Andriy Onufriyenko/Getty ImagesDenne artikkelen startet livet som en guide til de to ChatGPT Plus-pluginene jeg stoler mest på. Men fra og med 19. mars 2024 er plugins ikke lenger tilgjengelig for ChatGPT og har blitt erstattet av individuelle GPT-er, som OpenAI kaller ChatGPT-markedsplassappene. Steven Vaughan-Nichols skrev en detaljert forklaring av overgangen, så hvis du vil vite mer om den nye tilnærmingen, oppfordrer jeg deg til å lese hans artikkel:
Også: ChatGPT Plugins blir erstattet av GPT-er. Her er hvorfor – og hva det betyr for deg
For det daglige arbeidet har jeg funnet ut at jeg trenger nøyaktig to hovedfunksjoner.
< h2>Mine to favoritter
Den desidert mest nyttige og pålitelige funksjonen jeg har funnet har vært ChatGPT Pluss dataanalysefunksjon. Denne funksjonen leser datafiler, fullfører analyse, genererer diagrammer og kan til og med utføre bildeanalyse. (Selv om jeg ikke har brukt det til det.)
Du pleide å slå på dataanalyse ved å aktivere alternativet Avansert dataanalyse i dialogboksen ChatGPT Plus-innstillinger. Ikke bli forvirret, men: Avansert dataanalyse ble tidligere kalt kodetolk. Nå heter det bare dataanalyse, og du trenger ikke å slå det på.
Også: Hva er en AI PC? (Og bør du kjøpe en?)
Den andre høyverdi-pluginen jeg brukte var WebPilot. Dette tillot ChatGPT å få tilgang til nettet. Tidligere hadde jeg brukt MixerBox WebSearchG til å gjøre det samme, men fant ut at det mislyktes oftere enn ikke. Så langt har ikke WebPilot sviktet meg.
Det var imidlertid begrensninger. WebPilot kunne for eksempel ikke gjøre mye med omfattende Amazon-søk. Det er fordi, selv om det kunne besøke og trekke ut innhold fra nettsider, kunne det ikke samhandle med dynamiske elementer på siden, for eksempel rullegardiner, filtre eller søkefelt.
Nå bruker jeg imidlertid den innebygde webutvinningsfunksjonen i ChatGPT Plus, som er basert på Bing-søkeresultater. I likhet med WebPilot er den innfødte ChatGPT Plus-nettleseren begrenset. For eksempel kan den ikke lese ZDNET-sider. Det er muligens på grunn av sidetilgangsbegrensninger vi legger på nettstedet, men det kan fortsatt føles begrensende.
Bevæpnet med disse funksjonene kan jeg gjøre omfattende dataanalyse og sikre at ChatGPT får gjeldende data fra nettet. Da de fungerte som plugins, kunne jeg ikke bruke begge sammen. Nå kan jeg det.
Arbeid innenfor grensene
Det er grenser for hva disse funksjonene kan gjøre. Nettleserfunksjonen er flott til å trekke inn én enkelt side med informasjon. Noen ganger, som i Yelp-eksperimentet, kan det skanne flere sider. Denne muligheten ble forbedret når du flyttet til den interne nettleserfunksjonen fra WebPilot.
Også: Jeg trengte en mekaniker. Her er hvordan ChatGPT Plus hjalp meg å hoppe over å lese anmeldelser på nettet
Denne funksjonen er kraftig fordi å utføre flere nettskanninger og deretter analysere disse resultatene er hvor produktivitetsgevinster kan oppnås. La oss ta et nylig eksempel. Jeg bygger en PC med AMD Ryzen 5 5600X-prosessoren. Den prosessoren ble valgt spesifikt fordi den er anbefalt for et stykke programvare jeg vil kjøre. Jeg vil ha et hovedkort som kan være vert for den prosessoren. Jeg prøvde å få ChatGPT Plus med nettleseren til å skanne Amazons tilbud og anmeldelser omfattende.
Min melding:
Bruk nettet. Finn meg ti PC-hovedkort i hver prisklasse som støtter Ryzen 5 5600X-prosessoren ved hjelp av AM4-kontakten. Inkluder stjerneanmeldelser og en lenke til hvert produkt. Vis som en tabell.
