Use o ChatGPT Work para fundamentar análises na sua camada semântica

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Use ChatGPT Work to ground analysis in your semantic layer · Canal: OpenAI · 01:35 · Assistir no YouTube

Tópicos: Agentes de IA, Dados, bancos de dados e embeddings

Resumo

Para que o ChatGPT encontre e consulte os dados corretos, o conhecimento necessário precisa estar acessível ao agent. Um plugin de dados pode transformar esse conhecimento em uma skill compartilhada, reunindo entidades, métricas, filtros, dimensões, questões em aberto e possíveis armadilhas. A equipe de dados deve revisar e refinar o conteúdo antes de empacotá-lo como plugin para compartilhá-lo na empresa. Equipes que já têm uma camada semântica podem aproveitar o que existe, mas mantê-la eficaz exige esforço contínuo e atenção organizacional.

Pontos-chave

Consultas aparentemente simples podem depender de definições complexas de métricas e de conhecimento distribuído entre ferramentas e pessoas.
Para tomar decisões corretas, o agent precisa ter acesso ao conhecimento relevante sobre os dados.
Um plugin de dados pode organizar esse conhecimento em uma skill compartilhada.
A camada semântica pode incluir entidades, métricas, filtros padrão, dimensões, questões em aberto e possíveis armadilhas.
Uma pessoa da equipe de dados familiarizada com os dados deve revisar e refinar o conteúdo.
A skill pode ser empacotada em um plugin e compartilhada pela empresa.
Equipes com uma camada semântica existente, inclusive no Snowflake Cortex ou no Databricks Genie, podem aproveitá-la sem começar do zero.
O trabalho exige dedicação concentrada e investimento contínuo de uma equipe.

Capítulos

Início	Capítulo	Resumo
00:03	Tornar o conhecimento dos dados acessível	Consultas confiáveis dependem de disponibilizar ao agent o conhecimento distribuído sobre dados e definições de métricas.
00:34	Criar e compartilhar uma skill	A camada semântica reúne informações importantes, que devem ser revisadas pela equipe de dados antes de serem compartilhadas como plugin.
01:04	Aproveitar o que já existe e investir continuamente	Equipes podem integrar camadas semânticas existentes, mas precisam dedicar esforço e atenção constantes para fazê-las funcionar bem.

Citações

O importante é tornar isso acessível ao agent. — 00:03

Essa camada semântica contém informações sobre entidades importantes, métricas importantes, filtros padrão e dimensões. — 00:34

Você não precisa criar algo totalmente novo. Ele pode aprender com o que você já tem. — 01:04

Você precisa dar essa atenção. — 01:35

Conceitos e entidades

ChatGPT Work (ferramenta): Produto apresentado como forma de fundamentar análises na camada semântica da organização.
data plugin (ferramenta): Plugin que transforma o conhecimento existente sobre dados em uma skill compartilhada.
semantic layer (conceito): Camada que reúne conhecimento sobre entidades, métricas, filtros e dimensões dos dados.
skill (conceito): Conjunto de conhecimento compartilhado que orienta o agent em um domínio de dados.
Snowflake Cortex (ferramenta): Plataforma citada como um possível local onde uma equipe pode já ter criado sua camada semântica.
Databricks Genie (ferramenta): Produto citado como um possível local onde uma equipe pode já ter criado sua camada semântica.

Tradução completa (pt-BR)

00:03 Tenho certeza de que muitos de vocês na plateia provavelmente estão se perguntando como poderíamos confiar no ChatGPT para encontrar e consultar os dados corretos. Até mesmo perguntas simples sobre dados podem ter consultas ou definições de métricas muito complexas por trás delas, e esse conhecimento pode estar espalhado por ferramentas e pessoas. Se não estiver acessível ao agent, ele não vai conseguir tomar a decisão certa. Então, o importante é tornar esse conhecimento acessível ao agent. E, com o plugin de dados, podemos pegar esse conhecimento que já existe e transformá-lo em uma skill compartilhada

00:34 Então, essa camada semântica do site contém informações sobre entidades importantes, métricas importantes e diferentes filtros padrão ou dimensões. Ela também traz algumas informações sobre questões em aberto e armadilhas. Alguém da sua equipe de dados que conheça esses dados deve revisar e aprimorar isso. Depois, quando achar que está bom, pode empacotar tudo em um plugin e compartilhá-lo com a empresa. >> Então, se você tem um domínio relativamente bem delimitado, essa é uma ótima skill

01:04 para experimentar. A segunda coisa é que, se sua equipe já investiu na criação de uma camada semântica, seja como uma skill ou algo que exista no Snowflake Cortex ou no Databricks Genie, você pode trazê-la para cá, então não precisa criar algo totalmente novo. Ela pode simplesmente aprender com o que você já tem. >> Mas, para fazer isso muito bem, é preciso dedicar esforço e contar com uma equipe de pessoas focada nisso e que continue investindo. >> Sim, vocês realmente precisam considerar isso importante para a organização. Acho

01:35 que podemos confirmar que tem sido importante, mas é preciso dar atenção a isso. Teremos outro anúncio sobre um produto nessa área. Já falei demais, mas, enfim, fiquem atentos.

Transcrição original

[00:03] I’m sure many of you in the audience are probably wondering how we would even trust chat GPT to find and query the correct data. Then even simple data questions can have very complex queries or metric definitions underpinning them and that knowledge can be scattered across tools, across people and if it’s not accessible to the agent then it’s not going to be able to make the right decision. So it’s all about making it accessible to the agent. And with the data plugin we can take that existing knowledge and then turn it into a shared

[00:34] skill. So this this site semantic layer it contains information about key entities, key metrics, different standard filters or dimensions. It has some information on like open questions, pitfalls. Someone from your data team who is or who is familiar with this data should like review and refine this and then when they think it looks good they can package this up into a plugin and share that across your company. >> So if you have a relatively well contained domain this is a great skill

[01:04] to try out. The second is that if your team has already invested in creating a semantic layer whether that’s as a skill or it might exist in Snowflake Cortex or Databricks Genie you can bring that in so you don’t need to create something that new. It can just learn from what you already have. >> But to do this really well it does take focused effort and like a team of people who is focused on this and continuing to invest in it. >> Yeah you have to really think this is important for the organization. I think

[01:35] we can attest that it has been but you do need that attention. We will have another another announcement around a product in this space. I’ve said too much but anyway stay tuned.