A mai digitális térben technikai tartalomból több van, mint amit egy ember ezer élet alatt el tudna olvasni — ugyanarról a témáról tucatszámra találni YouTube-videókat, Substack-posztokat, GitHub-repozitóriumokat és Reddit-szálakat, sok esetükben az elmúlt hat hónap terméseként, és sokszor technikailag helyes információval. Ennek ellenére a szakemberek többsége, akikkel beszéltem, azt mondja: nem tudják, kiben bízhatnak. Nem tudják eldönteni, mi az, amit először érdemes elolvasni, vagy hogy a tíz lehetséges válasz közül melyik állja meg a helyét. Ez a probléma a mesterséges intelligencia előtt is létezett, az AI pedig tovább súlyosbította.
A régi modell: szerkesztés és verifikáció
A technikai kiadványok történetének nagy részében a szerkesztés és az ellenőrzés szorosan összekapcsolódott, és ez a folyamat lassú, költséges volt. Egy könyv megjelenése évekig tartott: szerzőt találtak, átvilágították, szerkesztő dolgozott vele, és technikai lektorok ellenőrizték az állításokat. A legtöbb idő arra ment el, hogy elkülönítsék, mi helyes és hasznos, illetve mi megtévesztő vagy csak úgy hangzik. Bár ez munkás volt, az olvasó számíthatott arra, hogy az oldalon szereplő állítások megbízhatók — a könyv és a kiadó hitelessége legalább annyit számított, mint maga az információ.
Amikor a tartalom előállításának költsége a nullához közelít, ez a hitelesség nem veszít az értékéből, hanem még fontosabbá válik. A tartalom előállítása könnyebb, mint valaha, de átlátható folyamat nélkül az olvasó nem tudja, honnan származik a tudás, és mennyire megbízható. Ahogy Jasmine Sun írja a "The Independent Writer’s Advantage in the Age of AI" című írásában: a bizalom nem csak az információ minőségéről szól, hanem az üzenetküldőről is — arról, ki mondja és milyen a múltbeli teljesítménye. A gyakorló szakember azért bízik egy forrásban, mert valaki, akit tisztel, a saját reputációját teszi kockára érte; mert a kiadónak van múltja abban, hogy helyes volt, és kijavította magát, ha tévedett; és mert a munka attribuálható és igazolható.
A korpusz fontos, de a garanciák pótolhatatlanok
A tartalmi állomány számít, de azokat a biztosítékokat nehéz lemásolni, amelyek körülveszik. Ezek nemcsak az alkotóktól származnak, hanem azoktól is, akik ítéletükkel támogatják őket. Néha a készítő maga hozza magával a hitelességet; máskor a kiadó fedezi egy ismeretlen szerző munkáját. Dave Hickey kritikusi megfigyelésére hivatkozva: a galériatulajdonosok státuszt nyernek a híres művészektől, és ezt a státuszt továbbadják az feltörekvő tehetségeknek. Ezt tette O’Reilly is majdnem öt évtizede: hálózatot építettek ki a szakértőkből, akik igazolják, mi érdemel figyelmet.
A szakértelem élő rendszer
A szakértelem nem statikus; folyamatosan bővül. Már a megjelenés pillanatában kezd romlani a tartalom értéke: keretrendszerek változnak, könyvtárak elavulnak, és a tegnapi legjobb gyakorlat ma már biztonsági kockázat lehet. A szakértelem frissen tartásához olyan emberpályára van szükség, akik naprakészek maradnak, és egy szerkesztői rétegre, amely észreveszi, ha valami elavult, majd vagy kivonja, vagy javítást kezdeményez.
Ez a csővezeték nem kapcsolható be csak akkor, amikor egy szerzőnek megjelenése van. Az O’Reilly mindig is arra törekedett, hogy a „bleeding edge”-en éljen, Tim O’Reilly szavaival az "alpha geekeket" megtalálva és tudásukat szétszórva. A tartalom a platform középpontjában áll, de különböző sebességű rétegekben gondolkodnak: van, ami időtlen; van, ami lassan változik (néhány könyvük közel 50 év után is kapható); és van, ami hetente frissül. A kiadó több száz gyakorló szakemberrel tart kapcsolatot, és feladatuk, hogy ezeket a szakértőket folyamatosan bevonják: gyors reakciók, strukturált válaszok jelentős kutatásokra, illetve élő alkalmak az éppen felbukkanó témákról.
