Akhirnya, perkara yang kita ajarkan kepada model adalah perkara yang sama seperti yang kita ajarkan kepada kanak-kanak.

Penulis artikel, sumber: Machine Heart

Banyak orang mengatakan bahawa di era AI, selera adalah benteng terakhir manusia. Tetapi Boris Cherny tidak berpendapat demikian.

Dia adalah ahli teknikal Anthropic dan salah satu pembina utama Claude Code. Setiap hari, dia menggunakan model untuk menulis kod, serta menggunakan model untuk menyelidik model. Trend yang dilihatnya ialah: apa yang disebut "selera" juga sedang dengan cepat dipelajari oleh model.

Jika bahkan "apa yang perlu dilakukan" boleh dikuasai oleh model, apakah yang masih tinggal pada manusia?

Dalam satu temu bual terkini, Boris membincangkan topik ini.

Bagaimana Claude Code secara mendasar mengubah sistem syarikat;

Apabila model boleh menulis sebahagian besar kod, adakah jurutera masih patut dipekerjakan? Jika ya, apa yang perlu diperhatikan?

Mengapa ramai orang di Anthropic adalah Member of Technical Staff, tanpa tahap jawatan dan tugas yang jelas?

Saran tidak intuitif untuk semua usahawan: mengapa "kurangkan pekerja, berikan lebih banyak token"?

……

Masalah-masalah ini kelihatan seperti berkaitan dengan kelahiran dan peningkatan satu produk, tetapi setiap jawapan pada setiap peringkat menunjukkan perubahan yang lebih asas yang sama: cara organisasi beroperasi sedang ditakrif semula oleh model itu sendiri.

Sementara itu, jawapan yang diberikan oleh Boris sangat patut dipertimbangkan dengan tenang.

Bagaimana Claude Code dilahirkan?

Apabila pengerusi bertanya tentang asal-usul Boris Claude Code, jawapannya agak mengejutkan.

Dalam ceritanya, Claude Code bukanlah produk utama yang dirancang oleh Anthropic dari awal, bahkan boleh dikatakan sebagai hasil kebetulan.

Pada akhir 2024, Boris menyertai Pasukan Labs Anthropic. Tugas pasukan ini bukanlah memelihara produk yang sedia ada, tetapi menjelajahi bentuk produk masa depan. Di satu sisi, mereka perlu terus mendorong sempadan kemampuan model; di sisi lain, mereka juga mencari produk baru yang benar-benar dapat melepaskan keupayaan-keupayaan ini.

Pada masa itu, pasukan merasakan dengan sangat kuat: model tersebut telah memiliki kemampuan yang jauh melebihi produk yang ada, tetapi belum ada produk di pasaran yang mampu memanfaatkan sepenuhnya kemampuan tersebut. Ini terutama berlaku dalam bidang pengaturcaraan.

Pada masa itu, alat pengaturcaraan AI di pasaran kebanyakannya masih berada dalam dua arah. Satu arah ialah penyempurnaan automatik, yang membantu pembangun menyelesaikan baris kod seterusnya; arah lain ialah pembantu soal jawab, di mana pembangun boleh bertanya tentang maksud sebahagian kod atau penyelesaian untuk ralat tertentu. Tetapi Boris percaya bahawa pada masa itu belum ada Coding Agent yang sebenarnya.

Oleh itu, pasukan memutuskan untuk mencuba pendekatan yang lebih agresif: tidak lagi menganggap model sebagai alat bantu, tetapi menjadikannya sebagai subjek utama pembangunan. Mereka ingin melihat apa yang akan berlaku jika mereka membina produk pemrograman sepenuhnya berpusatkan Agent dari awal.

Namun Boris juga secara jujur mengakui bahawa Claude Code asal tidak mudah digunakan.

Dalam tempoh yang panjang, ia hanya mampu menyelesaikan sekitar 10% hingga 20% kerjanya. Sebahagian besar kod masih perlu ditulis sendiri olehnya. Claude Code yang dilihat orang hari ini sudah bukan lagi perkara yang sama berbanding produk pada masa itu.

