ThoughtSpot Inc. monte à bord du train en marche des grands modèles linguistiques avec l’annonce d’aujourd’hui qu’elle intègre le populaire GPT-3 LLM dans sa plate-forme d’intelligence d’affaires.
GPT-3 est le modèle qui sous-tend le très populaire chatbot ChatGPT d’OpenAI LLC. La plate-forme de ThoughtSpot permet aux utilisateurs d’interroger des données commerciales provenant de plusieurs sources à l’aide de termes de type moteur de recherche et de visualiser les résultats sous forme de tableaux, de graphiques et de cartes. La société, qui a levé plus de 660 millions de dollars, prétend avoir quatre des cinq plus grandes entreprises américaines comme clients et plus d’un tiers du Fortune 100.
La nouvelle offre sera présentée sous le nom de ThoughtSpot Sage, combinant GPT-3 avec la technologie de recherche brevetée de la société. La prise en charge de LLM supplémentaires est prévue à l’avenir.
L’intégration de GPT-3 présente les principaux avantages d’interroger les données et d’obtenir des résultats en langage naturel, a déclaré Sumeet Arora, directeur du développement. ThoughtSpot Sage peut également être utilisé pour aider à la modélisation des données et l’équipe de support de l’entreprise a été équipée d’une assistance basée sur le LLM.
L’ajout du support LLM vise également à alléger le fardeau des analystes de données qui ont tendance à “se laisser prendre à créer des tableaux de bord et à répondre à de petites demandes”, a déclaré Arora. “C’est la corvée que nous visons à éliminer. Nous permettons aux analystes de créer les garde-fous du fonctionnement de l’analyse de recherche. »
La fin des clics ?
Arora a déclaré que le traitement du langage naturel rendrait obsolète la construction de requêtes par glisser-déposer. “L’interface souris-clic est morte”, a-t-il déclaré. “Nous avons harmonisé le comportement humain avec une expérience humaine dans la barre de recherche.”
Ce qui manque au langage naturel, cependant, c’est la précision. Demander à un ordinateur quel est le produit le plus réussi de l’entreprise, par exemple, pourrait inviter une réponse en fonction des ventes, des avis des clients, de la rentabilité ou d’autres critères. ThoughtSpot contourne ce problème en utilisant des jetons de recherche, qui classent les requêtes selon des critères tels que la colonne, l’opérateur, la valeur et le mot-clé.
“Nous avons commencé par créer une interface relationnelle avec des jetons qui réduit considérablement l’effort pour obtenir des réponses, mais vous devez maîtriser l’analyse”, a déclaré Arora. “Nous avons maintenant ajouté une couche avec des jetons de recherche qui garantit la précision mais qui ressemble à un langage naturel.”
La clé de cela est que les requêtes sont traduites dans le langage de requête natif Sage Grammar de ThoughtSpot et présentées à l’utilisateur pour approbation. “Nous vous dirons comment nous avons traduit votre requête et vous permettrons de la modifier”, a-t-il déclaré.
Notant que les modèles formés par GPT ont parfois été qualifiés de menteurs confiants, Arora a déclaré que ThoughtSpot prévoyait d’ajouter des cotes de confiance codées par couleur à ses réponses, une fonctionnalité qui manque à ChatGPT. Le modèle LLM de chaque client est automatiquement formé au fil du temps aux termes et requêtes spécifiques à cette organisation. Les clients peuvent spécifier les exemples à utiliser pour former le système et les données de formation ne sont jamais partagées entre les clients, a déclaré Arora.
GPT-3 sera intégré au service cloud de l’entreprise au cours des prochaines semaines sans frais supplémentaires.
