I vår stadig mer digitaliserte verden har kunstig intelligens (AI) blitt en uunnværlig del av hverdagen. Fra å skrive e-poster til å løse komplekse matematiske problemer, har AI-assistenter som ChatGPT gjort livene våre enklere.
Men, selv om mange bruker AI som et hjelpemiddel, er det få som har integrert AI direkte i systemene sine for å effektivisere og forbedre prosesser.
I denne artikkelen vil vi utforske hvordan Snøkam har implementert AI for å revolusjonere hverdagen, samt se på hvordan OpenAI støtter konfigurering av GPT-er (Generative Pre-trained Transformers) som kan styre egenutviklede API-er med stemmen.
La oss starte!
«Heldigvis er det enklere enn mange tror å ta i bruk AI-teknologi med kode.»
AI i hverdagen
Kunstig intelligens (AI) spiller en stadig større rolle i våre daglige liv. Digitale assistenter, en av de mest fremtredende formene for AI, tilbyr en rekke tjenester som spenner fra å besvare spørsmål til å utføre avanserte oppgaver.
Disse assistentene kan håndtere alt fra bestilling av billetter og styring av smartenheter i hjemmet, til å skrive e-poster, utarbeide rapporter og løse komplekse matematiske utfordringer.
Her er et eksempel:
AI representerer et ekstremt kraftig verktøy med enormt potensial for både privatpersoner og organisasjoner. Ved å integrere AI i systemene våre, kan vi drastisk forbedre effektiviteten og nøyaktigheten i mange arbeidsprosesser.
Heldigvis er det enklere enn mange tror å ta i bruk AI-teknologi med kode. OpenAI tilbyr et enkelt API og flere SDK-er som gjør det mulig for utviklere å integrere AI i sine applikasjoner.
La oss si at du ønsker å bruke ChatGPT til å generere en enkel C#-kode som skriver ut “Hello, World!”. Dette kan gjøres ved å sende en forespørsel til ChatGPT med ønsket prompt.
// Din OpenAI API-nøkkel
string apiKey = "din-api-nøkkel-her";
// Opprett en OpenAI API-klient
var api = new OpenAIAPI(apiKey);
// Definer prompten
string prompt = "Kan du skrive en enkel C# kode som skriver ut 'Hello, World!'?";
// Send forespørselen til OpenAI
var response = await api.Completions.CreateCompletionAsync(new CompletionRequest
{
Prompt = prompt,
MaxTokens = 100
});
// Skriv ut svaret fra OpenAI
Console.WriteLine(response.Choices[0].Text);Koden kan vi generalisere og implementere som et rest-api.
[FunctionName("syncQuestion")]
public static async Task<IActionResult> syncQuestion(
[HttpTrigger(AuthorizationLevel.Anonymous, "get", Route = "v1.0/question")] HttpRequest req,
ILogger log)
{
string input = req.Query["input"];
return new OkObjectResult(new DTO
{
answer = await GetOpenAIResponse(input);
});
}
private static async Task<string> GetOpenAIResponse(string prompt)
{
var api = new OpenAIAPI(apiKey);
var response = await api.Completions.CreateCompletionAsync(new CompletionRequest
{
Prompt = prompt,
MaxTokens = 100
});
return response.Choices[0].Text.Trim();
}Og vipps, så vil et kall til /v1.0/question?input=SomeQuestion returnere:
{
"answer": "Some AI generated answer"
} Vi har nettopp tilgjengeliggjort et vanvittig kraftig verktøy i organisasjonen, som utviklere kan benytte ved behov. Rimelig smooth, sa du? 🤓
Det største problemet: Være kreativ
Det mest utfordrende aspektet ved å integrere ChatGPT eller annen AI-teknologi inn i din organisasjon, er ikke selve teknologien. Det er å oppdage og utvikle kreative bruksområder som virkelig kan tilføre verdi.
Målet er å finne innovative måter å anvende AI på, som effektiviserer arbeidsprosesser og avlaster ansatte i deres daglige arbeid. La oss dykke ned i et par eksempler.
Eksempel #1: Automatisering av oppdragsforespørsler
En av de mest spennende implementasjonene av kunstig intelligens hos Snøkam er automatiseringen av oppdragsforespørsler.
Vi mottar kontinuerlig forespørsler fra en rekke kilder, hovedsakelig via e-post, som automatisk videresendes til Slack. Hendelsen trigger ChatGPT som analyserer og sammenligner innholdet med tilgjengeligheten og kompetansen til konsulentene våre.
Når og dersom en passende konsulent er identifisert, genererer AI-en en melding i tråden med detaljert informasjon om den best egnede konsulenten og begrunnelsen for valget. Denne prosessen sparer Snøkam for utallige timer med manuelt arbeid og sikrer rask og effektiv respons på nye muligheter.
Gjennom utviklingsprosessen av systemet oppdaget vi at maskinlæringsmodellene hadde en rå evne til å tolke avanserte datastrukturer. Selv med ufiltrert JSON rett fra CV Partner klarte algoritmen å levere imponerende resultater.
Eksempel #2: Utrulling av AI-løsninger hos Storebrand
Hos Storebrand har vi nylig igangsatt et spennende prosjekt som fokuserer på å utnytte kunstig intelligens i CMS-et (Content Management System) for å automatisk forbedre tekster.
Denne teknologien, utviklet for å øke lesbarhet og forståelighet, benytter AI til å forenkle språket i tekster uten å endre innholdets essens. Ved å forenkle språket uten å endre på innholdets kjerne, blir komplekse setninger lettere tilgjengelige for et bredere publikum. Dette er spesielt verdifullt i kommunikasjon med kunder hvor klar og tydelig informasjon er avgjørende.
