Ironclad နှင့်အတူ ကွန်ပျူတာအသုံးပြုမှု မြှင့်တင်ခြင်း

ကျွန်ုပ်တို့ GPT‑6 Astra ကို မိတ်ဆက်စဉ်က စာရွက်စာတမ်းပြင်ဆင်ခြင်းမှ ဝဘ်ဆိုက်စမ်းသပ်ခြင်းအထိ အသက်မွေးဝမ်းကျောင်းလုပ်ငန်းများအတွက် ကွန်ပျူတာအသုံးပြုရာတွင် ကျွန်ုပ်တို့၏ မော်ဒယ်များ မည်မျှတိုးတက်လာကြောင်း ပြသခဲ့သည်။ နောက်ရည်မှန်းချက်မှာ ရှုပ်ထွေးသော စီးပွားရေးပြဿနာများကို ဖြေရှင်းရန် အထူးပြုဆော့ဖ်ဝဲများ သုံးရာတွင် အေးဂျင့်များကို ပိုမိုစွမ်းဆောင်နိုင်ပြီး ထိရောက်စေရန်ဖြစ်သည်။ ကုမ္ပဏီ၏ လုပ်ငန်းစည်းမျဉ်းများကို နားလည်ရန်၊ အဆင့်များစွာပါသည့် လုပ်ငန်းစီးဆင်းမှုများကို ဆောင်ရွက်ရန်နှင့် မူလလိုအပ်ချက်များ ပြည့်မီကြောင်း စစ်ဆေးရန် မော်ဒယ်များကို လေ့ကျင့်ပေးနိုင်မည့်နည်းလမ်းများ ရှာဖွေနေပါသည်။

ဤသုတေသနကို အရှိန်မြှင့်ရန် အဆိုပါလုပ်ငန်းစီးဆင်းမှုများကို အကောင်းဆုံးနားလည်သည့် ဆော့ဖ်ဝဲကုမ္ပဏီ အနည်းငယ်နှင့် တိုက်ရိုက်ပူးပေါင်းနေပါသည်။ ကျွန်ုပ်တို့သည် ခက်ခဲပြီး တန်ဖိုးရှိသော လုပ်ငန်းများကို အတူရွေးချယ်ကာ မော်ဒယ်များ လေ့ကျင့်အကဲဖြတ်ရန် သုတေသနပုစ္ဆာများအဖြစ် ပြောင်းလဲနေပါသည်။ ရည်ရွယ်ချက်မှာ လက်တွေ့စီးပွားရေးအသုံးချမှုများတွင် မော်ဒယ်များ ပိုမိုစွမ်းဆောင်နိုင်ပြီး အသုံးဝင်လာစေရန်ဖြစ်သည်။

ကျွန်ုပ်တို့၏ ပထမဆုံးမိတ်ဖက်မှာ AI စာချုပ်လုပ်ငန်းနယ်ပယ်တွင် ဦးဆောင်နေသည့် Ironclad ဖြစ်သည်။ Ironclad အဖွဲ့နှင့် အနီးကပ်လက်တွဲ၍ အေးဂျင့်များက သဘောတူစာချုပ်များ၊ အတည်ပြုချက်များနှင့် ပြန်သုံးနိုင်သော ဥပဒေစည်းကမ်းချက်များကို သတ်မှတ်ပြင်ဆင်ပေးရသည့် လုပ်ငန်းများ ဖန်တီးခဲ့ပြီး ဤရှုပ်ထွေးသော လုပ်ငန်းစီးဆင်းမှုများတွင် တိုးတက်မှုကို ပြသနိုင်ခဲ့သည်။ အောင်မြင်မှုစံနှုန်းများ သတ်မှတ်ရာတွင်လည်းကောင်း၊ ဖောက်သည်များ၏ လက်တွေ့လိုအပ်ချက်များကို စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်ဖွံ့ဖြိုးရေးထဲ တိုက်ရိုက်ယူဆောင်ရာတွင်လည်းကောင်း Ironclad ၏ ကျွမ်းကျင်မှုက အလွန်အရေးပါခဲ့သည်။ ၎င်းတို့၏ ပူးပေါင်းဆောင်ရွက်မှုအတွက် ကျေးဇူးတင်ပြီး အတူတကွ ရရှိထားသည့် အောင်မြင်မှုများကို ဝမ်းမြောက်စွာ မျှဝေလိုပါသည်။

GPT‑6 Astra သည် Ironclad လုပ်ငန်းများဖြင့် လေ့ကျင့်ထားသော ကျွန်ုပ်တို့၏ ပထမဆုံး စွမ်းဆောင်ရည်အမြင့်ဆုံး မော်ဒယ်ဖြစ်သည်။ ကျွန်ုပ်တို့၏ သုတေသနအကဲဖြတ်မှုတွင် ၎င်း၏ပျမ်းမျှရမှတ်က GPT‑5.6 Sol ထက် 32% ပိုမြင့်ပြီး တစ်ကြိမ်ဆောင်ရွက်ရန် ခန့်မှန်းကြာချိန်က 48% ပိုနည်းခဲ့သည်။¹

