"Při tradičním vývoji softwaru byste plánovali v1, v2, v3 nového produktu na základě hloubky funkcí nebo potřeb uživatele. U systémů umělé inteligence se objektiv posouvá. Každá verze je místo toho definována tím, jak velkou autoritu systém má a jak velké kontroly jste ochotni se vzdát. Začněte tím, že identifikujete sadu funkcí, které mají vysokou kontrolu a nízkou míru zastoupení (verze 1 na obrázku níže). Ty by měly být malé, testovatelné a snadno pozorovatelné. Poté se zamyslete nad tím, jak se tyto schopnosti mohou v průběhu času vyvíjet postupným zvyšováním agentury, jednu verzi po druhé. Cílem je rozložit vznešený konečný stav na rané chování, které můžete vyhodnotit, iterovat a stavět na něm. Pokud je například vaším konečným cílem automatizovat zákaznickou podporu ve vaší společnosti, vysoce kontrolovaným způsobem, jak začít, by bylo nastavit rozsah v1 (verze 1) tak, že jednoduše směrujete lístky do správného oddělení, poté se přesunete na v2, kde systém navrhuje možná řešení, a pouze ve verzi v3 umožníte automatické vyřešení s lidským záložním řešením. Zde je několik dalších příkladů: Marketingový asistent v1: Koncept e-mailu, reklamy nebo kopie pro sociální sítě z výzev v2: Vytvářejte vícekrokové kampaně a spouštějte je v3: Spouštění, A/B testování a automatická optimalizace kampaní napříč kanály Asistent kódování v1: Navrhování vložených dokončování a často používaných fragmentů v2: Generování větších bloků (jako jsou testy nebo refaktory) pro lidskou kontrolu v3: Autonomní použití změn v rozsahu a otevření žádostí o přijetí změn (PR) Pokud jste sledovali, jak se vyvíjely nástroje jako GitHub Copilot nebo Kurzor, je to přesně ten scénář, který použili. Většina uživatelů vidí pouze aktuální verzi, ale základní systém po tomto žebříčku stoupal postupně. Nejprve dokončení, pak bloky, pak PR, přičemž každý krok je získán použitím, zpětnou vazbou a iterací." Více zde:

Jaká je další velká distribuční platforma? @bbalfour předpovídá, že to bude ChatGPT. Každý nový distribuční kanál se řídí stejným čtyřstupňovým cyklem: 1. Tvrdá konkurence (ChatGPT vs. Claude vs. Gemini) 2. Nalezení příkopu (ChatGPT ho našel – paměť a kontext) 3. Otevření plošiny pro zrychlení příkopu 4. Uzavření za účelem zpeněžení. Brian věří, že jsme pár měsíců od kroku 3. Počínaje nedávno spuštěným režimem agenta ChatGPT a pravděpodobně následovaným preferovanými partnerstvími a poté otevřením širší platformy. Tyto vzácné resety distribuční platformy jsou obdobím, kdy se vydělává jmění. Společnosti, které si to uvědomí a využijí toho, naruší stávající firmy a vystřelí vpřed. Více zde:

Produkty umělé inteligence nemůžete vytvářet jako jiné produkty. Produkty umělé inteligence jsou ze své podstaty nedeterministické a vy musíte neustále vyjednávat o kompromisu mezi agenturou a kontrolou. Když týmy tyto rozdíly nerozpoznají, jejich produkty čelí neočekávaným selháním, uvíznou v ladění velkých komplikovaných systémů, které nemohou vystopovat, a důvěra uživatelů v produkt se tiše rozpadá. Poté, co Aishwarya Naresh Reganti a Kiriti Badam viděly, jak se tento vzorec odehrává v 50+ implementacích umělé inteligence ve společnostech včetně @OpenAI, @Google, @Amazon a @Databricks, vyvinuly řešení: rámec kontinuální kalibrace/kontinuálního vývoje (CC/CD). Název odkazuje na kontinuální integraci/kontinuální nasazování (CI/CD), ale na rozdíl od svého jmenovce je určen pro systémy, kde je chování nedeterministické a je třeba si zasloužit svobodu. V tomto rozhraní se dozvíte, jak: - Začněte s funkcemi s vysokou mírou kontroly a nízkou agenturou - Vytvářet vyhodnocovací systémy, které skutečně fungují - Škálování produktů umělé inteligence bez narušení důvěry uživatelů Je navržen tak, aby rozpoznal jedinečnost systémů umělé inteligence a pomohl vám vytvářet záměrnější, stabilnější a důvěryhodnější produkty umělé inteligence. Poprvé ji sdílejí veřejně:

Newsletter dělá čísla

.@illscience vás naučí, jak používat @veo3gemini k vytvoření vlastních vysněných hudebních videí (např. koncert Biggieho Smallse na Tiny Desk)

"Startupy jsou hrou, ve které se snažíte získat distribuci dříve, než vás stávající společnost může kopírovat."

