Đây chính là điều tôi muốn nói khi tôi nói rằng AI cần có ngữ cảnh. Cùng một kỷ luật biến một vấn đề lộn xộn thành một danh sách kiểm tra rõ ràng là điều làm cho ai đó hiệu quả với AI, và nó phụ thuộc vào sự cụ thể. Tôi nói chuyện với các đội ngũ mà họ thề rằng họ đã cung cấp cho mô hình "ngữ cảnh thực sự vững chắc", nhưng nó giống như ai đó chỉ đường bằng cách nói "hướng về phía núi và rẽ trái khi cảm thấy đúng." Đây là cách mà điều đó trông như thế nào trong thực tế: "Chúng tôi là một thương hiệu quần áo, chúng tôi có khoảng 10 SKU, tỷ lệ mua lại không đạt yêu cầu của chúng tôi, chúng tôi nên làm gì?" Điều đó có vẻ cụ thể cho đến khi bạn phân tích nó. Loại quần áo nào? Những SKU nào đang hoạt động kém? Tỷ lệ mua lại hiện tại là bao nhiêu? Bạn đã thử những gì rồi? Khi bạn buộc mình phải trả lời những câu hỏi đó, bạn sẽ có: "Chúng tôi là một thương hiệu quần áo 7 con số đang chạy 7 SKU trong 2 loại kích cỡ, tất cả đều tập trung vào áo sơ mi tay ngắn và tay dài. Tỷ lệ mua lại của chúng tôi đang ở mức 18% với hầu hết đến từ một dòng sản phẩm (áo sơ mi tay ngắn), và email có hiệu suất tốt nhất của chúng tôi trong quý trước đã mang về doanh thu X từ những khách hàng đã mua hai lần trong 90 ngày." Bây giờ AI có điều gì đó để làm việc. Và thật sự, bạn cũng vậy, vì thời gian dành để phân tích nó tiết lộ câu trả lời trước khi mô hình thậm chí còn phản hồi.