Note per le aziende pre-AI che stanno effettuando la transizione: - L'obiettivo è essere il punto di diffusione economica tra il progresso dei modelli e il valore per il cliente. Ciò significa che se i modelli migliorano di 3 volte, il tuo cliente riceve un valore di 3x+. - I modelli stanno facendo progressi disomogenei tra i vari domini ("intelligenza frastagliata"), quindi vuoi rappresentare il tuo problema nel dominio in cui i modelli eccellono. Puoi prendere il tuo problema aziendale e riformularlo come codice, matematica o logica strutturata? - Il più grande errore è cercare di sovra-ingegnerizzare attorno ai modelli. Default a esporli di più. Anche tecniche come l'ingegneria del contesto avranno probabilmente una vita utile limitata man mano che le finestre di contesto si espandono e il progresso dei modelli continua. - Il modo in cui organizzi la tua azienda è importante. Inizia da un estremo: invece di migliorare marginalmente la produttività individuale con l'AI, metti il modello a capo di un'intera unità aziendale e fai in modo che gli individui gestiscano le eccezioni e svolgano il lavoro che i modelli non possono fare (ad esempio, portare il cliente a cena per una bistecca). Inizia con qualcosa di poco glamour e a bassa visibilità e osserva come si comporta. - Il prodotto probabilmente si dividerà in due superfici: un'interfaccia utente tradizionale che supporta l'interazione umana e i flussi di lavoro + una superficie simile a un terminale che si auto-modifica e gestisce compiti ambigui e trasversali (sì .. openclaw per l'impresa). - Il tuo cliente sa ancora meno di questi modelli di quanto ne sai tu. Devi iniziare a guidarli verso la versione più ambiziosa del loro futuro. Se sei in un settore che valorizza davvero il proprio personale, dipingi un quadro di un'AI che consente loro di assumere di più e aumentare il NPS dei lavoratori — non di assumere meno e migliorare il risultato finale. Aiutarli a essere sufficientemente ambiziosi sarà difficile quanto allineare la tecnologia con quelle ambizioni.