Waarom testen we modellen op benchmarks maar brengen we ze op de markt op gevoel?
Kans
Teams kiezen een model van een ranglijst en draaien het vervolgens in productie met nauwelijks continue, goedkope, taakspecifieke evaluatie. Als de kwaliteit achteruitgaat, merkt niemand het totdat een gebruiker klaagt. De tooling om daadwerkelijk te meten of je AI-functie nog goed werkt, ontbreekt voor de meeste bouwers.
Waarom het belangrijk is
Je kunt niet beheren wat je niet kunt meten, en momenteel zijn de meeste AI-functies ongemeten.
Hoe ik de kans beoordeel
De Opportunity Score is mijn eigen inschatting, geen meting: hoe ernstig het pijn doet, hoe vaak het toeslaat, en hoe weinig er vandaag de dag bestaat om het op te lossen. Hoger betekent dat ik denk dat het meer de moeite waard is om te bouwen.
Hoeveel pijn het veroorzaakt wanneer het zich voordoet.
Hoe vaak mensen er daadwerkelijk tegenaan lopen.
Hoe weinig goede tools er vandaag de dag voor bestaan.
Meer problemen die het oplossen waard zijn
Waarom vergeet elke AI-app mij op het moment dat ik het tabblad sluit?
AIWaarom is het leren van een nieuw vakgebied nog steeds afhankelijk van weten wat je moet vragen?
AIWaarom kan een niet-expert niet verifiëren wat een AI hem zojuist heeft verteld?
AIWaarom hebben AI-agenten geen geheugen voor hun eigen fouten?
AIWaarom kan ik niet controleren waarop een model daadwerkelijk is getraind?
AIWhy does my agent ace every leaderboard but fail when it actually matters?