企业数位转型开始扩大导入新兴科技时，对非技术人员往往会面临很大的适应考验，他们不知道如何应用新科技、分析数据或解读BI报表来决策。AI新创Chimes AI执行长谢宗震从去年底开始，开始用ChatGPT协助自家企业顾客面对这些挑战。

可用ChatGPT产生AI提案计画书

有一家使用了Chimes AI建模与管理平台产品的企业，老板想要将AI扩大应用到其他部门，要求各部门提案。不过，非技术部门不熟悉AI技术，无法想像如何将AI应用於工作流程优化。

谢宗震参考自家过往AI导入案例，利用提示工程做法，让ChatGPT自动生成AI应用发展企画书。谢宗震说，这份企画书已经足以提供企业思考的大方向，之後只要稍做修改，就能成为具可行性的计画。目前可以利用ChatGPT生成AI应用场景的计画书、产生专案开发计画、建议专案资料盘点、模拟专案资料、补齐专案资料、提供解读等等不同专案阶段的参考资料或知识。

能学习ChatGPT如何解读BI报表

如何运用ChatGPT来辅助非技术人员，例如企业业务团队常需要参考BI报表来决策，不过，就算有BI报表，业务人员不一定能将报表内容直接转化为具体洞见或执行计画。谢宗震观察，对不谙资料科学的中阶主管而言，从BI报表上冰冷的数据找到延伸方向，并整理为合理易懂的解释，不是一件易事。这是一个ChatGPT能应用的场景。企业可以输入报表或各式图表给ChatGPT，让它生成出易懂的分析来作为报告参考。

谢宗震说明，AI可以帮忙从资料之间的关联性找出可能解释。举例来说，ChatGPT能快速观察出太阳能光电厂的发电量跟天气、气温、能见度等变数间的关联性，并输出易懂的文字结论，例如发电量与哪个变数关联性最强。

尽管ChatGPT是处理自然语言的AI，不过也有办法让它读取视觉化图表。使用者可以对ChatGPT描述图表资料结构，例如折线图XY轴，再将数据以CSV的格式提供给ChatGPT，它就能读懂非纯文字的图表。谢宗震也观察到，为了避免资料外泄等原因，企业实务上通常不会直接将所有数据输入ChatGPT，而是将部分数据或模拟数据提供给ChatGPT解释後，再参考它生成的解释方向，来解读实际数据。

ChatGPT参数及提示输入是成果精准度关键

如何善用提示工程来引导ChatGPT的生成时，谢宗震提到，对ChaGPT定义使用者角色的重要性。举例来说，在请ChatGPT发想技术应用企画时，可以指示ChatGPT扮演生产技术部门里面的一个品管人员，生成的企画细节就会更加贴近实务需求。甚至，若指示ChatGPT扮演经验丰富的数据科学家角色来解释BI报表，解读能力也会提升。

企业导入ChatGPT的另一个隐忧是生成结果的精确度。作为一个生成式AI，ChatGPT会不会输出与实务情况脱节的内容，例如在生成报告时，添加了现实中不存在的数据或细节等？谢宗震坦言，这种情况确实有可能发生，因此在ChatGPT API的参数设定及指令输入上，必须依照需求做出相对应的调整，才能获得足够精确的输出成果。

举例来说，在ChatGPT API中，提供了一个Temperature参数，决定生成结果的多样性，数字越高，多样性越大，也就越可能与现实脱节。因此在需要高精度和可重现性的应用场景中，可以将此参数降为0。不过，也有些应用场景反而需要ChatGPT生出更多元的结果，例如探索新兴技术应用可能时就需要调高。

虽然ChatGPT只能根据2021年9月之前的数据来生成内容，不过，谢宗震认为，参考2年前的网路资料虽无法让企业一跃成为业界最前线，但已经足以让企业不落於人後。他甚至表示，这种用ChatGPT生成新兴技术应用企画的做法，「是一般企业追赶顶尖企业最好的方法。」

资料模糊化技术将成降低资料外泄风险关键

对不少企业来说，使用ChatGPT这类工具的一大疑虑，是担心敏感资料外泄。谢宗震认为，首要做法是，企业内部要规范好数据控管机制，以避免员工不慎上传涉及个资隐私或营业机密的数据。接下来，则是妥善利用资料模糊化技术。

由於企业使用ChatGPT来进行企画书或报表解读时，通常只需要大方向的趋势解读，因此企业可以先模糊化数据，再输入数据给ChatGPT。这些方法包括将具体数字转化为百分比、在数据中加入一定程度的杂讯，或者以实际数据为基础，做出一份模拟数据。

不过，谢宗震认为，随着越来越多企业认同ChatGPT等AI工具的价值，未来资料模糊化技术也会更加重要。就算财力雄厚的大型企业能直接购买一套AI模型，部署到自家环境中，要做到这种程度的投资前，企业内部仍须先进行小型概念验证，建立企业对这类工具的信心，因此资料模糊化这种较简单的做法，对於大小企业来说都有其必要性。

 更多相关报导