ဆော့ဖ်ဝဲဝယ်ယူရေး လုပ်ငန်းစဉ်တစ်ခု တည်ဆောက်နေသော ဥပဒေရေးရာလုပ်ငန်းအဖွဲ့ကို စဉ်းစားကြည့်ပါ။ သတ်မှတ်ပမာဏထက် ကျော်သော ဝယ်ယူမှုများကို ဘဏ္ဍာရေးအဖွဲ့က အတည်ပြုပေးရန်၊ တောင်းဆိုချက်အချို့ကို လုံခြုံရေးအဖွဲ့က စစ်ဆေးရန်နှင့် စံသတ်မှတ်ချက်နှင့် မကိုက်သော စည်းကမ်းချက်များကို ဥပဒေရေးရာအဖွဲ့က သုံးသပ်ရန် လိုအပ်နိုင်သည်။ လုပ်ငန်းစဉ်တည်ဆောက်သူသည် ထိုစာရင်းတိုကို တောင်းဆိုချက်လက်ခံပုံစံ၊ စာရွက်စာတမ်းနမူနာပုံစံများ၊ အတည်ပြုစည်းမျဉ်းများနှင့် နောက်ဆုံးသဘောတူစာချုပ်မှတ်တမ်းအဖြစ် ပြောင်းလဲရမည်။

ဤအလုပ်ကို ဆောင်ရွက်သည့် AI အေးဂျင့်သည် ဆော့ဖ်ဝဲအတွင်း အဆင့်ဆင့်လုပ်ဆောင်စဉ် ထိုလိုအပ်ချက်များကို အမြဲထည့်သွင်းစဉ်းစားနေရမည်။ ဥပမာ၊ သုံးစွဲငွေသတ်မှတ်ချက်ထက် ကျော်လျှင် ဘဏ္ဍာရေးအဖွဲ့၏ အတည်ပြုချက်လိုအပ်ရန် သတ်မှတ်ပြီး ထိုပမာဏထက် ကျော်သော၊ နည်းသော တောင်းဆိုချက်များ မှန်ကန်သည့်လမ်းကြောင်းအတိုင်း သွားကြောင်း စစ်ဆေးရမည်။ အဆင့်တစ်ခုချင်း မှန်ကန်ရုံနှင့် မလုံလောက်ပါ။ တည်ဆောက်ပြီးသည့် လုပ်ငန်းစဉ်သည် ရည်ရွယ်ထားသည့် အခြေအနေအားလုံးတွင် အလုပ်ဖြစ်ရမည်။

Ironclad ဝန်ထမ်းများနှင့် OpenAI တွင် Ironclad အသုံးပြုသူများက ဥပဒေရေးရာ၊ ကူးသန်းရောင်းဝယ်ရေးနှင့် ဝယ်ယူဖြည့်တင်းရေးဆိုင်ရာ လုပ်ငန်း 11 ခုကို ရွေးချယ်ရန် ကျွန်ုပ်တို့၏ သုတေသီများကို ကူညီပေးခဲ့သည်။ ၎င်းတို့တွင် လျှို့ဝှက်ချက်မဖော်ထုတ်ရေး သဘောတူစာချုပ်များ ပြင်ဆင်ခြင်း၊ ဝယ်ယူမှုအတည်ပြု လုပ်ငန်းစဉ်များ ဖန်တီးခြင်းနှင့် တောင်းဆိုသူရွေးချယ်သည့် တရားစီရင်ပိုင်ခွင့်နယ်မြေနှင့် ကိုက်ညီစေရန် ပြန်သုံးနိုင်သော ဥပဒေစာပိုဒ်ကို ပြင်ဆင်ခြင်းတို့ ပါဝင်သည်။ အတွေ့အကြုံရှိသော အသုံးပြုသူတစ်ဦးအနေဖြင့် လုပ်ငန်းတစ်ခုလျှင် ပျမ်းမျှ မိနစ် 30 မှ 40 ခန့် ကြာမည်ဟု ခန့်မှန်းထားသည်။

