La maestria nell'IA di Yoichi Ochiai: aumentare la "velocità di rotazione" dell'impegno

Non Delegare lo Sforzo all'IA, ma Aumentare la "Velocità di Rotazione" dello Sforzo

L'IA generativa ti permette di produrre risultati senza sforzo.

L'IA scrive testi.

L'IA crea immagini.

L'IA riassume documenti.

L'IA implementa codice.

L'IA gestisce la raccolta di informazioni.

Visto così, l'IA sembra una macchina per ridurre lo sforzo.

Tuttavia, analizzare l'utilizzo dell'IA di Yoichi Ochiai rivela un quadro completamente diverso.

Lui non sta usando l'IA per ridurre la quantità di pensiero.

Sta aumentando le ipotesi che può testare, l'ambito che può indagare, i prototipi che può costruire e la velocità con cui passa dal fallimento al tentativo successivo, tutto nello stesso lasso di tempo.

Non si tratta di completare facilmente un singolo compito con l'IA.

Si tratta di rendere possibile rifare un compito dieci o cento volte, quando prima si concludeva dopo un solo tentativo.

In altre parole, ciò che lui amplifica con l'IA non è il talento in sé, ma la velocità di rotazione dello sforzo.

Nella sua dichiarazione d'artista ufficiale del 2023, Ochiai ha notato di aver continuato dialoghi con modelli linguistici di grandi dimensioni dalla mattina alla sera per circa due mesi. Nel 2025, è stato introdotto un flusso di lavoro in cui lanciava simultaneamente più IA come ChatGPT, Gemini, Grok e Claude, assegnando loro compiti come ricerca, generazione di immagini e implementazione per processo. Inoltre, nel 2026, non si è limitato a usare servizi IA esistenti; ha rilasciato agenti di codifica come "vibe-local", che funziona offline, e "co-vibe", che attraversa più fornitori di IA.

Questo non è il comportamento di qualcuno che "risparmia tempo con l'IA" come generalmente immaginato.

Parlare con l'IA per ore.

Confrontare più modelli.

Rifare gli output molte volte.

Progettare l'ambiente di utilizzo stesso.

Costruire strumenti da solo se ci sono parti opache.

Verificare ulteriormente gli strumenti costruiti con l'IA.

Collegare alla ricerca, alle opere, allo spazio e al corpo.

Lungi dall'eliminare lo sforzo con l'IA, si sta imponendo più prove di prima usando l'IA.

Il termine "Genio dello Sforzo" usato in questo articolo non è un titolo che lui rivendica per sé. È un termine usato qui per descrivere la struttura del lavoro vista dalle dichiarazioni pubbliche, dagli scritti, dalle opere e dal software rilasciato di Yoichi Ochiai. Il suo profilo ufficiale lo descrive come un media artist, un professore all'Università di Tsukuba, un professore associato all'Università di Tokyo e il produttore del progetto tematico per l'Expo 2025 di Osaka/Kansai.

Inoltre, non tutti i registri delle conversazioni con l'IA di Ochiai o i registri del lavoro quotidiano sono pubblici. Quella che segue è un'analisi del design dello sforzo dietro le sue azioni, basata su esempi disponibili pubblicamente.

1. Per Yoichi Ochiai, lo Sforzo Non è "Soffrire a Lungo"

Quando le persone sentono la parola sforzo, molti immaginano resistenza.

Stare seduti alla scrivania nonostante il sonno.

Continuare anche se è doloroso.

Leggere quantità enormi di testo.

Praticare la stessa cosa più e più volte.

Lavorare più a lungo degli altri.

Naturalmente, ci sono lavori che richiedono perseveranza e pazienza. Tuttavia, spiegare il lavoro di Ochiai solo con la quantità di tempo lavorato manca l'essenza. La sua forza non sta solo nell'aumentare il volume dello sforzo, ma nell'aumentare la quantità di informazioni ottenute da un singolo sforzo.

Invece di chiedere a una sola IA sullo stesso tema, lo lancia a più IA simultaneamente. Invece di pensare solo in testo, lo trasforma in immagini. Invece di guardare solo le immagini, le trasforma in prototipi in movimento. Invece di finire solo un prototipo, lo sposta nello spazio fisico. Se si verifica un problema, non lo risolve solo a mano; cambia gli strumenti o i sistemi in modo che non accada di nuovo.

Questo modo di lavorare può essere catturato dalla seguente formula:

Qualità dei Risultati = Qualità dell'Indagine × Numero di Prove × Potere di Verifica × Velocità di Implementazione × Feedback dalla Realtà

L'IA generativa aumenta significativamente il numero di prove e la velocità di implementazione. Tuttavia, non aumenta automaticamente la qualità dell'indagine, il potere di verifica o il feedback dalla realtà. In effetti, con l'aumento dell'output, aumenta la quantità di giudizio richiesto: cosa credere, cosa scartare e dove intervenire. Lo sforzo dopo l'IA si sposta dal compito di inserire carattere per carattere al compito di scegliere continuamente direzioni.

L'utilizzo dell'IA in stile Ochiai non riguarda l'annullamento dello sforzo. Riguarda lo spostamento del luogo dello sforzo dalla ripetizione a basso valore al giudizio ad alto valore.

2. Non Aprire l'IA Solo Dopo Aver Creato una Domanda Perfetta

Le persone che hanno difficoltà con l'IA spesso cercano di rendere perfetto il primo prompt. Sentono di dover scrivere lo scopo, organizzare le condizioni, specificare i ruoli e decidere i formati di output. Mentre pensano, diventa un peso, e alla fine non usano l'IA.

Il metodo di Ochiai è l'opposto. In un estratto del libro del 2025 "Generative AI Even a Cat Can Understand", viene introdotto che se non sai come usare l'IA, dovresti chiedere all'IA stessa come usarla, parlarle a voce per prenderne confidenza, e se restituisce una risposta diversa dalla tua speranza, far intervistare l'utente dall'IA. Il punto chiave qui è non completare la "preparazione della domanda" da soli umani.

Ad esempio, supponiamo che tu stia pensando a un nuovo progetto ma non riesca a verbalizzare lo scopo da solo. Normalmente, proveresti a organizzarlo da solo prima di consultare l'IA. Tuttavia, potresti iniziare così:

Sto pensando a un nuovo progetto, ma non sono ancora riuscito a verbalizzare lo scopo da solo. Per favore, fammi una domanda alla volta per chiarire il pubblico di destinazione, il problema da risolvere, le risorse disponibili e le cose da evitare. Se ci sono contraddizioni nelle mie risposte, per favore, segnalale sul momento.

