Anteckningar för företag före AI-branschen som gör övergången: - Målet är att vara punkten för ekonomisk spridning mellan modellutveckling och kundvärde. Det betyder att om modellerna blir tre gånger bättre får din kund 3 gånger så mycket värde. - Modeller gör ojämna framsteg över domäner ("jagged intelligence") så du vill representera ditt problem i det område där modellerna utmärker sig. Kan du ta ditt affärsproblem och omformulera det som kod, matematik eller strukturerad logik? - Det största misstaget är att försöka överkonstruera modellerna. Sätt som standard att exponera dem för mer. Även tekniker som kontextingenjörskonst kommer sannolikt att ha begränsad hållbarhet när kontextfönster utökas och modellutvecklingen fortsätter. - Hur du organiserar ditt företag spelar roll. Börja från ett extrem: istället för att AI marginellt förbättrar individuell produktivitet, låt modellen ansvara för en hel affärsenhet och låt individer hantera undantag och utföra det arbete som modeller inte kan (t.ex. ta med kunden på en biffmiddag). Börja med något oglamoröst och med låg synlighet och se hur det fungerar. - Produkten kommer sannolikt att delas upp i två ytor: ett traditionellt gränssnitt som stödjer mänsklig interaktion och arbetsflöden + en terminalliknande yta som är självmodifierande och hanterar tvetydiga tvärfunktionella uppgifter (ja .. openclaw för företag). - Din kund vet ännu mindre om dessa modeller än du. Du behöver börja vägleda dem mot den mest ambitiösa versionen av deras framtid. Om du är i en bransch som verkligen värdesätter sin personalbas, måla upp en bild av AI som gör att de kan anställa fler och öka antalet anställda – inte anställa färre och förbättra resultatet. Att hjälpa dem att vara tillräckligt ambitiösa kommer att vara lika svårt som att anpassa teknologin till dessa ambitioner.