Aqui está uma história de detetive analítica para você: um produto tem 5M MAU e 80% DAU / MAU. É saudável? A maioria das pessoas, assim como o seu LLM, diria: uau, produto forte! Agora adicione mais um fato: Duração média da sessão diária: 30 segundos De repente, a história muda. Talvez os usuários estejam apenas verificando uma notificação e saindo. Talvez este seja um engajamento superficial e reflexivo, não um verdadeiro valor do produto. Mas adicione mais um fato: É um aplicativo de pagamentos Agora 30 segundos parece totalmente normal! Abra o aplicativo, envie dinheiro, feche o aplicativo. As mesmas métricas, mas com uma interpretação completamente diferente. Esse é um dos maiores problemas com a análise de IA. A IA não para de forma confiável e diz: "Não tenho informações suficientes para saber." Em vez disso, preenche as lacunas com a história mais estatisticamente plausível que já viu antes. É por isso que entradas escassas produzem saídas genéricas, mas confiantes. A solução para isso? Contexto ortogonal: fatos independentes que reduzem a ambiguidade de diferentes direções. Leia nosso último ensaio em Opinionated Intelligence sobre a ideia de Contexto Ortogonal.