Poi, il dialogo con l'IA stessa diventa la definizione dei requisiti. Chi vuoi raggiungere? Perché lo stai facendo? Quali sono le alternative attuali? Qual è il budget? Cosa costituisce un fallimento? Quali parti sono negoziabili? Non dai un'istruzione completata all'IA; completi l'istruzione attraverso la conversazione con l'IA.

Questa differenza è enorme. Se provi a creare prima un prompt perfetto, puoi solo scrivere nell'ambito di ciò che già capisci. Facendo fare domande all'IA, puoi notare condizioni a cui non hai ancora pensato. L'IA diventa un dispositivo di interrogazione per scoprire l'ambiguità umana oltre che una macchina per rispondere. Un genio dello sforzo non è qualcuno che ha l'indagine corretta dall'inizio, ma qualcuno che può iniziare in uno stato ambiguo e aumentare la risoluzione dell'indagine mentre interagisce.

3. Cattura Prima a Voce Ciò che Ti Viene in Mente

Il pensiero umano non si presenta necessariamente sotto forma di frasi. Potresti pensare che qualcosa sembri interessante, o una conversazione di ieri si collega a un'immagine vista oggi. Potresti avere una sensazione di disagio inspiegabile o un'immagine senza nome. Cercare di scrivere frasi in questo stato blocca il pensiero. Finisci per modificare—correggere la prima frase, controllare i significati delle parole, aggiungere contesto o riordinare la logica. Dovevi registrare idee, ma a metà si è trasformato in editing.

Nel 2023, Ochiai ha scritto di un metodo per completarsi digitalmente combinando lo strumento di riconoscimento vocale Whisper con GPT-4. Ha affermato che il contesto delle idee può essere integrato in seguito, permettendo di reindirizzare il tempo speso per la spiegazione a pensare più avanti. Questa è una tecnica di presa di appunti molto potente per l'era dell'IA. Negli appunti normali, registrazione e editing avvengono simultaneamente. Nello stile Ochiai, questi due sono separati.

Prima, parla senza fermare il pensiero. "Sento che questo e quello sono simili." "Non so perché, ma sono curioso." "Cosa succederebbe se creassi un'immagine come questa?" "Forse la premessa è sbagliata." "Questo contraddice ciò che ho pensato prima, ma..." Non devi correggere la grammatica o preoccuparti dell'ordine. Successivamente, fai categorizzare la trascrizione all'IA in:

• Fatti osservati
• Interpretazioni personali
• Ipotesi non verificate
• Idee per la produzione o la ricerca
• Elementi da indagare successivamente
• Parti in cui manca la spiegazione
• Dichiarazioni contraddittorie

Poi, l'umano aggiunge contesto ai risultati organizzati dall'IA. In questo ordine, la fase creativa non è ostacolata dalla capacità di scrittura. Puoi mantenere la velocità del pensiero e restituirlo in una forma spiegabile in seguito. L'IA può essere usata come un buffer per evitare di perdere pensieri che non sono ancora diventati parole. Tuttavia, quando si registra la voce, è necessario controllare che non includa conversazioni di altri, informazioni riservate o dati personali. Non invii tutto all'IA; con l'aumento della velocità di registrazione, diventa più importante gestire i confini di quali informazioni possono essere inserite.

4. Non Fidarti di una Sola IA; Esegui Più IA Simultaneamente

Simbolico dell'utilizzo dell'IA di Ochiai è il funzionamento parallelo di più modelli. In un articolo PIVOT di fine 2025, è stato introdotto che quando inizia un nuovo progetto o ricerca, lancia simultaneamente ChatGPT, Gemini, Grok e Claude e utilizza funzioni di deep research per indagare le informazioni di base tutte insieme. Il valore di questo non è solo che la quantità di informazioni quadruplica. Ogni modello ha punti di forza diversi nell'organizzazione, nelle informazioni consultate, nella cautela e nello stile di scrittura.

Anche con la stessa domanda, uno potrebbe enfatizzare il lato istituzionale, un altro quello tecnico, un altro muoversi verso previsioni future e un altro fornire molte opinioni opposte. La cosa importante non è fare la media delle quattro risposte, ma guardare dove le risposte sono in conflitto. Le parti coerenti potrebbero essere informazioni relativamente stabili. Un punto sollevato da una sola IA potrebbe essere una nuova scoperta. Se i numeri differiscono, potrebbero esserci differenze nel periodo di riferimento o nella definizione. Se le citazioni differiscono, devi tornare alle fonti primarie.

Usare una sola IA come un capo la trasforma in una scelta binaria di adottare o rifiutare la risposta. Usare più IA come un team di ricerca ti permette di scontrarle tra loro. Ad esempio, puoi dividere i ruoli: far creare a una una spiegazione standard, a un'altra trovare controesempi in cui la spiegazione standard non regge, a una terza raccogliere solo fonti primarie, a una quarta stimare ostacoli e costi di implementazione e a una quinta tradurre il tutto in un linguaggio comprensibile agli utenti normali.

A luglio 2026, alcune funzioni di deep research possono includere non solo ricerche web ma anche file autorizzati dall'utente, documenti sul cloud ed e-mail come obiettivi di ricerca. Gli agenti di codifica sono progrediti fino a leggere codebase, modificare più file ed eseguire comandi. In questa situazione, decidere una volta "quale IA è la più intelligente" non ha molto senso. I modelli vengono aggiornati, i prezzi cambiano e le aree di competenza si spostano. Ciò che conta non è la fedeltà a un marchio specifico, ma decomporre il lavoro e posizionare l'abilità che si adatta a quel lavoro.

5. Non Lasciare che una Singola Chat Gestisca Tutto, dalla Pianificazione al Completamento

Chiedere a un'IA di "pianificare un nuovo prodotto, fare ricerche, progettarlo, scrivere copy promozionali e implementarlo" sembra efficiente. Tuttavia, se procedi con tutti i passaggi nella stessa conversazione, è probabile che l'ipotesi che l'IA ha creato per prima venga trattata come un fatto nei passaggi successivi. L'IA crea un piano basato su un'ipotesi di mercato che ha fatto da sola, poi scrive un copy presupponendo che quel piano sia corretto e infine valuta il piano stesso. È coerente internamente, ma quella coerenza potrebbe essere il risultato del trasporto dell'ipotesi iniziale attraverso tutti i passaggi.

