Was ich in letzter Zeit hinterfrage, ist nicht, ob KI immer leistungsfähiger wird.
Es geht darum, ob wir anfangen, uns um die falschen Dinge zu kümmern.
Eine Weile ergab der Vergleich von KI-Modellen durchaus Sinn. Besseres Reasoning, größere Kontextfenster, schnellere Antworten – das waren Verbesserungen, die man leicht erkennen konnte. Aber je mehr KI Teil der alltäglichen Arbeit wird, desto weniger scheinen diese Vergleiche für sich allein zu zählen.
Was ich jetzt bemerke, ist etwas viel weniger Offensichtliches.
Wenn ich bei jedem Wechsel des Tools den Kontext neu aufbauen muss oder dieselben Informationen wiederholen muss, nur um dort weiterzumachen, wo ich bereits war, fängt sich das gesamte Erlebnis fragmentiert an – egal wie gut die Antworten sind.
Das hat mich dazu gebracht, etwas Zeit damit zu verbringen, OpenGradient ($OPG ) genauer anzuschauen.
Nicht wirklich die Modellseite hat dabei mein Interesse geweckt. Es war die Menge an Fokus, die auf alles gelegt wird, was das Modell umgibt. Dinge wie Kontinuität, Hosting und die Infrastruktur, die im Verborgenen mitbestimmt, ob sich ein KI-Erlebnis zusammenhängend anfühlt oder ständig unterbrochen wird.
Ich bin nicht überzeugt, dass Menschen immer das klügste System auswählen werden.
Ich glaube, sie werden weiterhin dasjenige wählen, das sich natürlich in die Art einfügt, wie sie bereits arbeiten, ohne sie zu zwingen, alle paar Minuten von vorn anzufangen.
Vielleicht liege ich falsch.
Aber es wirkt, als würde sich das Gespräch langsam verschieben von Welche KI ist besser? hin zu welcher Erfahrung lässt mich vergessen, dass ich überhaupt zwischen Modellen wechsle?
Das fühlt sich nach einer viel spannenderen Frage an.
$OPG @OpenGradient #opg
Es geht darum, ob wir anfangen, uns um die falschen Dinge zu kümmern.
Eine Weile ergab der Vergleich von KI-Modellen durchaus Sinn. Besseres Reasoning, größere Kontextfenster, schnellere Antworten – das waren Verbesserungen, die man leicht erkennen konnte. Aber je mehr KI Teil der alltäglichen Arbeit wird, desto weniger scheinen diese Vergleiche für sich allein zu zählen.
Was ich jetzt bemerke, ist etwas viel weniger Offensichtliches.
Wenn ich bei jedem Wechsel des Tools den Kontext neu aufbauen muss oder dieselben Informationen wiederholen muss, nur um dort weiterzumachen, wo ich bereits war, fängt sich das gesamte Erlebnis fragmentiert an – egal wie gut die Antworten sind.
Das hat mich dazu gebracht, etwas Zeit damit zu verbringen, OpenGradient ($OPG ) genauer anzuschauen.
Nicht wirklich die Modellseite hat dabei mein Interesse geweckt. Es war die Menge an Fokus, die auf alles gelegt wird, was das Modell umgibt. Dinge wie Kontinuität, Hosting und die Infrastruktur, die im Verborgenen mitbestimmt, ob sich ein KI-Erlebnis zusammenhängend anfühlt oder ständig unterbrochen wird.
Ich bin nicht überzeugt, dass Menschen immer das klügste System auswählen werden.
Ich glaube, sie werden weiterhin dasjenige wählen, das sich natürlich in die Art einfügt, wie sie bereits arbeiten, ohne sie zu zwingen, alle paar Minuten von vorn anzufangen.
Vielleicht liege ich falsch.
Aber es wirkt, als würde sich das Gespräch langsam verschieben von Welche KI ist besser? hin zu welcher Erfahrung lässt mich vergessen, dass ich überhaupt zwischen Modellen wechsle?
Das fühlt sich nach einer viel spannenderen Frage an.
$OPG @OpenGradient #opg