科學家和工程師被要求將人工智慧（AI）整合策略融入他們的工作流程中。雖然有很多方法可以做到這一點，但沒有人願意僅僅為了標榜自己使用了AI而犧牲嚴謹性或結果的可信度。
JMP 的價值主張始終如一：提供互動式、端到端的分析工作流程，支援探索、建模和報告。 JMP 在處理複雜、多元且全新的問題時特別出色。在這些情況下，統計思維和人類判斷至關重要，而預先訓練的 AI 模型由於缺乏訓練資料而表現不佳。
JMP 將 LLM 視為分析工作流程的加速器，而非替代品。 LLM 可以幫助新使用者更快學習，發現原本閒置的進階功能，並根據簡單的語言提示產生自訂 JMP 腳本。這些整合基於權威的 JMP 文檔，並完全由 JMP 執行，因此結果準確且可複現。
本次演講概述了JMP在LLM整合的整體方法，為組織機構提供了多種將JMP納入其人工智慧策略的方案。 JMP與LLM的整合將提高效率，同時確保科學和工程決策的嚴謹性。