Mengapa Anthropic begitu menekankan Coding?

Banyak orang menganggap alasan Anthropic menekankan Coding adalah mudah—pasar pengaturcaraan cukup besar dan nilai komersialnya cukup tinggi. Tetapi penjelasan Boris berbeza sepenuhnya.

Dia mengatakan, jika anda secara rawak menghentikan seorang pekerja di pejabat Anthropic dan bertanya mengapa mereka berada di sini, kemungkinan besar jawapannya akan sama: AI Safety.

Menurut Boris, misi paling penting Anthropic sejak berdiri selalu merupakan keselamatan AI. Baik penyelidikan keterangkapan, penyelidikan keselarasan, atau arah keselamatan lainnya, semuanya pada dasarnya berusaha memahami perilaku model. Namun, semua penyelidikan ini akhirnya menghadapi masalah yang sama: hanya mengamati model di laboratorium tidak cukup; para penyelidik juga harus mengamati apa yang terjadi apabila model memasuki dunia nyata.

Dan Coding secara kebetulan merupakan medan ujian yang hampir ideal.

Berbeza dengan penulisan, melukis, atau tugas terbuka lainnya, pengaturcaraan mempunyai mekanisme umpan balik yang sangat jelas. Adakah kod boleh berjalan atau tidak, adakah program lulus ujian atau tidak, adakah kompilasi berjaya atau gagal—jawapannya sering kali sangat jelas. Sementara itu, internet menyediakan jumlah kod yang besar sebagai data latihan. Berbanding tugas seperti penciptaan puisi yang mungkin mempunyai ribuan jawapan hebat, ruang penyelesaian betul untuk masalah pengaturcaraan jauh lebih terkumpul, oleh itu lebih mudah untuk mengesahkan kemampuan model.

Oleh sebab itu, Anthropic telah memberikan perhatian tinggi kepada Coding, Penggunaan Alat, dan Penggunaan Komputer sejak awal. Arah-arah ini tidak hanya mempunyai nilai komersial, tetapi lebih penting lagi, ia memberikan persekitaran ujian semula jadi untuk menyelidik bagaimana model berinteraksi dengan dunia nyata.

Dari sudut pandang ini, Claude Code bukan sekadar alat produktiviti yang ditujukan kepada para pengatur cara. Dalam narasi Boris, ia juga merupakan platform eksperimen penting yang digunakan Anthropic untuk memahami sistem AI masa depan.

Mengapa Claude Code tiba-tiba menjadi lebih kuat?

Selepas memperkenalkan asal-usul Claude Code, pembawa acara mengemukakan satu soalan yang banyak orang ingin tahu. Oleh kerana Claude Code pada awalnya hanya mampu menyelesaikan sekitar 10% hingga 20% kerja Boris, apakah yang berlaku selepas itu? Sebab hari ini, Boris telah mengumumkan secara terbuka bahawa beliau tidak menulis kod sendiri selama enam bulan. Dari hanya mampu menangani sebahagian kecil tugas kepada hampir sepenuhnya mengambil alih kerja pembangunan, jelas terdapat perubahan besar di antara kedua-duanya.

Untuk soal ini, jawapan Boris justru sangat ringkas. Dia berkata, pihak luar biasa sering memfokuskan perhatian pada ciri-ciri produk, tetapi jika dia meninjau semula masa-masa yang benar-benar membawa lompatan kemampuan, sebab paling penting hanyalah satu: model menjadi lebih kuat.

Dalam setahun terakhir, pasukan Anthropic memang terus memperbaiki Claude Code itu sendiri. Mereka melakukan banyak kerja kejuruteraan, menambahkan pelbagai cara interaksi baru dan bentuk produk. Pada mulanya, Claude Code hanyalah alat baris arahan, kemudian berkembang secara beransur-ansur ke peranti desktop, mudah alih, Slack, GitHub, dan pelbagai konteks lain. Pasukan juga terus mencuba fungsi baru, seperti mod perancangan (Plan Mode) dan pelbagai mekanisme yang membantu pembangun bekerjasama dengan Agent. Namun, menurut Boris, semua ini merupakan peningkatan inkremental.

