本周到目前为止，我们已经看到生成性人工智能从Salesforce进入 CRM，并从Forethought进入客户服务聊天机器人——而这只是我个人所涉及的。今天，我们来看看 ThoughtSpot 的生成式 AI 条目，它允许您使用自然语言查询数据，以根据需要返回文本或图形，并给出正确的响应。
这是 Thoughtspot 多年来一直努力的方法。 2019 年，当我在该公司价值2.48 亿美元的 E 轮融资之际与该公司交谈时——当时该公司的估值为 19.5 亿美元——它已经在使用人工智能将简单的语言查询转化为“什么是波特兰最畅销的鞋子” ‘ 进入幕后的 SQL 并提供答案。
这与它今天宣布的并没有什么不同，但现在它依靠 GPT-3 来允许用户输入查询并获得类似的结果。技术赶上愿景只是花了一些时间。
“我们一直想构建一个纯自然语言的意图驱动的界面。事实上，我可以告诉你四年前，我们内部有一个项目要构建我们自己的大型语言模型。我们暂停了这一点，因为我们知道当公共大型语言模型功能出现时，我们将能够将其置于 [我们产品的] 之上，并提供最好、最灵活、高度准确的平台——这就是我们所拥有的完成了，”ThoughtSpot 首席执行官苏迪什·奈尔 (Sudeesh Nair) 告诉 TechCrunch。
也许对 ChatGPT 最大的批评是它有时会给出错误的答案，但在使用该技术查询数据时，Thoughtspot 必须提供准确的答案。在这方面，该公司利用 GPT-3 API 帮助将自然语言翻译成 SQL，但它也添加了自己的层以确保它提供单一的正确答案，因为数据没有错误的余地。
“这就是为什么虽然大型语言模型有意义，但让它们在商业计算、数据库查询方面值得信赖，是一个完整的游戏规则改变者，而且……我们实际上以不同的方式构建了堆栈，以在大公司中大规模地提供准确性和信任，”Nair 说.
该公司明白，无论他们多么努力，他们都不会总是做对，所以他们还建立了一个反馈循环，让他们知道他们犯了错误，无论是由于不准确，还是客户以不同的方式呈现数据从算法如何做。
用户可以通过编辑查询来改变它衡量某些事物的方式，或者根据响应给出赞成或反对，并且程序可以使用此反馈来微调未来的答案。
当用户提出问题和 Thoughtspot 检索并生成答案时，不同类型的 AI 会发挥作用。更重要的是，Thoughtspot AI 可以帮助公司的数据专家为其源数据构建定制的数据模型。
根据 Crunchbase，该公司成立于 2012 年，已筹集超过 6.6 亿美元。与 GPT-3 的新集成的私人测试版今天开放。
ThoughtSpot 添加了 GPT-3 集成以帮助客户查询数据，作者Ron Miller最初发布在TechCrunch上
原文： https://techcrunch.com/2023/03/09/thoughtspot-adds-gpt-3-integration-to-help-customers-query-data/