Google Gemini 2.0 zapewnia analitykom biznesowym Flash możliwości Pythona

Każdy, kto miał pracę wymagającą głębokiej analizy, powie, że jakakolwiek przewaga szybkości, jaką może znaleźć, jest jak odzyskanie dodatkowych 30, 60 lub 90 minut z dnia.

Narzędzia do automatyzacji w ogóle, a w szczególności narzędzia AI, mogą pomóc analitykom biznesowym, którzy muszą przeglądać ogromne ilości danych i zwięźle je przekazywać.

W rzeczywistości niedawna analiza Gartnera „Strategia oparta na sztucznej inteligencji prowadzi do zwiększonych zysków„Najbardziej zaawansowane przedsiębiorstwa polegają na sztucznej inteligencji, aby zwiększyć dokładność, szybkość i skalę prac analitycznych, aby osiągnąć trzy podstawowe cele – rozwój biznesu, sukces klienta i efektywność kosztową – z rdzeniem inteligencji konkurencyjnej dla każdego Is.

Google niedawno wydał Gemini 2.0 Flash Zapewnia analitykom biznesowym większą szybkość i elastyczność w definiowaniu skryptów Python do złożonych analiz, dając analitykom bardziej precyzyjną kontrolę nad generowanymi przez nich wynikami.

Google twierdzi, że Gemini 2.0 Flash Bazując na sukcesie Flasha 1.5Jest to zdecydowanie najczęściej stosowany model przez programistów.

Według Google, Gemini 2.0 Flash przewyższa 1.5 Pro w kluczowych testach, oferując dwukrotnie większą prędkość. Flash 2.0 obsługuje także multimodalne wejście, w tym obrazy, wideo i audio, a także multimodalne wyjście, w tym natywnie generowane obrazy zmieszane z tekstem i sterowanym wielojęzycznym dźwiękiem TTS. Może także natywnie wywoływać narzędzia, takie jak wyszukiwarka Google, wykonywanie kodu i funkcje zdefiniowane przez użytkownika innych firm.

Zabieram Flasha Gemini 2.0 na jazdę próbną

VentureBeat wysłał do Gemini 2.0 Flash serię coraz bardziej złożonych żądań skryptowych w języku Python, aby przetestować jego szybkość, dokładność i precyzję w radzeniu sobie z niuansami rynku cyberbezpieczeństwa.

za pomocą Studio sztucznej inteligencji Google Aby podejść do modelu, firma VentureBeat zaczęła od prostych żądań skryptowych, przechodząc do bardziej złożonych żądań skupionych na rynku cyberbezpieczeństwa.

To, co od razu rzuca się w oczy w skryptach Pythona za pomocą Gemini 2.0 Flash, to szybkość – w rzeczywistości niemal natychmiastowa – renderowania skryptów Pythona i generowania ich w ciągu kilku sekund. Jest znacznie szybszy niż 1.5 Pro, Cloud i ChatGPT przy obsłudze coraz bardziej złożonych sygnałów.

VentureBeat poprosił Gemini 2.0 Flash o wykonanie określonego zadania, które byłby poproszony o wykonanie przez analityka biznesowego lub rynkowego: utworzenie macierzy porównującej szereg dostawców i przeanalizowanie, w jakim stopniu sztuczna inteligencja jest wykorzystywana w produktach każdej firmy.

Analitycy często muszą szybko tworzyć tabele w odpowiedzi na żądania dotyczące sprzedaży, marketingu lub planowania strategicznego i zazwyczaj muszą uwzględniać korzyści lub spostrzeżenia unikalne dla każdej firmy. Ręczne wykonanie tej czynności może zająć wiele godzin, a nawet dni, w zależności od doświadczenia i wiedzy analityka.

Firma VentureBeat chciała, aby natychmiastowe żądanie było realistyczne, włączając do skryptu analizy od 13 dostawców XDR, a jednocześnie zapewniając wgląd w to, w jaki sposób sztuczna inteligencja pomaga wymienionym dostawcom w obsłudze danych telemetrycznych. Podobnie jak w przypadku wielu żądań otrzymywanych od analityków, VentureBeat poprosił Pythona o wygenerowanie pliku Excel z wynikami.

