Les entreprises d'IA embauchent les mauvais ingénieurs.

Pas parce que de bons ingénieurs n'existent pas. Parce qu'elles filtrent pour la mauvaise chose.
Les annonces d'emploi disent : "optimiser les coûts d'inférence", "réduire la latence", "affiner les prompts à grande échelle."
Ce qu'elles ne disent pas : "parler aux utilisateurs", "comprendre pourquoi les gens se désengagent", "construire quelque chose que quelqu'un veut vraiment."
Ainsi, elles finissent avec des équipes capables de rendre le modèle plus rapide mais incapables de faire en sorte que le produit ait de l'importance.
L'efficacité des tokens est un problème opérationnel.
L'adéquation produit-marché est un problème humain.
Confondre les deux est la raison pour laquelle la plupart des outils d'IA sont livrés propres, rapides et complètement ignorés.
Les entreprises qui comprennent cela en premier ne recrutent pas d'ingénieurs en prompts.
Elles recrutent des personnes qui perdent le sommeil à cause de pourquoi les utilisateurs ne reviennent pas.