For å illustrere hvordan vi bruker denne teknologien, kan vi se på et forenklet eksempel.
export const askOpenai = async (question: string) =>
fetch(`https://company-chatgpt-rest-api/question`, {
method: 'POST',
body: JSON.stringify({ question })
})
.then((res) => res.json());const improve = () => {
setLoading(true);
const question = `
You are now an API. Can you make the text "${value}" simple and readable?
Return three improved text suggestions as json on the format ["suggestion"] in the language ${language}.
Return a list, not an object.`;
askOpenai(question)
.then((data: Response) => {
setSuggestions(JSON.parse(data[0].message.content));
})
.catch((e) => console.log(e))
.finally(() => setLoading(false));
};Vi ber om tre forslag, noe som gir oss fleksibilitet til å velge den beste versjonen for våre behov. En viktig faktor i prosessen er å formulere spørsmålene til ChatGPT på en måte som sikrer konsekvente og pålitelige svar for hver forespørsel.
Ved å implementere AI har Storebrand tatt et stort skritt mot å gjøre sitt skriftlige materiale mer tilgjengelig og engasjerende for alle brukere.
OpenAIs støtte for egne GPT-er
I tillegg til å integrere kunstig intelligens i våre eksisterende systemer, har OpenAI nylig lansert flere innovative verktøy som har potensial til å revolusjonere hvordan vi bruker teknologi.
Blant de mest spennende nyhetene er OpenAI’s støtte for opprettelsen av egne GPT-er (Generative Pre-trained Transformers). Dette gir oss mulighet til å skreddersy og konfigurere kunstig intelligens til spesifikke bruksområder.
For eksempel har vi utviklet en spesialtilpasset intern AI for ansatte i Snøkam. Denne AI-en er designet for å håndtere alle spørsmål relatert til arbeidsforholdet, og gir presise svar på alt fra feriepolitikk til forsikringsdokumenter.
Forsikringsdokumenter: Enkelt og tilgjengelig
Håndtering av forsikringsdokumenter kan være utfordrende, og det er ofte vanskelig for ansatte å forstå de fulle detaljene i hva deres forsikringer dekker.
Ved å laste opp forsikringsdokumentene til GPT-en, kan ansatte raskt få svar på spesifikke spørsmål om dekning, uten behov for å gjennomgå hundrevis av sider med dokumentasjon. Dette bidrar til å gjøre informasjonen mer tilgjengelig og forståelig, og forenkler hverdagen for ansatte.
Når AI møter våre API-er: En teknologisk revolusjon
I tillegg til å kunne laste opp dokumenter og konfigurere en spesifikk kontekst, kan vi gi AI tilgang til API-er vi har utviklet. Og enda villere: den kan logge inn, hente data og gjøre operasjoner på dine vegne.
Så nå kan ansatte i Snøkam hente ut informasjon og melde seg på arrangementer, føre timer og hente ut månedens lønn, eller hente ut informasjon om konsulentene våre fra CV-partner, bare ved å snakke med ChatGPT. Er fremtiden her eller hva?
Alt dette er muliggjort ved bruk av OpenAPI-standarden (som er en spesifikasjon for beskrivelse av API-er) sammen med OAuth2 for sikker autentisering. OpenAPI-spesifikasjonen tilbyr en strukturert måte å beskrive API-er på, som er forståelig både for mennesker og maskiner. Dette gjør det mulig for både oss og systemer som ChatGPT å integrere og benytte disse API-ene effektivt.
For å illustrere hvordan det fungerer, la oss se på et enkelt eksempel:
{
"openapi": "3.0.0",
"info": {
"title": "API for events",
"version": "1.0.0"
},
"paths": {
"/events": {
"get": {
"summary": "List all events",
"responses": {
"200": {
"description": "A list of events."
}
}
}
}
}
}Resultatet?
Verdt å vite
I en stadig mer teknologidrevet verden er det avgjørende å forstå og implementere ny teknologi for å holde seg konkurransedyktig.
Forståelig nok er mange bekymret for datasikkerhet og personvern. Det er verdt å vite at OpenAI, som standard, ikke trener på data på team- og organisasjons-lisensierte kontoer, med mindre det er eksplisitt tillatt. Dette betyr at sensitiv og intern informasjon fra slike kontoer forblir beskyttet og ikke brukes til å forbedre modellene.
Når det gjelder moderne NLP-modeller, står man overfor flere viktige utfordringer. En primær bekymring er modellenes tendens til å gjenspeile skjevheter fra treningsdataene de er basert på. Dette kan resultere i svar som ikke er helt nøytrale og som potensielt kan være partiske eller upresise.
Videre sliter disse modellene med å forstå kontekst og subtile nyanser, noe som ofte fører til misforståelser eller feilaktige tolkninger. Og selv om data fra team- og organisasjonslisenser ikke brukes til trening, kan det fortsatt være risikoer knyttet til hvordan data lagres og beskyttes.
Hvor skal vi nå?
I en verden hvor teknologi stadig utvikler seg, er det viktig å være på forkant og omfavne de endringene som kommer. AI representerer en betydelig mulighet for de som er villige til å investere tid og ressurser i å forstå og implementere denne teknologien.
Ved å integrere AI dypt i våre systemer, har vi kunnet forbedre effektiviteten, redusere manuelle oppgaver og levere bedre tjenester til våre kunder. AI kan og vil transformere måten vi arbeider på. AI er fremtiden. Det er på tide å omfavne den.
