Snowflake Cortex AI – jak AI zmieniło moją pracę?

Kluczem do zmiany jest Snowflake Cortex AI. Dzięki niemu wywołanie prostego zapytania bazodanowego pozwala mi dzisiaj uzyskać rezultaty, które jeszcze kilka lat temu mogłem oglądać jedynie w filmach science fiction.

Drogi czytelniku, nie spodziewałeś się odpowiedzi na tytułowe pytanie już w pierwszym zdaniu tej publikacji, prawda? No cóż… pozostaje mi tylko przeprosić Cię za spoiler. Chciałem jednak, abyś miał świadomość, że zamiast zmagać się z konfiguracją, błądzić między interfejsami czy budować kolejne zależności, możesz wygodnie rozsiąść się w fotelu i cieszyć się wynikami.

Jak Cortex AI pomaga w analizie opinii klientów – studium przypadku

Ale jak to działa w praktyce? Pokrótce opisuję to na podstawie przypadku, z którym zetknąłem się niedawno. Miałem okazję zaimplementować rozwiązanie oparte na Cortex AI, które pomogło w szybkim opanowaniu problemów wizerunkowych rozprzestrzeniających się w mediach społecznościowych.

Wyobraź sobie miliony opinii dotyczących towarów i usług w Twoich sklepach, które każdej godziny trafiają do Twojej hurtowni danych w chmurze. Wszystko działa sprawnie, aż nagle w trybiki systemu trafia ziarnko piasku. Z godziny na godzinę przybywa negatywnych opinii. Tak przynajmniej twierdzi zespół odpowiedzialny za social media, a oni dobrze wiedzą, co się dzieje w sieci. Jak możesz zatrzymać potencjalny kryzys? Prosta sprawa – trzeba znaleźć przyczynę niezadowolenia klientów.

Na szczęście masz dostęp do wszystkich zarejestrowanych opinii, w ustrukturyzowanej postaci w Snowflake. Zaczynamy od podzielenia ich na dziesięć segmentów – od najlepszych do najgorszych. Wykorzystujemy dwie proste funkcje Cortex LLM: translate i sentiment. Pierwsza pozwala przetłumaczyć treść opinii na język angielski (nie oszukujmy się, modele LLM działają najlepiej w tym języku), a druga określa wydźwięk opinii w skali od -1 do 1.

Fajne, prawda? W kilku prostych zapytaniach możemy sprawdzić, w których sklepach zakupy robili najbardziej niezadowoleni klienci, i ustalić, że na przykład towar dostarcza tam niewielka grupa powiązanych dostawców.

Znalezienie przyczyny to jedno, ale co z jej rozwiązaniem? Tutaj ponownie pomaga Cortex LLM. Funkcja complete pozwala zdefiniować kategorie problemów i zapisać je w oddzielnej tabeli. Następnie AI może wygenerować, również za pomocą complete, spersonalizowaną wiadomość e-mail do dostawcy, w której zawarte będą zaobserwowane problemy i propozycje ich rozwiązania. A wszystko to w oparciu o Twoje dane i możliwości modeli LLM dostępnych w Snowflake.

Bezpieczeństwo i dostępność – kluczowe kwestie

Mam nadzieję, że ten prosty przykład działa na wyobraźnię. Warto jednak poruszyć jeszcze dwie istotne kwestie – bezpieczeństwo danych oraz dostępność analiz dla osób nietechnicznych.

W kwestii bezpieczeństwa kluczowe jest to, że Twoje dane i wyniki ich przetwarzania nie są udostępniane innym klientom, nie służą do trenowania cudzych modeli i nie trafiają do podmiotów trzecich. Masz pełną kontrolę nad swoimi danymi na każdym etapie przetwarzania.

A co z użytkownikami, którzy nie znają SQL ani narzędzi analitycznych? Wystarczy, że deweloper wykorzysta Streamlit, aby stworzyć aplikację z przyjaznym interfejsem użytkownika. W Pythonie można napisać prosty program, który zwizualizuje poziom zadowolenia klienta w skali od 1 do 10 gwiazdek, pokaże na wykresie sklepy z największą liczbą negatywnych opinii czy automatycznie wygeneruje i wyśle wiadomość e-mail do dostawcy z propozycją rozwiązania problemu. Użytkownik nie musi nawet wiedzieć, że pracuje z hurtownią danych – wystarczy kilka kliknięć, a resztę zrobi program wspierany przez AI.

To tylko drobny wycinek możliwości Cortex AI i funkcjonalności Snowflake. A lista innowacyjnych opcji jest długa. Warto wspomnieć chociażby o tym, jak łatwo można zaimplementować chatboty pozwalające na odpytywanie ustrukturyzowanych i nieustrukturyzowanych danych w języku naturalnym. Tak, tak – możesz bezpiecznie “rozmawiać” ze swoimi raportami w PDF-ach! Ale o tym opowiem już innym razem… Stay tuned!