Sådan skalerer NVIDIA ekspertise med ChatGPT Work
NVIDIA-teams bruger ChatGPT Work til at reducere manuelt arbejde, forbinde signaler i hastig udvikling og skalere vellykkede arbejdsgange globalt.
16
Timer sparet om ugen med ChatGPT Work under planlægningen af GTC
3–5
Dage til at skabe en fungerende prototype med ChatGPT Work mod tidligere 2–3 uger
5–8
Handlingsrettede signaler, som ChatGPT Work hver uge udleder af 25–40 eksterne AI-opdateringer
Hos NVIDIA hjælper ChatGPT Work vidensmedarbejdere med at bruge mindre tid på at samle information og mere tid på at handle på den.
For teams som GTM og løsningsarkitektur er ChatGPT blevet en del af den måde, arbejdet organiseres, automatiseres og skaleres på. For GTM forandrer det tilbagevendende driftsprocesser, mens løsningsarkitekter bruger det til at forbinde eksterne udviklinger i højt tempo med NVIDIAs interne prioriteter.
Will Daney hjælper NVIDIAs globale ledere inden for salg, forretningsudvikling og produkter med at føre deres strategier ud i livet og måle resultaterne. En af hans tilbagevendende opgaver er at støtte feltorganisationen omkring GTC, NVIDIAs globale AI-konference.
Tidligere krævede forberedelserne til GTC omfattende arbejde i regneark: at samle kundelister, følge tilmeldinger og hjælpe teams med at identificere de nødvendige tiltag for at skabe en værdifuld oplevelse for kunder og partnere. Will anslår, at den manuelle analyse optog omkring 40 % af hans tid i perioden op til eventet. I dag har han omdannet en stor del af arbejdet til en automatiseret proces i ChatGPT Work, der kører to gange om ugen. I løbet af GTC's 12-ugers planlægningscyklus sparer arbejdsgangen omkring 16 timer om ugen.
»Jeg kan frigøre tid, arbejde sammen med selve feltteamet, lære dem bedre at kende og hjælpe dem med at finde ud af, hvordan vi kan gøre vores kunder mere succesfulde,« siger Will.
Og fordi han selv ejer arbejdsgangen, kan han tilpasse den, efterhånden som eventet ændrer sig, uden at vente på, at et nyt værktøj bliver indkøbt, implementeret og vedligeholdt. Han kan også dele den bagvedliggende proces med teams i andre regioner. Kollegaer, der støtter events i San Jose, Taipei, Europa og Washington D.C., har fået hans ChatGPT‑arbejdsgange og tilpasset dem til deres lokale behov.
»Med ChatGPT er det afgørende for mig, at jeg kan tage en arbejdsgang, jeg allerede har udviklet, og automatisere den fra event til event med minimale eller ingen ekstra omkostninger.«
Rachita Jain arbejder i AI-driftsteamet i NVIDIAs marketingorganisation, hvor hun udvikler AI-arbejdsgange og hjælper teams med at tage nye værktøjer i brug. Hendes udfordring er at følge med i en branche, hvor nye modeller, benchmarks og forskningsresultater dukker op hver dag.
Informationen er let tilgængelig. Den sværere opgave er at afgøre, hvilke udviklinger der er relevante for NVIDIA, og forbinde dem med interne projekter, samtaler og prioriteter. Rachita udviklede en arbejdsgang med ChatGPT Work, der gennemgår pålidelige eksterne kilder sammen med intern kontekst, identificerer væsentlige sammenfald og fremhæver indsigter, der kan omsættes til handling. Hver uge sammenfatter den cirka 25–40 eksterne AI-opdateringer til 5–8 handlingsrettede signaler.
»ChatGPT hjalp mig med at forvandle passiv læsning til aktiv indsigt,« siger hun.
Det samme miljø understøtter også resten af udviklingsprocessen. Rachita kan begynde med en idé, undersøge mulige tilgange, arbejde sig gennem en kodebase, fejlfinde problemer og finpudse resultatet uden hele tiden at skifte mellem separate værktøjer. Initiativer, der tidligere måske var forblevet sideprojekter, kan udvikle sig til fungerende produkter på få dage. I ét tilfælde gik hun fra idé til en fungerende prototype på cirka 3–5 dage mod anslået 2–3 uger, hvis hun manuelt havde bygget komponenterne i separate værktøjer.
»Det største problem, jeg forsøger at løse, er overfloden af information, fordi alting udvikler sig så hurtigt. Det bliver sværere for hver dag at holde styr på alle ændringerne. Og med ChatGPT bliver det meget enklere.«
Den næste mulighed er at skalere det, der allerede virker. Ved at omsætte specialviden til genanvendelige arbejdsgange kan teams på tværs af NVIDIA tilpasse gennemprøvede processer til forskellige funktioner, events og regioner – samtidig med at de medarbejdere, der er tættest på arbejdet, bevarer kontrollen over processernes udvikling.
I takt med at AI-landskabet fortsat ændrer sig, kan disse fælles arbejdsgange hjælpe NVIDIA med hurtigere at forbinde eksterne udviklinger med interne prioriteter og udbrede AI-understøttede arbejdsmetoder til flere medarbejdere. Målet er at give teams mere tid til at fortolke resultater, samarbejde og fokusere på arbejde, der hjælper kunderne.
Potentialet ses allerede tydeligt i Wills erfaring. »ChatGPT har virkelig mangedoblet min kapacitet personligt,« siger han. »Det føles, som om jeg har et team, der arbejder for mig. Det har hjulpet mig med at hæve blikket fra detaljerne og fokusere mere på det arbejde, der betyder noget.«
