El aprendizaje empírico es más importante que la planificación analítica en la IA

Creo que como no sabemos exactamente qué capacidades surgirán pronto ni qué funcionará técnicamente, y tampoco sabemos qué tendrá impacto incluso si funciona técnicamente, es mucho más importante que seamos muy humildes y aprendamos más empíricamente, y simplemente probemos cosas rápidamente.

En todos los lugares donde he trabajado antes de esto, uno tiene una idea de la tecnología que se está construyendo, pero eso no es cierto en absoluto con la IA. Cada dos meses, las computadoras pueden hacer algo que nunca antes habían podido hacer, y necesitas pensar de manera completamente diferente sobre lo que estás haciendo.

"Ese cambio" se refiere a los rápidos cambios en las capacidades de IA, y "caída de capacidades" significa cuando las empresas de IA lanzan nuevas funciones como la capacidad de uso de computadoras de Anthropic.

Quieres ser resiliente a ese cambio. Cuando las capacidades caen, quieres poder aprovecharlas rápidamente. Así que ser ágil, no estar atado a planes de ruta, poder decir 'oh, vamos a cambiar de prioridades de inmediato', será súper importante.

Suelta lo que has construido. Vuelve a los objetivos que estabas tratando de resolver y ahora, con esta tecnología, ¿cómo puedes hacer ese objetivo mejor?

Pensamos en ello como, ¿en qué temporada estamos? La temporada uno pudo haber sido el prototipado de IA y luego todo giraba en torno a los modelos y los modelos de razonamiento, y ahora es el advenimiento de los agentes. Eso puede durar un año, puede durar seis meses, puede durar tres meses.

No construyas para hoy, construye para dentro de seis meses, construye para dentro de un año. Las cosas que no están funcionando del todo, que funcionan el 20% del tiempo, comenzarán a funcionar el 100% del tiempo.