Notas para empresas pré-AI que estão fazendo a transição: - O objetivo é ser o ponto de difusão econômica entre o progresso do modelo e o valor para o cliente. Isso significa que, se os modelos melhorarem 3x, seu cliente receberá 3x+ valor. - Os modelos estão progredindo de forma desigual em diferentes domínios ("inteligência irregular"), então você quer representar seu problema no domínio onde os modelos se destacam. Você pode pegar seu problema de negócios e reformulá-lo como código, matemática ou lógica estruturada? - O maior erro é tentar superengenheirar em torno dos modelos. Opte por expô-los mais. Mesmo técnicas como engenharia de contexto provavelmente terão uma vida útil limitada à medida que as janelas de contexto se expandem e o progresso do modelo continua. - A forma como você organiza sua empresa importa. Comece de um extremo: em vez de a AI melhorar marginalmente a produtividade individual, coloque o modelo no comando de uma unidade de negócios inteira e faça com que os indivíduos lidem com exceções e realizem o trabalho que os modelos não conseguem (ou seja, levar o cliente para um jantar de bife). Comece com algo sem glamour e de baixa visibilidade e veja como se sai. - O produto provavelmente vai se dividir em duas superfícies: uma interface de usuário tradicional que suporta interação humana e fluxos de trabalho + uma superfície semelhante a um terminal que é auto-modificável e lida com tarefas ambíguas e interfuncionais (sim .. openclaw para a empresa). - Seu cliente sabe ainda menos sobre esses modelos do que você. Você precisa começar a guiá-los em direção à versão mais ambiciosa de seu futuro. Se você está em uma indústria que realmente valoriza sua base de funcionários, pinte um quadro de AI permitindo que eles contratem mais e aumentem o NPS dos trabalhadores — não contratem menos e melhorem o resultado final. Ajudá-los a serem suficientemente ambiciosos será tão difícil quanto alinhar a tecnologia com essas ambições.