Questo è fondamentalmente ciò che intendo quando dico che l'AI ha bisogno di contesto. La stessa disciplina che trasforma un problema disordinato in una lista di controllo chiara è ciò che rende qualcuno efficace con l'AI, e si riduce alla specificità. Parlo con team che giurano di aver fornito al modello "un contesto davvero solido", ma sembra come qualcuno che dà indicazioni dicendo "dirigiti verso le montagne e gira a sinistra quando ti sembra giusto." Ecco come appare in pratica: "Siamo un marchio di abbigliamento, abbiamo circa 10 SKU, gli acquisti ripetuti non sono dove vogliamo, cosa dovremmo fare?" Sembra specifico finché non lo analizzi. Che tipo di abbigliamento? Quali SKU stanno performando male? Qual è l'attuale tasso di ripetizione? Cosa hai già provato? Quando ti costringi a rispondere a queste domande, finisci con: "Siamo un marchio di abbigliamento da 7 cifre che gestisce 7 SKU in 2 categorie di taglia, tutti focalizzati su camicie a maniche corte e lunghe. Il nostro tasso di acquisto ripetuto è fermo al 18%, con la maggior parte di questo proveniente da una linea di prodotti (camicie a maniche corte), e la nostra email con le migliori performance dello scorso trimestre ha generato X entrate da clienti che hanno acquistato due volte in 90 giorni." Ora l'AI ha qualcosa con cui lavorare. E onestamente, anche tu, perché il tempo speso a scomporlo rivela la risposta prima ancora che il modello risponda.