Tous les modèles

Canevas d'Opportunités de l'IA Générative

Sean Ammirati

4,6 k Vues
401 utilisations
92 likes

Rapport

À propos du Canevas d'Opportunités de l'IA Générative

Le Canevas d'Opportunités de l'IA Générative, conçu par Sean Ammirati, fournit un cadre structuré pour explorer et définir des opportunités d'utilisation de l'IA Générative pour votre entreprise, organisation ou team.

Ce canevas offre un aperçu complet des tâches créatives et de la manière dont l'IA générative peut être utilisée pour améliorer leurs processus. Composé de sept blocs, chaque segment vous invite à le remplir avec des boîtes de texte, des liens, des images ou des vidéos pour apporter de la profondeur et des perspectives. Utilisez ce canevas en collaboration avec votre équipe pour faire un brainstorming et élaborer des cas d’utilisation de l'IA générative.

Quand utiliser le modèle de canevas Opportunité IA générative ?

Le modèle est généralement utilisé lorsque vous explorez des opportunités pour tirer parti de l'IA générative dans divers projets ou initiatives.

Comment utiliser un modèle de canevas Opportunité IA générative

Le canevas fournit sept éléments clés pour démontrer comment vous pouvez explorer et développer des idées d'IA générative sans avoir besoin de connaître le prompt engineering du TELeR.

Les sept éléments clés sont :

1 : Accent sur la tâche "Créer"

Quelles tâches créatives, auparavant effectuées manuellement, envisagez-vous d'automatiser ?

Identifiez les tâches créatives qui étaient auparavant effectuées manuellement et que vous souhaitez améliorer ou automatiser à l'aide de l'IA générative.

2 : Entrées

Pouvez-vous préciser les entrées que vous envisagez de fournir pour guider le processus de création ?

Précisez les entrées nécessaires pour guider le processus de création. Les entrées peuvent inclure des ensembles de données, des modèles, des directives, des points forts ou toute autre ressource nécessaire pour que le modèle d'IA génère les résultats souhaités.

3 : Objectif de haut niveau

Pouvez-vous définir l'objectif ou le but principal de l'utilisation de l'IA générative dans ce contexte ?

Définissez l'objectif ou le but principal de l'utilisation de l'IA générative pour cette tâche. Cela pourrait être d'accroître l'efficacité, de réduire les coûts, d'améliorer la qualité ou de permettre la créativité de nouvelles manières.

4 : Résultats

Que voulez-vous que le résultat soit ?

Déterminez ce que vous souhaitez obtenir comme résultat de l'IA Générative. Cela pourrait être des designs, des recommandations ou d'autres améliorations qui remplissent les tâches créatives identifiées aux étapes précédentes.

5 : Exemples Illustratifs

Pouvez-vous fournir des exemples historiques spécifiques du passé, même ceux exécutés manuellement, qui pourraient servir de points de référence ? (few shot learning)

Pouvez-vous expliquer la logique derrière cet exemple ? (chaîne de pensée)

Fournissez des exemples historiques spécifiques, même ceux exécutés manuellement, qui pourraient servir de points de référence. Ces exemples aident l'IA à apprendre les motifs et les styles à imiter. Expliquez la logique derrière ces exemples pour guider la compréhension de la tâche.

6 : Décomposition de Tâche

Pouvez-vous décomposer la tâche créative en plusieurs étapes ? Si oui, décomposez la tâche en plusieurs étapes ci-dessous, en précisant le nombre d'étapes nécessaires.

Une révision humaine est-elle nécessaire à ce stade ? 

Décomposez la tâche créative en plusieurs étapes, si cela est applicable. Chaque étape doit décrire une action ou un processus spécifique requis pour accomplir la tâche. Déterminez si une révision humaine est nécessaire à chaque étape afin d'assurer la qualité du résultat.

7 : Données externes ou internes supplémentaires

Quels types d’informations ou d’intégrations de données pourraient améliorer considérablement la qualité et l’efficacité du processus

Identifiez toute information supplémentaire ou intégration de données qui pourrait améliorer significativement la qualité et l’efficacité du processus d'intelligence artificielle générative.

Sean Ammirati

Distinguished Service Professor @ Carnegie Mellon University

Sean Ammirati is a Distinguished Service Professor of Entrepreneurship at CMU’s Tepper School of Business. In addition to teaching, Sean also is the Co-Founder of the Carnegie Mellon Corporate Startup Lab (CSL). He is a Partner at Birchmere Ventures focused on both SaaS and digital marketplace investments. His investments include: NoWait (acquired by Yelp), umano (acquired by Dropbox), Altru (acquired by ICIMS), JazzHR (acquired by Jobvite), Healthie, Crystal, LegalSifter, and The Zebra.


Catégories

Modèles similaires

Hypothèse de test A/B

44 likes
213 utilisations