Demoda değil, işin içinde çalışan yapay zekâ.

Yapay zekânın zor kısmı model değil, bağlantıdır.

Bugün güçlü bir modeli çağırmak birkaç satır koddur. Değeri belirleyen o değil — modelin sizin verinize, kurallarınıza ve iş akışınıza nasıl bağlandığıdır. Bir demo, temiz bir örnekte etkileyici görünür; bir sistem, dağınık gerçek veride, kenar durumlarda ve yanıldığında da çalışmak zorundadır.

Kendi verinize bağlı yapay zekâ.

Genel bir modelin bilmediği tek şey sizin işinizdir. Modeli kurumsal verinize bağlarız — belgeler, kayıtlar, akışlar — böylece yanıtlar sizin gerçeğinizden gelir, internetin ortalamasından değil. Doğru yapıldığında bu, "akıllı görünen" bir özellik değil, işi hızlandıran bir araçtır.

Doğruluk ve sınırlar, birlikte söylenir.

Yapay zekâ bazen kendinden emin biçimde yanılır. Bir sistemi üretime almadan önce, ne kadar doğru olduğunu ölçer ve nerede yanıldığını gösteririz. Kritik kararlarda modeli tek başına bırakmayız; insanı akışın doğru yerine koyarız. Sınırları saklamak değil, tasarlamak — güvenin geldiği yer burasıdır.

Ne zaman yapay zekâ, ne zaman değil.

Her problem bir yapay zekâ problemi değildir. Bazen bir kural motoru daha ucuz, daha hızlı ve daha öngörülebilirdir. Nerede yapay zekânın kazandırdığını, nerede kazandırmadığını dürüstçe söyleriz — çünkü yanlış yere konmuş bir model, pahalı bir gösteriden başka bir şey değildir.