Jeg mottok en liste (den ignorerte forespørselen om bord). Det ga meg stjernerangeringer. Da jeg brukte WebPilot, var ikke URL-ene som ble oppgitt til produktsider på Amazon. I stedet var lenkene til Amazons hovedside. Denne gangen, men med den innebygde nettleserfunksjonen, gjorde den det ganske bra, og ga meg Amazon-lenker til individuelle produktsider.
Denne tilnærmingen påvirkes selvfølgelig av nettets natur. Hver side er kodet forskjellig. Noen selskaper går ut av deres måte å tilsløre sideskraping. Andre er vanskelige å fange på grunn av hvordan de er konstruert, uten aktiv blokkering av nettutviklere.
AI liker heller ikke å gå nedover en masterliste og presentere resultater med en gang. Den liker å gi et svar, vente på et klapp på hodet, og deretter gå videre til neste svar. På denne måten er ChatGPT som en valp.
Også: Vil du jobbe med AI? Hvordan dreie karrieren din i 5 trinn
Nøkkelen til suksess er å jobbe innenfor grensene. For eksempel kan jeg velge hovedkortene som ser interessante ut, sende hvert resultat tilbake til ChatGPT Plus og be om en følelsesanalyse av brukeranmeldelser – når jeg har funnet den nøyaktige anmeldelseslenken for det produktet.
For eksempel. , jeg ville vite om et av brettene jeg var interessert i hadde støyproblemer. Jeg måtte gi et sett med meldinger før jeg fikk noen brukbare svar:
Har brukere klager på støy med dette produktet: {sett inn navn på hovedkort her
Dette returnerte en beskrivelse av produktet, men ingen sentimentinformasjon. Så jeg ba om mer dyptgående forskning:
Søk på nettet etter hovedkort og støyproblemer
I stedet for å få nyttig tilbakemelding, anbefalte AI at jeg gjør mitt eget benarbeid:
For mer detaljert innsikt om brukeropplevelser angående støy eller andre operasjonelle aspekter ved hovedkortet, anbefaler jeg å sjekke brukeranmeldelser og fora hvor enkeltpersoner deler sine personlige oppsett og erfaringer.
Jeg har funnet ut at den innebygde nettleserfunksjonen ser ut til å like å returnere informasjon på overflatenivå langt mer enn dybdeanalyse. Dessverre tar det litt ned på nytten av AI. Det virker som om tillegget av rekkverk har gjort AI-ene betydelig mindre nyttige i denne forbindelse. Men så er det dataanalyse.
ChatGPT Plus-dataanalyse
Denne evnen er enormt kraftig. Da jeg først så, var denne muligheten begrenset til datasettet før november 2021. Men nå vil den trekke inn informasjon fra nettet, med bevissthet om det jeg diskuterte ovenfor. ChatGPTs nettilgang er ganske nervøs. Jeg fant imidlertid ut at hvis jeg laster opp mine egne datafiler, vil dataanalysefunksjonen skinne.
Også: Hvordan bruke ChatGPT til å lage diagrammer og tabeller
Jeg viste mye kartlegging og tabellanalyse ved hjelp av dataanalyse i denne artikkelen. Men stedet hvor det viste seg å være utrolig kraftfullt å laste opp dataene dine, var da jeg gjorde noen sentimentanalyse på en database med 22 797 poster da jeg avinstallerte koden min. Jeg hadde ikke hatt tid til å skrive kode for å gjøre den kryssindekseringsanalysen, men ChatGPT gjorde det for meg på få minutter.
Jeg brukte nylig den tilnærmingen med et annet datasett. Det er en tjeneste for journalister der du kan legge ut et spørsmål, og deretter kan PR-folk og de som er interessert i å promotere seg selv og deres selskaper svare.
Denne tjenesten er en flott ressurs for å få innsikt fra folk som er aktivt involvert i det du forsker på. Ulempen er at signal-til-støy-forholdet er enormt. Mange pitcher svar, ofte urelaterte til det jeg forsker på, og ofte oppfyller ikke personene som pitcher kriteriene mine for å bli inkludert i min forskning.
Det kan ta dager å gå gjennom pitchene for et gitt prosjekt. Jeg prøvde å laste ned og mate hele settet med svar på dataanalyse, men verktøyet likte det ikke. Men når jeg gjorde litt forhåndsarbeid, og gjorde hvert pitch til en post i en Excel-database (jeg brukte en liten bit av programmering for den oppgaven), da kunne dataanalyse forstå informasjonen.
