La IA desenmascaró nuestro trabajo como andamio

La IA desenmascaró nuestro trabajo como andamio


La IA desenmascaró nuestro trabajo como andamio

Creo que la IA está revelando que un gran porcentaje del trabajo del conocimiento se basa en un andamiaje. Quizás entre el 75 y el 99%.

  1. En mi propio campo de la ciberseguridad, el 99% de las pruebas de seguridad (también conocidas como “piratería”) No se trata de pensar en nuevas vulnerabilidades, sino de crear contexto en los objetivos, crear y mantener herramientas y crear y mantener flujos de trabajo que le permitan producir pruebas consistentes y de calidad a escala. Toneladas de mantenimiento y soporte para construir estas cosas. Y es un filtro enorme sobre quién puede y quién no puede hacer el trabajo.
  2. Otra tarea en la que he dedicado mi carrera, los desarrolladores dedican una gran cantidad (¿la mayor parte?) de nuestro tiempo en las cosas alrededor codificar, no codificar en sí mismo. Tenemos que construir infraestructura, tenemos que mantener herramientas, bibliotecas, tenemos que unir autenticación, tenemos que construir y administrar bases de datos, etc. Y todo es muy frágil y cambia constantemente.
  3. Uno pensaría que la consultoría de alto nivel implicaría mucha reflexión, ¿verdad? Mucha señal frente a andamios. Que no es. Al igual que la piratería y la programación, se trata principalmente del mantenimiento de plantillas, mejores prácticas y su propia base de conocimientos de trabajos anteriores. McKinsey no empieza desde cero cuando hace compromisos. Hacen entrevistas, escuchan los mismos viejos problemas que difieren ligeramente de las otras 29,346 veces que resolvieron este problema, aplican sus plantillas e insertan el 2-12% (que forma un número) de salsa que era exclusiva de la situación.

En otras palabras, son cosas que se pueden capturar, explicar y escribir. Incluyendo el conocimiento experto, en realidad, porque incluso eso son solo hechos/conocimiento más lecciones aprendidas con el tiempo.

Bueno, ¿adivinen qué IA? absolutamente aplasta?

Eso. Exacto. Cosa.

Lo que Agent Skills nos ha demostrado es que se puede empaquetar una gran cantidad de este material en antecedentes, contexto, metodologías, herramientas y bases de conocimiento. Y puedes darle una tarea a una IA usando esta habilidad y la ejecutará tan bien o mejor que la mayoría de las personas que hacen ese trabajo profesionalmente.

Esta es la verdad detrás de los mercados que se ven tan afectados por la liberación de ciertas habilidades por parte de Anthropic, como los flujos de trabajo legales.

El trabajo no fue duro. Lo difícil fue mantener todo este andamio. Los flujos de trabajo. Las bases del conocimiento. Y los formatos de salida que hacen que todo parezca profesional.

Esta es la parte que se ha vuelto trivial debido a la IA.

Esto no significa que todos los humanos estén jodidos. O que no se estaba haciendo ningún trabajo real. Fue. Y parte de ese trabajo fue realmente difícil, incluso para las IA actuales.

Pero era un porcentaje minúsculo, realizado por un porcentaje minúsculo de las mejores personas, un porcentaje minúsculo del tiempo. El resto fueron andamios, y todo eso se está convirtiendo en un producto mercantilizado, pipí en la piscina.

Lo más loco es que apenas comienza.



