Mga Artikulo
Ang Hangganan ng Paggamit ng AI ay ang Ambisyon Mo: Apat na Dimensyon ng Bilis, Taas, Lalim, at Lawak
Hinati ni Felix Rieseberg, engineering lead ng Anthropic, ang pagiging "mas ambisyoso sa AI" sa apat na dimensyon: bilis, taas, lalim, at lawak. Tinipon dito ang kanyang mga paraan at halimbawa, kasama ang sarili kong mga tala sa praktika: gumamit ng mga utos na nakatuon sa layunin, at mag-orkestra ng koponan ng mga eksperto gamit ang Multi-AI Agents para sa cross-review mula sa iba't ibang pananaw, upang tumaas ang kalidad ng gawain.
· 7 minutong basa
Sa sanaysay ni Anthropic engineering lead na si Felix Rieseberg na "How to be more ambitious: A tutorial for humans with models", binanggit niya na kapag nakakakita siya ng kamangha-manghang resulta mula sa AI na gawa ng iba, iisa ang reaksyon nila ng mga kasama niya: "Hindi pa tayo sapat na ambisyoso."
Ito ang pagkaintindi ko: ang hangganan ng paggamit ng tao sa AI ay madalas na nakakulong sa sarili niyang ambisyon at imahinasyon, hindi sa modelo.
Hinati niya ang "ambisyon" sa apat na dimensyon:
- Bilis (Speed): tapusin ang parehong trabaho sa mas maikling oras.
- Taas (Altitude): itaas ang antas ng abstraksyon at tingnan ang pinakahuling resulta, hindi lang ang isang gawain.
- Lalim (Depth): gawin ito gamit ang pamantayan, mga tool, at pamamaraan ng mga nangungunang eksperto sa larangan.
- Lawak (Range): lumabas sa iisang larangan at maghanap ng solusyon sa iba't ibang disiplina.
Ang konklusyon muna: magbigay ng tumpak na utos na nakatuon sa layunin, at mag-orkestra ng koponan ng mga eksperto gamit ang Multi-AI Agents para sa kolaborasyon at cross-review mula sa iba't ibang pananaw, para tumaas ang kalidad ng gawain sa kabuuan.
Una: Bilis, ang pinakapayak at pinakakaunting hadlang#
Tapusin ang parehong trabaho sa mas maikling oras. Para kay Felix, pamilyar na ito sa lahat kaya nilaktawan na niya sa artikulo.
Ang pananaw ko: ang bilis ang pinakamadaling makitang halaga ng AI, pero kung bilis lang ang hahabulin, hindi gaanong magbabago ang paraan ng pakikipagtulungan. Ang tunay na nagpapalayo ng agwat ay ang tatlong dimensyon sa ibaba.
Ikalawa: Taas, itanong ang "layunin sa likod ng layunin"#
Pangunahing tanong: Ano talaga ang susunod na resultang gusto ko? Ano ang layunin sa likod ng layuning ito?
Mga halimbawa ni Felix:
- Mula sa pag-ayos ng isang Crash, tungo sa App na hindi na nagka-Crash. Dati, pinapaayos niya kay Claude ang isang Crash lang; kalaunan, hiniling na niyang panatilihing zero Crash ang App. Para magpatuloy itong tumakbo nang awtomatiko, kinailangan muna niyang baguhin ang sarili niyang proseso: gawing madaling makuha ang mga Crash report, itugma ang bersyon ng App sa Git Commit, at hayaan si Claude na gumamit ng mga makinang Windows, macOS, at Linux para i-reproduce at i-verify ang mga fix.
- Tatlong yugto ng pag-upgrade sa quarterly business review (QBR):
- Gamitin hangga't maaari ang raw data para ipaliwanag kung ano ang nagbago ngayong quarter, bakit, at ano ang dapat gawin sa susunod.
- Hanapin ang 3 pinakamadaliang desisyon, at isulat ang mga argumento pabor at laban sa bawat isa.
- Magdisenyo ng alternatibong mekanismo na mas maagang makakakita ng problema kaysa sa quarterly deck, subukan ito gamit ang historical data, at patakbuhin nang kahanay ng kasalukuyang proseso sa loob ng isang quarter.
Nagbigay rin siya ng paalala tungkol sa hangganan: sa 2026, hindi pa uubra ang malabong layunin gaya ng "Claude, ipagkaperahan mo ako", pero inaasahan niyang patuloy na tataas ang antas ng abstraksyon na kayang hawakan ng mga modelo.
Ikatlo: Lalim, ayon sa pamantayan ng mga nangungunang eksperto sa larangan#
Ang paraan ni Felix:
- Gamitin ang mga tool na talagang ginagamit sa industriyang iyon. Madalas na salita lang ang binabago ng modelo, hindi ang pamamaraan, at nagtatapos sa pagbigay ng isang Markdown table. Igiit ang mga tunay na tool sa pagsusuri gaya ng database at statistical model.
- Magtakda ng tila hindi makatwirang target, at sabihin sa modelo na kayang lutasin ito. Halimbawa niya: matapos paikliin ang pag-load ng website mula 10 segundo tungong 5 segundo, hinihingi naman ang 200 millisecond. Kapag umaatras ang modelo, igiit na kaya itong abutin.