Yang menentukan had sebenar Claude Code ialah model asas itu sendiri.

Dia menyebut beberapa titik penting. Dari Sonnet 4, Opus 4, hingga Opus 4.5 seterusnya, setiap peningkatan kemampuan model akan secara langsung tercermin dalam prestasi Claude Code.

Pembawa acara kemudian bertanya sama ada pengalaman menggunakan Claude Code akan mempengaruhi pembangunan model secara sebaliknya. Jawapan Boris ialah, hampir semua orang di Anthropic menggunakan Claude Code setiap hari, termasuk orang yang membangunkan model, orang yang membangunkan produk… seluruh syarikat menggunakannya.

Oleh itu, tiada saluran umpan balik khas. Umpan balik itu sendiri merupakan sebahagian daripada kerja harian syarikat.

Semasa penggunaan, jika penyelidik menemui masalah, pasukan model akan melihat masalah tersebut; selepas kemampuan model ditingkatkan, semua orang akan segera merasakan perubahan dalam pekerjaan sebenar. Produk dan model bukanlah dua garis selari, tetapi berkembang bersama dalam satu kitaran yang sama.

Berapa banyak peningkatan produktiviti yang dibawa oleh Claude Code kepada Anthropic?

Boris mengatakan bahawa selepas bekerja lama di makmal AI, orang-orang akan terbiasa berfikir secara eksponen. Banyak indikator dalaman — sama ada pendapatan, penggunaan, atau kemampuan model — kelihatan lebih seperti lengkung eksponen, jadi mereka bahkan terbiasa menggunakan skala logaritma untuk memantau perubahan.

Sementara itu, output kod juga menunjukkan trend yang serupa.

Berdasarkan data yang pernah diumumkan oleh Anthropic, sejak Claude Code digunakan secara meluas di dalam syarikat, jumlah kod yang dihasilkan oleh setiap jurutera meningkat sebanyak tiga kali ganda. Namun, Boris menekankan bahawa data ini sudah usang. Peningkatan sebenar jauh melebihi nombor ini.

Yang lebih menarik, pertumbuhan ini berlaku semasa perusahaan memperluas skala dengan pantas.

Berdasarkan pengalaman tradisional, semakin ramai jurutera sebuah syarikat, produktiviti purata cenderung lebih rendah. Pekerja baru perlu mempelajari sistem, sementara pekerja lama perlu menjawab soalan, menyebabkan kos komunikasi organisasi terus meningkat.

Namun, apa yang diperhatikan oleh Boris adalah sebaliknya. Dahulu, seorang jurutera baru yang menyertai syarikat mungkin memerlukan beberapa minggu untuk benar-benar mengenali sistem dalaman. Kini, proses ini biasanya hanya memerlukan dua hari.

Sebabnya bukan kerana sistem latihan mengalami perubahan revolusioner, tetapi kerana semua orang sudah biasa bertanya langsung kepada Claude. Peserta baru tidak perlu tahu bagaimana cara menghantar soalan ke pangkalan data. Mereka bahkan tidak perlu tahu siapa yang harus ditanya. Di dalam Anthropic, apabila seseorang bertanya “Bagaimana cara cari di pangkalan data?”, jawapan yang sering diberikan ialah: “Buka Claude, biarkan Claude cari di pangkalan data.” Banyak pengetahuan tersirat yang sebelumnya perlu dikuasai oleh jurutera berpengalaman kini beralih kepada Agen. Menurut Boris, ini mungkin merupakan perubahan paling penting.

