Notities voor pre-AI bedrijven die de overgang maken: - Het doel is om het punt van economische diffusie te zijn tussen modelvoortgang en klantwaarde. Dat betekent dat als de modellen 3x beter worden, jouw klant 3x+ waarde ontvangt. - Modellen maken ongelijkmatige vooruitgang in verschillende domeinen ("jagged intelligence"), dus je wilt jouw probleem vertegenwoordigen in het domein waar modellen uitblinken. Kun je jouw zakelijke probleem herformuleren als code, wiskunde of gestructureerde logica? - De grootste fout is proberen te over-engineeren rond de modellen. Ga er standaard vanuit dat je ze meer blootstelt. Zelfs technieken zoals contextengineering zullen waarschijnlijk een beperkte houdbaarheid hebben naarmate de contextvensters uitbreiden en de modelvoortgang doorgaat. - De manier waarop je jouw bedrijf organiseert, is belangrijk. Begin vanuit een extreem: in plaats van dat AI de individuele productiviteit marginaal verbetert, laat je het model de leiding nemen over een hele businessunit en laat je individuen uitzonderingen afhandelen en het werk doen dat modellen niet kunnen (bijv. de klant meenemen voor een steakdiner). Begin met iets onopvallends en met een lage zichtbaarheid en kijk hoe het presteert. - Het product zal waarschijnlijk splitsen in twee oppervlakken: een traditionele UI die menselijke interactie en workflows ondersteunt + een terminal-achtig oppervlak dat zichzelf aanpast en ambigu cross-functionele taken afhandelt (ja .. openclaw voor de onderneming). - Jouw klant weet nog minder over deze modellen dan jij. Je moet ze beginnen te begeleiden naar de meest ambitieuze versie van hun toekomst. Als je in een industrie zit die echt waarde hecht aan zijn werknemers, schets dan een beeld van AI die hen in staat stelt meer mensen aan te nemen en de werknemer NPS te verhogen — niet minder mensen aan te nemen en de winst te verbeteren. Ze helpen om voldoende ambitieus te zijn, zal net zo moeilijk zijn als het afstemmen van de technologie op die ambities.