Pasé un tiempo mirando Open Gradient desde la perspectiva de un constructor, y la parte interesante no era la salida del modelo en sí. Era la brecha después de la salida.
La mayoría de las herramientas de IA todavía se detienen en "aquí está tu respuesta". En un flujo de trabajo real, eso deja muchas preguntas. ¿De dónde provino esto? ¿Puedo verificar el resultado? ¿Puede alguien más reproducir el mismo proceso?
Los pequeños puntos de fricción se destacaron. Agregar pasos de verificación puede sentirse más lento, a veces convirtiendo una interacción simple en un proceso con 2–3 cheques adicionales. Pero esa compensación comienza a verse diferente cuando el resultado de la IA está ligado a algo importante.
Según lo que probé, el valor de OpenGradient parece menos sobre hacer la IA más rápida y más sobre hacer que el camino alrededor de la IA sea menos incierto. La diferencia entre obtener una respuesta en 2 segundos y obtener una en 5 segundos suele ser menor. La diferencia entre confiar en un resultado y adivinar es mucho mayor.
El desafío sigue siendo la adopción. A la gente le encanta la conveniencia hasta que la primera vez que una respuesta de caja negra causa un problema real.
Si la verificación se convierte en algo que los usuarios apenas notan, eso podría cambiar cómo se construyen los flujos de trabajo de IA. La pregunta es si la gente aceptará un poco más de fricción antes de que realmente necesiten la prueba...
@OpenGradient #OPG $OPG
$ALICE
$BICO
La mayoría de las herramientas de IA todavía se detienen en "aquí está tu respuesta". En un flujo de trabajo real, eso deja muchas preguntas. ¿De dónde provino esto? ¿Puedo verificar el resultado? ¿Puede alguien más reproducir el mismo proceso?
Los pequeños puntos de fricción se destacaron. Agregar pasos de verificación puede sentirse más lento, a veces convirtiendo una interacción simple en un proceso con 2–3 cheques adicionales. Pero esa compensación comienza a verse diferente cuando el resultado de la IA está ligado a algo importante.
Según lo que probé, el valor de OpenGradient parece menos sobre hacer la IA más rápida y más sobre hacer que el camino alrededor de la IA sea menos incierto. La diferencia entre obtener una respuesta en 2 segundos y obtener una en 5 segundos suele ser menor. La diferencia entre confiar en un resultado y adivinar es mucho mayor.
El desafío sigue siendo la adopción. A la gente le encanta la conveniencia hasta que la primera vez que una respuesta de caja negra causa un problema real.
Si la verificación se convierte en algo que los usuarios apenas notan, eso podría cambiar cómo se construyen los flujos de trabajo de IA. La pregunta es si la gente aceptará un poco más de fricción antes de que realmente necesiten la prueba...
@OpenGradient #OPG $OPG
$ALICE
$BICO