Pengkodean adalah kasus penggunaan PMF yang tidak dapat disangkal untuk AI, tetapi sebagian besar pekerjaan pengetahuan masih harus berkembang.

Pengkodean berfungsi karena semua konteks hidup di repositori git yang berversi, terstruktur, di satu tempat, dan biasanya dengan rangkaian pengujian yang memberi tahu Anda apa yang benar.
Pekerjaan pengetahuan di sisi lain didasarkan pada informasi yang berada di berbagai tempat berbeda - Slack, email, berbagai sistem, dan seringkali di kepala orang.
Jadi jika Anda ingin pekerjaan pengetahuan diotomatiskan seperti kode, Anda memerlukan "repositori konteks" atau yang sering disebut "otak perusahaan".
Tetapi otak perusahaan yang hanya mengambil file, meletakkannya di suatu tempat dan menempelkan RAG di atasnya bukanlah jawaban yang tepat.
Yang Anda butuhkan adalah sistem berbasis ontologi - mengaturnya sulit, dan memeliharanya bahkan lebih sulit.
Ada alasan mengapa kita melihat banyak pilot AI perusahaan gagal atau tidak menghasilkan ROI, itu karena "repositori konteks" tidak dilakukan dengan benar.
Namun yang menarik adalah - jika dilakukan dengan benar, lapisan konteks dapat berubah dari biaya yang dibayar perusahaan untuk alat baru, menjadi ASET yang mereka bangun yang mengakumulasi nilai.
Ini menjadi aset ketika alur kerja agen dibangun di atas lapisan konteks dan data telemetri dari agen-agen tersebut memberi makan lingkungan RL yang memungkinkan perusahaan untuk pasca-melatih model yang mengkodekan bagaimana perusahaan melakukan pekerjaan, dan model tersebut dimiliki oleh perusahaan.
Memiliki model dengan data Anda tentang bagaimana perusahaan benar-benar bekerja adalah langkah bos terakhir.