Historia start-upu Viable jest przykładem tego, jak wiele może się zmienić od momentu rozpoczęcia pracy nad pomysłem na biznes do faktycznego znalezienia produktu dopasowanego do rynku i bazy klientów. Viable pomaga firmom lepiej zrozumieć swoich klientów, używając GPT-3 do podsumowania opinii klientów. Viable gromadzi opinie, takie jak ankiety, zgłoszenia do pomocy technicznej, dzienniki czatów na żywo i recenzje klientów. Następnie identyfikuje motywy, emocje i nastroje, wyciąga wnioski z wyników i przedstawia podsumowanie w ciągu kilku sekund. Na przykład, jeśli zostaniesz zapytany: „Co frustruje naszych klientów w procesie realizacji transakcji?” Viable mógłby odpowiedzieć: „Klienci są sfrustrowani przepływem transakcji, ponieważ ładowanie trwa zbyt długo. Chcą także możliwości edycji swojego adresu podczas realizacji transakcji i zapisania wielu metod płatności”. Oryginalny model biznesowy Viable polegał na pomaganiu firmom rozpoczynającym działalność na wczesnym etapie w znalezieniu dopasowania produktu do rynku za pomocą ankiet i planów rozwoju produktów. Zaczęto napływać prośby od większych firm z prośbą o wsparcie w analizie ogromnych ilości tekstu, np. „zgłoszenia do pomocy technicznej, media społecznościowe, recenzje w sklepach z aplikacjami i odpowiedzi na ankiety”, które wszystko zmieniły, mówi Daniel Erickson. Erickson jest założycielem i dyrektorem generalnym firmy Viable oraz jednym z pierwszych użytkowników interfejsu API OpenAI. Wyjaśnia: „Właściwie spędziłem około miesiąca na eksperymentowaniu, dosłownie po prostu zbierając nasze dane, umieszczając je w Playground, opracowując różne podpowiedzi i tym podobne rzeczy. W końcu doszedłem do wniosku, że [GPT-3] może zasilać bardzo potężny system pytań i odpowiedzi”. Erickson i jego współpracownicy zaczęli używać interfejsu API OpenAI do interakcji i generowania spostrzeżeń na podstawie dużych zbiorów danych, z którymi pracowali. Początkowo stosowali inny model NLP, osiągając mierne wyniki, ale kiedy rozpoczęli pracę z GPT-3, zespół zaobserwował „co najmniej 10% wzrost we wszystkich przypadkach. Kiedy mówimy o przejściu z 80% do 90%, jest to dla nas ogromny wzrost. Bazując na tym sukcesie, wykorzystano GPT-3 w połączeniu z innymi modelami i systemami, aby stworzyć funkcję pytań i odpowiedzi, która umożliwia użytkownikom zadawanie pytań prostym językiem angielskim i uzyskiwanie odpowiedzi. Viable przekształca pytanie w złożone zapytanie, które może pobrać wszystkie istotne informacje zwrotne z bazy danych. Następnie przepuszcza dane przez kolejną serię modeli podsumowań i analiz, aby wygenerować udoskonaloną odpowiedź. Ponadto system Viable zapewnia klientom „co tydzień podsumowanie składające się z 12 akapitów… które zawiera najważniejsze skargi, najważniejsze komplementy, najważniejsze prośby i najważniejsze pytania”. Jak można się spodziewać po specjalistach zajmujących się opiniami klientów, firma Viable posiada przyciski „kciuk w górę” i „w dół” obok każdej odpowiedzi generowanej przez oprogramowanie. Wykorzystują tę informację zwrotną podczas ponownego uczenia modelu. Ludzie również są częścią tego procesu: Viable ma zespół adnotacji, którego członkowie są odpowiedzialni za budowanie szkoleniowych zbiorów danych, zarówno na potrzeby modeli wewnętrznych, jak i dostrajania GPT-3. Wykorzystują bieżącą iterację tego dopracowanego modelu do generowania wyników, które ludzie następnie oceniają pod kątem jakości. Jeśli wynik nie ma sensu lub jest niedokładny, przepisuje go. A kiedy już mają listę wyników, z których są zadowoleni, przekazują tę listę z powrotem do następnej iteracji zbioru danych szkoleniowych. Erickson zauważa, że interfejs API jest ogromną zaletą, ponieważ pozostawia hosting, debugowanie, skalowanie i optymalizację OpenAI: „Wolę kupować niż budować do czegokolwiek, co nie jest super rdzeniem naszej technologii. I nawet jeśli jest to rdzeń naszej technologii, nadal ma sens, abyśmy zrobili to z GPT-3. Dlatego idealnym rozwiązaniem byłoby użycie GPT-3 we wszystkich elementach procesu. Musieli jednak zoptymalizować swoje wykorzystanie ze względu na koszty: „Mamy firmy, które udostępniają nam setki tysięcy punktów danych, każdy zawierający od pięciu do tysiąca słów”. Używanie GPT-3 do wszystkiego może być drogie. Zamiast tego Viable wykorzystuje głównie modele wewnętrzne do strukturyzacji danych, które opracowano na podstawie BERT i ALBERT i przeszkolono przy użyciu danych wyjściowych GPT-3. Modele te obecnie spełniają lub przekraczają możliwości GPT-3 w zakresie wyodrębniania tematów, analizy emocji i nastrojów oraz wielu innych zadań. Firma Viable przeszła również na model cenowy oparty na użyciu, oparty na cenach API OpenAI. Erickson utrzymuje, że GPT-3 daje firmie Viable przewagę nad konkurencją pod dwoma względami: dokładnością i użytecznością. Wspomnieliśmy o imponującym 10% zwiększeniu celności w Viable. Ale co z użytecznością? Większość konkurentów Viable tworzy narzędzia zaprojektowane specjalnie dla profesjonalnych analityków danych. Viable uważało, że grono odbiorców jest zbyt wąskie: „Nie chcieliśmy tworzyć oprogramowania, z którego mogliby korzystać tylko analitycy, ponieważ naszym zdaniem ogranicza to wartość. Chcemy pomóc zespołom w podejmowaniu lepszych decyzji na podstawie danych jakościowych”. Zamiast tego samo oprogramowanie Viable jest „analitykiem”. Użytkownicy mogą szybciej wykonywać iteracje dzięki pętli informacji zwrotnej, która pozwala im zadawać pytania dotyczące ich danych w języku naturalnym i uzyskiwać szybką i dokładną odpowiedź. Erickson podzielił się kilkoma kolejnymi krokami Viable: wkrótce wprowadzi dane ilościowe i dogłębną analizę produktów. Docelowo Erickson chce dać użytkownikom możliwość przeprowadzenia pełnej analizy wiedzy o klientach i zadawania pytań takich jak „Ilu klientów korzysta z funkcji X?” oraz „Spośród klientów korzystających z funkcji X, jak ich zdaniem należy ją ulepszyć?” Ostatecznie Erickson podsumowuje: „To, co sprzedajemy, to generowane spostrzeżenia. Zatem im bardziej dogłębne i potężniejsze są nasze spostrzeżenia oraz im szybciej je dostarczamy, tym większą wartość tworzymy”.