Claude Code tidak hanya meningkatkan kelajuan penghasilan kod, tetapi juga secara beransur-ansur mengurangkan kos penghantaran pengetahuan di dalam organisasi. Dahulu, perusahaan bergantung pada sistem pembelajaran bertingkat untuk mengalirkan pengetahuan. Kini, semakin banyak pengetahuan sedang dipekatkan secara langsung ke dalam model.

Dari pita berlubang hingga Vibe Coding, manusia sekali lagi meningkatkan peringkat abstraksi pengaturcaraan

Kerana Claude Code begitu hebat, adakah jurutera baharu Anthropic masih menulis kod? Selepas penceramah mengemukakan soalan ini, fokus perbincangan segera berpindah kepada: Bagaimanakah anda mentakrifkan «menulis kod»?

Menurut Boris, sejarah perkembangan kejuruteraan perisian pada dasarnya adalah sejarah peningkatan tahap abstraksi yang berterusan.

Kakeknya pernah menggunakan kad berlubang untuk pemrograman pada era Soviet. Pada masa itu, para programmer perlu membuat lubang pada kad kertas, kemudian memasukkan kad-kad tersebut ke dalam komputer sambil menunggu hasilnya. Kemudian muncul bahasa assembli. Selepas itu, muncul Fortran dan COBOL. Kemudian Java, Python, dan JavaScript. Setiap peningkatan tingkat abstraksi, ada yang berpendapat: ini bukan lagi pemrograman sejati. Para penulis assembli meremehkan penulis bahasa tingkat tinggi, dan penulis C merasa Python terlalu mudah. Namun, Boris berpendapat, apa yang berlaku hari ini pada dasarnya tidak berbeza. Manusia sekali lagi meningkatkan tingkat abstraksi pemrograman.

Dia menerangkan proses perubahan dalam kerjanya sepanjang tahun lalu. Pada awalnya, dia seperti kebanyakan pembangun lain: membuka IDE, menulis kod, dan kadang-kadang menggunakan pengisian automatik—ia adalah cara pembangunan perisian tradisional.

Selepas Claude Code muncul, cara kerjanya berubah menjadi: menggambarkan keperluan kepada Claude, meminta Claude menulis kod, dan bertanggungjawab sendiri untuk memeriksa serta memperbaiki. Pada peringkat ini, manusia masih secara langsung mengarahkan model. Hanya kod yang dihasilkan oleh model. Tetapi Boris percaya bahawa ini sebenarnya hanyalah satu peringkat peralihan.

Perubahan yang benar-benar menarik berlaku baru-baru ini. Katanya: Sekarang saya bahkan tidak lagi secara langsung meminta Claude. Pekerjaan saya telah berubah menjadi bentuk lain. Dia menulis pelbagai proses dan kitaran yang berjalan secara automatik. Kitaran-kitaran ini bertanggungjawab untuk mengajukan soalan kepada Claude, memecahkan tugas, mengurus konteks, dan mengkoordinasikan kerja antara beberapa contoh Claude.

Dengan kata lain: dahulu, manusia memberi arahan kepada Claude. Sekarang, program yang memberi arahan kepada Claude atas namanya. Dan pekerjaannya kini menjadi merekabentuk sistem-sistem automatik ini. Beliau merumuskan dengan satu pernyataan yang sangat ringkas: Pekerjaan saya kini menjadi menulis Loops.

Ternyata, Boris tidak hanya mengoutsource kod kepada Claude, tetapi juga mengautomatiskan proses itu sendiri—berkomunikasi dengan Claude. Ini bukan lagi model Copilot yang biasa kita kenal, tetapi lebih mirip sistem yang berjalan berterusan dengan beberapa Agent.

Boris menyebut bahawa pada November tahun lalu, beliau bahkan telah membuang IDE-nya. Sebabnya bukan sekadar tindakan simbolik, tetapi kerana beliau mendapati bahawa beliau tidak membuka IDE selama sebulan penuh. Oleh kerana tidak digunakan sama sekali, beliau memutuskan untuk membuangnya. Pada masa itu, beliau biasanya menjalankan lima hingga sepuluh contoh Claude secara serentak, dengan setiap Claude bertanggungjawab atas tugas yang berbeza, manakala beliau terutamanya bertugas mengawasi keseluruhan proses.

