Sally Xu dari tim data science xAI menerbitkan tulisan di situs resmi pada 2 November yang memperkenalkan Data Bot, bot bersama yang dibangun tim di dalam Grok Bot. Bot ini bisa menanyai gudang data, menjalankan analisis, mengembalikan hasil dalam format yang disukai si penanya, dan bergabung ke kanal Slack. Tulisan itu memperkirakan bahwa minggu lalu bot tersebut menangani sekitar 70 jam pekerjaan yang semestinya jatuh ke tim data science.
Angka itu adalah perkiraan internal tanpa penjelasan metode penghitungan. Pada halaman tersebut, nama penulisnya tertera sebagai SpaceXSI, karena xAI sudah bergabung dengan SpaceX tahun ini. Soal ukuran tim, tulisan hanya menyebut "kecil" tanpa menyebut jumlah orang, sehingga pihak luar tidak bisa menghitung seberapa besar porsi 70 jam itu.
Empat jenis aturan yang diajarkan
Data Bot berjalan di atas fitur bot tim milik Grok Bot. Kemampuannya bersumber dari skill bersama yang dipelihara tim data, terbagi dalam empat kategori:
- Metrik dan analisis: menyeragamkan definisi metrik inti seperti pengguna aktif dan pendapatan, lengkap dengan tabel sumber dan logika kueri. Saat sebuah metrik berfluktuasi, bot lebih dulu memecahnya menurut segmen dan wilayah, lalu mencocokkan dengan hari libur dan catatan perubahan produk, baru kemudian menarik kesimpulan.
- Eksperimen: penyusunan uji A/B, analisis daya uji, pemeriksaan keseimbangan paparan dan bias sampel, serta perencanaan peluncuran bertahap. Laporan kesimpulan baru ditulis setelah daya uji mencukupi.
- Grafik dan dasbor: grafik garis untuk tren dan grafik batang horizontal untuk perbandingan kategori, dengan tema dan panduan gaya tim. Grafik dalam percakapan bisa dijadikan dasbor Databricks atau Hex.
- Rekayasa data: aturan penulisan dan peninjauan model dbt, konvensi peringatan pipeline, dan cara menambahkan instrumentasi saat fitur baru diluncurkan.
Bagian lainnya adalah memori bersama. Bot mencatat hal-hal seperti siapa yang bertanggung jawab atas suatu pipeline, atau bahwa penurunan sebuah metrik ternyata disebabkan hari libur di suatu wilayah. Memori baru semacam ini perlu persetujuan administrator sebelum berlaku untuk semua pengguna. Apa yang sudah diajarkan satu orang tidak perlu diajarkan ulang oleh orang berikutnya, dan memori yang keliru punya satu lapis penghadang.
Siapa yang memakainya
Tulisan itu memberi contoh tiga rekan kerja dari luar fungsi data.
Manajer produk Kevin Niparko memperlakukannya seperti rekan kerja yang bisa ditanya, mendapat jawaban dalam hitungan menit, dan tidak perlu mengulang seluruh analisis saat mengajukan pertanyaan lanjutan. Ia menyukai kesimpulan singkat disertai grafik, dan Data Bot mengeluarkan hasil sesuai kebiasaan itu. Gambarannya:
"having a data scientist in his pocket" (seperti punya data scientist di saku)
Jon Brenner dari pemasaran siklus hidup pelanggan memberi bot itu ID kampanye Braze, lalu bertanya apa yang dilakukan orang yang membuka email sesudahnya. Pada promosi X Subscription, dengan cara ini ia menghitung berapa banyak penerima yang benar-benar berganti paket, pertanyaan yang tidak bisa dijawab metrik bawaan Braze.
Direktur pertumbuhan pendapatan Katy Abbaszadeh memakainya untuk mengukur dorongan kampanye terhadap pipeline penjualan dan transaksi yang sedang berjalan, melacak target mingguan, mencari tahu di mana progres tersendat, lalu mengubah hasilnya menjadi grafik untuk presentasi.
Setelah masuk ke Slack, bot juga bisa menjalankan tugas terjadwal, misalnya melacak suatu metrik sesuai aturan tim data atau mengirim laporan mingguan. Rekan kerja bisa langsung bertanya lanjutan pada laporan itu atau memintanya memeriksa fluktuasi yang tidak wajar. Analisis kompleks yang membutuhkan lebih banyak pertimbangan, kata tulisan itu, tetap menjadi urusan tim data; tim juga mengakui masih mencari tahu panduan tambahan apa yang dibutuhkan bot ini.
Alat internal dan produk: dua jalur
Jika dibandingkan secara horizontal, ada beberapa contoh pembanding dalam setahun terakhir.
Pada Juni, Anthropic mengungkap praktik internalnya: saat data bisnis langsung dihubungkan ke Claude, akurasinya hanya 21%, tetapi setelah definisi dan aturan dimasukkan lebih dulu, sekitar 95% pertanyaan analisis data bisa dijawab Claude sendiri. Pada September, OpenAI menambahkan Data agent ke ChatGPT Work, menempuh jalur produk: terhubung ke sumber data seperti Snowflake dan BigQuery, serta membuat dasbor langsung di enam alat termasuk Tableau dan Power BI.
Tulisan xAI ini lebih dekat ke jalur Anthropic: tim internal menuliskan pengetahuan tersirat menjadi skill, sedangkan model hanya pelaksana. Bedanya dengan Anthropic, xAI tidak membuka angka akurasi, tidak ada perbandingan sebelum dan sesudah, dan tidak dijelaskan bagaimana jawaban yang salah ditemukan. Manajer produk dan staf pemasaran yang bertanya sering kali tidak mampu memeriksa sendiri sebuah kueri SQL, dan celah ini lebih menentukan apakah perusahaan lain bisa meniru dibanding angka 70 jam.
Soal izin akses juga demikian. Tulisan menyebut pembaruan memori perlu persetujuan, tetapi tidak menyebut siapa yang boleh menanyai tabel mana. Untuk bot yang terbuka bagi seluruh perusahaan dan terhubung ke gudang data, bagaimana cakupan akses ke data pendapatan dan pengguna dibatasi tidak dijelaskan.
Apakah Data Bot sendiri akan dijual ke luar juga tidak ditulis. Grok Bot di halaman tersebut bisa diunduh dan tersedia opsi menghubungi tim penjualan, dan pada Oktober bot itu mulai memberi pengguna alamat email khusus. Apakah pelanggan eksternal bisa memakai fitur bot tim ini sampai tingkat yang sama, masih menunggu keterangan produk xAI berikutnya.
Sumber: blog resmi xAI, CocoLoop, akun resmi Grok Bot; 70 jam adalah perkiraan internal tim, sedangkan data pembanding Anthropic dan OpenAI diambil dari penjelasan yang sebelumnya dipublikasikan kedua perusahaan.