Source link

Postagens Similares

  • Constance Crozier:预测 S 曲线很困难

    哇,我们已经完成一半了吗?哇啊,生活在 S 曲线中 有一张著名的新冠疫情时期图表,我一直在努力寻找,它显示了在经历 S 曲线的过程中估计 S 曲线是多么困难。在早期,一切似乎都在呈指数爆炸式增长,你总是会收到一些炒作文章,说你,你这个笨蛋,不理解指数,让我解释一下。然后,当事情触及无形的渐近线时,那些写病毒式文章的同样响亮的声音奇怪地转向了其他事情。 不管怎样,下面的推文图片并不能体现这一点,你应该观看视频版本:https://vimeo.com/408599958 或 https://x.com/clcrozier/status/1251148890595708938 作者是康斯坦斯·克罗泽 (Constance Crozier),她还撰写了一篇博文。这是 googlebots 的完整内容: S 曲线(或 S 型函数)通常用于模拟社会或生物系统随时间的演变 (1)。这些函数从指数增长开始,然后线性增长,最后趋于平稳(因此最终看起来像一个不稳定的 s)。我们认为指数函数的许多东西实际上都遵循 S 曲线(否则系统将达到无穷大)。一个著名的例子是采用新技术。下图显示了随着时间的推移拥有智能手机的美国成年人的百分比,顶部有一条最适合的 S 曲线。在这种情况下,由于宣传和供应的推出方式,出现了指数增长。然而,潜在消费者数量有限(其中一些人永远不会拥有智能手机),因此增长逐渐放缓至零。 美国智能手机拥有量 (2) 另一个例子,也是这些曲线重新出现在新闻中的原因是疾病的传播。在这种情况下,当病毒是新病毒时,就会出现指数增长,因此大多数遇到它的人不会产生免疫力。之所以出现平稳,是因为病毒不再遇到没有免疫力的人(由于“群体免疫”或感染者的隔离)。下图显示了 2003 年 SARS 爆发期间中国的死亡人数,同样采用最佳拟合 S 曲线。 中国因非典死亡人数(3) S 曲线只有三个参数,因此它们如此适合各种系统,这也许令人印象深刻。概括地说,这三个参数描述了初始增长率、稳定率以及稳定值。因此,如果你能估计这三个数字,那么你就得到了趋势曲线。我们中的许多人都会在学校学到,如果要找到三个参数,则需要三个数据点来定义函数。这表明您可以仅根据三个观察结果完美地预测稳定点(剧透:您不能)。 实际上,虽然我们可以说数据的总体趋势可能符合某些 S 曲线,但各个点不会全部位于该曲线上。这可以在前面的两个例子中看到。这种差异通常被描述为“建模误差”,其中包括数据测量中的误差以及 S 曲线模型根本上错误的事实。引用乔治·博克斯的话:“所有模型都是错误的,但有些模型是有用的”。 直观上,从早期数据预测曲线是不可能的,这是有道理的。假设这一点意味着相信我们无法影响结果。然而,根据我的经验,“直觉”和“数学”往往很难调和。因此,我决定调查随着更多数据的出现,“最佳拟合 S 曲线”会发生多大变化。下面是我随机选择的 S 曲线。显示的点是“噪声观测值”——这是数学上表示“施加随机误差量的曲线上的点”的方式。 在这种情况下,S 曲线模型非常适合——我实际上是从 S 曲线生成数据的。这意味着如果误差为零,那么我们只需要三个点即可找到曲线。综上所述,这个例子是理想化的——现实中不太可能有一条曲线与数据如此吻合。下面的动画显示了随着更多数据的可用,最佳拟合 S 曲线(使用最小二乘优化找到)。 毫不奇怪,在指数增长阶段,估计非常糟糕,但即使在线性阶段(当有…

  • Le persone cattive falliscono

    novembre 2014 Recentemente mi ha colpito quanto poche delle persone di maggior successo che conosco siano cattive. Ci sono delle eccezioni, ma notevolmente poche. La meschinità non è rara. In effetti, una delle cose che Internet ci ha mostrato è quanto possano essere cattive le persone. Qualche decennio fa, solo i personaggi famosi e gli…

