Attualmente, il dibattito sull'IA è in fermento. Ogni settimana emergono nuovi termini e acronimi – IA agentica, LLM ragionati, codifica delle vibrazioni – e con essi, una nuova ondata di pressione sulle organizzazioni affinché dichiarino una strategia per l'IA o adottino una piattaforma, il tutto con il rischio implicito di rimanere indietro. Scienziati e ingegneri che utilizzano JMP non sono immuni a questa pressione. La sentono dai loro vertici e ci chiedono cosa significhi per gli strumenti su cui fanno affidamento ogni giorno.
La nostra risposta è semplice: il valore fondamentale di JMP non è cambiato e non cambierà. Ciò che è cambiato è la nostra capacità di rendere tale valore più accessibile, più facilmente reperibile e più estensibile , e la nostra infrastruttura di intelligenza artificiale gioca un ruolo fondamentale in questo processo. Ma lo facciamo deliberatamente, alle vostre condizioni, non alle nostre.
Perché il flusso di lavoro analitico di JMP rimane insostituibile
The JMP analytic workflowIl flusso di lavoro analitico di JMP
Prima di discutere di dove si colloca l'IA, è opportuno precisare cosa fa JMP che nessun modello linguistico è in grado di replicare.
JMP è stato progettato fin dall'inizio per essere interattivo. Un utente trascina una colonna in Graph Builder e visualizza i dati all'istante: niente codice, niente sintassi, niente richieste. Cliccando su un punto di un grafico, questo viene evidenziato nella tabella dei dati e in tutti gli altri grafici dell'intera sessione di analisi. Ma questa interconnessione non è una funzionalità, è una filosofia. In parole semplici, lo scienziato o l'ingegnere, forte della sua esperienza nel settore e del giusto ambiente analitico, è il motore della scoperta.
Il flusso di lavoro analitico di JMP si sviluppa da sinistra a destra. Inizia con una persona e un problema. JMP traduce le domande aziendali in domande analitiche, guida gli utenti verso i metodi più appropriati e fornisce un ambiente interattivo e visivo in cui l'analisi approfondita avviene rapidamente. JMP Live estende poi questo valore all'intera organizzazione, rendendo visibile il lavoro, condividendo metodi collaudati e spostando l'analisi dai singoli computer portatili alla collaborazione a livello aziendale.
I modelli linguistici complessi non sono al centro di questo flusso di lavoro. Si integrano in punti specifici e ne velocizzano alcune fasi. Lo scienziato o l'ingegnere continua a guidare l'analisi e a fornire il valore aggiunto.
La curva che spiega tutto
JMP gets more valuable as problems get harder and rarer.JMP acquisisce maggiore valore man mano che i problemi diventano più difficili e rari.
Esiste un modo utile per visualizzare perché JMP e LLM non sono concorrenti. Immaginate un grafico con la complessità del problema sull'asse X, con i problemi comuni e ben documentati a sinistra e i problemi rari e di alto valore a destra.
Il volume dei dati di addestramento per i modelli lineari basati su grafi (LLM) diminuisce drasticamente man mano che i problemi diventano più complessi e rari. Di conseguenza, anche l'efficacia degli LLM cala. Per problemi comuni, come la scrittura di un semplice script Python o la risoluzione di un errore frequente, esistono migliaia di esempi online, e gli LLM eccellono in questi casi. Tuttavia, spostandosi verso la parte destra della curva, verso nuovi modelli sperimentali, analisi multivariate complesse e problemi che nessuno nel settore ha mai risolto prima, l'efficacia degli LLM crolla. Semplicemente, non esistono dati di addestramento per risultati che non sono ancora stati ottenuti.
L'efficacia di JMP si muove nella direzione opposta. JMP diventa più prezioso man mano che i problemi diventano più complessi e rari. Progettazione di esperimenti, analisi esplorativa dei dati, scoperta ai confini di ciò che ancora non è conosciuto: questo è il territorio di JMP. Vale la pena ribadire chiaramente la tesi principale: l'abbondanza di dati di training non equivale al valore aziendale. I modelli lineari di apprendimento (LLM) vengono addestrati su ciò che è comune. I problemi che vale la pena risolvere per la vostra organizzazione sono quelli con la minore quantità di dati di training disponibili.
Non si può chiedere a un LLM di, ad esempio, "Progetta il prossimo farmaco di successo e non commettere errori". Gli utenti di JMP lavorano ai confini di ciò che non è ancora conosciuto, e questo flusso di lavoro non può essere automatizzato solo con l'intelligenza artificiale.
