommande de consulter le GPT Builder d'OpenAI Le GPT Builder lui-même est un GPT personnalisé avec des instructions et Le texte complet des instructions écrites pour le GPT Builder est disponible sur la page de support d'OpenAI, et j'ai trouvé très utile de le consulter avant d' écrire les miennes Je vais également inclure un lien vers cette page dans la section des ressources, et c'est tout pour ce didacticiel et ALCO dans le suivant 11. Suivi : Partager votre GPT: Merci