Az előadó több mint 150 AI tanácsadói konzultáció során szerzett tapasztalatai alapján öt tipikus hibát mutat be, amelyeket a cégek rendre elkövetnek a ChatGPT és más mesterséges intelligencia eszközök használatakor. Megfigyelései szerint ezek a hibák iparágtól és vállalatmérettől függetlenül szinte mindenhol előfordulnak.
Elsőként arra hívja fel a figyelmet, hogy gyakori reakció, amikor az AI rossz vagy pontatlan választ ad, hogy a felhasználók azonnal a mesterséges intelligenciát hibáztatják. Valójában sokszor egy egyszerű beállítás vagy modellcsere is megoldaná a problémát, ezért érdemes alaposabban megismerni az elérhető modelleket és azok finomhangolási lehetőségeit.
A második hiba ott jelentkezik, hogy sok felhasználó elvárja, hogy az AI automatikusan az ő stílusukban kommunikáljon, anélkül hogy példákat vagy referenciaanyagot adna saját szövegeiből. A megoldás ilyenkor az, hogy az AI-t össze kell kötni az email-fiókkal vagy korábbi levelezéssel, így a rendszer megtanulhatja az adott szövegstílust.
Szintén elterjedt hibaként említi azt a feltételezést, miszerint minél több háttérinformációval látjuk el az AI-t, annál jobb eredményeket érhetünk el. Azonban a túl sok, nem releváns információ inkább csökkenti a modellek hatékonyságát.
Szó esik arról is, hogy az adatelemzési feladatoknál sokan megbízhatatlanul veszik át az AI által generált számokat vagy összefoglalókat, forrásellenőrzés vagy pontos hivatkozások nélkül. Itt a szerző három kulcsfontosságú szempontot emel ki: az adatok forrásának pontos megadását, a helyes hivatkozások használatát, és a megfelelő ösztönzők beállítását a rendszerben.
Végül kitér arra is, hogy nem minden problémára jelent megoldást egy automatikusan az AI által épített alkalmazás. Gyakran egyszerűbb, ha natív funkciókat, beépített eszközöket vagy megosztható sablonokat használunk, ahelyett, hogy túlkomplikálnánk a folyamatokat egyedi appok fejlesztésével.
