Stampli က ChatGPT အလုပ်ဖြင့် မိတ်ဆက်ချိန်ကို 68% လျှော့ချ

Stampli သည် ဝယ်ယူရေး၊ ပေးချေရန်စာရင်း၊ ရောင်းချသူစီမံခန့်ခွဲမှု၊ ငွေပေးချေမှုနှင့် ဝန်ထမ်းအသုံးစရိတ်တို့ကို ချိတ်ဆက်ပေးသည့် ဉာဏ်ရည်မြင့် ဝယ်ယူမှ ငွေပေးချေမှုအထိ ပလက်ဖောင်းတစ်ခုဖြစ်သည်။ ၎င်း၏ Deep Finance™ ထုတ်ကုန်သည် Stampli ၏ ဝယ်ယူမှ ငွေပေးချေမှုအထိ ပလက်ဖောင်းမှ ဖြတ်သန်းစီးဆင်းနေသော ဒေတာကို CFO များ၊ VP များနှင့် အခြားစီးပွားရေးခေါင်းဆောင်များအတွက် အမှုဆောင်အဆင့် အသုံးစရိတ်ဆိုင်ရာ အချက်အလက်များအဖြစ် ပြောင်းလဲပေးသည်။ ၎င်းကို မိတ်ဆက်ရန် ထုတ်ကုန်ဖွံ့ဖြိုးရေး၊ နေရာချမှတ်မှု၊ ဒီဇိုင်း၊ ဆက်သွယ်ရေး၊ လုပ်ဆောင်နိုင်စွမ်းမြှင့်တင်ရေးနှင့် လုပ်ငန်းလည်ပတ်ရေးအားလုံးကို သတ်မှတ်အချိန်အတွင်း တစ်ပြိုင်နက် ဆောင်ရွက်ရပြီး ဒီဇိုင်းအရင်းအမြစ်များနှင့် ပြင်ပကန်ထရိုက်တာများမှာလည်း အခြားဦးစားပေးကိစ္စများအတွက် ခွဲဝေထားပြီးဖြစ်သည်။

Stampli ၏ မားကတ်တင်းအဖွဲ့သည် ထုတ်ကုန်နောက်ခံအချက်အလက်၊ အစည်းအဝေးမှတ်စုများ၊ ဆုံးဖြတ်ချက်များနှင့် စာတိုပေးပို့မှုလမ်းညွှန်ချက်များကို မျှဝေသုံးစနစ်တစ်ခုထဲ ချိတ်ဆက်ရန် Codex ကို အသုံးပြုခဲ့သည်။ OpenAI ကိရိယာများဖြင့် ခန့်မှန်းခြေ ထုတ်လုပ်မှုအလုပ်ချိန် ၂၄၃ နာရီကို ၇၇ နာရီခန့်အထိ လျှော့ချနိုင်ခဲ့ပြီး ဖောက်သည်မြင်ရမည့် အရာအားလုံးကို လူကိုယ်တိုင် အပြည့်အဝစစ်ဆေးကာ နောက်ဆုံးအတည်ပြုခဲ့သည်။

ထိုမိတ်ဆက်မှုက Stampli ၏ ထုတ်ကုန်မားကတ်တင်းအဖွဲ့ နေ့စဉ်ကျင့်သုံးသည့် ပုံစံကို အရှင်းလင်းဆုံး ပြသသည်။ ယင်းမှာ ChatGPT အလုပ်နှင့် Codex ကို တွဲဖက်အသုံးပြု၍ ထုတ်ကုန်အသိပညာကို အမြဲခေတ်မီစေခြင်း၊ စီးပွားရေးဆိုင်ရာ ထိုးထွင်းသိမြင်မှုများ ဖော်ထုတ်ခြင်းနှင့် အကြံများကို ဈေးကွက်သို့ ပိုမြန်စွာ ပို့ဆောင်ခြင်းဖြစ်သည်။