Nel flusso di lavoro pubblico di Ochiai, usa strumenti diversi per ogni passaggio: più modelli linguistici per la raccolta di informazioni, Midjourney o Stable Diffusion per la visualizzazione dei concetti e Cursor per l'implementazione. Questo metodo ha due vantaggi. Uno è poter usare l'IA più adatta per ogni passaggio. L'altro è poter inserire il giudizio umano tra i passaggi. Leggi i risultati della ricerca e un umano sceglie un'ipotesi. Crei un'immagine basata sull'ipotesi scelta. Guardi l'immagine e correggi la direzione. Traduci la direzione corretta in una specifica. Dai la specifica a un'IA di generazione di codice. Un umano prova il prodotto in movimento e trova problemi. In altre parole, non colleghi direttamente il lavoro dell'IA all'IA; inserisci porte di selezione in mezzo. A queste porte, un umano decide cosa tenere e cosa scartare. Astrarre il flusso di lavoro in stile Ochiai appare così:

Ricerca → Selezione di ipotesi umana → Visualizzazione → Correzione di direzione umana → Implementazione → Test in ambiente reale → Valutazione umana → Nuova ricerca

Le persone con un utilizzo superficiale dell'IA cercano di ricevere un prodotto finito dall'IA. Le persone con un utilizzo profondo dell'IA tagliano il processo in passaggi fini e riconfigurano l'assegnazione di IA e umani in ogni passaggio.

6. Deep Research Non è una Funzione per Creare "Risposte"

La deep research trova quantità enormi di materiale in breve tempo, li confronta e li riassume in lunghi rapporti con citazioni. Nel febbraio 2025, Ochiai ha introdotto sul suo note che, come risultato di un test di deep research, è stato generato in una volta un output di circa 25.000 caratteri che attraversava Digital Nature, Ontologia Orientata agli Oggetti, Postumanesimo e i padiglioni dell'Expo. Guardando solo questo, si potrebbe pensare "la ricerca finisce se lasci scrivere 25.000 caratteri all'IA". Tuttavia, un lungo testo generato e un contenuto corretto sono cose diverse.

L'IA può creare citazioni inesistenti. Può confondere ricercatori o articoli con lo stesso nome. Può collegare fatti e congetture con frasi fluide. Può spiegare vecchi numeri come se fossero attuali. I materiali che riassumono i workshop di Ochiai-juku affermano anche che mentre l'IA può accelerare la ricerca di letteratura, l'analisi e la costruzione di ipotesi, l'accuratezza dell'output e la validità delle citazioni devono essere verificate dagli umani. Pertanto, ciò che dovrebbe essere richiesto alla deep research non è "dimmi la verità", ma compiti come:

• Quali punti sono inclusi in questo tema?
• Quali sono le fonti primarie importanti?
• Dove divergono le opinioni tra i ricercatori?
• Quanti tipi di definizioni esistono per i numeri?
• Quali affermazioni non sono verificate?
• Quali materiali dovrebbero essere controllati in aggiunta?

In breve, il ruolo principale della deep research è creare una mappa di ricerca. È un umano che controlla effettivamente le strade disegnate sulla mappa. Per aumentare l'accuratezza della ricerca, è bene richiedere i seguenti output all'IA:

• Separare fatti, congetture e previsioni.
• Allegare fonti per ogni affermazione.
• Separare la data di pubblicazione della fonte e il periodo di riferimento dei dati trattati.
• Distinguere tra fonti primarie e secondarie.
• Dichiarare chiaramente gli elementi che non possono essere confermati.
• Fornire controprove in una colonna separata.
• Se i numeri differiscono tra più materiali, stimare la ragione della differenza.

Il tempo risparmiato dalla deep research non dovrebbe essere usato direttamente per altri lavori. Reinvesti parte del tempo risparmiato nella verifica. Questa è la responsabilità degli umani che gestiscono quantità massive di informazioni con l'IA.

7. I Prompt Lunghi Non Sono una Gara a Scrivere Testi Lunghi

In un workshop per studenti delle scuole medie e superiori nel 2024, è stato introdotto che Ochiai consigliava di rendere i prompt lunghi e specifici, e che all'IA non dispiace che le si chieda di rifare le cose molte volte. I partecipanti hanno creato "storie ambientate nell'anno 2300" con ChatGPT e le hanno espanse in storyboard usando l'IA generativa. Tuttavia, le parole "più lungo è meglio" non dovrebbero essere prese alla lettera. Scrivere quantità massive di informazioni irrilevanti rende le istruzioni ambigue. Il valore non è nella lunghezza in sé, ma nel mettere premesse che erano solo nella testa umana in una forma che l'IA possa gestire.

Nel 2024, Ochiai ha scritto della possibilità di portare concetti astratti e strutture orientate agli oggetti nei prompt man mano che aumenta la quantità di informazioni che possono essere inserite. Aggiorna anche le sue istruzioni personalizzate in base al supporto di ricerca di ChatGPT. Ciò che si vede qui non è un atteggiamento di ricerca di un "prompt divino" una tantum, ma un atteggiamento di aggiornamento del sistema di istruzioni stesso in base al lavoro. Un prompt profondo ha almeno i seguenti elementi:

• Scopo: Cosa vuoi decidere alla fine questa volta?
• Contesto: Perché questo lavoro è necessario?
• Ciò che è attualmente noto: Fatti confermati, storia passata, risorse disponibili.
• Ciò che non è noto: Elementi non confermati, definizioni ambigue, informazioni contrastanti.
• Vincoli: Budget, scadenza, diritti, divieti, pubblico di destinazione.
• Criteri di valutazione: Quali criteri determinano un buon output?
• Processo di lavoro: Come dividere ricerca, ideazione, confronto, implementazione e verifica.
• Permessi degli strumenti: Cosa permettere, come ricerca, visualizzazione di file o esecuzione di codice.
• Condizioni di arresto: A che punto fermare l'esecuzione automatica e controllare con un umano.
• Formato di output: Visualizzare fatti, ipotesi, proposte ed elementi non confermati separatamente.

Questa è più una specifica per un piccolo lavoro che un prompt. Nell'era dell'IA, la capacità di scrivere testo e la capacità di progettare sistemi convergono. Non si tratta di scrivere una "richiesta intelligente", ma di descrivere lo scopo, lo stato, i vincoli e i criteri di giudizio in una forma che l'IA possa elaborare. I prompt lunghi in stile Ochiai non riguardano l'aumento delle parole, ma il passaggio di pensiero strutturato.

8. La Prima Risposta Non è un "Prodotto Finito", ma Materiale per l'Esplorazione

Le persone che iniziano a usare l'IA giudicano in base alla prima risposta. Se è buona, la adottano; se è cattiva, pensano "l'IA è inutile". Tuttavia, ciò che si vede dagli esempi pubblici di Ochiai è un atteggiamento di non trattare il primo output come un prodotto finito. Stratifica i dialoghi. Tira fuori i dettagli. Cambia formato. Lancialo a un'altra IA. Trasformalo in un'immagine. Trasformalo in codice. Muovilo effettivamente. Se sorgono problemi, cambia di nuovo le istruzioni. Nel 2023, Ochiai ha scritto che procedendo con il dialogo per fasi, emergono i dettagli, rendendo più facile espandersi dal linguaggio naturale al codice, alle immagini e alla voce.

