Sejak peluncurannya ke publik pada akhir tahun 2022, banyak yang berspekulasi bahwa ChatGPT adalah rute terakhir bagi Microsoft untuk mendapatkan pangsa pasar dan menyalip Google sebagai penyedia pencarian terkemuka. Bahkan, beberapa bahkan mengatakan bahwa itu akan menjadi Pembunuh Google, mengakhiri supremasi mesin pencari online. Namun, gagasan AI generatif yang membuat pencarian menjadi tidak relevan adalah kesalahpahaman tentang apa yang sebenarnya diwakili oleh teknologi ini.
Jika kita melihat bagaimana Google meluncurkan Bard, alternatifnya untuk ChatGPT, jelas bahwa AI generatif bukanlah ancaman bagi pencarian melainkan peningkatan. Dipasarkan sebagai pelengkap pencarian, Bard mewakili masuknya Google ke pasar AI generatif dan peluangnya untuk menulis ulang narasi seputar teknologi ini. Dengan ChatGPT dan Bard menggemparkan internet, perbedaan ini sangat penting bagi organisasi. Meskipun AI generatif sangat kuat, melengkapinya dengan pencarian sangat meningkatkan kekuatan dan keserbagunaannya, dan mungkin menjadi solusi sempurna yang dicari bisnis untuk mendapatkan keunggulan kompetitif.
Mengapa bisnis menahan diri?
Uji coba awal ChatGPT memungkinkan pengguna menyelesaikan dan mengotomatiskan tugas-tugas biasa dengan cepat. Potensi ini telah melanda dunia usaha. Namun, banyak pemimpin bisnis yang tidak yakin tentang cara mengimplementasikan model AI generatif.
Sebagian besar pengguna teknologi mengakui bahwa meskipun ChatGPT hebat dalam bahasa alami, kreativitas, bercakap-cakap, dan meringkas, ChatGPT kesulitan dalam konteks berbasis fakta dan bernuansa. Ini karena ChatGPT adalah AI generatif, dilatih untuk membuat teks berdasarkan pola bahasa dan membuat prosa yang menarik serta argumen yang meyakinkan dan meyakinkan. Isinya didasarkan pada probabilitas kata-kata dalam bahasa, bukan pada pemahaman tentang apa yang sebenarnya diwakili oleh kata-kata itu. Ia tidak memiliki pemahaman tentang dunia nyata. Akibatnya, hasilnya berjuang di lingkungan yang kompleks dan mungkin berhalusinasi; artinya, mereka tidak dapat diandalkan untuk menyampaikan informasi yang akurat setiap saat. Ketika dikombinasikan dengan pengetahuan bahwa model ini tidak memiliki pengetahuan selama satu atau dua tahun terakhir, dan sulit untuk memvalidasi sumber model, mudah untuk melihat mengapa perusahaan ragu untuk mengadopsinya untuk banyak kasus penggunaan berbasis fakta.
Tapi di sinilah pencarian membuat semua perbedaan.
Dampak pencarian
Dimana LLMs generatif (GLLMs) membuat respon baru, pencarian adalah tentang pengambilan informasi yang sudah ada. Anda meminta informasi yang sudah ada sebelumnya dari mesin wawasan, dan itu memunculkan konten yang paling relevan. GLLM dapat terlihat sangat mirip, karena menyajikan materi relevan yang mencerminkan pelatihan mereka. Pada kenyataannya, memprediksi kata mana yang akan ditampilkan tentang suatu subjek sangat berbeda dengan menampilkan konten yang ditulis tentang subjek tersebut.
Namun, memulai dengan pencarian dan memasukkan hasil pencarian ke dalam GLLM menghilangkan kekurangan ini. Menggunakan penelusuran sebagai sumber informasi, bukan LLM yang berfungsi sebagai sumbernya sendiri, memastikan bahwa respons dibuat dari informasi yang akurat, terkini, dan dapat dilacak. Bekerja dengan cara ini memanfaatkan kekuatan setiap alat dengan baik: pengetahuan berasal dari informasi paling relevan yang ditemukan melalui penelusuran, sedangkan frasa berasal dari GLLM.