Også: Øyeblikket jeg skjønte at ChatGPT Plus var en spillskifter for virksomheten min
Jeg ønsket ikke at ChatGPT skulle gjøre forskningen eller analysen , men den var i stand til å skille de innsendingene som inkluderte en leders navn og tittel. Jeg stilte noen viktige spørsmål som ville hjelpe til med å flagge en oppføring fra noen som faktisk leste veibeskrivelsen. Da jeg spurte ChatGPT om å analysere disse oppføringene for disse testene, var den i stand til å presentere et sett med kvalifiserende kandidater.
Jeg gir ikke disse meldingene fordi de var unike for det prosjektet. Men poenget er at jeg gjorde noe grunnleggende arbeid for å forberede dataanalyse, og så gjorde det en haug med analyser. Vanligvis tar det meg tre til fire dager å gå gjennom hundrevis av presentasjoner og sile ut de brukbare dataene. Denne gangen tok det meg omtrent en halv dag.
Det er en enorm produktivitetsbesparelse.
Nøkkelen til suksess med ChatGPT-forespørsler
Absolutt, det er grenser for ChatGPT, ikke minst er at AI ikke alltid gjør det du vil, og det lager ting. Men ChatGPT kan være en enorm tidsbesparelse hvis du delegerer nøye.
Legg merke til det ordet: delegere. Brukt som et verb, definerer Webster's “delegere” som "å overlate til en annen". Hvis du er leder, er evnen til å delegere en viktig del av jobben. Men å delegere er ikke bare å bjeffe oppdrag mot underordnede. Å delegere er å betro, ja. Men det er også veiledning og verifisering av arbeidsproduktet.
Slik må du lære å jobbe med ChatGPT. Ikke tenk på det som et dataprogram. Tenk på det som en person du tildeler arbeid til. Er den oppgaven for kompleks? Er den oppgaven for vag? Er det en måte for personen å lykkes med det oppdraget, eller setter du dem opp til å mislykkes?
Også: Har du 10 timer? IBM vil lære deg grunnleggende AI – gratis
Vi er alle kjent med disse arbeidsplassscenarioene, så de bør være noe du kan bruke på AI-oppfordringsarbeidet ditt.
Hvis det du gir AI-en forvirrer det, må du finne ut hvordan du kan avklare det. Hvis det du gir AI-en er for mye informasjon til at den kan jobbe med, finn ut hvordan du deler opp prosjektet i etapper.
Begrens deg heller ikke til ett verktøy. Hvis du er leder, kan det hende du har en ansatt som er god på interaksjon med mennesker. Du har kanskje en annen som er flink til å fikse ting, og enda en med gode matematiske ferdigheter. Du kan i utgangspunktet tilordne én prosjektfase til én arbeider og deretter flytte den til en annen etter hvert som ferdighetene som kreves endres.
Det var det jeg gjorde med PR-pitch-prosjektet mitt. Å analysere svarene i kommadelte verdilinjer var enkelt for programmererens tekstredigerer. Jeg gjorde bare noen få søk og erstatningsoperasjoner. Så åpnet jeg dokumentet i Excel for å se om det var det jeg trodde jeg hadde laget. Først når dataene ble bekreftet, matet jeg dem inn i ChatGPT og Advanced Data Analysis.
Også: Hvordan bruke ChatGPT til å gjøre research for artikler, presentasjoner, studier og mer
Så hva er nøkkelen til ChatGPT-suksess, spesielt med disse to funksjonene? Lær å bryte ned prosjektet slik at funksjonene kan forstå det, og bruk deretter alle verktøyene du har til rådighet for å få resultatene dine.
Hvis du gjør det, vil du sannsynligvis finne ChatGPT gir et målbart produktivitetsløft for noen av prosjektene dine.
Husk at ikke alle prosjekter er et du kan gi til AI. Ta gevinstene dine der det passer, og bruk andre verktøy for å fullføre oppgaver som ikke passer til kunstig intelligens.
Lykke til. Lev lenge og ha det godt. Måtte kraften være med deg.
Du kan følge mine daglige prosjektoppdateringer på sosiale medier. Sørg for å abonnere på mitt ukentlige oppdateringsnyhetsbrev på Substack, og følg meg på Twitter på @DavidGewirtz, på Facebook på Facebook.com/DavidGewirtz, på Instagram på Instagram.com/DavidGewirtz og på YouTube på YouTube.com/DavidGewirtzTV.< /p>