由ChatGPT等生成式人工智能（Generative AI）掀起的热潮及其带来的革命，已持续一段时间。 Workday全球首席科技总监Dave Sohigian认为，当中与技术能够同时搜集整理非结构数据（Unstructured data）息息相关，即包括文字、图片、影片、音频档等。 因此该企在针对市场痛点开发大型语言模型（LLM）时，也有留意整合此重要元素。
虽然技术有望为各产业带来一翻新景象，惟不少企业管理人可能仍在探索如何引入，以及应该从何入手加入相关应用而感到困惑。
部署技术方面，Dave提到，ChatGPT之所以成功掀起市场变革，与其能兼顾整合非结构数据，提升人工智能模型分析能力有重大关系。 他认为，开发应用时，亦需同时注意处理大数据的策略。
在开发生成式人工智能背后的大型语言模型（LLM）时，Dave指出，团队亦会注意搜集大数据的策略，并且配合整理非结构数据，提升准确度。
在人工智能及机器学习（ML）技术上部署逾10年的Workday，其AI模型由平台每年逾6,250亿条系统指令支持，拥有庞大的财务及人力资源数据库。 Dave称，除了技术可引入人力资源范畴的云端应用程序、工具及解决方案方面，未来对于财务领域而言，相信亦有可带来更多部署。
生成式AI助分析修正合约
他指，例如像合约分析的工作，还需要因行业、因地区而异。 往往销售部门负责洽谈生意并签订合约，财务部门则需确保对方以正确的账单和收入确认付款给公司。 然而，合约可能很冗长，使人容易遗漏重要信息。借助生成式人工智能技术，就可以让用户在短时间内把已签署的合约，与其财务管理系统中合约，以及整合的客户关系管理（CRM）数据作比较; 并且提醒用户合约差异之处，提出修正建议，并在完成修正后进行确认。
透过结合对话式接口及生成式人工智能，亦可提供对话式AI，帮助以更自然的方式处理信息及工作，并提供功能总结资讯、搜集资料等。
而在IT人才短缺、人才战愈趋激烈的情况下，低代码或无代码，即LCNC（Low-code No-code）已成为其中一项首要的IT考量。
Workday上月底在旧金山举办的年度客户大会Workday Rising时亦表示，将因应需求透过在帮助企业为财务及人事流程自定功能、应用程序及解决方案Workday Extend中引入Workday AI Gateway，为开发人员提供Workday人工智能及机器学习服务，并包括Amazon Web Services（AWS）提供的高级开发人员技术及无代码/低代码工具。
AI工具续创新 须负责任规管
今年度的Workday Rising大会，将未来的工作方式主题聚焦于如何活用人工智能（AI）及机器学习。Workday公共政策副总裁Chandler Morse亦表示，团队还有考虑如何处理风险。
他表示，该企早在2019年已制定具体守则，包括落实负责任的人工智能（Responsible AI）顾问委员会的领导承诺：
我和科技总监等高层都会担任该委员会的成员，我们拥有一队由美国公平就业机会委员会（EEOC）前科学家领导的专门团队，拥有全公司范围内的AI资源，以及风险评估工具等指南和审查流程
助推动围绕如何安全实施这些工具的实践。
生成式人工智能工具的创新将会持续，他续指出，随着更多工具出现，必须重新思考如何负责任地、实施人工智能的设定路线。
有一些经过验证的可靠方法，例如可以应用于私隐环境的影响评估，亦可以实现问责制。
宜考虑监管框架 数据互通
同时，该企正在欧盟《人工智能法案》的背景下考虑这些问题，他预计，大型语言模型将悬而未决的问题之一：
不是所有的生成式人工智能、所有的大型语言模型都是平等建构的，应该存在一定程度的差异化。 这些是不同的数据集、不同的焦点、不同的足迹。
他又指，对于世界各国政府来说，考虑人工智能监管框架，一定程度的数据互通性将变得非常关键。