Hodně jsem přemýšlel o růstu v době umělé inteligence. Jak název napovídá, mám předpověď, že platformou bude ChatGPT. Je tu však ještě jedno důležitější ponaučení. Cyklus, který se odehrává za distribucí, se posouvá. Pokud znáte cyklus, pak víte, jak hrát hru. Rozebírám to krok za krokem s @lennysan v této epizodě. Vychutnat!

Věnujte pozornost tomuto: @bbalfour (zakladatel společnosti @reforge, bývalý viceprezident pro růst ve společnosti @HubSpot) studoval každý větší posun platformy – od Facebooku přes Apple až po Google – a všiml si vzorce, který se chystá opakovat i s ChatGPT. Brian předpovídá, že během příštích 6 měsíců se ChatGPT stane další velkou distribuční platformou. V našem rozhovoru Brian říká: 🔸 Čtyřstupňový cyklus, kterým se řídí každá platforma (a proč ChatGPT právě vstoupil do kroku 2) 🔸 Proč by spuštění platformy ChatGPT mohlo být větší než raná platforma Facebooku 🔸 Přesné signály, že ChatGPT do šesti měsíců spustí platformu třetí strany 🔸 Proč máte šest měsíců (ne let) na to, aby vaše platforma vsadila 🔸 Proč společnosti, které se neintegrují s ChatGPT, prohrají s konkurenty, kteří tak činí 🔸 Proč tak málo společností skutečně dělá to, co je třeba dělat právě teď Poslechnout 👇 si • YouTube: • Spotify: •Jablko: Děkujeme našim skvělým sponzorům za podporu podcastu: 🏆 @DeveloperXM — Platforma pro inteligenci vývojářů navržená předními výzkumníky: 🏆 @Basecamp — Slavný přímočarý systém pro řízení projektů od 37signals: 🏆 @MiroHQ — vizuální platforma pro spolupráci, kde vaše nejlepší díla ožijí:

Kdybyste byl generálním ředitelem, plně byste financoval svůj vlastní tým? Většina lidí nedokáže na tuto otázku okamžitě odpovědět. "Týmy jsou pro firmu nákladné, že v určitém okamžiku se někdo může podívat na váš tým v tabulce a říct: 'Kdo jsou ti velmi drazí lidé? Vůbec je potřebujeme?" — @mattlemay

CEO společnosti Shopify Tobi Lutke vysvětluje Goodhartův zákon a proč nemá rád KPI nebo OKR "Goodhartův zákon je skutečný. V okamžiku, kdy se metrika stane cílem, přestává být užitečnou metrikou... Žádná metrika sama o sobě není úplnou heuristikou pro složité podnikání. Ve firmě je milion různých napětí a nemůžete je všechny udržet v harmonii tím, že je optimalizujete pro jednu věc." Z tohoto důvodu Shopify nepoužívá KPI ani OKR. Ale jak vysvětluje Tobi, neznamená to, že si neváží dat a metrik. "Jsme extrémně informovaní o datech. Investovali jsme obrovské množství peněz a času do systémů, které nám dávají v podstatě vše na dosah ruky... Ale to, o co se Shopify snaží, prostě není příliš vhodné pro to, co je kvantifikovatelné." Lidé milují optimalizaci pro vysoce kvantifikovatelné věci, protože z toho, když vidí, jak číslo stoupá, přichází okamžité uspokojení. Tobi si však myslí, že nejdůležitější aspekty produktu jsou jen zřídka kvantifikovatelné: "Překryv těch nejcennějších věcí, které můžete s produktem udělat, a věcí, které jsou náhodou plně kvantifikovatelné, je možná 20 %. Což ponechává 80 % hodnotového prostoru neadresovatelných lidmi, kteří se dívají pouze na kvantifikovatelné věci." Pokračuje: "Shopify je spokojený s nekvantifikovatelnými věcmi, jako je vkus, kvalita, vášeň, láska, nenávist... Druh hlubokého uspokojení, který řemeslník cítí, když odvedl svou práci dobře, je ve skutečnosti lepším ukazatelem, pokud mu to dovolíte." Poté mají robustní analytické systémy, které společnosti řeknou, pokud je něco špatně nebo pokud nové zavedení něco pokazí. "Přemýšlíme o tom jako o kokpitu pro pilota. Rozhodnutí stále dělají piloti a myslíme si, že to vede k lepším výsledkům... Myslím, že v podnikání musí být více akceptovány nekvantifikovatelné věci... A pak metriky přebírají podpůrnou funkci." Zdroj videa: @lennysan (2025)