Kejuruteraan tidak menulis kod lagi, apa yang diperhatikan semasa merekrut?

Pada masa ini, pengerusi mengajukan satu soalan yang menarik: Jika seorang jurutera ingin menyertai Anthropic hari ini, bagaimanakah Anthropic akan menilainya? Atau: Di dunia yang semakin kurang menulis kod secara langsung, syarikat sebenarnya mencari orang macam apa?

Jawapan Boris hampir secara langsung membawa kepada perbincangan seterusnya mengenai bentuk organisasi. Beliau berkata, jenis orang yang paling disukai oleh pasukan Claude Code sebenarnya ialah: Generalist.

Sebabnya mudah: organisasi perisian masa lalu mempunyai pembahagian tugas yang sangat jelas—penyelidik pengguna bertanggungjawab memahami pengguna, reka bentuk bertanggungjawab merekabentuk produk, pengurus produk bertanggungjawab merancang keperluan, jurutera bertanggungjawab melaksanakan fungsi, dan setiap orang bekerja dalam peringkat masing-masing, seperti satu garis pengeluaran.

Namun, pasukan Claude Code telah menemui dalam enam bulan terakhir bahawa pembahagian tugas ini sedang runtuh dengan cepat. Setiap jurutera dalam pasukan hampir setiap hari melakukan pelbagai tugas yang sebelumnya tidak termasuk dalam lingkungan tanggungjawab 'jurutera'. Ada yang berkomunikasi terus dengan pengguna, ada yang mereka interaksi, ada yang mengambil data, menganalisis data, dan membina dashboard. Tiada siapa pun hanya fokus pada satu bahagian yang sempit.

Boris bahkan memberikan contoh yang lebih ekstrem: para reka bentuk Anthropic juga menulis kod, dan rakan sekerja kewangan juga menulis kod. Satya Nadella memanggil peranan ini sebagai "Builder". Istilah ini mungkin lebih tepat daripada "jurutera", kerana sempadan sebenar bukan lagi "adakah anda boleh menulis kod", tetapi "adakah anda mampu mewujudkan sesuatu dari idea menjadi kenyataan".

Dari perspektif Boris, AI tidak sekadar menggantikan pengaturcara, tetapi benar-benar mengubah hubungan antara pengetahuan dan pelaksanaan. Dahulu, seseorang tidak dapat memikul beberapa peranan secara serentak kerana kos pembelajaran terlalu tinggi. Kini, model terus mengurangkan kos perpindahan antara kemampuan-kemampuan tersebut. Oleh itu, orang yang paling unggul di masa depan mungkin bukanlah pakar paling mendalam dalam satu bidang tertentu, tetapi mereka yang mampu melintasi pelbagai bidang dengan cepat dan terus mengintegrasikan sumber daya.

Inilah sebabnya Boris percaya: kita sedang memasuki zaman keemasan bagi para Generalist. Bagi mereka yang bersedia melakukan banyak perkara, kini mungkin merupakan zaman terbaik dalam sejarah.

Anggota Staf Teknikal bukanlah gimmick, tetapi pra-pertunjukan masa depan

Pembawa acara mengalihkan topik dari produk ke budaya dan reka bentuk organisasi. Beliau memperhatikan bahawa gelaran Boris bukanlah “Pengarah Produk” atau “Pengarah Kejuruteraan”, tetapi Member of Technical Staff, dan ramai orang di Anthropic mempunyai gelaran yang sama. Beliau ingin tahu: Apakah kelebihannya? Adakah ada kekurangannya?

