Był okres, nie tak dawno temu, kiedy większość rozmów na temat sztucznej inteligencji brzmiała dziwnie oderwanie od ludzi, którzy naprawdę tworzyli wartość wewnątrz systemów. Wszyscy mówili o modelach, obliczeniach, wycenach i skali, ale bardzo niewiele osób mówiło o cichej warstwie pod tym wszystkim: stałym strumieniu danych generowanych przez ludzi, korektach, kontekście, informacjach zwrotnych i niuansach behawioralnych, które sprawiły, że te systemy były użyteczne w pierwszej kolejności.

Nierównowaga stała się trudna do zignorowania, gdy produkty AI przeszły z nowinki w infrastrukturę. Modele się poprawiły, firmy zebrały więcej kapitału, a interfejsy stały się płynniejsze, ale podstawowy związek między twórcami a platformami ledwo się zmienił. Ludzie wciąż oddawali dane behawioralne niemal przypadkowo. Programiści trenowali systemy na wiedzy społeczności, której nie mogli zrównoważenie nagradzać. Badacze polegali na fragmentarycznych zestawach danych o wątpliwej proweniencji. Cały ekosystem zaczął działać jak maszyna wyciągająca inteligencję z brzegów, jednocześnie koncentrując własność w centrum.