Probabilmente non ti serve il fine-tuning
Il fine-tuning è spesso il primo rimedio proposto quando una funzione AI rende poco. Quasi sempre al modello manca contesto, non capacità, e senza un set di eval non sai nemmeno se il tuning ha aiutato.
Costruisco sistemi dove un agente non è una scatola nera che consigli al management di adottare per fede. Ogni decisione lascia una traccia che qualcuno, fra due anni, può ancora verificare.
Una genera output plausibili senza garanzie. L'altra garantisce senza generare nulla. Messe insieme non fanno una parola d'ordine: fanno un'infrastruttura di responsabilità.
Capitolo 01 →La distanza fra un agente che stupisce in riunione e uno che regge sei mesi dentro un gestionale enterprise è dove si gioca tutto. È lì che lavoro.
Capitolo 02 →La domanda non è tecnica, è legale e reputazionale. E arriva sempre. Un decision ledger ancorato on-chain è una risposta, non una feature di marketing.
Capitolo 03 →Ogni cosa qui sotto esiste perché una delle tre convinzioni andava dimostrata, non raccontata.
Il feed dimentica in tre giorni. L'archivio no. Ogni post vive in italiano, inglese e croato.
Il fine-tuning è spesso il primo rimedio proposto quando una funzione AI rende poco. Quasi sempre al modello manca contesto, non capacità, e senza un set di eval non sai nemmeno se il tuning ha aiutato.
Ogni sistema on-chain in produzione dipende da poche chiavi private. Dove vivono, chi può usarle e cosa succede quando qualcuno se ne va sono decisioni di architettura, non note di passaggio di consegne.
Ancorare un hash on-chain è il lavoro di un pomeriggio. Quello che decide se serviva a qualcosa è il percorso di verifica: chi controlla, con cosa in mano, fra cinque anni.
È la conversazione che faccio più volentieri. Anche solo per dirti che nel tuo caso non serve.