Deep Finance သည် ကနဦးရှေ့ပြေးပုံစံ သရုပ်ပြမှုမှ အများပြည်သူအတွက် GTM မိတ်ဆက်မှုနှင့် ပထမဆုံးထုတ်ကုန် ဖြန့်ချိမှုအထိ ခြောက်ပတ်ခန့်သာ ကြာခဲ့သည်။ ဒီဇိုင်းအရင်းအမြစ်များနှင့် ပြင်ပကန်ထရိုက်တာများကို အခြားဦးစားပေးကိစ္စများအတွက် ခွဲဝေထားသဖြင့် အဖွဲ့သည် ပြောင်းလဲတိုးတက်နေသော ထုတ်ကုန်ဆုံးဖြတ်ချက်များကို Codex သုံးကာ အပိုင်းခုနစ်ပိုင်းပါ ဘလော့ဂ်စီးရီး၊ မိတ်ဆက်အီးမေးလ်များ၊ webinar နှင့် ပူးတွဲတင်ဆက်မှု၊ လူမှုမီဒီယာနှင့် အခပေးဖန်တီးမှုများ၊ PR Newswire သတင်းထုတ်ပြန်ချက်၊ Deep Finance ဝဘ်စာမျက်နှာနှင့် အရောင်းမြှင့်တင်ရေးပစ္စည်းများအတွက် စစ်ဆေးရန်အသင့် အရင်းအမြစ်များအဖြစ် ပြောင်းလဲခဲ့သည်။ Codex သည် စူးစမ်းမှု၊ အကြိမ်ကြိမ်မွမ်းမံမှုနှင့် ထုပ်ပိုးပြင်ဆင်မှုတို့မှတစ်ဆင့် မိတ်ဆက်မှု၏ အဓိကအန်နီမေးရှင်းကို ဖန်တီးရာတွင်လည်း ကူညီခဲ့သည်။ ကန်ထရိုက်တာတစ်ဦးက အဖွင့်ဇာတ်ဝင်ခန်းနှင့် နောက်ဆုံးဖော်မတ်ကို အပြီးသတ်မီ အရည်အသွေးမြင့် အန်နီမေးရှင်းအလုပ်၏ ၉၀% ခန့်ကို လုပ်ဆောင်ပေးခဲ့သည်။

သတ်မှတ်ထားသော Deep Finance ဈေးကွက်ဗျူဟာနှင့် အကြောင်းအရာထုတ်လုပ်ရေး လုပ်ငန်းစဉ်တစ်လျှောက် Codex မရှိပါက မိတ်ဆက်မှုသည် ခန့်မှန်း တက်ကြွလုပ်ဆောင်ချိန် လူနာရီ ၂၄၃ ခန့် ကြာမည်ဟု Stampli အဖွဲ့က တွက်ချက်ထားသည်။ Codex ဖြင့် ၇၇ နာရီခန့်သာ ကြာခဲ့သဖြင့် နာရီ ၁၆၆ ခန့် သက်သာခဲ့ကာ ထုတ်လုပ်မှု 3.16x ပိုမြန်ခဲ့သည်။

Deep Finance မိတ်ဆက်မှု၏ နောက်ခံအခြေခံစနစ်သည် Stampli ၏ ထုတ်ကုန်မားကတ်တင်းအဖွဲ့ နေ့စဉ် အားကိုးအသုံးပြုနေသည့် စနစ်ပင်ဖြစ်သည်။ ယခင်က ထုတ်ကုန်ပစ္စည်းများကို ခေတ်မီနေစေရန် ထုတ်ကုန်မန်နေဂျာများအား မေးမြန်းခြင်း၊ Jira လက်မှတ်များဖတ်ခြင်း၊ GitHub ကို ပြန်လည်စစ်ဆေးခြင်းနှင့် အစည်းအဝေးမှတ်စုများကို လေ့လာခြင်းတို့ လုပ်ဆောင်ရသည်။ ထို့နောက် အဖွဲ့သည် ထိုအချက်အလက်များကို အကူအညီစင်တာဆောင်းပါးများ၊ တင်ဆက်မှုများ၊ တစ်မျက်နှာစာများနှင့် အခြားအရင်းအမြစ်များအဖြစ် ပြောင်းလဲရသည်။

Stampli သည် ထိုလုပ်ငန်းစဉ်အများစုကို GPT စွမ်းအားသုံးစနစ်ဖြင့် အလိုအလျောက် လုပ်ဆောင်ထားသည်။ ၎င်းသည် ထုတ်ကုန်စနစ်များနှင့် အစည်းအဝေးမှတ်စုများမှ အချက်အလက်များကို စုစည်းပြီး ထိုပစ္စည်းများကို ခေတ်မီနေစေရန် ကူညီပေးသည်။