Oto polecenie, które daliśmy, aby wykonać flashowanie Gemini 2.0:

Napisz skrypt w języku Python, aby przeanalizować następujących dostawców cyberbezpieczeństwa, którzy zintegrowali sztuczną inteligencję z platformą XDR, i utwórz tabelę pokazującą, czym różnią się między sobą we wdrażaniu sztucznej inteligencji. Pierwsza kolumna powinna zawierać nazwę firmy, druga kolumna powinna zawierać produkty firmy, które mają zintegrowaną sztuczną inteligencję, trzecia kolumna powinna zawierać to, co czyni je wyjątkowymi, a czwarta kolumna powinna zawierać sztuczną inteligencję w obsłudze danych telemetrycznych ich platformy XDR w szczegółowo za pomocą przykładu. W jaki sposób to pomaga? , Nie zdrapuj sieci. Utwórz plik Excel z wynikami i sformatuj tekst w pliku Excel tak, aby był wolny od nawiasów ({}), cudzysłowów (’) i kodu HTML, aby poprawić czytelność. Nazwij plik Excela. Test Flasha Gemini 2.
Cato Networks, Cisco, CrowdStrike, Elastic Security XDR, Fortinet, Google Cloud (Mandiant Advantage

Korzystając z Google AI Studio, firma VentureBeat utworzyła następujące żądanie skryptowe Pythona umożliwiające porównanie dostawców XDR oparte na sztucznej inteligencji, generujące kod w języku Python w ciągu kilku sekund:

Następnie VentureBeat zapisał kod i załadował go do firma Google’aCelem tego było sprawdzenie, jak wolny jest od błędów kod Pythona poza Google AI Studio, a także zmierzenie szybkości jego kompilacji. Kod działał bezbłędnie, bez żadnych błędów i wygenerował plik Microsoft Excel Gemini_2_Flash_Test.xlsx.

Wyniki mówią same za siebie

Skrypt uruchomił się w ciągu kilku sekund i Colab nie wskazał żadnych błędów. Na końcu skryptu pojawiała się również informacja, że ​​plik Excel jest gotowy.

VentureBeat pobrał plik Excel i stwierdził, że zakończył się w mniej niż dwie sekundy. Poniżej znajduje się sformatowany widok tabeli programu Excel, w której rozpowszechniany był skrypt Pythona.

Utworzenie tej tabeli zajęło łącznie mniej niż cztery minuty, co obejmowało przesłanie monitu, pobranie skryptu w języku Python, uruchomienie go w Colab, pobranie pliku Excel i wykonanie szybkiego formatowania.

Solidny argument za zastosowaniem AI do monotonnych zadań

Dla wielu profesjonalistów, którzy przez całą swoją karierę zawodową pracowali na różnych stanowiskach związanych z biznesem, konkurencją i analitykami rynku, sztuczna inteligencja jest multiplikatorem siły, którego szukali, aby zaoszczędzić godziny na powtarzalnych, monotonnych zadaniach.

Analitycy mają naturalnie wysoki poziom ciekawości intelektualnej. Wystawienie sztucznej inteligencji na najbardziej przyziemne i powtarzalne części ich pracy oraz wyposażenie ich w narzędzia do tworzenia porównań i wskaźników, o szybkie opracowanie często proszeni, znacznie zwiększa produktywność całego zespołu.

Menedżerowie i liderzy zespołów biznesowych, zajmujących się analizą konkurencji i marketingiem muszą rozważyć, w jaki sposób szybki rozwój modeli, w tym Google Gemini 2.0 Flash, może pomóc ich zespołom zapanować nad rosnącymi obciążeniami pracą. Pomoc w udźwignięciu tego ciężaru da analitykom możliwość robienia tego, co kochają i co robią najlepiej, czyli wykorzystywania swojej intuicji, inteligencji i wglądu do dostarczania wyjątkowo wartościowych pomysłów.