A bizalom kétirányú
Egy intézmény nem pecsételi rá automatikusan a bizalmat a tartalomra. Egy technikai közösségben a bizalom oda-vissza áramlik: egy gyakorló presztízst szerez, mert azok, akiknek már van állásuk, foglalkoznak a munkájával, idézik vagy építenek rá. Ez a gondolat volt a lényege a PageRanknek is: egy oldal fontos volt, mert fontos oldalak hivatkoztak rá. A reputáció ugyanígy működik.
A közönség nem csak fogyasztója a reputációs jeleknek, hanem előállítója is. Ha egy vezető mérnök, akinek a megítélésére mások adnak, nyilvánosan ajánl egy olvasmányt, ő maga is kölcsönad a hiteléből; a szerző nyer egy kis presztízst; és mindenki, aki figyeli, újrasúlyozza, kiben bízzon legközelebb. Amikor az O’Reilly a jelét adja egy műhöz, nem ők az egyetlen forrásai a hitelességnek: felerősítik a közösség által amúgy is kialakuló ítéletet, és hozzáadják saját múltjuk sikerességét. Az olvasó, ha megbízhatónak találja, visszaad státuszt a forrásnak.
Amikor az olvasók gépek
Nem csak az embereknek van szükségük megbízható mérnöki tudásra: az AI-rendszerek, a kódolást és hibakeresést végző ügynökök vagy architektúra-tanácsadók ugyanúgy igénylik, mert sokuk weben kapott, gyakran már eleve elavult dokumentációra épül. Ezek a modellek folyékonyan kommunikálnak, de elég gyakran tévednek ahhoz, hogy ne lehessen vakon rájuk hagyatkozni.
A tét nő, amikor az AI nem csak kódszerű, könnyen ellenőrizhető dolgokat generál, hanem meggyőző szövegeket is jósol, például toborzásról vagy stratégiáról. Az O’Reilly is szembesül azzal a következménnyel, hogy egy modellre rákérdezve gyorsan kaphatunk látszólag értelmes választ, miközben a modell vagy a felhasználó valójában nem érti a témát. Az elmúlt néhány hónapban maybe tízszer annyi dokumentum futott át a szervezetükön — új termékötletektől stratégiai terveken át javaslatokig —, de a szöveg egyszerű előállíthatósága elfedi, hogy a modell vagy a prompter nem feltétlenül tudja, miről beszél.
A tudásmunkásoknak módszerekre van szükségük ahhoz, hogy munkájukat emberi szakértők meglátásaira lehorgonyozzák, különösen ha AI-támogatással dolgoznak. Ennek jegyében O’Reilly olyan eszközöket épít, amelyek lehetővé teszik, hogy ügynökök az ő szakértelmi adattárukra támaszkodjanak döntéseik alátámasztásához.
A hiteles források szerepe a döntéshozatalban
A hiteles forrás különösen fontos fontos döntések átgondolásakor és indoklásakor. Andrew Odewahn, az O’Reilly technológiai vezetője így fogalmaz: „18 hónappal ezelőtt még az volt a kérdés, hogyan tegyük hatékonyabbá a mérnököket; most arról szól, hogyan hozzanak jobb döntéseket a szervezetek. A mérnöki feladatok elmozdulnak a kódolásról a tervezés felé.” Tervezési feladatoknál, például különböző megvalósítási megközelítések összehasonlításánál, szakértői „váll fölötti” útmutatásra van szükség a kontextusba helyezett döntéshozatalhoz. Nem lehet pusztán egy nagy nyelvi modell legjobb találgatására hagyatkozni — ezért látnak jelentős lehetőséget olyan termékekben, mint az O’Reilly Expert Intelligence, amelyek beágyazott, megalapozott tudást szolgáltatnak az AI-eszközökbe és munkafolyamatokba. A bizalom alapvető, mert a mögötte álló szakértelem maradéktalanul emberi, gyakorlati és ellenőrizhető.