အလားတူ အလိုအလျောက်လုပ်ဆောင်မှုများက ထုတ်ကုန်မားကတ်တင်းအဖွဲ့အား အကြောင်းအရာများကို ပိုမိုကျယ်ပြန့်စွာ ဖန်တီးနိုင်ရန် ကူညီပေးသည်။ ကုမ္ပဏီ၏ ယုံကြည်စိတ်ချရသော ဗဟိုဒေတာရင်းမြစ်နှင့် ချိတ်ဆက်ထားသည့် အေးဂျင့်များက ဝဘ်ဆိုက်နှင့် လူမှုမီဒီယာချန်နယ်များအတွက် အကြောင်းအရာများ ထုတ်လုပ်နိုင်သည်။ ထုတ်ကုန်မားကတ်တင်းဒါရိုက်တာ Melad Zahedi က “ဒါဟာ အရင်က အပတ်စဉ် အကြောင်းအရာ နှစ်ခုလောက်သာ ထုတ်လုပ်နိုင်တဲ့ အဖွဲ့ငယ်တစ်ခုရဲ့ ထုတ်လုပ်နိုင်စွမ်းကို ၁၀ ဆတိုးစေပြီး အခုဆို အပတ်တိုင်း အကြောင်းအရာရာနဲ့ချီ ထုတ်နိုင်စေခဲ့တယ်” ဟု ဆိုသည်။

ChatGPT အလုပ်သည် အရေးကြီးသော ဆုံးဖြတ်ချက်များချရာတွင် သက်ဆိုင်ရာ စီးပွားရေးနောက်ခံအချက်အလက်များကို ထည့်သွင်းစဉ်းစားနိုင်ရန် ဝန်ထမ်းများကိုလည်း ကူညီပေးသည်။ Zahedi သည် ဆက်တိုက်အစည်းအဝေးများဖြင့် ပြည့်နေသော အချိန်ဇယားအတွင်း အချက်အလက်များကို စနစ်တကျ စုစည်းရန် GPT စွမ်းအားသုံး အလိုအလျောက်လုပ်ဆောင်မှုများကို “ဒုတိယဦးနှောက်” အဖြစ် အသုံးပြုသည်။

သူက “အစည်းအဝေးတိုင်းကို နောက်ခံအချက်အလက်အပြည့်အစုံနဲ့ ကြိုတင်ပြင်ဆင်ပြီး တက်ရောက်နိုင်တာ၊ အဲဒီအစည်းအဝေးမှာ ကိုယ့်ဆီက ဘာလိုအပ်တယ်ဆိုတာ သိနိုင်တာနဲ့ ကိုယ့်အချိန်ကို ဘယ်လို ထိရောက်စွာ သုံးရမလဲဆိုတာ နားလည်နိုင်တာဟာ အလွန်ကောင်းမွန်တဲ့ အကျိုးကျေးဇူးပါ” ဟု ဆိုသည်။

အမှုဆောင်အစည်းအဝေးတစ်ခုတွင် HubSpot နှင့် အခြားစနစ်များ၌ သိမ်းဆည်းထားသော တိုင်းတာချက်များနှင့်ပတ်သက်၍ မေးခွန်းတစ်ခု ပေါ်ပေါက်လာခဲ့သည်။ ဝန်ထမ်းတစ်ဦးသည် ဖုန်းခေါ်ဆိုမှုအတွင်း သက်ဆိုင်ရာဒေတာများကို အမြန်ရယူ၍ ခွဲခြမ်းစိတ်ဖြာပေးရန် Codex ကို တောင်းဆိုနိုင်ခဲ့သည်။ “ဒီအလုပ်ကို ကျွန်တော်တို့ရဲ့ FP&A အဖွဲ့က အစီရင်ခံစာပြုစုဖို့၊ မော်ဒယ်တစ်ခု ပေးဖို့နဲ့ ယုံကြည်စိတ်ချရတဲ့ အဖြေတစ်ခု ပေးဖို့ နေ့တစ်ဝက်လောက် အချိန်ယူရမှာပါ။ ဒါကို တစ်ယောက်ယောက်က စက္ကန့် ၂၀ လောက် စာရိုက်ရုံနဲ့ လုပ်နိုင်ခဲ့တယ်” ဟု Zahedi က ဆိုသည်။

