Så skalar NVIDIA upp expertis med ChatGPT Work
NVIDIAs team använder ChatGPT Work för att minska manuellt arbete, fånga upp snabba förändringar och skala framgångsrika arbetsflöden globalt.
16
Sparade timmar per vecka med ChatGPT Work under planeringscykeln för GTC
3–5
Dagar för att skapa en fungerande prototyp med ChatGPT Work, jämfört med 2–3 veckor tidigare
5–8
Handlingsbara signaler per vecka som ChatGPT Work identifierar från 25–40 externa AI-uppdateringar
På NVIDIA hjälper ChatGPT Work kunskapsarbetare att lägga mindre tid på att sammanställa information och mer tid på att agera utifrån den.
För team inom bland annat GTM och lösningsarkitektur har ChatGPT blivit en del av hur arbetet organiseras, automatiseras och skalas upp. Inom GTM omvandlar det återkommande operativa processer, medan lösningsarkitekter använder det för att koppla den snabba externa utvecklingen till NVIDIAs interna prioriteringar.
Will Daney hjälper NVIDIAs globala ledare inom försäljning, affärsutveckling och produkt att genomföra och mäta sina strategier. En av hans återkommande uppgifter är att stödja fältorganisationen inför GTC, NVIDIAs globala AI-konferens.
Tidigare krävde förberedelserna inför GTC omfattande arbete i kalkylblad: att sammanställa kundlistor, följa registreringar och hjälpa teamen att identifiera de åtgärder som behövdes för att skapa en givande upplevelse för kunder och partner. Will uppskattar att den manuella analysen tog omkring 40 procent av hans tid under förberedelserna inför evenemanget. I dag har han omvandlat en stor del av arbetet till en automatiserad process i ChatGPT Work som körs två gånger i veckan. Under GTC:s tolv veckor långa planeringscykel sparar arbetsflödet omkring 16 timmar i veckan.
”Jag kan frigöra tid, arbeta med själva fältteamet, lära känna dem bättre och hjälpa dem att hitta sätt att göra våra kunder mer framgångsrika”, säger Will.
Eftersom han själv ansvarar för arbetsflödet kan han dessutom anpassa det när evenemanget förändras, utan att behöva vänta på att ett nytt verktyg ska köpas in, implementeras och underhållas. Han kan också dela den bakomliggande processen med team i andra regioner. Kollegor som arbetar med evenemang i San Jose, Taipei, Europa och Washington DC har fått ta del av hans ChatGPT‑arbetsflöden och anpassat dem efter sina lokala behov.
”Med ChatGPT är den stora fördelen att jag kan ta ett arbetsflöde som jag redan har utvecklat och automatisera det för evenemang efter evenemang, med minimalt eller inget extraarbete.”
Rachita Jain arbetar i teamet för AI-verksamhet inom NVIDIAs marknadsföringsorganisation, där hon bygger AI-arbetsflöden och hjälper team att införa nya verktyg. Hennes utmaning är att hålla jämna steg med en bransch där nya modeller, prestandatester och forskningsresultat publiceras varje dag.
Informationen är lättillgänglig. Det svårare är att avgöra vilken utveckling som är relevant för NVIDIA och koppla den till interna projekt, samtal och prioriteringar. Rachita byggde ett arbetsflöde med ChatGPT Work som granskar betrodda externa källor tillsammans med intern kontext, identifierar viktiga beröringspunkter och lyfter fram insikter som kan omsättas i handling. Varje vecka omvandlar det omkring 25–40 externa AI-uppdateringar till 5–8 handlingsbara signaler.
”ChatGPT hjälpte mig att omvandla passiv läsning till aktiv omvärldsbevakning”, säger hon.
Samma miljö stöder även den övergripande utvecklingsprocessen. Rachita kan börja med en idé, utforska möjliga tillvägagångssätt, arbeta sig igenom en kodbas, felsöka problem och finslipa resultatet utan att ständigt växla mellan fristående verktyg. Initiativ som tidigare kanske hade stannat vid sidoprojekt kan utvecklas till fungerande produkter på bara några dagar. I ett fall gick hon från idé till fungerande prototyp på omkring 3–5 dagar, jämfört med uppskattningsvis 2–3 veckor om hon hade byggt komponenterna manuellt i separata verktyg.
”Det största problemet jag försöker lösa är informationsöverflödet, eftersom allt förändras så snabbt. För varje dag blir det svårare att hålla reda på alla förändringar. Med ChatGPT blir det mycket enklare.”
Nästa möjlighet är att skala upp det som redan fungerar. Genom att omvandla specialistkunskap till återanvändbara arbetsflöden kan team på hela NVIDIA anpassa beprövade processer till olika funktioner, evenemang och regioner – samtidigt som de som arbetar närmast processerna behåller kontrollen över hur de utvecklas.
När AI-landskapet fortsätter att förändras kan dessa gemensamma arbetsflöden hjälpa NVIDIA att snabbare koppla den externa utvecklingen till interna prioriteringar och ge fler medarbetare tillgång till AI-stödda arbetssätt. Målet är att ge teamen mer tid att tolka resultat, samarbeta och fokusera på arbete som hjälper kunderna.
Den potentialen syns redan i Wills erfarenheter. ”För mig personligen har ChatGPT verkligen fungerat som en kraftfull hävstång”, säger han. ”Det känns som att jag har ett helt team som arbetar för mig. Det har hjälpt mig att lämna detaljarbetet och fokusera mer på det som verkligen spelar roll.”
