Cea mai mare concluzie a mea de la @chipro: 1. Cele mai mari îmbunătățiri ale produsului AI provin din discuțiile cu utilizatorii și înțelegerea feedback-ului lor, nu din adoptarea celor mai recente modele sau rămânerea lipită de știrile AI. Multe companii pierd timpul dezbătând ce tehnologie să folosească, când adevăratele câștiguri vin dintr-o experiență mai bună a utilizatorului și din pregătirea datelor. 2. Majoritatea problemelor produselor AI nu sunt probleme AI. Când companiile cred că au o problemă de performanță AI, este de obicei o problemă de experiență a utilizatorului, un decalaj de comunicare organizațională sau o problemă de calitate a datelor. O companie a crezut că sistemul lor de evaluare a clienților potențiali AI a fost defect, dar adevărata problemă a fost că echipa de marketing nu punea întrebările potrivite pentru a obține date utile. 3. Modul în care vă pregătiți datele contează mai mult decât baza de date pe care o alegeți. Companiile văd cele mai mari câștiguri de performanță AI din organizarea și pregătirea mai bună a informațiilor - împărțirea conținutului în bucăți de dimensiunea potrivită, adăugarea de rezumate, conversia conținutului în format de întrebări și răspunsuri - mai degrabă decât agonizând cu privire la infrastructura tehnică pe care să o folosească. 4. Cei mai buni performanți beneficiază cel mai mult de instrumentele AI. Într-un experiment controlat, inginerii cu cele mai bune performanțe au obținut cea mai mare creștere a productivității de la asistenții de codare AI, nu de la cei cu cele mai slabe performanțe. Inginerii seniori care știau deja cum să rezolve problemele au folosit AI pentru a lucra și mai repede, în timp ce cei cu performanțe slabe au copiat și lipit adesea cod pe care nu l-au înțeles. 5. Reglarea fină ar trebui să fie ultima soluție. Înainte de a investi în reglarea fină a unui model, încercați mai întâi soluții mai simple: îmbunătățiți-vă solicitările, adăugați scripturi de post-procesare de bază sau remediați canalul de date. O companie a surprins 90% din greșelile modelului său cu un script simplu. Reglarea fină creează dureri de cap de întreținere continuă și ar trebui utilizată numai atunci când orice altceva a fost la maximum. 6. Nu trebuie să fii perfect pentru a câștiga. Multe companii de succes aleg "suficient de bun" în detrimentul perfectului atunci când implementează sisteme AI. Ei calculează dacă investiția a doi ingineri pentru a îmbunătăți precizia de la 80% la 85% este mai bună decât utilizarea acelorași ingineri pentru a lansa o caracteristică complet nouă. Adesea, noua caracteristică oferă mai multă valoare. 7. Productivitatea AI este aproape imposibil de măsurat. Companiile investesc masiv în instrumente de codare AI, dar nu pot dovedi clar că funcționează. Când sunt forțați să aleagă între abonamente scumpe pentru echipa lor sau angajarea unei persoane suplimentare, mulți manageri aleg persoana, nu neapărat pentru că AI nu ajută, ci pentru că numărul de angajați pare mai tangibil. 8. Gândirea sistemică contează mai mult decât codificarea. Pe măsură ce AI automatizează mai multe sarcini de codare, capacitatea de a înțelege modul în care diferitele componente funcționează împreună devine cea mai valoroasă abilitate. Potrivit președintelui de curriculum CS de la Stanford, codificarea este doar un instrument – adevărata abilitate este înțelegerea modului în care funcționează sistemele și proiectarea de soluții pas cu pas la probleme. 9. Rămânem fără text pe internet pe care să ne antrenăm. Lumea a epuizat în esență datele text disponibile public pentru antrenarea modelelor AI. Acest lucru înseamnă că îmbunătățirile viitoare vor veni mai puțin din alimentarea cu mai multe date și mai mult din tehnici de antrenament mai bune, feedback uman și găsirea de noi surse de date, cum ar fi audio și video. 10. Mulți oameni nu știu ce să construiască în ciuda faptului că au instrumente puternice. Chiar și cu instrumente AI care pot construi aproape orice, mulți angajați se confruntă cu o "criză de idei" – pur și simplu nu știu ce să creeze. Cea mai bună abordare: petreceți o săptămână observând ce vă frustrează în munca de zi cu zi, apoi construiți instrumente mici pentru a rezolva acele puncte dureroase specifice.