  • ਵੱਡੇ ਸ਼ਹਿਰਾਂ ਵਿੱਚ ਜਾਣਾ: ਲੁਗ ਬਨਾਮ ਕਲਟਰ

    2026 ਅੱਪਡੇਟ: ਇੱਕ ਸੈਕਸ਼ਨਲ ਸੋਫਾਬੈੱਡ ਸੋਫੇ ਨੂੰ ਮੂਵ ਕਰਨ ਲਈ Lugg ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਗਈ ਅਤੇ ਇਸ ‘ਤੇ ਪਛਤਾਵਾ ਹੋਇਆ – ਇਸਦੀ ਕੀਮਤ $222.51 ਇੱਕ ਤਰਫਾ (44 ਮਿੰਟ ਲੇਬਰ ਪਿਕਅਪ 55 ਮਿੰਟ ਲੇਬਰ ਡਰਾਪਆਫ, ਜੋ ਕਿ ਮੇਰੇ ਖਿਆਲ ਵਿੱਚ ਧੋਖਾਧੜੀ ਸੀ, ਪਿਕਅਪ ਤੋਂ ਵੱਧ ਕਿਸੇ ਵੀ ਤਰੀਕੇ ਨਾਲ ਡਰਾਪਆਫ ਦੀ ਲਾਗਤ ਨਹੀਂ) ਅਤੇ ਕੁੱਲ ਬੇਸ…

  • Pensieri sul discorso sull’intelligenza artificiale di Doctorow “Reverse Centaurs”.

    Questo è un altro saggio brillantemente scritto e altamente fuorviante di Cory Doctorow. Dimostra una totale mancanza di comprensione di cosa sia effettivamente l’intelligenza artificiale e dove sta andando. E di conseguenza fornisce la peggiore guida possibile. Si riferisce all’intelligenza artificiale come “completamento automatico” e pensa che qualsiasi sostituzione di posti di lavoro da parte…

  • दिसंबर 2025 डील घोषणाएँ | LGBTQ पढ़ता है

    वयस्क कथा अरी बरन‘एस गैर-खिलाड़ी जैसा आचरणका हिस्सा पेनल्टी बॉक्स हॉकी रोमांस श्रृंखला, जिसमें एक गंभीर रूप से घायल, पिक्चर-परफेक्ट ऑल-स्टार को एक बुरे लड़के की देखभाल करने के लिए मजबूर किया जाता है, चोट से नष्ट हो चुकी टीम पर, जहां यह स्पष्ट नहीं है कि इससे अधिक विनाशकारी क्या हो सकता है –…

  • 弱人工智能与强人工智能的推出

    企业人工智能的强劲部署与糟糕的部署有何区别 2026 年 4 月 19 日  学习率调度… 我亲眼见证了许多 Anterprise AI 的推出并提供了帮助。有些很出色,但大多数(即使在 2026 年)却出奇的糟糕。 我一直在思考并试图总结我认为主要的区别是什么,我认为这是最大的区别。 弱人工智能的推出 我看到的 90% 以上的薄弱部署基本上都归结于董事会和/或高级领导层的说法,例如: 高度鼓励人工智能的使用。每个人都应该尽可能多地使用人工智能,让自己变得更加高效和有效。您的绩效评估的一部分将基于您使用人工智能的程度。 (沉默) 没有指导 该怎么办 与人工智能。如何整合它。 AI 可以与哪些内部系统进行对话。 ETC。 只是一个模糊的笼统声明。 强大的人工智能推出 我从成功的人工智能推广中看到的情况截然不同。他们: 指派一个人或一个团队全职创建内容和文档并在部署过程中提供帮助 明确哪些内部工具可供员工的人工智能使用 给出工作流程示例 创建短片,解释如何设置并展示其在现实情况下的工作情况 我见过的最先进的公司甚至创建了一个内部人工智能工具,其中包含大量已配置的工具。 所以基本上主要的区别是空心指导与实心指导。 不要只是说“使用人工智能”。 相反,要弄清楚员工如何以实用且有用的方式将人工智能工具连接到公司的应用程序。 并创建并分享示例。 Source link

Deixe um comentário

O seu endereço de email não será publicado. Campos obrigatórios marcados com *