အချိန်သက်သာလာသဖြင့် ထုတ်ကုန်မားကတ်တင်းအဖွဲ့သည် နောက်ခံအချက်အလက်များကို ပြန်လည်စုစည်းရာတွင် အချိန်လျှော့သုံးပြီး ထုတ်ကုန်နှင့် ကုမ္ပဏီမဟာဗျူဟာအတွက် ခေါင်းဆောင်များကို အကြံပေးရာတွင် အချိန်ပိုသုံးနိုင်ခဲ့သည်။ တစ်ချိန်တည်းမှာပင် အဖွဲ့သည် ကုမ္ပဏီနှင့် ထုတ်ကုန်မဟာဗျူဟာအကြောင်း VP များနှင့် C-suite ခေါင်းဆောင်များကို အကြံပေးရာတွင် ပိုမိုပါဝင်လာခဲ့သည်။

ChatGPT အလုပ်သည် ထုတ်ကုန်မားကတ်တင်းအတွက် အတွေးအမြင်ဖလှယ်ဖက်အဖြစ်လည်း ဆောင်ရွက်ပေးသည်။ ဝန်ထမ်းများသည် ၎င်းကို အသိပညာတိုးပွားစေရန်၊ အကြံများ စုပေါင်းထုတ်ဖော်ရန်၊ သက်ဆိုင်သူကိုယ်စားပြုပုံစံများ ဖန်တီးရန်နှင့် ခေါင်းဆောင်များထံ မတင်ပြမီ အကြံပြုချက်များကို စမ်းသပ်ရန် အသုံးပြုကြသည်။

ထုတ်ကုန်၊ မားကတ်တင်း၊ ဖောက်သည်အောင်မြင်ရေး၊ အရောင်းနှင့် လုပ်ဆောင်နိုင်စွမ်းမြှင့်တင်ရေး အဖွဲ့များသည် အကြံတစ်ခုကို ရှေ့ပြေးပုံစံမှ မိတ်ဆက်မှုအထိ အကောင်အထည်ဖော်ရန် ChatGPT အလုပ်နှင့် Codex ကို အသုံးပြုနေကြသည်။ ယခင်က လပေါင်းများစွာ သို့မဟုတ် သုံးလပတ်များပင် ကြာနိုင်သည့် လုပ်ငန်းစဉ်ကို OpenAI ကိရိယာများဖြင့် ခြောက်ပတ်ခန့်သာ ကြာခဲ့သည်ဟု Zahedi က ခန့်မှန်းသည်။

Deep Finance မိတ်ဆက်မှုက ပိုမိုချိတ်ဆက်ထားပြီး AI အထောက်အကူပြုသည့် ထုတ်ကုန်စက်ဝန်းတစ်ခု မည်သို့ရှိနိုင်ကြောင်း Stampli ကို ပြသခဲ့သည်။ ယခုအခါ ကုမ္ပဏီသည် ထိုနည်းလမ်းကို နောက်ထပ်ထုတ်ကုန်များ၊ လုပ်ငန်းစဉ်များနှင့် ဈေးကွက်ဗျူဟာအစီအစဉ်များတွင် မည်သို့အသုံးချနိုင်မည်ကို စူးစမ်းနေသည်။

Zahedi အတွက် ပိုမိုကြီးမားသော အခွင့်အလမ်းမှာ ဝန်ထမ်းများက မိမိတို့ တာဝန်ယူလုပ်ဆောင်နိုင်သည်ဟု ယုံကြည်သည့် အတိုင်းအတာကို ချဲ့ထွင်ပေးခြင်းဖြစ်သည်။ ChatGPT အလုပ်နှင့် Codex တို့သည် သူ၏အဖွဲ့အား နယ်ပယ်သစ်များ လေ့လာရန်၊ ကိုယ်ပိုင်စနစ်များ တည်ဆောက်ရန်နှင့် ကုမ္ပဏီတိုးတက်စေမည့် ဆုံးဖြတ်ချက်များအတွက် အချိန်ပိုသုံးရန် ကူညီပေးခဲ့သည်။