La più grande caratteristica dell'IA non è essere in grado di dare la risposta corretta dall'inizio, ma che il costo sociale del rifare è basso. Se chiedi a un designer umano cento revisioni senza motivo, la relazione si rompe. Se fai rifare a un impiegato lo stesso documento molte volte per capriccio, gli togli tempo e motivazione. L'IA non si stanca, non importa quante volte cambi la stessa richiesta. Ecco perché quando si usa l'IA, invece di forzare revisioni prive di significato sugli umani, puoi aumentare la quantità di esplorazione nella fase dell'IA. Tuttavia, ripetere solo "fallo meglio" raggiungerà un limite. Ciò che serve è registrare il motivo della revisione:

• Questo piano si applica a chiunque.
• Questa immagine ha una composizione debole, non il colore.
• Questo codice funziona ma è difficile da mantenere.
• Questo testo è corretto ma manca della mia esperienza.
• Questo progetto è interessante ma non ha un esecutore.

Restituire il motivo del rifiuto all'IA diventa la condizione della generazione successiva. Quindi, il sistema di istruzioni diventa più intelligente a ogni iterazione. Lo sforzo non è ripetere lo stesso compito molte volte, ma convertire ogni fallimento nella condizione successiva.

9. Usa il Linguaggio Naturale come Linguaggio di Implementazione

Ochiai ha notato presto che l'IA generativa riduce la distanza tra il linguaggio naturale e i linguaggi di programmazione. In un pezzo del 2023, ha sostenuto che l'avvento del riconoscimento vocale e di ChatGPT rende più facile convertire dal linguaggio naturale al codice, permettendo di creare output diversi come video, musica e testo attraverso le parole. Questa non è una storia semplice di "essere in grado di creare qualsiasi cosa senza saper programmare". Piuttosto, l'importanza della capacità di verbalizzare i requisiti aumenta:

• Cosa inserire?
• Quali dati usare?
• Qual è l'ordine di elaborazione?
• Come agire in caso di errore?
• Cosa mostrare all'utente?
• Cosa può essere salvato?
• Quali condizioni devono essere soddisfatte per il completamento?

In precedenza, tali design venivano scritti come codice. Ora, parte di ciò può essere trasmesso all'IA in linguaggio naturale. Tuttavia, se passi un linguaggio naturale ambiguo, ottieni un programma ambiguo. Pertanto, con il progredire della codifica con l'IA, il potere di scoprire contraddizioni nelle specifiche diventa più importante della velocità di scrittura del codice. Nel 2026, PIVOT ha introdotto l'uso dell'IA di Ochiai in un cortometraggio intitolato "Productivity is 32x". Tuttavia, le condizioni di calcolo come i compiti target, il periodo di confronto e la valutazione della qualità non possono essere confermate dalla sola pagina pubblica. È appropriato prendere questo numero come un'espressione simbolica che la codifica con l'IA ha cambiato significativamente la velocità di implementazione, piuttosto che un indice di produttività aziendale rigoroso.

In effetti, anche se il numero di righe di codice diventa 32 volte, il valore non diventa necessariamente 32 volte. Anche i bug potrebbero diventare 32 volte. Anche il codice da verificare aumenta. Anche l'ambito di impatto durante i cambiamenti delle specifiche si amplia. C'è la possibilità di creare quantità massive di funzioni inutilizzate. Il vero risultato della codifica con l'IA dovrebbe essere misurato dal tempo dall'ipotesi al prototipo, dal tempo per ottenere una reazione dagli utenti, dal tempo per trovare, correggere e ripubblicare i problemi e dal numero di idee effettivamente testate che prima non potevano essere testate a causa dei costi.

10. Non Usare Solo l'IA Comoda; Costruisci gli Strumenti per Usare l'IA

Particolarmente simbolici dell'ultimo utilizzo dell'IA di Ochiai sono "vibe-local" e "co-vibe". Vibe-local è rilasciato come un agente di codifica open source che utilizza Python e un ambiente di esecuzione LLM locale, permettendogli di funzionare senza connessione di rete o servizi cloud a pagamento. È progettato attorno a un singolo file Python e destinato all'uso in educazione, ricerca e workshop offline. Co-vibe ha un meccanismo per attraversare più fornitori come Anthropic, OpenAI, Groq e modelli locali, distribuendo i compiti in base alla complessità. È progettato per gestire ricerche web, operazioni sui file, codifica, esecuzione parallela di più agenti e continuazione della sessione in un unico ambiente terminale.

Ciò che si vede da questi due è un atteggiamento di non accettare i servizi esistenti così come sono. Ci sono ambienti che non possono connettersi al cloud. Gli studenti non possono abbonarsi a servizi a pagamento. Non vuole dipendere da un unico fornitore di IA. Vuole controllare cosa è successo internamente. Vuole connettersi con apparecchiature di ricerca. Vuole continuare lunghi compiti di ricerca. Per tali insoddisfazioni, invece di continuare a cercare altri prodotti, costruisce l'ambiente necessario. Lo sforzo nativo dell'IA non riguarda solo l'ideare prompt. Riguarda l'eliminazione di inconvenienti ricorrenti migliorando gli strumenti. C'è un compito che richiede cinque minuti al giorno. Se continuato manualmente ogni giorno, diventa una grande quantità di tempo in un anno. Una volta creato uno script, il giorno successivo non richiede quasi tempo. Inoltre, se quello script viene incorporato in un agente IA in modo che possa giudicare automaticamente lo stesso tipo di compito, può essere utilizzato per altri lavori. Un genio dello sforzo non è qualcuno che gestisce rapidamente il compito davanti a sé, ma qualcuno che trova parti che non richiedono sforzo dalla prossima volta e passa a un nuovo sforzo per quella quantità.

11. Non Usarlo Comodamente Mentre è una Scatola Nera

Gli strumenti IA diventano più difficili da vedere all'interno man mano che diventano più comodi. Inserisci istruzioni, aspetti un po' e il prodotto finito esce. L'utente non sa quale modello è stato usato nel mezzo, quante volte ha fallito, cosa ha cercato o quali file ha modificato. Per lavori semplici, potrebbe andare bene. Tuttavia, in lavori in cui l'impatto del fallimento è grande, come la ricerca, i sistemi aziendali, le informazioni personali o il controllo delle apparecchiature, devi essere in grado di controllare "perché è diventato così" in seguito.

