Mijn grootste inzicht van @chipro: 1. De grootste verbeteringen aan je AI-product komen van het praten met gebruikers en het begrijpen van hun feedback, niet van het aannemen van de nieuwste modellen of het blijven plakken aan AI-nieuws. Veel bedrijven verspillen tijd aan het debatteren over welke technologie ze moeten gebruiken, terwijl de echte winst komt van een betere gebruikerservaring en gegevensvoorbereiding. 2. De meeste AI-productproblemen zijn geen AI-problemen. Wanneer bedrijven denken dat ze een probleem met de AI-prestaties hebben, is het meestal een probleem met de gebruikerservaring, een communicatieprobleem binnen de organisatie of een probleem met de gegevenskwaliteit. Een bedrijf dacht dat hun AI-leadscoresysteem kapot was, maar het echte probleem was dat het marketingteam de juiste vragen niet stelde om nuttige gegevens te verkrijgen. 3. Hoe je je gegevens voorbereidt, is belangrijker dan welke database je kiest. Bedrijven zien de grootste prestatieverbeteringen van AI door hun informatie beter te organiseren en voor te bereiden—inhoud opsplitsen in de juiste grootte, samenvattingen toevoegen, inhoud omzetten in vraag-en-antwoordformaat—in plaats van zich te ergeren over welke technische infrastructuur ze moeten gebruiken. 4. Je beste presteerders profiteren het meest van AI-tools. In een gecontroleerd experiment kregen de hoogst presterende ingenieurs de grootste productiviteitsboost van AI-coderingsassistenten, niet de laagste presteerders. Senior ingenieurs die al wisten hoe ze problemen moesten oplossen, gebruikten AI om nog sneller te werken, terwijl laag presterende medewerkers vaak gewoon code kopieerden en plakten die ze niet begrepen. 5. Fijn afstemmen moet je laatste redmiddel zijn. Voordat je investeert in het fijn afstemmen van een model, probeer eerst eenvoudigere oplossingen: verbeter je prompts, voeg basis post-processing scripts toe of repareer je gegevenspijplijn. Een bedrijf ving 90% van de fouten van zijn model op met een eenvoudig script. Fijn afstemmen creëert voortdurende onderhoudsproblemen en moet alleen worden gebruikt wanneer alles andere is uitgeput. 6. Je hoeft niet perfect te zijn om te winnen. Veel succesvolle bedrijven kiezen voor "goed genoeg" in plaats van perfect bij het implementeren van AI-systemen. Ze berekenen of het beter is om twee ingenieurs te investeren om de nauwkeurigheid van 80% naar 85% te verbeteren dan diezelfde ingenieurs te gebruiken om een geheel nieuwe functie te lanceren. Vaak biedt de nieuwe functie meer waarde. 7. AI-productiviteit is bijna onmogelijk te meten. Bedrijven investeren veel in AI-coderingstools, maar kunnen niet duidelijk bewijzen dat ze werken. Wanneer ze gedwongen worden te kiezen tussen dure AI-abonnementen voor hun team of het aannemen van één extra persoon, kiezen veel managers voor de persoon, niet noodzakelijk omdat AI niet helpt, maar omdat het aantal medewerkers tastbaarder aanvoelt. 8. Systeemdenken is belangrijker dan coderen. Terwijl AI steeds meer coderingstaken automatiseert, wordt het vermogen om te begrijpen hoe verschillende componenten samenwerken de meest waardevolle vaardigheid. Volgens de voorzitter van het CS-curriculum van Stanford is coderen slechts een hulpmiddel—de echte vaardigheid is begrijpen hoe systemen werken en stap-voor-stap oplossingen voor problemen ontwerpen. 9. We raken door internettekst heen om op te trainen. De wereld heeft in wezen de publiek beschikbare tekstgegevens voor het trainen van AI-modellen uitgeput. Dit betekent dat toekomstige verbeteringen minder zullen komen van het voeden van modellen met meer gegevens en meer van betere trainingstechnieken, menselijke feedback en het vinden van nieuwe gegevensbronnen zoals audio en video. 10. Veel mensen weten niet wat ze moeten bouwen, ondanks dat ze krachtige tools hebben. Zelfs met AI-tools die bijna alles kunnen bouwen, hebben veel medewerkers te maken met een "ideecrisis"—ze weten simpelweg niet wat ze moeten creëren. De beste aanpak: besteed een week aan het opmerken wat je frustreert in je dagelijkse werk, en bouw dan kleine tools om die specifieke pijnpunten op te lossen.