もし今、AIにおけるデータセンターの構築が理にかなっている理由が気になるなら、簡単なチャートを用意します。

モデルの軌道をよく把握することは、AI製品管理やエンジニアリングをする人にとって間違いなく重要なスキルです。 (1) モデルのギャップを埋めるために足場を作る価値のあるもの、(2) モデルに完全に所有させるもの、(3) カテゴリー1に属しているものがすぐにカテゴリー2に向かうものをよく理解している必要があります。 これらのカテゴリに混乱すると、多くの労力の無駄やエネルギーの誤配分を招き、モデルの改善をその場で活用できなくなります。 しかし最も重要なのは、モデルがネイティブに解けるようになった瞬間に手元にあるものを捨てる覚悟があることです。より良い顧客体験に繋がらないものは時間の無駄です。

現在、AIエージェントを構築するプロセスは以下の通りです: 1. AIモデルの制限を解決するための足場を構築し、エージェントが動作するようにする 2. AIモデルがアップグレードされ、あなたが緩和しようとしていた問題を解決し、足場が不要になります 3. 解決したい新しく難しいユースケースを特定し、ステップ1に戻る このプロセスを避ける方法はほぼありません。モデルの制限を緩和しなければ、到着時点で死ぬことになり、どの緩和策がいつ突破されるかもわかりません。 つまり、現実にはこれから数年間は使い捨てのコードを多く書くことを受け入れ、これまでの道に対して感傷的でないことを受け入れなければなりません。エージェントを動かすためにできることは何でもやってください。