Dove gli LLM apportano un reale valore aggiunto nell'ecosistema JMP
LearnBotLearnBot
Una volta gettate queste basi, si aprono opportunità concrete e significative in cui i LLM accelerano il flusso di lavoro di JMP.
Tempi di apprendimento sempre più brevi per i nuovi utenti. JMP ha una curva di apprendimento breve ma ripida. Un utente principiante, pur conoscendo la propria materia ma non ancora il software, può trovarsi in difficoltà nelle prime ore. LearnBot (disponibile sul JMP Marketplace) affronta direttamente questa frustrazione. Caricando i ricchi contenuti di apprendimento, la documentazione e l'indice di scripting JSL di JMP in una knowledge base arricchita da LLM, LearnBot consente ai nuovi utenti di porre domande in linguaggio naturale e di ricevere risposte basate su contenuti JMP accurati e aggiornati. I primi risultati sono stati promettenti.
Colmare il divario tra l'utilizzo "punta e clicca" e l'automazione. Il linguaggio di scripting di JMP, JSL, è straordinariamente potente. Permette di creare applicazioni personalizzate, integrazioni e strumenti specifici per l'organizzazione. Tuttavia, i dati di telemetria ci dicono che la stragrande maggioranza degli utenti di JMP non lo utilizza mai; persino l'attività JSL più semplice, ovvero il salvataggio di uno script in una tabella dati, viene utilizzata solo nel 16% dei casi. Questa sottoutilizzazione rappresenta un collo di bottiglia significativo. Un utente può descrivere ciò che desidera in linguaggio naturale e ricevere in cambio codice JSL funzionante; l'automazione e la personalizzazione rese possibili da JSL diventano accessibili all'intera base di utenti, non solo al piccolo gruppo di esperti su cui un'organizzazione in genere fa affidamento.
Rendere accessibili le funzionalità nascoste di JMP. Le organizzazioni di tutto il mondo si affidano al valore di JMP da oltre trent'anni. Tuttavia, a volte, le funzionalità di JMP possono essere nascoste dietro menu a triangolo rosso o opzioni della piattaforma che la maggior parte degli utenti non trova mai. Le interfacce in linguaggio naturale rendono questi strumenti disponibili a tutti. Un utente può descrivere ciò che desidera fare e essere indirizzato allo strumento corretto all'interno di JMP, anche se non lo avrebbe mai trovato nel menu.
Abilitare l'analisi del testo libero all'interno del flusso di lavoro JMP. L'estensione LLM Prompt Runner consente agli utenti di passare il contenuto delle tabelle dati direttamente a un LLM e di restituire risultati strutturati (come analisi del sentiment, estrazione delle cause principali o classificazione) nella tabella dati. Gli utenti rimangono nel flusso di lavoro JMP sfruttando al contempo le funzionalità di LLM per le attività in cui eccellono realmente.
L'infrastruttura che stiamo costruendo
JMP Scripting Index Indice di scripting JMP JMP è stato progettato per la massima flessibilità, senza puntare su un unico fornitore. Non partiamo dal presupposto che un singolo fornitore di LLM (Laboratory Learning Model) vincerà. Il nostro obiettivo è quello di sviluppare infrastrutture e interfacce che consentano ai clienti di connettere JMP ai modelli e ai servizi in linea con i loro standard e il loro ambiente.
Ecco come si realizza il tutto:
Innanzitutto, la base di conoscenze. Abbiamo pubblicato oltre 20.000 frammenti di script JSL su JSL.jmp.com in formati di facile interpretazione per i partecipanti ai corsi di laurea specialistica in lingua inglese (LLM), e altri 10.000 sono in arrivo. Di conseguenza, i partecipanti ai corsi di laurea specialistica in lingua inglese stanno migliorando significativamente nella comprensione e nella scrittura di JSL, e continueranno a farlo.
In secondo luogo, il livello di traduzione. Utilizziamo la generazione aumentata tramite recupero (RAG) per ridurre al minimo le allucinazioni e garantire che, quando un utente pone una domanda, la risposta sia basata su contenuti JMP accurati, pertinenti e aggiornati.
In terzo luogo, l'infrastruttura. Stiamo semplificando la connessione di JMP con il LLM di vostra scelta tramite connettori endpoint, in modo che i clienti non siano vincolati a un singolo fornitore. Sarà disponibile a marzo 2027 e, se siete interessati a provarlo in anteprima, vi invitiamo a partecipare al programma JMP Early Adopter ; il vostro feedback sarà molto apprezzato.
