科学家和工程师们被要求将人工智能（AI）集成策略融入到他们的工作流程中。虽然有很多方法可以做到这一点，但没有人愿意仅仅为了标榜自己使用了AI而牺牲严谨性或结果的可信度。
JMP 的价值主张始终如一：提供交互式、端到端的分析工作流程，支持探索、建模和报告。JMP 在处理复杂、多元且全新的问题时尤为出色。在这些情况下，统计思维和人类判断至关重要，而预训练的 AI 模型由于缺乏训练数据而表现不佳。
JMP 将 LLM 视为分析工作流程的加速器，而非替代品。LLM 可以帮助新用户更快地学习，发现原本可能被忽略的高级功能，并根据简单的语言提示生成自定义 JMP 脚本。这些集成基于权威的 JMP 文档，并完全由 JMP 执行，因此结果准确且可复现。
本次演讲概述了JMP在LLM集成方面的整体方法，为组织机构提供了多种将JMP纳入其人工智能战略的方案。JMP与LLM的集成将提高效率，同时确保科学和工程决策的严谨性。
