Paano sine-scale ng NVIDIA ang expertise gamit ang ChatGPT Work
Ginagamit ng mga team ng NVIDIA ang ChatGPT Work para bawasan ang mga manual na task, pag-ugnayin ang mabibilis na nagbabagong signal, at i-scale sa buong mundo ang mga successful na workflow.
16
Mga oras na natitipid bawat linggo gamit ang ChatGPT Work sa planning cycle para sa GTC
3–5
Mga araw para gumawa ng gumaganang prototype gamit ang ChatGPT Work, kumpara sa dating 2–3 linggo
5–8
Mga actionable signal na nasu-surface ng ChatGPT Work kada linggo mula 25–40 external AI updates
Sa NVIDIA, tinutulungan ng ChatGPT Work ang mga propesyonal na gumugol ng mas kaunting oras sa pangangalap ng impormasyon at mas maraming oras sa pagkilos batay rito.
Para sa mga team tulad ng GTM at solutions architecture, naging bahagi na ang ChatGPT ng paraan ng pag-organize, pag-automate, at pag-scale ng trabaho. Para sa GTM, tina-transform nito ang mga recurring na proseso sa operasyon, habang ginagamit naman ito ng mga solutions architect para i-connect ang mga fast-moving na external development sa mga internal priority ng NVIDIA.
Tinutulungan ni Will Daney ang mga leader ng global sales, business development, at product ng NVIDIA na i-execute at sukatin ang kanilang mga estratehiya. Isa sa mga regular niyang responsibilidad ang pagsuporta sa field organization para sa GTC, ang global conference ng NVIDIA tungkol sa AI.
Dati, required sa paghahanda para sa GTC ang masinsinang trabaho sa mga spreadsheet: pagbuo ng mga listahan ng account, pag-track sa mga registration, at pagtulong sa mga team na tukuyin ang mga action para maging productive ang experience ng mga customer at partner. Sa mga linggo bago ang event, tinatantya ni Will na halos 40% ng oras niya ang nauubos sa manual analysis. Ngayon, ginawa na niyang automated na proseso sa ChatGPT Work ang malaking bahagi ng gawaing iyon na nagra-run dalawang beses kada linggo. Sa buong 12 linggong planning cycle para sa GTC, nakakatipid ang workflow ng humigit-kumulang 16 na oras kada linggo.
“Nagkakaroon ako ng mas maraming oras para makatrabaho ang mismong field team, mas makilala sila, at tulungan silang matukoy kung paano mas magiging successful ang aming mga customer,” sabi ni Will.
At dahil siya ang namamahala sa workflow, puwede niya itong i-adapt habang nagbabago ang event nang hindi naghihintay na mag-purchase, mag-implement, at mag-maintain ng bagong tool. Puwede rin niyang i-share ang prosesong pinagbabatayan nito sa mga team sa iba pang rehiyon. Natanggap ng mga kasamahang sumusuporta sa mga event sa San Jose, Taipei, Europe, at Washington, DC ang kanyang mga workflow sa ChatGPT at na-customize nila ang mga ito ayon sa kanilang mga lokal na pangangailangan.
“Sa ChatGPT, sa tingin ko ang tunay na susi ay naaasikaso ang isang workflow na na-develop ko na at nao-automate ko ito kada event, nang may kaunti lang o halos walang dagdag na trabaho.”
Kabilang si Rachita Jain sa AI operations team ng marketing organization ng NVIDIA, kung saan nagbi-build siya ng mga AI workflow at tumutulong sa mga team na mag-adopt ng mga bagong tool. Ang hamon para sa kanya ay ang makasabay sa industriyang araw-araw ay may mga bagong model, benchmark, at research.
Madaling makuha ang impormasyon. Ang mas mahirap na task ay ang pagtukoy kung aling mga development ang mahalaga sa NVIDIA at pag-uugnay sa mga ito sa mga internal project, pag-uusap, at priyoridad. Nag-build si Rachita ng workflow sa ChatGPT Work na nagre-review sa mga trusted na external source kasabay ng internal context, tinutukoy ang mga makabuluhang area ng pag-overlap, at nagsu-surface ng mga insight na makatutulong para sa action. Bawat linggo, sinasala nito ang humigit-kumulang 25–40 external update sa AI at ginagawang 5–8 actionable signal na lang.
“Tinulungan ako ng ChatGPT na gawing active intelligence ang passive reading,” sabi niya.
Sinusuportahan ng parehong environment na ito ang mas malawak na proseso ng pag-build. Maaaring mag-umpisa si Rachita sa isang ideya, mag-explore ng mga posibleng approach, mag-work sa isang codebase, mag-debug ng mga problema, at i-refine ang resulta nang hindi palipat-lipat sa magkakahiwalay na tool. Ang mga inisyatibang maaaring nanatiling mga side project noon ay posible nang maging gumaganang produkto sa loob lang ng ilang araw. Sa isang pagkakataon, mula sa ideya ay nakagawa siya ng gumaganang prototype sa loob ng humigit-kumulang 3–5 araw, kumpara sa tinatantyang 2–3 linggo kung manual niyang ibi-build ang mga component gamit ang magkakahiwalay na tool.
“Sa tingin ko, ang pinakamalaking problemang sinusubukan kong lutasin ay ang sobrang dami ng impormasyon, dahil napakabilis ng pagbabago ng lahat. Araw-araw, mas nagiging mahirap na i-track ang lahat ng pagbabago. At sa ChatGPT, nagiging mas simple ito.”
Ang susunod na pagkakataon ay ang i-scale ang mga epektibo nang proseso. Dahil nagiging mga reusable na workflow na ang specialized knowledge, puwedeng i-adapat ng mga team sa buong NVIDIA ang mga napatunayang proseso sa iba’t ibang tungkulin, event, at rehiyon—habang nananatiling nasa kamay ng mga taong pinakamalapit sa trabaho ang pagpapasya kung paano magbabago ang mga prosesong iyon.
At habang patuloy na nagbabago ang landscape ng AI, makatutulong ang mga shared workflow na ito sa NVIDIA na mas mabilis na i-connect ang mga external development sa mga internal priority at maipaabot sa mas maraming empleyado ang mga paraan ng pagtatrabaho na pinahusay ng AI. Layunin nitong bigyan ang mga team ng mas maraming oras para ma-interpret ang mga natuklasan, mag-collaborate, at mag-focus sa trabahong sumusuporta sa mga customer.
Nakikita na ang potensyal na iyon sa experience ni Will. “Talagang napalaki ng ChatGPT ang personal kong kakayahan,” sabi niya. “Pakiramdam ko ay may team akong nagtatrabaho para sa akin. Nakatulong ito para hindi ako malunod sa maliliit na detalye at mas makapag-focus sa trabahong mahalaga.”
