👀 とても興味深い…. • モデル評価：50％ • データのクリーニングと整理：40％ • システム統合：8％ • モデルのトレーニング：2％ 重要なのは、トレーニングが無意味だということではなく、ほとんどの人がデータと評価の重要性を大幅に過小評価しているということです。 AIカメラ、ロボティクス、エッジAIシステムを構築するスタートアップと協力する中で、私たちは同じ傾向を見てきました。 チームは、どのモデルを使うかを数週間も議論する一方で、成功の定義やラベルの改善、失敗ケースの理解にははるかに少ない時間を費やしています。 より優れたモデルは、わずかな改善をもたらすだけです。しかし、より良いフィードバックループは、製品全体の方向性を変える可能性があります。 ファウンデーションモデルがますます手に入りやすくなる中で、真の競争優位性はモデルそのものではなく、データの質とその評価方法に対する厳格さにあるかもしれません。