Hasil akhirnya adalah ekspresi informasi yang akurat, dapat dilacak, dan terkini yang disajikan dengan cara yang paling kita sukai untuk berkomunikasi: bahasa alami.
Karena keakuratan respons terkait langsung dengan kualitas informasi yang dimasukkan ke dalam GLLM, penelusuran kini menjadi lebih penting dari sebelumnya.
Tapi itu bukan bagian yang terbaik
Pencarian tidak hanya memberikan informasi berkualitas lebih baik, tetapi juga merupakan cara paling efektif untuk membuat GLLM mengetahui informasi khusus perusahaan. ChatGPT dan GLLM lainnya (GPT-4, Bard, LLaMA, dll.) Dilatih tentang konten publik yang bersumber dari internet, dan mereka tidak memiliki kesadaran akan pengetahuan yang terkandung dalam suatu organisasi. Sementara itu, melatih atau menyempurnakan model ini pada konten perusahaan itu sulit, bisa sangat memakan waktu, dan mahal.
Solusi yang ideal adalah memanfaatkan pencarian perusahaan, yang mengetahui segalanya tentang perusahaan, untuk memberikan pengetahuan khusus organisasi yang relevan ke GLLM. Karena pencarian perusahaan memiliki akses yang luas dan aman ke semua repositori, konten, dan pengetahuan kelembagaan perusahaan, GLLM mendapatkan materi sumber yang paling relevan untuk jawabannya, dari semua konten perusahaan, terlepas dari sumber, format, atau bahasanya. Ini juga memastikan keamanan karena karyawan hanya melihat informasi yang dapat mereka akses.
Hasil dari pendekatan gabungan ini adalah GLLM yang siap untuk perusahaan yaitu:
Sadar — karena mencakup pengetahuan perusahaan Anda, bukan hanya konten publik Akurat — karena informasinya berasal langsung dari konten perusahaan Anda, bukan modelnya, untuk rangkuman berbasis fakta tanpa halusinasi Transparan — dengan tautan eksplisit ke sumber sehingga pengetahuan dapat dilacak Terkini — konten yang dihasilkan menggunakan informasi terbaru
Melihat ke depan
GLLM, seperti ChatGPT dan Bard, mengubah cara kita berinteraksi dengan informasi, dan mereka akan terus menjadi berita utama. Namun, meskipun mengesankan, penting untuk diingat bahwa kita baru berada di awal revolusi AI ini. Selama beberapa tahun ke depan, kami akan terus melihat pengembangan model yang lebih mumpuni yang akan mengaktifkan aplikasi baru yang bahkan belum dapat kami prediksi.
Namun tanpa landasan pengetahuan yang ringkas, akurat, dan relevan, GLLM akan berjuang untuk memenuhi potensinya, terutama untuk perusahaan. Pencarian cerdas adalah alat yang sangat berharga untuk membawa GLLM ke perusahaan dan membuatnya dapat digunakan di hampir semua aplikasi berorientasi bahasa. Menggabungkan kekuatan pencarian cerdas dengan GLLM seperti ChatGPT berarti karyawan kini dapat berkomunikasi dengan konten mereka, meningkatkan efektivitas, mempercepat inovasi, dan bahkan meningkatkan keterlibatan karyawan.
Kredit Foto: Nilai/Shutterstock
Ulf Zetterberg adalah Co-CEO di penyedia pencarian perusahaan, Sinequa. Ulf memiliki lebih dari 25 tahun pengalaman dalam kepemimpinan untuk perusahaan perangkat lunak perusahaan global. Dia ikut mendirikan Seal Software, perusahaan pertama yang menggunakan platform bertenaga AI untuk menambah kemampuan kecerdasan, otomasi, dan visualisasi untuk meningkatkan pengelolaan dan pemanfaatan data kontrak, pada tahun 2010. Dia juga seorang investor, penasihat, dan anggota dewan untuk beberapa bisnis lain, dengan fokus utama pada perangkat lunak dan analitik data.