Il documento di posizione di Co-vibe valuta positivamente il supporto AI commerciale per la programmazione, ma afferma che l'opacità diventa un problema per la ricerca e che è necessaria una struttura in grado di tracciare le chiamate API, la selezione del modello e l'esecuzione degli strumenti. Richiede inoltre, come requisito di progettazione, la possibilità di passare da modelli locali a modelli cloud senza essere vincolati a un unico fornitore di AI. Questa è una caratteristica importante dell'utilizzo dell'AI in stile Ochiai. Non usare l'AI come magia; usala come un dispositivo osservabile. Quale istruzione ha fallito? Quante volte ha ripetuto? Quale modello ha gestito cosa? Quanto è costato? Quali file sono stati modificati? Quanti test ha superato? Dove ha approvato un umano? Se tutto questo può essere registrato, il fallimento diventa riproducibile. Un fallimento riproducibile può essere migliorato. Al contrario, uno stato di "in qualche modo ha funzionato questa volta" non può essere riprodotto nel lavoro successivo. Non c'è bisogno di leggere i pensieri non pubblici all'interno dell'AI. Ciò che serve è una cronologia di azioni verificabili come materiali cercati, operazioni eseguite, differenze di modifica, risultati dei test, costi e tempi di elaborazione. Più si affida il lavoro all'AI, più non si devono trascurare i log. Non guardare solo al prodotto; salva il processo fino alla realizzazione del prodotto. Questa è la base per addestrare l'AI come strumento.

12. Nella Creatività, Non Far Obbedire l'AI Troppo alle Parole Umane

Quando si usa l'AI per il lavoro, è importante che si muova secondo l'intenzione dell'utente. Tuttavia, nella creazione, le cose sono diverse. Se esce solo ciò che l'umano ha immaginato, il senso di usare l'AI è scarso. Se la forma finale è già nella testa, l'umano dovrebbe semplicemente realizzarla in quel modo. Il valore dell'AI sta nel produrre a volte connessioni che l'utente non si aspettava. Ochiai è stato presentato come colui che valutava la natura "letteraria" di GPT-4.5 all'epoca, che non si limitava a incastrarsi in forme logiche ma saltava tra parole e simboli. Questa non è una valutazione universale della superiorità del modello, ma un atteggiamento di cercare di usare l'AI che produce connessioni imprevedibili per la creazione.

In un altro pezzo, Ochiai ha categorizzato la creazione con l'AI in casi in cui l'umano controlla tutto, casi in cui è lasciata completamente alla generazione automatica e casi in cui l'umano esegue solo selezione e messa a punto basandosi sulla generazione dell'AI, esaminando le contraddizioni intermedie. Se l'umano aggiusta troppo finemente, si perdono le deviazioni specifiche dell'AI; se è completamente automatico, il desiderio creativo umano è difficile da soddisfare. Ciò che ne deriva non è un "prompt per far creare all'AI un buon lavoro", ma una tecnica di editing su quanta imprevedibilità dell'AI lasciare. Ad esempio, supponiamo che appaia una forma strana in un'immagine creata dall'AI. Normalmente, la cancelleresti come un difetto. Tuttavia, se c'è una nuova impressione in quella stranezza, puoi anche adattare la composizione generale a quella forma. Se concetti che normalmente non si collegano sono allineati in un testo creato dall'AI, potresti tagliarli come privi di significato. D'altra parte, un umano può pensare al perché quei due sono stati allineati e trasformarlo in una nuova indagine. Nel video "Liquid Universe" di Ochiai, l'immagine del cristallo liquido incrinato che cambia fluidamente è stata prodotta da AI generativa. Nell'esposizione del 2025, è stata adottata una configurazione in cui il video dell'AI generativa cambia costantemente e immagini di vita marina e statue di draghi nascono e scompaiono. L'AI non sta sostituendo completamente la mano dell'autore. L'umano progetta il metodo di generazione, i materiali, i dispositivi di visualizzazione, lo spazio, il tempo, i cambiamenti da lasciare e la distanza dal pubblico. Lo sforzo umano nella creazione si sposta dal disegnare tutto a mano al dare confini a cose che continuano a essere generate.

13. Porta l'AI Fuori dallo Schermo della Chat e Collegala allo Spazio e al Corpo

Per molte persone, l'AI è all'interno di un browser. Inserisci una domanda e il testo torna indietro. Ma l'utilizzo dell'AI di Ochiai non rimane sullo schermo. Nel suo ambiente di lavoro mobile, viene introdotto che usa Apple Vision Pro come "cuffie per la vista" per bloccare le informazioni visive circostanti ed espandere un enorme schermo virtuale. È un'idea di ricostruire il proprio ambiente di concentrazione anche sullo Shinkansen. Nell'esposizione "null²" dell'Expo di Osaka/Kansai, l'AI non restituiva solo testo; era collegata all'alter ego dell'utente, alla voce, al video e alla produzione spaziale. In Mirrored Body, è stato adottato un meccanismo per creare un avatar AI facendo registrare agli utenti informazioni e voci, collegandolo alla produzione del padiglione. Inoltre, parte della tecnologia 3D per avatar reali utilizzata lì è stata rilasciata come open source dopo l'Expo.

C'è un grande suggerimento qui per comprendere l'utilizzo dell'AI. Usare l'AI non significa solo richiedere lavoro da una chat. Cambia ciò che l'umano vede. Cambia lo spazio in cui l'umano si trova. Usa i movimenti del corpo come input. Usa la voce come interfaccia. Muovi dispositivi reali. Cambia l'espressione in base alla reazione del pubblico. Progetta l'AI come parte dell'ambiente. Certo, non tutti hanno bisogno di preparare costosi visori o attrezzature espositive su larga scala. Ciò che dovrebbe essere trasferito è il principio, non l'attrezzatura. Blocca le notifiche che ostacolano la concentrazione. Rendi possibile chiamare sempre l'AI dallo stesso ambiente di lavoro. Consolida voce, foto, documenti e codice in un unico progetto. Crea modelli per le istruzioni usate frequentemente. Restituisci i risultati del lavoro reali all'AI. Crea prima l'ambiente in cui avviene la concentrazione, in modo che gli umani non debbano concentrarsi con la forza di volontà ogni volta. Le persone che possono mantenere lo sforzo non sono solo volitive; stanno creando un ambiente intorno a loro in cui lo sforzo è facile.

