Η ENEOS Materials δημιούργησε πάνω από 1.000 custom GPTs και έβαλε το ChatGPT Enterprise στη διάθεση κάθε εργαζομένου

Η διεπαφή είναι η εφαρμογή: ιαπωνικά prompts αντί για εργαλεία ανάπτυξης

Το πιο ενδιαφέρον στοιχείο σε αυτή την ανακοίνωση είναι οργανωτικό, όχι τεχνικό. Η ENEOS Materials αναφέρει ότι πάνω από το 90% των εργαζομένων χρησιμοποιεί το ChatGPT Enterprise τουλάχιστον μία φορά την εβδομάδα, με πάνω από 1.000 custom GPTs να έχουν δημιουργηθεί σε όλη την εταιρεία. Ένας τέτοιος όγκος χρήσης συμβαίνει μόνο όταν ο τρόπος αλληλεπίδρασης με το σύστημα ταυτίζεται με τον τρόπο που οι άνθρωποι ήδη εργάζονται — σε αυτή την περίπτωση, περιγράφοντας μια εργασία στα ιαπωνικά και παίρνοντας πίσω ένα αποτέλεσμα.

Ο Taku Ichibayashi από το τμήμα Έρευνας και Ανάπτυξης περιγράφει την υιοθέτηση ως εξαρτώμενη από δύο ζητήματα διεπαφής και όχι από την καθαυτή ισχύ του μοντέλου: την ασφάλεια των ιδιόκτητων πληροφοριών και την ακρίβεια των αποτελεσμάτων. Η προσέγγιση που περιγράφει η ομάδα — «να κατακτήσουμε πρώτα εμείς οι ίδιοι την τεχνολογία, και μετά να εξερευνήσουμε τις δυνατότητές της» — αποτυπώνει μια διεπαφή που μαθαίνεται χειρωνακτικά, τμήμα προς τμήμα, πριν κλιμακωθεί, και όχι μια επιβεβλημένη πλατφόρμα από την κορυφή προς τα κάτω.

Το γεγονός ότι κάποιος χωρίς προγραμματιστική εμπειρία παρέδωσε ένα εργαλείο είναι το πραγματικό μήνυμα

Το παράδειγμα του HR είναι η συγκεκριμένη απόδειξη ότι η επιφάνεια αλληλεπίδρασης έχει σημασία. Η Marie Takeda δημιούργησε ένα εσωτερικό εργαλείο συγκέντρωσης δεδομένων παρότι, όπως η ίδια λέει, δεν είχε καμία προηγούμενη εμπειρία προγραμματισμού, και αναφέρει περίπου 90% λιγότερο χρόνο για τη συγκέντρωση δεδομένων. Ένα ξεχωριστό custom GPT του HR συμπιέζει την ανάλυση εκπαίδευσης από μία με δύο ώρες χειρωνακτικής εργασίας σε περίπου 20 δευτερόλεπτα.

Ήταν η πρώτη μου φορά που δοκίμασα προγραμματισμό, αλλά με το ChatGPT κατάφερα να δημιουργήσω μόνη μου το εργαλείο, χωρίς καμία γνώση προγραμματισμού.Montana Labs

Για ομάδες εφαρμοσμένης εργασίας, αυτή είναι η ιστορία του frontend σε μικρογραφία: το άτομο που κατανοεί το πρόβλημα ανατροφοδότησης εκπαίδευσης χτίζει τη λύση απευθείας, χωρίς να χρειάζεται να την παραδώσει σε ουρά αναμονής μηχανικών. Η επιφάνεια φυσικής γλώσσας εξαλείφει την απόσταση μεταξύ όποιου έχει ένα πρόβλημα και όποιου μπορεί να χτίσει τη λύση.

Deep research και custom GPTs ως εξειδικευμένες διεπαφές ανά τομέα

Οι υπόλοιπες περιπτώσεις χρήσης δείχνουν το ίδιο μοτίβο εφαρμοσμένο σε εξειδικευμένη εργασία. Στο εργοστάσιο της Ουγγαρίας, η ομάδα του Kenichi Sakemi χρησιμοποιεί deep research για αναζήτηση σε ουγγρικές πηγές και επιστροφή ακριβούς ιαπωνικού κειμένου, μειώνοντας έρευνες που κάποτε διαρκούσαν μήνες σε δεκάδες λεπτά, και χημικομηχανικούς υπολογισμούς από μισή μέρα σε λεπτά. Η διεπαφή εδώ λειτουργεί επιπλέον ως επίπεδο μετάφρασης και αναζήτησης πάνω σε τοπικό υλικό που η ομάδα διαφορετικά δεν θα μπορούσε να επεξεργαστεί ταχύτατα.

Το custom GPT σχεδιασμού εγκαταστάσεων του τμήματος Μηχανικής δέχεται δομημένες εισόδους — τύπο ρευστού, ρυθμό ροής, διάμετρο σωλήνα, απώλεια πίεσης, απαιτήσεις υλικού — και επιστρέφει βελτιστοποιημένες προδιαγραφές σύμφωνα με τα πρότυπα της εταιρείας, με ελέγχους διάβρωσης υλικών που, όπως αναφέρει ο Sakemi, τώρα διαρκούν δευτερόλεπτα. Κάθε custom GPT είναι στην ουσία μια ειδικά σχεδιασμένη διεπαφή που ενσωματώνει τα δικά της πρότυπα της εταιρείας, και ο αριθμός των 1.000 και πλέον δείχνει ότι οι εργαζόμενοι φτιάχνουν αυτές τις διεπαφές οι ίδιοι, αντί να περιμένουν το κεντρικό τμήμα πληροφορικής.

Το συμπέρασμα: η υιοθέτηση κλιμακώθηκε επειδή το εμπόδιο ήταν η γλώσσα, όχι η δεξιότητα

Αυτό που αποδεικνύει η ENEOS Materials είναι πως, σε ένα εργατικό δυναμικό βιομηχανικής παραγωγής που αντιμετωπίζει έλλειψη προσωπικού, ο περιορισμός στην αξία της ΤΝ δεν ήταν ποτέ η νοημοσύνη του μοντέλου — ήταν το ποιος μπορούσε να χειριστεί το εργαλείο. Καθιστώντας την οδηγία λειτουργίας «περιγράψτε στα ιαπωνικά αυτό που χρειάζεστε», η εταιρεία μετέτρεψε ειδικούς τομέων στο HR, τη μηχανική διαδικασιών και τον σχεδιασμό εγκαταστάσεων σε δημιουργούς, χωρίς να χρειαστεί να τους επανεκπαιδεύσει ως προγραμματιστές.

Η φιλοδοξία που εκφράζει ο Sakura — να ελέγχει εξοπλισμό στο εργοστασιακό δάπεδο «σε καθημερινή γλώσσα, καθοδηγώντας και βελτιστοποιώντας την παραγωγή τόσο εύκολα όσο αλληλεπιδρούμε με το ChatGPT» — επεκτείνει την ίδια λογική από τη γραφειακή εργασία στα μηχανήματα. Το στοίχημα είναι ότι η διεπαφή συνομιλίας, και όχι κάποιος εξειδικευμένος πίνακας ελέγχου, θα γίνει η προεπιλεγμένη διεπαφή για σύνθετα συστήματα. Τα 1.000 custom GPTs αποτελούν την πρώιμη απόδειξη ότι, όταν η διεπαφή ταιριάζει με τον τρόπο που οι άνθρωποι ήδη επικοινωνούν, η υιοθέτηση αυτοδιαδίδεται αντί να απαιτεί επιβαλλόμενη εφαρμογή.