Das ist im Grunde genommen, was ich meine, wenn ich sage, dass AI Kontext benötigt. Die gleiche Disziplin, die ein chaotisches Problem in eine klare Checkliste verwandelt, ist es, die jemanden mit AI effektiv macht, und es kommt auf Spezifität an. Ich spreche mit Teams, die schwören, sie hätten dem Modell "wirklich soliden Kontext" gegeben, aber es liest sich wie jemand, der Anweisungen gibt, indem er sagt: "Fahre in Richtung Berge und biege links ab, wenn es sich richtig anfühlt." So sieht das in der Praxis aus: "Wir sind eine Bekleidungsmarke, wir haben etwa 10 SKUs, die Wiederholungskäufe sind nicht dort, wo wir sie haben wollen, was sollten wir tun?" Das fühlt sich spezifisch an, bis man es aufschlüsselt. Welche Art von Bekleidung? Welche SKUs schneiden schlecht ab? Wie hoch ist die aktuelle Wiederkaufsrate? Was habt ihr bereits versucht? Wenn man sich zwingt, diese Fragen zu beantworten, kommt man zu: "Wir sind eine 7-stellige Bekleidungsmarke, die 7 SKUs in 2 Passformkategorien anbietet, alle konzentrieren sich auf kurzärmelige und langärmelige Hemden. Unsere Wiederkaufsrate liegt bei 18%, wobei der Großteil davon aus einer Produktlinie (kurzärmelige Hemden) stammt, und unsere bestperformende E-Mail im letzten Quartal hat X Umsatz von Kunden generiert, die innerhalb von 90 Tagen zweimal gekauft haben." Jetzt hat die AI etwas, mit dem sie arbeiten kann. Und ehrlich gesagt, du auch, denn die Zeit, die du mit dem Aufschlüsseln verbracht hast, offenbart die Antwort, bevor das Modell überhaupt reagiert.