14. Più Avanza l'Era dell'AI, Più Valore Ha la Vecchia Esperienza Manuale

Si pensa spesso che per padroneggiare l'AI sia sufficiente conoscere gli strumenti più recenti. Tuttavia, Ochiai sottolinea il valore dell'esperienza "da vecchio analogico" — aver scritto codice a mano, compreso i meccanismi e attraversato i cambiamenti tecnologici. Anche se l'AI genera codice o testo, se non si comprende la struttura interna, non si può giudicare la causa quando si verifica un problema. Se hai esperienza di aver mosso le mani da solo, puoi notare rapidamente segni di difetti o posizioni di errori. Questa non è una semplice storia di persone più anziane superiori alla generazione più giovane. Ciò che conta non è l'età, ma se hai sperimentato tu stesso i processi di base. Chi ha riscritto testi molte volte probabilmente noterà connessioni logiche innaturali nei testi dell'AI. Chi ha esperienza di fotografia può notare contraddizioni nelle sorgenti luminose o nelle espressioni dell'obiettivo nelle immagini generate. Chi ha eseguito il debug di programmi probabilmente individuerà codice pericoloso solo al momento dell'esecuzione. Chi ha letto articoli scientifici può sentire disagio per citazioni che sembrano esistere ma non esistono. Chi ha gestito il servizio clienti può immaginare perché un flusso di lavoro ideale creato dall'AI non possa essere utilizzato sul campo.

L'AI aumenta la velocità di output dei principianti. Tuttavia, non trasforma automaticamente un principiante in un esperto. Per valutare se un output è corretto, è necessario un senso di quel campo. Pertanto, imparare nell'era dell'AI non significa omettere tutte le basi. Significa sperimentare i compiti di base il numero necessario di volte e accelerare le successive ripetizioni massive con l'AI. Solo perché esistono le calcolatrici non significa che non si debba imparare il significato dei numeri. Solo perché esiste l'AI per la traduzione non significa che non si debbano conoscere le differenze culturali nel linguaggio. Solo perché esiste l'AI per la programmazione non significa che non si debbano comprendere dati, permessi, test e sicurezza. La sola alfabetizzazione all'AI non può sostituire la competenza. L'utilizzo dell'AI in stile Ochiai non significa buttare via le vecchie competenze, ma usarle come dispositivi di ispezione per l'output dell'AI.

15. Non Riempire il Tempo; Lascia Margini per la Curiosità

Quando vedi qualcuno fare una quantità incredibile di lavoro, pensi che gestisca la sua agenda al minuto. Tuttavia, Ochiai mostra l'idea che una gestione eccessiva del tempo toglie la curiosità. D'altra parte, non gestisce nulla; progetta fasce orarie per concentrarsi, come usare il tempo mattutino per il lavoro creativo. Questo è un importante paradosso riguardo all'efficienza. Hai risparmiato un'ora con l'AI. Metti una nuova riunione in quell'ora. Hai risparmiato un'altra ora. Accetti un'altra richiesta. Se riempi tutto il tempo risparmiato con impegni, il volume di elaborazione aumenta. Ma le scoperte accidentali diminuiscono. Se usi l'efficienza dell'AI solo per stipare lavoro, gli umani diventano dispositivi per digerire liste di compiti create dall'AI.

Nelle interviste sulla realizzazione di Ochiai, emerge un atteggiamento volto a puntare a output che l'umanità non ha ancora realizzato e a cercare di elevare sia le basi tecniche che la perfezione artistica. Inoltre, si vede l'idea che, piuttosto che fissare un tema dall'inizio, il soggetto emerge mentre si muovono le mani e si sperimentano interessi circostanti. Le cose nuove non nascono riempiendo spazi vuoti in un piano. Investigare qualcosa che ti incuriosisce in qualche modo. Scrivere codice di cui non sai se è utile. Leggere libri in altri campi. Toccare materiali. Fare foto. Lanciare combinazioni strane all'AI. Guardare i fallimenti. Tale tempo sembra inefficiente a breve termine. Ma temi sconosciuti arrivano dall'esterno dei prodotti pianificati. Se l'AI rende il lavoro di routine più veloce, gli umani non dovrebbero riempire quel margine con più lavoro di routine. Dovrebbero restituirlo all'esplorazione senza uno scopo fisso. Un genio dello sforzo non è qualcuno che può stipare piani tutto il giorno, ma qualcuno che sa scegliere su cosa concentrarsi, cosa automatizzare e dove lasciare tempo senza scopo.

16. Dopo Aver Passato l'"Intelligenza" all'AI, in Cosa Investono gli Umani?

In un'intervista del 2026, Ochiai ha parlato della possibilità che, mentre le macchine assumono ciò che gli umani hanno guadagnato attraverso lo sforzo e l'intelligenza, molte persone affronteranno l'ansia esistenziale su "cosa dovrebbero fare". Questa è la sua visione del futuro, non un fatto che tutti i lavori siano già stati sostituiti. Questo problema si trova al punto finale delle tecniche di utilizzo dell'AI. Rendere il lavoro più veloce. Rendere i documenti più veloci. Scrivere codice più velocemente. Finire la ricerca più velocemente. Dopo che tutto ciò è stato realizzato, cosa fanno gli umani? Fanno ancora più documenti? Scrivono ancora più codice? Accettano ancora più lavoro? Se è così, lo scopo dell'uso dell'AI punterà per sempre all'aumento del volume di elaborazione. Ochiai immagina uno stile di vita "alla Matagi" — avere relazioni con comunità specifiche mentre si scoprono accidentalmente cose nuove ai loro margini. È un modo di vivere che usa la tecnologia senza perdere il contatto con l'ambiente, la fisicità, i rituali e la comunità.

Se passi all'AI il "lavoro da elaborare intelligentemente", i seguenti compiti rimangono per gli umani:

• Di cosa stupirsi?
• Cosa sentire come bello?
• Quale problema considerare impossibile da ignorare?
• Con chi stare?
• Per cosa spendere tempo?
• Quale fallimento affrontare?
• Dove prendersi la responsabilità?
• Che tipo di esperienza fare con il corpo reale?

Queste non sono mere elaborazioni di informazioni. L'AI può fare candidature. Può anche prevedere. Ma quale candidatura scegliere come propria vita è qualcosa che solo un umano può affrontare. Lo sforzo nell'era dell'AI si sta spostando dal ricordare più risposte corrette all'aggiornare continuamente ciò che si apprezza.

17. Ciò che Non Devi Imitare Sono le Abitudini di Vita Estreme

Quando vengono introdotte le tecniche di lavoro di produttori famosi, l'orario di sveglia, l'orario di sonno e il numero di pasti tendono ad attirare l'attenzione. Anche per Ochiai, viene introdotto come usa il tempo mattutino e le sue abitudini alimentari uniche. Tuttavia, tali abitudini di vita non dovrebbero essere imitate come il centro delle tecniche di utilizzo dell'AI. Dieta, sonno, esercizio fisico e farmaci hanno condizioni appropriate a seconda della costituzione, dell'età, delle malattie croniche e del contenuto del lavoro. Ciò che la persona sta facendo e ciò che può essere generalmente raccomandato sono diversi. Ciò che dovrebbe essere estratto in questo articolo non è il numero di pasti. È:

• Confrontare più AI.
• Lasciare materiali tramite voce.
• Decomporre i processi di lavoro.
• Non considerare la prima bozza come un prodotto finito.
• Verificare le fonti.
• Lasciare la cronologia di esecuzione dell'AI.
• Creare i propri strumenti se necessario.
• Tornare al corpo e all'ambiente reale.

