世界

単一の Nvidia GB10 システムが人間のレポート スタッフに取って代わり、労働力を永遠に変えることができる方法

Nvidia GB10 と構造化された AI ワークフローを使用して、手動レポートを完全に置き換えることができます自動化により、一貫したレポートの精度を維持しながら、追加スタッフへの依存を軽減しますシーケンシャルワークフローにより、エンタープライズレベルの自動化を拡張する前のテストとトラブルシューティングが簡素化されます。多くの組織は、従業員が複数のデジタル プラットフォームからパフォーマンス指標を手動で収集、整理、報告することに依存しています。最近の 家庭に奉仕する (STH) レビューは、この手動報告プロセスの一部を、構築されたローカル AI システムを使用して置き換えました。 エヌビディア GB10ハードウェア。この作業には、構造化されていない長い電子メールを通じて受信した繰り返しのリクエストが含まれており、多くの場合、複数のソースと特定の日付範囲にわたるメトリクスを要求していました。 あなたは好きかもしれません 追加スタッフの必要性を軽減この増大する量を管理するために追加のスタッフを雇用する代わりに、 STH これらのタスクを確実に処理できる自動レポート パイプラインの設計に重点を置きました。自動化は構造化されたフローに従って、関連するすべてのプラットフォームからデータを収集および集約しました。n8n 内に事前に構築された統合により、カスタム コードを必要とせずに分析システムに直接接続できるため、セットアップ時間が短縮されます。各ステップを計画することで、時間制限、フィルター、クエリの詳細が一貫して適用されるようになります。TechRadar Pro ニュースレターにサインアップして、ビジネスの成功に必要なトップ ニュース、意見、機能、ガイダンスをすべて入手してください。ワークフローは順番に実行されましたが、このアプローチにより、初期実装時のテストとトラブルシューティングが簡素化され、レビュー担当者がスケーリングする前に結果を検証できるようになりました。システムを検証するために、レビューでは 2015 年から 2025 年までの既知の結果が含まれる約 1,000 件の過去のリクエストを使用しました。gpt-oss-20b FP8 や gpt-oss-120b FP8 などのさまざまな AI モデルを比較して、ステップ精度を評価しました。 あなたは好きかもしれません 初期テストでは、小規模なモデルが単純なリクエストでは良好に動作することが示されましたが、複雑さが増すにつれてエラーが発生しました。ワークフローではリクエストごとに複数のモデル呼び出しが必要であったため、小さな不正確ささえも重なり、全体的な信頼性が低下しました。モデルが大きくなると、ステップごとの精度が…