Unit 1 / 11

Pengenalan kepada Kepintaran Buatan dalam Persembahan dan Visualisasi Data: Peranan, Sempadan, Pengesahan dan Etika

Keuntungan:

  • Dapat membezakan di mana kecerdasan buatan menjimatkan masa dalam pembentangan dan aliran visualisasi data, dan mengapa keputusan tentang ketepatan data dan kejujuran graf diserahkan kepada manusia, bergantung pada tahap risiko.
  • Keupayaan untuk melaksanakan disiplin pengesahan yang menyemak setiap output terhadap langkah sumber, konsistensi, kejujuran dan konteks
  • Keupayaan untuk menamakan data sensitif tanpa nama, mengelakkan herotan dan mematuhi prinsip tanggungjawab muktamad untuk profesion ini dari awal

Pembentangan atau carta sering menentukan nasib sesuatu keputusan lebih daripada keputusan itu sendiri. Walaupun lembaga pengarah berkata "ya" kepada pelaburan, manakala seorang guru menyemak sama ada pelajaran itu difahami atau tidak, manakala majlis perbandaran meyakinkan orang ramai; Semuanya terletak di belakang slaid, garis, pilihan warna. Kecerdasan buatan telah memasuki pertengahan ini. Kini, draf pembentangan, grafik siap pakai, nota penceramah dan infografik boleh dihasilkan dengan permintaan beberapa ayat. Tetapi kuasa ini juga boleh menghasilkan mesej yang salah dengan cepat. Modul ini akan membantu anda menjadikan AI sebagai pembantu hujung ke hujung bagi perniagaan pembentangan dan visualisasi data anda; Tetapi ia mengajar anda untuk mengekalkan kata putus dan tanggungjawab.

Dalam unit pertama ini, kami menjelaskan dengan tepat apa yang dipercepatkan AI dalam bidang ini, di mana ia harus berhenti, cara mengesahkan output, dan sempadan etika/privasi yang perlu anda perhatikan dari awal.

Di manakah kedudukan kecerdasan buatan dalam perkara ini?

Pertama, mari kita takrifkan dua konsep tersebut. Pembentangan ialah keseluruhan visual-verbal (kebanyakannya slaid) yang anda sediakan untuk menerangkan idea atau maklumat kepada khalayak tertentu dalam susunan tertentu. Visualisasi data ialah graf, jadual dan panel yang menjadikan nombor mudah difahami oleh mata. Terdapat juga istilah model bahasa besar (LLM) yang sering disebut: ia ialah sistem kecerdasan buatan yang menjana teks dengan meramalkan "perkataan kemungkinan besar seterusnya"; ChatGPT ialah enjin alat seperti Claude dan Gemini. Intinya ialah ini: model bahasa besar bukanlah kalkulator atau mesin "pengesahan fakta"; ialah teks persuasif dan penjana garis besar.

Kecerdasan buatan membantu anda dalam bidang ini dalam empat set peranan yang berbeza:

  • Penulis/penggubal: Menghasilkan rancangan pembentangan, tajuk slaid, teks artikel, nota penceramah, teks infografik.
  • Pembantu reka bentuk: Mencadangkan susun atur slaid, menjana imej (dengan kecerdasan buatan penjanaan imej), mencadangkan warna dan tipografi, memberikan idea ikon.
  • Penganalisis/pengekod: Memahami data anda, mengesyorkan jenis carta yang betul, menulis kod (Python, cth. matplotlib) untuk menghasilkan carta.
  • Pengkritik/pembaca pruf: Mengkritik pembentangan sedia dibuat dari perspektif penonton, memotong lebihan dan menandakan grafik yang mengelirukan.

Sebaliknya, keputusan kritikal yang diserahkan kepada manusia adalah seperti berikut: Memastikan data adalah tepat dan terkini. Kejujuran mesej. Graf tidak memesongkan data. Kesesuaian dengan khalayak dan konteks. Keputusan untuk tidak berkongsi data sulit/peribadi. Dan akhirnya, tanggungjawab "pembentangan ini keluar atas nama saya."

Petua: Anggap AI seperti "pelatih senior." Dia cepat, tidak kenal lelah, menghasilkan banyak; Tetapi dia tidak mempercayai setiap nombor yang dia lihat, anda mengawal setiap draf.