လုပ်ငန်းတစ်ခုစီ၏ ရှုပ်ထွေးမှုအလိုက် စံသတ်မှတ်ချက် 8 ခုမှ 50 အထိဖြင့် အကဲဖြတ်ခဲ့သည်။ ထို့ကြောင့် မော်ဒယ်က မည်သည့်အပိုင်းများကို မှန်ကန်စွာလုပ်နိုင်ပြီး မည်သည့်နေရာတွင် လိုအပ်ချက်ရှိကြောင်း သိနိုင်ခဲ့သည်။ Ironclad ကလည်း မော်ဒယ်များ ဤလုပ်ငန်းများကို လေ့ကျင့်နိုင်ရန် ၎င်းတို့၏ထုတ်ကုန်ကို ဆာဗာပေါ်တွင် အသုံးပြုနိုင်သည့် ဆော့ဖ်ဝဲပတ်ဝန်းကျင်များ ပံ့ပိုးပေးခဲ့သည်။ ကျွန်ုပ်တို့၏ သုတေသီများသည် ကိုယ်စားပြုလုပ်ငန်းစီးဆင်းမှုများအပေါ် အခြေခံ၍ ဖန်တီးထားသော လေ့ကျင့်ရေးလုပ်ငန်းများ² ကို ပြုလုပ်ခဲ့ပြီး လေ့ကျင့်မှုနှင့် တုံ့ပြန်အကြံပြုချက်များမှတစ်ဆင့် မော်ဒယ်များ တိုးတက်စေရန် အားဖြည့် သင်ယူလေ့လာခြင်းကို အသုံးပြုခဲ့သည်။ လုပ်ငန်းနားလည်သူများနှင့်အတူ ရွေးချယ်ထားသော လုပ်ငန်းများ၊ အသေးစိတ်စံနှုန်းများနှင့် မော်ဒယ်များ လေ့ကျင့်နိုင်သည့်နေရာတို့ ပေါင်းစပ်ထားခြင်းက ဖောက်သည်များအတွက် အရေးအပါဆုံး လက်တွေ့လုပ်ငန်းများတွင် တိုးတက်လာစေရန် သေချာစေသည်။

Astra နှင့် GPT‑5.6 Sol ကို နှိုင်းယှဉ်ရာတွင် ကျိုးကြောင်းသင့်လျော်စွာ စဉ််းစားပေးသော အဆင့်ကို Astra အတွက် Max၊ Sol အတွက် အမြင့် ဟု သတ်မှတ်ခဲ့သည်။ ၎င်းတို့သည် မော်ဒယ်တစ်ခုစီ ရမှတ်အမြင့်ဆုံးရရှိသည့် ဆက်တင်များဖြစ်သည်။ သုတေသနလုပ်ငန်း 11 ခုတွင် Astra ၏ ပျမ်းမျှရမှတ်က 55.0% ဖြစ်ပြီး GPT‑5.6 Sol က 41.6% ရရှိခဲ့သည်။ တစ်ကြိမ်ဆောင်ရွက်ရန် ခန့်မှန်းပျမ်းမျှကြာချိန်မှာ Sol အတွက် 37.0 မိနစ်မှ Astra အတွက် 19.2 မိနစ်သို့ လျော့ကျခဲ့သည်။³ Astra ဖွံ့ဖြိုးရေးတွင် သုံးခဲ့သော အတွင်းသုံးမော်ဒယ်တစ်ခုက ဤလုပ်ငန်းများတွင် ပိုမိုကောင်းမွန်သည့် 63.7% ရရှိခဲ့ပြီး ဤထပ်ဆင့်တိုးတက်မှုများကို အနာဂတ်မော်ဒယ်များတွင် ထည့်သွင်းရန် ရည်မှန်းထားသည်။

Astra သည် တစ်ကြိမ်ဆောင်ရွက်ရာတွင် သရုပ်တူစမ်းသပ်မှုအရ အချိန်ပိုနည်းသော်လည်း လုပ်ငန်းလိုအပ်ချက်များကို ပိုမိုပြည့်မီခဲ့သည်။ အောက်ပါဗီဒီယိုတိုနှစ်ခုတွင် သုတေသနလုပ်ငန်းတစ်ခုတည်းကို မော်ဒယ်များ မည်သို့ဆောင်ရွက်ခဲ့ကြောင်း ပြထားသည်။ Astra (ပထမဗီဒီယို) သည် ခန့်မှန်းခြေ မိနစ် 20 အတွင်း လုပ်ငန်းသတ်မှတ်ချက်များ၏ 94% ခန့်ကို ပြည့်မီခဲ့ပြီး GPT‑5.6 Sol (ဒုတိယဗီဒီယို) သည် ခန့်မှန်းခြေ 32 မိနစ်အတွင်း 85% ခန့်ကို ပြည့်မီခဲ့သည်။

