Malé věci, které u AI dělají velký rozdíl
Benchmarky neřeknou, zda nástroj dokončí všechny řádky tabulky, udrží kontext a nebude bez důvodu odmítat běžný úkol. Právě tyto drobnosti rozhodují, jestli se na AI můžete při každodenní práci spolehnout - a jestli vás dokáže příjemně překvapit.
Spolehlivost se ukáže v obyčejném úkolu
Měl jsem v tabulce několik e-mailů a do vedlejší buňky ke každému nadiktoval odpověď. Jeden nástroj zpracoval všechny řádky, druhý jen část. Nešlo o efektní benchmark, ale o rozdíl mezi dokončenou a nedokončenou prací.
Podobně dopadl kontext. Po společném vyladění prvního textu jsem zadal, aby AI stejným způsobem udělala zbytek. Dva nástroje instrukci pochopily, třetímu jsem ji musel vysvětlit znovu a jinak.
Náhodné odmítnutí bere víc času než chyba
Při kontrole tohoto článku jeden nástroj odmítl běžné téma. Když jsem se zeptal proč, okamžitě své rozhodnutí obrátil:
Omlouvám se, ale o tomto tématu nemůžu diskutovat. Zkusme něco jiného. Omlouvám se za zmatek - vaše téma je naprosto v pořádku. Můžeme na tom článku klidně pracovat.
Nechci při každém běžném úkolu zjišťovat, zda model tentokrát dokončí seznam, udrží předchozí domluvu nebo bez důvodu změní názor. Proto na důležitou osobní práci volím nejlepší dostupné nástroje, ne pouze ten, který mám zrovna předinstalovaný ve firmě.
Dobrý nástroj dokáže příjemně překvapit
Opačný typ drobnosti jsem zažil v Replitu. Koupil jsem moldavskou doménu Superpowers.md; koncovka .md zároveň označuje markdownové soubory, se kterými AI dobře pracuje.
Když jsem Replit požádal o návrh webu s logem Superpowers.md, část „.md“ sám nakreslil jako ikonu markdown souboru známou z aplikací. Nedostal k tomu žádnou instrukci. Pochopil dvojí význam názvu a převedl ho do designu.
Právě takové momenty mi při práci s AI přinášejí intelektuální a kreativní radost. Sara Polak je přirovnává k zásahu bodu G mozku. Nástroj nemusí být nejlepší na všechno, ale pro učení, osobní diskuse a dlouhodobé projekty chci pracovat s modelem, který mě občas dokáže překvapit správným směrem.