Boris sangat jujur. Dia mengatakan bahawa perkara paling buruk ialah: apabila anda menghantar mesej kepada seseorang di Slack yang memiliki gelaran MTS, anda tidak tahu sama ada orang itu adalah reka bentuk, jurutera, atau pengurus, atau apa projek yang sedang mereka kerjakan. Tetapi dia sangat menyukai gelaran itu.

Dia mengingat pengalaman di Meta. Semua jurutera perisian di Meta hanya mempunyai satu gelaran: Software Engineer, tanpa peringkat seperti senior atau principal. Pada mulanya dia tidak memahami, tetapi kemudian menyedari bahawa ini sebenarnya merupakan rekaan budaya. Jika anda memberikan gelaran "senior" kepada seseorang, orang lain akan malu untuk menentang idea buruknya kerana rasa hormat. Namun, dengan meletakkan semua orang dalam ruang yang kelihatan setara, ia memaksa semua orang bersaing berdasarkan idea mereka sendiri, bukan berdasarkan pengalaman.

Tentu, dia mengakui bahawa peringkat tidak benar-benar hilang hanya kerana gelaran tidak lagi ada. Anda tahu seseorang adalah L7, hanya sahaja gelarannya tidak ditulis. Tetapi yang menariknya, sering kali anda benar-benar tidak tahu.

Dia menceritakan kisah ketika bekerja sebagai jurutera L4 di Facebook. Dia mempunyai satu idea, terus mendekati VP yang bertanggungjawab atas connectivity dan berkata: "Ini idea saya, mari kita lakukan bersama." VP itu sama sekali tidak tahu tahap kedudukannya. Dia kemudian mendekati VP lain, tetapi gagal. Pada percubaan ketiga, berjaya. Mereka membentuk pasukan dan mula membangunkan produk.

Boris mengatakan bahawa sekarang dia melihat perkara yang sama setiap hari di dalam pasukan Claude Code. Jurutera berpengalaman 20 hingga 30 tahun malah perlu menghabiskan berbulan-bulan untuk "unlearn" — membuang kebiasaan lama yang sudah tidak lagi relevan. Sebaliknya, seorang graduan universiti baru masuk ke pasukan itu malah boleh mengajar dia cara menggunakan Claude Code dengan lebih baik, kerana generasi muda secara semula jadi berfikir dengan cara model.

Setiap model baru dikeluarkan, semua orang perlu menyesuaikan semula. Pengalaman pada zaman ini bukanlah akumulasi linear, dan terkadang malah menjadi beban.

Jadi, gelar yang kelihatan kabur seperti Member of Technical Staff, menurut Boris, adalah pra-penampilan kepada satu realiti yang akan datang: sempadan antara jurutera, PM, reka bentuk, dan penyelidik pengguna akan hilang pada akhir tahun. Daripada menerima perubahan ini secara pasif, lebih baik gunakan gelar untuk secara aktif mendorong semua orang ke dalam peranan yang sama: Builder.

Saran untuk semua pendiri: kurangkan perekrutan, lebih banyak terbitkan token

Pembawa acara meminta Boris memberikan nasihat yang lebih umum kepada para pendiri dan perusahaan dari perspektif Anthropic: Bagaimana organisasi seharusnya menyesuaikan sikapnya sebelum akhir 2026?

Kalimat pertama Boris sudah membawa kelucuan: “Berikan sebanyak mungkin token kepada semua orang.” Seperti perkataan terkenal Huang Renxun: “Semakin banyak yang anda beli, semakin banyak yang anda hemat.”

Ini bukan lawak. Dia serius. Cadangan spesifik yang dia berikan adalah dua perkara:

Pertama, berikan sebanyak mungkin token, supaya semua orang boleh mencuba secara giat.

Kedua, setiap projek sengaja "memberi sedikit orang". Jika anda rasa satu projek memerlukan empat jurutera, hanya letakkan dua orang, kemudian berikan mereka banyak token, biarkan mereka mencari cara sendiri. Anda akan mendapati, kemungkinan besar mereka benar-benar mampu melakukannya. Mereka akan mengautomatiskan segala perkara yang boleh diautomatiskan, dan kerana ia telah diautomatiskan, kali seterusnya ia akan lebih cepat dan lebih murah. Ini adalah kesan bunga berfaedah.