ဤလုပ်ငန်းတွင် Ironclad ၏ အခန်းကဏ္ဍသည် ၎င်း၏ဖောက်သည်များ ကောင်းစွာသိထားသည့် စိန်ခေါ်မှုတစ်ခုကို ထင်ဟပ်စေသည်။ စာချုပ်လုပ်ငန်းစဉ်တစ်ခုသည် လုပ်ငန်းက အားထားရသော စည်းမျဉ်းများကို ထိန်းသိမ်းရင်း ခြွင်းချက်အခြေအနေများကိုပါ ကိုင်တွယ်နိုင်ရမည်။ အေးဂျင့်တစ်ခုက လုပ်ငန်းဆောင်ရွက်နေစဉ် ထိုစည်းမျဉ်းတစ်ခုခုကို မျက်ခြည်ပြတ်သွားပါက ဆော့ဖ်ဝဲကုမ္ပဏီအနေဖြင့် ၎င်းကို ယုံကြည်စိတ်ချစွာ ခိုင်းစေနိုင်သည့် အလုပ်အတိုင်းအတာကို ကန့်သတ်သွားမည်။ ထို့ကြောင့် အေးဂျင့်များက ရှုပ်ထွေးသော စာချုပ်လုပ်ငန်းများကို ပိုမိုကျွမ်းကျင်လာသော်လည်း လူ၏ကြီးကြပ်မှုက အရေးကြီးနေဆဲဖြစ်ပြီး ပြည့်စုံသော စာချုပ်စီမံခန့်ခွဲရေးပလက်ဖောင်းကလည်း မရှိမဖြစ် လိုအပ်နေဆဲဖြစ်သည်။ ကျွန်ုပ်တို့၏ သုတေသီများနှင့် လက်တွဲခြင်းဖြင့် Ironclad သည် ဤပြဿနာများကို အခြေခံမော်ဒယ် ဖွံ့ဖြိုးရေးလုပ်ငန်းထဲသို့ ယူဆောင်လာနိုင်ပြီး ကျွန်ုပ်တို့ အတူတကွ လေ့လာနိုင်မည်ဖြစ်သည်။

မော်ဒယ်များ ပိုမိုစွမ်းဆောင်နိုင်လာသည်နှင့်အမျှ Ironclad သည် ၎င်းတို့ကို မိမိ၏ထုတ်ကုန်များတွင် ပိုမိုအသုံးပြုနိုင်မည့် အခွင့်အရေးရှိလာသည်။ ဥပဒေရေးရာနှင့် စီးပွားရေးအဖွဲ့များအတွက်မူ ၎င်းတို့အားထားသည့် ထိန်းချုပ်မှုများကို ဆက်လက်ထိန်းသိမ်းထားလျက် ရှုပ်ထွေးသော စာချုပ်လုပ်ငန်းများတွင် AI က ပိုမိုတာဝန်ယူ ဆောင်ရွက်ပေးနိုင်လာမည့် သဘောဖြစ်သည်။

ယနေ့အေးဂျင့်များ ယုံကြည်စိတ်ချရစွာ မပြီးစီးနိုင်သေးသည့် အရေးပါသော အသက်မွေးဝမ်းကျောင်းလုပ်ငန်းများအတွက် ကျွန်ုပ်တို့၏ သုတေသနနှင့် အင်ဂျင်နီယာအဖွဲ့များနှင့် တိုက်ရိုက်လက်တွဲရန် ဆော့ဖ်ဝဲကုမ္ပဏီ အနည်းငယ်ကို ဖိတ်ခေါ်နေပါသည်။ သင့်အဖွဲ့တွင် ထိုသို့သောလုပ်ငန်းရှိပါက တိကျသော ဥပမာတစ်ခုကို ကြည့်လိုပါသည်။ အေးဂျင့်ကို ဘာလုပ်ခိုင်းထားသလဲ၊ ဘယ်နေရာမှာ မအောင်မြင်ကြောင်း အထောက်အထားနှင့် အောင်မြင်သောရလဒ်ကို မည်သို့အကဲဖြတ်မည်တို့ ဖြစ်ပါသည်။ မိတ်ဖက်များအနေဖြင့် အဆိုပါလုပ်ငန်းကို နက်နက်ရှိုင်းရှိုင်း နားလည်သူများ၊ လုံခြုံသော စမ်းသပ်ပတ်ဝန်းကျင်နှင့် သုတေသနအတွက် ဘေးကင်းစွာ အသုံးပြုနိုင်သော ဒေတာများကိုလည်း ပံ့ပိုးနိုင်ရမည်။ ဤအချက်များက မအောင်မြင်ရသည့် အကြောင်းရင်းကို စုံစမ်းရန်နှင့် မော်ဒယ် တိုးတက်လာမှုရှိမရှိ တိုင်းတာရန် အစပြုရာဖြစ်လာမည်။

သင့်အဖွဲ့က ဤအချက်များနှင့် ကိုက်ညီပါက သုတေသနပူးပေါင်းဆောင်ရွက်နိုင်ခြေကို ဆွေးနွေးရန် လျှောက်ထားပါ။