Gunakan mengikut tahap risiko

Tidak setiap pekerjaan membawa risiko yang sama. Kelaskan dengan skala tiga yang mudah digunakan:

Tahap risiko

contoh kerja

Peranan kecerdasan buatan

Kawalan manusia yang wajib

rendah

Draf pelan slaid untuk mesyuarat pasukan dalaman

Pengeluaran percuma, draf cepat

Semakan pantas

sederhana

Persembahan jualan kepada pelanggan, infografik blog

Lakaran + reka bentuk + cadangan grafik

Pengesahan data, pematuhan jenama, kawalan bahasa

tinggi

Pembentangan pelabur, laporan rasmi, data kesihatan/kewangan

Rangka dan bantuan bahasa sahaja

Setiap nombor, setiap carta, setiap tuntutan disahkan secara bebas

Peraturannya mudah: apabila risiko meningkat, kadar kandungan yang dihasilkan oleh kecerdasan buatan berkurangan dan pengesahan anda meningkat.

tiga kes mini

Kes 1 — Masa disimpan. Seorang profesional pemasaran biasanya menyediakan pembentangan keputusan suku tahunannya dalam masa 6 jam. Dia memberikan ringkasan data kepada kecerdasan buatan dan memintanya menghasilkan pelan slaid, tajuk dan nota penceramah; Menerima pengesyoran jenis carta. Tempohnya berkurangan daripada 6 jam kepada kira-kira 2 jam. Dia menumpukan 1 jam daripada 4 jam yang dia peroleh untuk mengesahkan nombor satu demi satu. Keuntungan bersih: sekitar 3 jam dan naratif yang lebih koheren.

Kes 2 — Ralat ditangkap. Seorang penganalisis memberikan data jualan kepada kecerdasan buatan dan berkata "menunjukkan pertumbuhan." Model mencadangkan carta garisan dengan paksi-y bermula pada 90; Peningkatan kecil kelihatan besar. Penganalisis menyedari perkara ini dan memulakan paksi dari 0. Pertumbuhan sebenar ialah 4%, manakala carta pertama memberi gambaran sebanyak 40%. AI memilih "mengagumkan"; lelaki memilih yang jujur.

Kes 3 — Dihalang kebocoran. Seorang pekerja sumber manusia akan menampal jadual gaji 320 orang ke dalam alat kecerdasan buatan berasaskan web dan meminta graf. Dia berhenti pada saat terakhir; nama dan gaji ditinggalkan dan hanya berkongsi jabatan dan purata tanpa nama. Oleh itu, data peribadi tidak pernah pergi ke sistem pihak ketiga.

Disiplin pengesahan: EMPAT langkah

Ambil setiap keluaran AI melalui empat langkah sebelum menerbitkan:

  1. Sumber: Dari mana datangnya nombor/tuntutan ini? Adakah kecekapan saya sendiri atau sesuatu yang direka oleh model? (Model juga boleh "membentuk" nombor; ini dipanggil halusinasi: maklumat yang dipersembahkan sebagai nyata tetapi tidak.)
  2. Ketekalan: Adakah nombor dalam carta sama dengan nombor dalam jadual dan teks? Adakah jumlahnya bertambah?
  3. Kejujuran: Adakah paksi carta, skala dan jenis menunjukkan data sebagaimana adanya atau membesar-besarkan/mengaburkannya?
  4. Konteks: Adakah ia bahasa yang betul, kedalaman yang betul, panjang yang sesuai untuk khalayak ini?

Anda seorang editor pembentangan yang berpengalaman. Anggap draf slaid di bawah sebagai UNTUK DISEMAK, bukan SEDIA UNTUK PENERBITAN. Bagi setiap tuntutan: (1) adakah sumbernya dikenal pasti? (2) Adakah nombor sepadan? (3) Adakah terdapat sebarang kenyataan yang mengelirukan? (4) adakah ini sesuai untuk penonton? Tunjukkan sebarang perkara yang bermasalah dan cadangkan pembetulan. Penonton: [ ... ] | Draf: [ ... ]

Gesaan lemah / Gesaan kuat

lemah:

Beri saya pembentangan yang baik tentang jualan.