Pengendali merumuskan cadangan ini dengan sangat ringkas: gunakan lebih sedikit orang, dan alihkan anggaran dari gaji orang kepada token. Ini akan meningkatkan kos awal anda, tetapi secara besar-besaran mengurangkan kos berterusan. Seperti pre-compiling — anda menyelesaikan semua kerja kotor dan meletihkan sekali sahaja, dan setiap pelaksanaan ulangan selepas itu hampir percuma.

Boris menyatakan persetujuan penuh. Pemimpin sesi kemudian bertanya soal yang lebih tajam: Dahulu, orang sangat bangga dengan disiplin mereka sendiri. PM bangga dengan artikel produk yang mereka tulis, perancang bangga dengan portofolio indah mereka. Apakah dalam 12 bulan, semua orang harus melepaskan identitas diri mereka sebagai “saya adalah seseorang” dan berubah menjadi “tas fleksibel yang menghabiskan token”?

Boris berkata: "Saya mungkin akan menggunakan redaksi yang sedikit berbeza, tetapi... ya, lebih kurang seperti itu."

Selera juga akan dihakis oleh model? Yang tinggal akhirnya hanyalah “nilai-nilai”

Pengendali menyebut topik yang sebelumnya dibincangkan bersama Jared, ahli lain daripada Anthropic, dan ingin mendengar pandangan Boris: Bagaimana anda memahami ‘taste’ (selera)?

Jawapan Boris sangat jujur. Dia berkata, setiap kali dia merasa memiliki 'selera khas' dalam pemrograman, akhirnya semuanya terbukti salah.

Dulunya dia sangat menyukai pemrograman fungsional, seperti bahasa Haskell dan Scala. Di perpustakaan kod awal Claude Code, dia menetapkan satu peraturan: tidak dibenarkan menggunakan class, hanya function sahaja yang dibenarkan. Pada hujung minggu, jurutera secara sembunyi-sembunyi menghantar kod yang mengandungi class, dan pada hari Isnin ia ditolak olehnya. Kemudian, apabila model mula menulis kod dalam skala besar, model terus menulis class. Selepas memerhati selama beberapa ketika, akhirnya dia berkata: "Baiklah, mungkin model itu betul. Mungkin kegigihan saya ini sebenarnya tidak bermakna apa-apa. Hasil perniagaan telah dicapai, lebih pantas, dan kodnya pun tidak buruk."

Kemudian dia membuat satu spekulasi yang lebih berani. Sekarang semua orang selalu berkata, "Selera produk adalah alpha terakhir." Tetapi dia percaya, alpha semacam ini juga sedang cepat hilang.

Dia kini sudah menjalankan ratusan contoh Claude secara serentak. Sebahagian sedang memantau umpan balik Twitter, sebahagian memeriksa isu GitHub, sebahagian memantau Slack, dan secara automatik menganalisis fungsi apa yang perlu dibangunkan seterusnya. Kebanyakan idea pada masa ini masih buruk, kira-kira 20% adalah baik. Tetapi apabila model seterusnya tiba, dan selepas 3 hingga 6 bulan lagi — kebanyakan idea mungkin akan menjadi baik.

Pembawa acara menanyakan lanjutan: Jadi, apakah masih ada sesuatu yang unik bagi manusia? Adakah sesuatu yang tidak akan pernah dapat dilakukan oleh model?

Boris berfikir sebentar, lalu berkata: nilai.

Dia berkata, pada akhirnya, apa yang kita ajarkan kepada model adalah perkara yang sama seperti yang kita ajarkan kepada kanak-kanak: bagaimana menjadi keberadaan yang baik. Bagaimana melakukan perkara yang betul, bukan sekadar menyelesaikan perkara dengan betul.