Soudit svůj e-mail jen proto, že "netiskne peníze na autopilota", je jako říct, že auto je k ničemu, protože se nemůže teleportovat. Vozidlo funguje. Jen jste nespojili správné části. Tento vzorec fixuje doručovatelnost a cílení, takže vaše send přestane stagnovat:

Pokud si myslíš, že Claude a Gemini jsou zaměnitelní, nauč mě své způsoby. Také bych rád žil ve fantasy světě. Náš swap nás posunul z 80 % na 10 % za JEDEN JEDINÝ DEN. Testovali jsme různé LLM pro generování textů kampaní. Claude to rozjel na jedni. Nejen v kvalitě výstupu, ale i v samotném výkonu v downstreamu. Gemini 2.5 Pro odváděl v analytické oblasti úžasnou práci a zdál se být blízko Claudovi. Tak jsme se rozhodli provést experiment. Co by se stalo, kdybychom to vyměnili za kreativní generování? Všechno ostatní bylo stejné. Výzvy, data, toky. Doslova jsme právě změnili model. Ukázalo se, že Claude je mnohem lepší v kreativním uvažování a toku vyprávění. Získává tón, emocionální kontext a význam způsobem, jaký ostatní zatím nemají. Gemini je v pořádku pro faktickou přesnost a shrnutí, ale úplně se to pokazilo, pokud šlo o generování e-mailových textů, které skutečně navazují kontakt. Když jsme se vrátili zpět ke Claude, konverze se okamžitě normalizovaly. Většina lidí dělá chybu v tom, že předpokládají, že stále mohou použít stejný model (ChatGPT) pro všechno. S tím, jak se AI vyvíjí tak rychle, jsme nyní v bodě, kdy nejlepší výsledky přicházejí z používání nejlepších modelů. Ale tyto metriky vám neřeknou, jestli vaše AI skutečně plní svou práci. Podívejte se na další tweet pro kompletní rozbor motivačních postupů.

Prošel jsem .com boomem, cloudem, mobilem a teď AI. Existuje důvod, proč Gartner vytvořil svůj rámec Hype Cycle. Každá technologická vlna ho následuje: 1. Spouštěč inovace (všichni se nadchnou) 2. Vrchol nadsazených očekávání (hype šílí) 3. Údo zklamání (realita nastupuje, lidé utekají) 4. Sklon osvícení (objevují se skutečné případy použití) 5. Stagnace produktivity (běžné přijetí) Abyste se tomu vyhnuli a zvládli další fázi, musíte prostě vydržet nudnou střední fázi neustálého opakování, dokud se věci nestabilizují. Natočte AI video hned teď. Lidé se chlubí všemi těmi skvělými funkcemi, ale virální je jen opice, která přednáší TED talk. Ano, lze to také použít pro B-roll a háčky, ale plně generující použitelnou reklamní kreativu s výkonem ve velkém měřítku stále není. AI vnímám ve třech kategoriích: 1. Přehnaně vychvalované 2. V laboratoři 3. Skutečně užitečné. AI video se pohybuje někde mezi přeceňovaným a laboratorním zpracováním. Mezitím textové workflow a generování obrázků už přinášejí obrovskou hodnotu, ale nejsou dostatečně atraktivní pro samotný feed. Testovali jsme značky, kde si byly jisté, že AI nezvládne textury produktů ani jemné detaily. Dokázali jsme jim opak pomocí Nana Banana. Dokonce bych zaplatil, abych znovu viděl výrazy na jejich tvářích, když si uvědomí, že nepoznají rozdíl. A právě tam je skutečná hodnota. V praktických aplikacích, které už usnadňují práci lidem nebo urychlují kreativní testování. Skutečné přijetí probíhá dvěma způsoby: 1. Poté, co humbuk opadne a operátoři začnou dosahovat skutečných výsledků. 2. Když firmy prorazí humbuk brzy, aby přinesly smysluplnou hodnotu (a zároveň zmanipulují hluk ostatních). Raději trávím čas uprostřed. Testování, učení, iterace, abych prorazil humbuk. Nebudu honit to, co je tento týden na X v trendu.