데이터가 문제를 보여주면 디자인이 해결책을 만듭니다

데이터로 문제를 진단하고 디자인으로 해결책을 만들어야 합니다. 데이터만으로는 무엇을 만들어야 하는지 알려주지 않습니다.

데이터 분석으로 무엇을 테스트해야 할지 기반을 마련하는 것이 중요합니다. 소프트웨어 엔지니어링과 달리 LLM은 표면적으로 광범위하고 확률적이어서 다른 접근이 필요합니다.

가장 근본적인 문제부터 하나씩 해결해 나가세요. 모든 문제를 다 해결하려고 하지 마시고 가장 먼저 발견한 문제부터 집중하세요.

이 말은 AI 어시스턴트와 사용자 간의 대화 로그를 분석하여 오류와 개선 기회를 찾는 '트레이스'를 가리킵니다.

새로운 것을 더 이상 발견하지 못할 때까지 데이터를 계속 살펴보세요. 이를 데이터 분석과 정성 분석에서 이론적 포화라고 합니다.