In quarto luogo, gli strumenti. JMP continua a sviluppare una libreria di estensioni di IA e ML di alto valore che supportano gli utenti, migliorano i loro flussi di lavoro e riducono la necessità di programmazione. Gli utenti possono installare queste estensioni, configurarle in modo che siano in linea con le politiche delle proprie organizzazioni e modificarle secondo necessità.
Infine, il JMP Marketplace. Attraverso il Mercato JMP , i clienti possono scegliere quali estensioni LLM o AI sono più adatte alle loro esigenze. Offrendo queste estensioni tramite il JMP Marketplace anziché integrarle nel prodotto principale, JMP mantiene l'intelligenza artificiale opzionale, non obbligatoria.
Sicurezza, privacy e conformità: alle tue condizioni.
Sappiamo che la privacy, la sicurezza e la conformità dei dati sono prioritarie, soprattutto quando si parla di intelligenza artificiale. JMP ha semplificato la ricerca delle risposte di cui i team addetti alla sicurezza e alla conformità hanno bisogno.
Il nostro Centro di fiducia illustra come JMP utilizza i tuoi dati e i tuoi prompt, come garantiamo la privacy dei dati, quali garanzie di sicurezza forniamo e come ci conformiamo ai requisiti dell'UE. I Termini di servizio di JMP per l'IA generativa descrivono in dettaglio cosa succede ai tuoi prompt quando utilizzi le estensioni basate su LLM. Ogni estensione include anche una Scheda informativa del modello che identifica il modello utilizzato e fornisce un link alla documentazione del fornitore del modello. Infine, la nostra Politica di utilizzo responsabile di JMP delinea il nostro impegno per pratiche di IA etiche e guida gli utenti attraverso i casi d'uso consentiti e inaccettabili.
Tutte queste risorse sono pubbliche e a vostra disposizione per essere condivise con i vostri team di sicurezza e conformità.
Ciò che JMP non sta facendo
È altrettanto importante chiarire cosa JMP non sta facendo quanto spiegare cosa stiamo facendo.
- Non stiamo creando un chatbot per sostituire il flusso di lavoro analitico di JMP. JMP è uno strumento di analisi, non un prodotto di conversazione.
- Non lasciamo che siano gli LLM a fare i calcoli: JMP esegue i calcoli, gli LLM scrivono le istruzioni.
- Non ci occupiamo di addestramento o ottimizzazione dei modelli di base, poiché si tratta di un settore da miliardi di dollari legato alle GPU, non di un'attività di analisi dati su computer desktop.
- Non stiamo generando dati sintetici. Il marchio di fabbrica di JMP è il rigore statistico, e tale rigore non sarà compromesso da numeri fabbricati da LLM.
- Non imponiamo funzionalità basate sull'intelligenza artificiale agli utenti che non le desiderano.
La strategia è il risultato aziendale e il flusso di lavoro. L'intelligenza artificiale è uno strumento tra i tanti a disposizione per raggiungerlo.
In definitiva
JMP ha solide fondamenta e un flusso di lavoro differenziato. Il flusso di lavoro analitico (esplorazione visiva, metodi statisticamente validi, analisi ripetibili e condivisibili) non è la stessa cosa di digitare un prompt in una chat. Un prompt può essere d'aiuto, a volte in modo significativo. Ma non sostituisce il rigore e il flusso di lavoro end-to-end che JMP consente.
Stiamo costruendo un'infrastruttura: una base di conoscenza che migliora significativamente la capacità dei LLM di comprendere JMP, un livello di traduzione che basa le risposte su contenuti accurati, connettori endpoint che offrono ai clienti flessibilità nella scelta dei fornitori di IA e un marketplace che fornisce funzionalità di IA opzionali e alle vostre condizioni.
Gli utenti di JMP creano nuove conoscenze. Lavorano su problemi mai risolti prima, con dati che nessun modello ha mai visto. Questo flusso di lavoro non scomparirà. Anzi, nell'era dell'IA, diventa ancora più importante, perché i problemi che vale la pena risolvere sono proprio quelli in cui i modelli lineari lineari (LLM) esauriscono i dati di addestramento ed è qui che emerge la forza di JMP.
Non stiamo inseguendo le mode del momento. Stiamo costruendo per il lungo termine e stiamo costruendo per voi.