Ridurre il sonno per aumentare l'output con l'AI non è una progettazione dello sforzo a lungo termine. Invece di togliere ulteriormente al sonno il tempo accorciato dall'AI, allocarlo al recupero, all'apprendimento, all'osservazione e al tempo con la famiglia o altri. Ciò che si dovrebbe imparare da un genio dello sforzo non è come sopportare la sofferenza. È come creare un sistema in modo da non dover ripetere la stessa sofferenza e passare a un lavoro sconosciuto per quella quantità.

"Sistema Operativo dello Sforzo AI in Stile Ochiai" Astratto da Esempi Pubblici

Organizza il contenuto finora in una forma che possa essere trasferita al lavoro generale. Questa non è la procedura di lavoro quotidiana esatta rilasciata dallo stesso Ochiai. È un modello pratico astratto da questo articolo da esempi pubblici di utilizzo dell'AI.

Fase 1: Iniziare in uno Stato Non Organizzato

Non scrivere una proposta dall'inizio. Per prima cosa, per cinque o dieci minuti, esponi ciò che hai in testa così com'è, tramite voce o testo. Puoi mescolare scopo, background, emozioni, disagio, idee e preoccupazioni. Quindi, chiedi all'AI come segue:

Categorizza le mie dichiarazioni in fatti confermati, interpretazioni, ipotesi, speranze, vincoli e elementi non confermati. Non trarre ancora una conclusione e fai domande una alla volta per chiarire lo scopo.

Qui, non lasciare che l'AI dia una risposta. Fallo scoprire l'ambiguità dal lato umano.

Fase 2: Passare lo Stesso Compito a Tre o Più AI

Non dipendere da una sola AI. Passa gli stessi materiali di base e le stesse domande a più AI. Tuttavia, non raccogliere solo tre risposte identiche; cambia i ruoli. Fai fare a una una ricerca standard, a una cercare controesempi e a una pensare a metodi di implementazione e costi. Se possibile, fai gestire a un'altra la prospettiva degli utenti o degli oppositori. Dopo l'output, fallo creare una tabella di confronto:

• Punti su cui tutte le AI erano d'accordo
• Punti sostenuti solo da alcune
• Punti in cui numeri o fatti erano in conflitto
• Punti da verificare con fonti primarie
• Punti che nessuno ha considerato L'umano legge le differenze tra le risposte, non le risposte stesse.

Fase 3: Non Finire con il Testo; Converti in un Altro Formato

Non accontentarti di leggere i risultati della ricerca. Se è un piano, trasformalo in un diagramma singolo. Se è un prodotto, trasformalo in un prototipo di schermata. Se è un'opera, trasformala in un'immagine o un breve video. Se è un sistema, trasformalo in un diagramma di procedura che gli utenti attraversano. Se è una ricerca, dividila in ipotesi e metodi di verifica. Le idee possono nascondere contraddizioni nel testo. Quando provi a implementarle, appaiono condizioni mancanti. Chi lo usa? Quale pulsante premono? Da dove vengono i dati? Come si torna indietro in caso di fallimento? L'implementazione è un dispositivo di ispezione per le idee.

Fase 4: Far Distruggere a un'Altra AI Ciò Che Un'AI Ha Creato

Non lasciare che l'AI generatrice esegua solo una autovalutazione. Passa il prodotto a un'altra conversazione, un altro modello o un altro ruolo. Fallo cercare problemi dalle seguenti prospettive:

• Errori fattuali
• Inesistenza di citazioni
• Problemi di sicurezza
• Problemi di diritti
• Identificazione errata del pubblico di destinazione
• Sottostima dei costi di esecuzione
• Parti che non possono essere mantenute
• Parti che si rifugiano in generalità
• Parti che richiedono approvazione umana
• Parti che non possono recuperare in caso di fallimento Un umano verifica i problemi ad alta priorità nelle fonti primarie o negli ambienti reali. L'ispezione da parte dell'AI non è una garanzia finale. Usala per restringere i luoghi che un umano dovrebbe ispezionare.

Fase 5: Trasformare i Motivi del Rifiuto nel Successivo Asset di Prompt

Non limitarti a cancellare gli output scaduti e finire. Lascia in una riga perché non era buono.

• "Il pubblico di destinazione è troppo ampio."
• "Tecnicamente possibile, ma nessun caso d'uso."
• "Il testo è organizzato, ma manca di esperienza."
• "L'immagine è bella, ma non correlata allo scopo."
• "I risultati della ricerca mancano di fonti primarie."
• "Il codice funziona, ma manca di gestione dei permessi." Aggiungi questi ai divieti del progetto o ai criteri di valutazione. La prossima volta, l'AI avrà meno probabilità di commettere lo stesso errore. L'esperienza umana viene convertita in istruzioni personalizzate, specifiche, test e checklist. Questo è il lavoro di trasformare lo sforzo in una forma accumulabile.

Fase 6: Automatizzare o Strumentalizzare gli Inconvenienti Ricorrenti

Se scrivi la stessa istruzione ogni volta, trasformala in un modello. Se converti nello stesso formato ogni volta, trasformalo in uno script. Se cerchi gli stessi materiali ogni volta, salva il processo di ricerca. Se esegui lo stesso controllo ogni volta, trasformalo in un test. Se scegli un modello ogni volta, crea regole per attività. Se passi manualmente i file ogni volta, considera un metodo di connessione sicura. Ciò che conta non è solo accorciare un singolo compito di tre minuti. È non far sì che quei tre minuti si verifichino centinaia di volte in futuro.

Fase 7: Infine, Portalo nella Realtà

Non valutare solo attraverso conversazioni tra AI. Mostralo alle persone. Muovilo sul campo. Stampalo. Proiettalo. Fai usare dai clienti. Pensa camminando all'aperto. Tocca i materiali. Sperimentalo con il tuo corpo. L'AI può creare personaggi utente plausibili. Ma dove gli utenti reali si perdono non può essere saputo a meno che non lo porti nella realtà. La realtà rompe la bella logica creata dall'AI. Quella distruzione determina la direzione del prossimo sforzo.

Prompt Pratico di Rotazione dello Sforzo

Quanto segue non è una riproduzione del prompt originale di Ochiai. È un protocollo di dialogo singolo della struttura analizzata in questo articolo: ricerca parallela, implementazione a fasi, controprove e registrazione.

