Voici un graphique simple au cas où vous vous demanderiez pourquoi l'expansion des centres de données dans l'IA a du sens en ce moment.

Avoir une bonne compréhension de la trajectoire du modèle est définitivement une compétence importante pour quiconque s'occupe de la gestion de produits ou de l'ingénierie en IA. Vous devez avoir une bonne compréhension de (1) des choses pour lesquelles il vaut la peine de construire des échafaudages afin d'atténuer les lacunes du modèle, (2) des choses que vous confiez entièrement au modèle pour qu'il les gère, et (3) des choses qui sont dans la catégorie 1 mais qui se dirigent rapidement vers la catégorie 2. Être confus à propos de ces catégories peut entraîner beaucoup d'efforts gaspillés ou d'énergie mal allouée, et vous ne serez pas en mesure de profiter des améliorations du modèle au fur et à mesure qu'elles arrivent. Mais la chose la plus importante est d'être prêt à jeter ce que vous avez au moment où le modèle peut le résoudre nativement. Tout ce que vous construisez qui ne conduit pas à une meilleure expérience client est une perte de temps.

Construire des agents IA en ce moment est un processus de : 1. Construire un échafaudage pour remédier à une limitation du modèle IA afin que votre agent fonctionne 2. Le modèle IA est mis à jour et résout le problème même que vous essayiez d'atténuer, rendant votre échafaudage obsolète 3. Identifier un nouveau cas d'utilisation plus difficile que vous souhaitez résoudre et revenir à l'étape 1 Il n'y a fondamentalement aucun moyen d'éviter ce processus car si vous ne remédiez pas aux limitations du modèle, vous êtes mort à l'arrivée, *et* vous ne savez pas lequel de vos remèdes sera dépassé et quand. Donc, la réalité est que vous devez simplement accepter que vous allez écrire beaucoup de code jetable pendant les prochaines années, et vous devez être très insensible au chemin que vous avez suivi. Faites simplement tout ce qu'il faut pour faire fonctionner les agents.