Permintaan ini tidak mempunyai konteks: tiada khalayak, tiada tujuan, tiada data, tiada tempoh, tiada nada. Model itu meramalkan, bersifat universal dan menghasilkan sesuatu yang "bagus" yang berkemungkinan besar mengelirukan.

kuat:

Peranan anda: Editor pembentangan jualan B2B. Penonton: Jawatankuasa pembelian 3 orang, bukan teknikal. Tujuan: Untuk mendapatkan perjanjian perintis 12 bulan yang diluluskan. Tempoh: 8 minit. Data yang saya ada: [menampal di bawah]. Tugasan: Cadangkan rancangan dengan 6 slaid. Untuk setiap slaid, tulis mesej utama satu ayat + jenis carta yang sesuai dan sebabnya. JANGAN BUAT NOMBOR; Jika anda memerlukan nombor yang tiada dalam data, taip "[confirm]".

Yang kedua termasuk peranan, penonton, tujuan, tempoh, data, dan larangan "fabrikasi"; Outputnya boleh digunakan dan boleh diaudit.

Etika dan privasi: tiga baris dari permulaan

  • Kejujuran: Carta tidak seharusnya memesongkan data; Jangan bengkokkan kebenaran demi "mengagumkan".
  • Kerahsiaan: Jangan masukkan data yang mengandungi data peribadi (nama, gaji, kesihatan, rekod pelanggan) dan rahsia perdagangan ke dalam sebarang cara luaran yang tidak dibenarkan oleh institusi anda. Jika ragu-ragu, awanama (alih keluar pengenalan) atau jangan masukkan.
  • Ketelusan: Jika anda menggunakan imej/teks yang dijana AI dan ini boleh mengelirukan penonton (mis. imej pengeluaran yang akan disalah anggap sebagai "foto sebenar"), bersedia untuk menunjukkan perkara ini.
Awas: "AI berkata demikian" bukanlah alasan. Setiap nombor dan setiap tuntutan dalam pembentangan adalah tanggungjawab orang yang mengambil pentas.

Kesilapan biasa

  • Menyalin output tanpa mengesahkan: Meletakkan nombor yang dihasilkan oleh model pada slaid tanpa mengesahkannya.
  • Permintaan tanpa konteks: Meminta "persembahan yang bagus" tanpa menulis khalayak dan tujuan.
  • Menampal data sulit seperti sedia ada: Memasukkan jadual sensitif ke dalam alat luaran tanpa menamakan nama.
  • Mengutamakan estetika daripada kejujuran: Memangkas paksi untuk menjadikannya "lebih mengagumkan", menggunakan kek 3D.
  • Mengunci ke dalam satu alat: Cuba menyelesaikan setiap tugas dengan satu kecerdasan buatan dan melangkau memilih alat yang betul.

Secara ringkasnya

AI menjimatkan banyak masa dalam merangka, reka bentuk, kod dan peranan kritikan dalam persembahan dan visualisasi data; tetapi ketepatan data, kejujuran mesej, kekurangan herotan graf, kerahsiaan dan tanggungjawab muktamad terletak pada manusia. Klasifikasikan risiko pada tiga peringkat, sahkan setiap keluaran melalui langkah-langkah konteks-konsistensi-sumber-integriti, tanpa namakan data sensitif. Kecerdasan buatan mempercepatkan kerja anda; Ia tidak menentukan tempat anda.

Tugasan permohonan

Pilih persembahan sebenar yang akan anda berikan tidak lama lagi. (1) Tentukan tahap risiko (rendah/sederhana/tinggi) dan tulis dalam satu ayat mengapa. (2) Isi rangka kerja "power prompt" yang mentakrifkan khalayak, tujuan dan tempoh. (3) Senaraikan 3 nombor yang akan anda gunakan dalam pembentangan dan tulis sumber setiap satu; Tentukan yang mana anda tidak akan masuk ke dalam kenderaan luar.

senarai semak

  • [ ] Saya menentukan tahap risiko kerja ini dan melaraskan kedalaman pengesahan saya dengan sewajarnya.
  • [ ] Saya telah memberikan peranan, penonton, tujuan, tempoh dan konteks data dalam permintaan.
  • [ ] Saya tahu sumber bagi setiap isu dan tuntutan; Saya menandakan yang palsu.
  • [ ] Saya akan menyemak kejujuran graf (paksi, skala, jenis).
  • [ ] Saya menamakan data sensitif atau tidak pernah memasuki alat luaran.
  • [ ] Saya menerima bahawa saya mempunyai tanggungjawab utama.