1Non sei un'AI che agisce per mio conto per realizzare un prodotto finito in un colpo solo, ma un "Orchestratore di Ricerca e Sviluppo" che aumenta la velocità di rotazione di ricerca, prototipazione, controprova e miglioramento.
2
3【Tema】
4{{Tema su cui lavorare questa volta}}
5
6【Cosa voglio decidere alla fine】
7{{Compila con quanto più sai. Può essere indeciso}}
8
9【Materiali che ho attualmente】
10{{Appunti, trascrizioni vocali, documenti, dati, codice, ecc.}}
11
12【Principi di Base】
131. Non creare un piano finale mentre il mio scopo è ambiguo.
142. Fai una domanda alla volta per chiarire lo scopo, il target, i vincoli e le condizioni di successo.
153. Separa chiaramente fatti, interpretazioni, ipotesi e proposte.
164. Allega le fonti ai fatti e dai priorità alle fonti primarie.
175. Per le cose che non possono essere confermate, non riempire con congetture; segna come "non confermato".
186. Non trattare il primo piano come il piano finale.
197. Tratta ricerca, ideazione, implementazione e valutazione come processi separati.
208. La stessa AI non dovrebbe fungere sia da creatore che da unico valutatore.
219. Indica chiaramente le parti che richiedono approvazione umana.
2210. Registra tutti i motivi di rifiuto come condizioni per la generazione successiva.
23
24【Fase 1: Scoperta dello Scopo】
25Classifica il mio input nelle seguenti categorie:
26- Fatti confermati
27- Le mie interpretazioni
28- Ipotesi non verificate
29- Emozioni o disagio
30- Risorse disponibili
31- Vincoli
32- Parole non ancora definite
33Fai una domanda alla volta per le informazioni mancanti.
34
35【Fase 2: Progettazione della Ricerca Parallela】
36Dividi il tema nei seguenti ruoli:
37A. Ricercatore che raccoglie spiegazioni standard e materiali principali
38B. Contro-provatore che cerca controesempi, prove contrarie ed esempi di fallimento
39C. Praticante che pensa a metodi di implementazione, costi e scadenze
40D. Analista delle parti interessate che pensa a utenti, non utenti e persone svantaggiate
41E. Esploratore che cerca connessioni inaspettate con altri campi
42Crea domande per ogni ruolo da investigare, assicurandoti che non ci siano sovrapposizioni nei punti.
43
44【Fase 3: Registro delle Prove】
45Formatta i risultati della ricerca come segue:
46- Affermazione / Base / Fonte / Data di pubblicazione / Periodo dei dati / Primaria o secondaria / Controprova / Livello di confidenza / Punti per verifica umana
47
48【Fase 4: Prototipazione】
49Crea 3 piani di prototipo minimi dai risultati della ricerca. Per ogni piano, mostra:
50- Ipotesi da verificare / Cosa fare / Cosa non fare / Tempo richiesto / Costo richiesto / Processo gestito dall'AI / Processo gestito dall'umano / Condizioni per il fallimento
51Non procedere all'implementazione completa finché non scelgo un piano.
52
53【Fase 5: Contro-Verifica】
54Contro il prototipo o la prima bozza, cerca problemi dalle prospettive di:
55- Fatto / Logica / Tecnologia / Sicurezza / Diritti / Costo / Target / Manutenibilità / Originalità
56Mostra la gravità in 4 livelli: Blocca / Correzione richiesta / Osservazione / Consenti.
57
58【Fase 6: Registro dei Miglioramenti】
59Registra quanto segue ogni volta che viene effettuata una correzione:
60- Prima del cambiamento / Problema / Contenuto del cambiamento / Motivo del cambiamento / Problema emerso di nuovo / Condizioni da aggiungere al prompt o al test dalla prossima volta
61
62【Fase Finale】
63Non agire sulla decisione finale. Organizza opzioni, prove, opinioni contrarie e elementi non confermati, e lascia che sia io a scrivere il piano adottato e la motivazione.
64
65Nella prima risposta, non fare una proposta; fai una domanda sul disagio o scopo più specifico che sto provando riguardo a questo tema.

Conclusione — Yoichi Ochiai Non ha "Smesso di Sforzarsi" con l'AI

Se comprendi l'utilizzo dell'AI di Yoichi Ochiai come una raccolta di prompt convenienti, perdi la sua essenza.

Eseguire più AI simultaneamente. Recuperare pensieri non organizzati tramite voce. Strutturare lunghe istruzioni. Rifare la prima risposta molte volte. Dividere ricerca, immagini e implementazione in strumenti diversi. Far criticare l'output di un'AI da un'altra. Individuare anomalie con l'esperienza derivante dall'aver mosso le proprie mani. Costruire strumenti osservabili se le scatole nere sono un problema. Collegare l'AI non solo al testo, ma a video, spazio, corpo e attrezzature di ricerca. E restituire il tempo risparmiato dall'AI alla curiosità e all'esperienza reale.

Ciò che è comune a questa serie di azioni non è l'idea di cercare di essere pigri. È l'idea di cercare di testare ulteriormente nello stesso tempo. Prima dell'AI, una giornata finiva solo investigando e implementando una singola ipotesi. Dopo l'AI, puoi investigare più ipotesi, fare tre prototipi, confrontare i motivi del fallimento e restituire quei risultati all'istruzione successiva. Puoi usare il margine risultante per il riposo. Puoi usarlo per un altro lavoro. Puoi usarlo per nuove espressioni o ricerche. È un umano che decide per cosa usarlo.

Se chiamiamo Yoichi Ochiai un "Genio dello Sforzo", la ragione non è semplicemente che lavora più a lungo degli altri. È perché non rende lo sforzo una questione di spiritualismo. Rendere il pensiero in una forma registrabile. Trasformare il fallimento nella condizione successiva. Automatizzare la ripetizione. Aggiornare gli strumenti. Creare ambienti. Lasciare comunque posti in cui l'umano dovrebbe giudicare. Ciò che sta aumentando con l'AI non è solo il numero di prodotti finiti. È il numero di volte in cui può continuare a girare senza arrendersi fino a raggiungere qualcosa di sconosciuto. Ciò che viene messo in discussione nell'era dell'AI non è "quale AI stai usando?" Cosa sta osservando l'umano mentre l'AI sta producendo output? Cosa sta aggiustando l'umano dopo che l'AI lo ha fatto? Dove sta cercando di andare l'umano come risultato del fatto che l'AI è diventata più veloce? La migliore tecnica di utilizzo dell'AI non è un modo per evitare lo sforzo. È perché lo sforzo non scompaia come un evento unico, ma si trasformi in un sistema che accelera lo sforzo successivo.