sayzardNathan One (@Nathanone)
AI 모델 자체보다 실제 제품화에서 더 큰 병목은 플러밍이라는 점을 지적한다. 아마존 경험을 예로 들며, 핵심 과제에서 모델이 95% 수준에 도달한 뒤에도 컨텍스트 레이어, 데이터 레이어, 권한 레이어 등 주변 시스템 작업에 예상보다 훨씬 많은 시간이 소모된다고 말한다.
Nathan One (@Nathanone) on X
@mattshumer_ @arielplk the models aren't the messy middle, the plumbing is. ive watched this at amazon, the model gets to 95% on the core task, and then the six months you thought it would take gets eaten by the context layer, the data layer, the permission layer, the "whose definition of 'customer' do