- Hamunin ang mga palagay na pinaniniwalaan mo. Bigyan ang modelo ng raw data at ipasuri ito mula sa adversarial na pananaw. Halimbawa: "Sa tingin natin, problema sa onboarding ang sanhi ng churn; subukang i-reproduce ang konklusyong ito mula sa raw data."
- Lumikha ng bagong kaalaman. Gumawa ng simulation mula sa Logs, hanapin ang pinakamaagang senyales ng churn na hindi mo pa alam, at i-verify gamit ang data na hindi pa nakikita.
- Humanap ng panlabas na hukom (Outside Judge). Huwag hayaang ang modelo ang magwasto sa sarili nito. Pinakamainam na magkabit ng tool na direktang mapapatakbo ng modelo at agad na magbibigay ng feedback para sa pag-verify.
Ang prinsipyo niya sa Prompt: ang hinihingi ay "mas malalim na bersyon", hindi "mas malaking bersyon". Ipasabi sa modelo kung ano pa ang gagawin ng isang nangungunang propesyonal, saan makikita ang pinakaorihinal na data, anong mga pamamaraan at tool ang gagamitin, at ano pa ang makapagpapatunay na tama ang resulta bukod sa modelo o sa sarili mong paghuhusga.
Ikaapat: Lawak, pandiwa sa halip na pangngalan, at bumuo ng koponan ng mga eksperto#
- Pandiwa sa halip na pangngalan. Hiniram ni Felix ang konseptong ito mula sa The Art of Innovation. Sa halip na "isang deck" ang QBR, ito ay "sa loob ng 30 minuto, tulungan ang mga abalang tao na maunawaan ang sanhi at bunga, at makapagdesisyon sa gitna ng kawalang-katiyakan." Kapag pandiwa ang ginamit sa pagtukoy ng layunin, makikita kung anong mga kakayahan mula sa iba't ibang larangan ang kailangan.
- Bumuo ng koponan. Para makagawa ng mahusay na deck, kumuha ng analyst, mamamahayag, at editor; para sa presentasyon, dagdagan ng motion designer at sound designer. Para sa adversarial review, kumuha ng mananaliksik sa short-selling firm at forensic accountant.
- Huwag magsagawa ng walang saysay na role-play. Hindi ang pag-utos sa modelo na "magsulat na parang short-selling firm", kundi ang pag-utos na tunay na isagawa ang pamamaraan ng pananaliksik ng isang short-selling firm sa isang bahagi ng gawain. Kung tono lang ang babaguhin, hindi gaganda ang resulta.
Ang kondisyon: dapat may computer ang modelo na kayang mag-install ng software, at may paraan itong makakuha ng kaugnay na data, halimbawa sa pamamagitan ng mga MCP connector.
Ikalima: Ang mga tala ko sa praktika, mula sa "paglilipat ng data" tungo sa "pagkamit ng intensyon"#
Ang nasa ibaba ay ang sarili kong dagdag mula sa software architecture at praktika sa engineering, hindi bahagi ng orihinal na teksto.
1. Jobs to be Done at Intent-Based#
- Huwag itanong ang "ano ang gagawin", itanong ang "ano ang makakamit". Hindi dapat tumigil ang disenyo sa passive na data-transfer pipeline gaya ng
generate_deck_pdf(), kundi iangat ito sa intensyon ng pagbabago ng estado gaya ng resolve_leadership_uncertainty_and_commit_budget().
- Tukuyin ang tunay na loss function. Kapag produkto lang ang hiningi, gagawa ang modelo ng walang lamang teksto na mukhang perpekto; kapag paglutas sa kawalang-katiyakan ng desisyon ang hiningi, saka lang kusang pupunan ng modelo at ng mga Sub-agent ang mga butas sa lohika at hangganan ng panganib.
2. Maghiwa-hiwalay sa paggalugad, magtipon sa pag-apruba#
- Sa paggalugad, maghiwa-hiwalay muna para maghanap ng mga posibilidad, saka magtipon.
- Sa pag-apruba, huwag nang maghiwa-hiwalay. Iwasan ang mga tanong na walang hangganan gaya ng "Ano pa ang ibang paraan para gawin ito?", dahil malabong sagot lang ang makukuha.
- Isulat nang malinaw ang saklaw ng layunin, mga limitasyon, at mga tool sa objective na pag-verify (partikular na test script, threshold ng business metric), para makapagsagawa ang koponan ng Multi-Agent ng stress test sa isang nakatuong balangkas at makapaghatid ng de-kalidad na resulta.
Buod ng mga tala#
- Nakatuon sa layunin: pandiwa sa halip na pangngalan. Ihatid ang resultang lumulutas ng problema, hindi ang produktong pang-abot lang ng deadline.
- Paggalugad at pagtitipon: maghiwa-hiwalay sa paggalugad para maghanap ng posibilidad; mahigpit na magtipon sa pag-apruba para i-verify ang mga hangganan.
- Pokus sa abstraksyon: magsimula sa pangunahing tanong at buuin muli ang buong daloy ng gawain.
- Lalim ng eksperto: hindi lang panggagaya sa tono ng eksperto, kundi pagpilit sa modelo na lutasin ang problema gamit ang mga tool at pamamaraan ng mga nangungunang eksperto.
Orihinal na artikulo: How to be more ambitious: A tutorial for humans with models (Felix Rieseberg, 2026-10-13)