Kihagyás

All-In Podcast. Daniel Ek: élet a Spotify után, a törött egészségügyi ösztönzők, a betegségek korai elkapása és az AI lehetősége (2026-09-28)

Műsor: All-In Podcast (Chamath, Jason, Sacks & Friedberg) Epizód: Daniel Ek: Life After Spotify, Broken Healthcare Incentives, Catching Disease Early & AI's Potential Dátum: 2026-09-28 (hétfő) Házigazdák: Jason Calacanis, David Friedberg Vendég: Daniel Ek, a Spotify társalapítója és executive chairmanje, a Neko Health társalapítója Hossz: 51:16 Forrás: https://allinchamathjason.libsyn.com/daniel-ek-life-after-spotify-broken-healthcare-incentives-catching-disease-early-ais-potential Media: https://dts.podtrac.com/redirect.mp3/traffic.libsyn.com/secure/allinchamathjason/AUDIO_1k_Daniel_Ek_Int.mp3?dest-id=1928300 (73,5 MB) Chapter lista: (0:00) Daniel Ek joins the Besties! • (1:14) Starting Spotify: Beating piracy and betting his own money on the record labels • (6:10) Neko Health: The Spotify playbook for healthcare, the $499 body scan, and why US healthcare waits until you're sick • (36:04) AI: Tech's failure to sell the upside, open vs. closed models, and regulating compute • (44:24) Back to Spotify: Podcasting's open standards and the Stardoll origin story Transcript: Whisper (ggml-medium.en), 8 782 szó, 435,9 sec wall-time, 7,1× realtime, 0 fallback

Bevezetés és a lényeg

Daniel Ek húsz évvel ezelőtt, 23 évesen alapította a Spotify-t, és két évtizeden át vezette odáig, hogy ma több mint 700 millió aktív felhasználója és több mint 300 millió előfizetője van. Idén január 1-jétől executive chairman. Ez az epizód két cég történetét köti össze egyetlen felismerés köré: a zeneiparban bevált játékmenet a adatmennyiség felhalmozása és abból előrejelzés építése. Ek szerint ugyanez a mechanizmus viheti át az egészségügyet a reaktívból a megelőző működésbe.

A beszélgetés gerince a Neko Health, amelyet Ek 2018-ban alapított Hjalmar Nilsonne családorvos-dinasztiából származó mérnökkel. A cég nyolc éves, három éve működtet klinikákat, és 2026. szeptember 24-én nyitott először az Egyesült Államokban, a New York-i SoHo-ban, a 300 Lafayette Streeten. A vizsgálat 499 dollár, egy órát vesz igénybe, és nulla sugárterheléssel dolgozik.

A legfontosabb számok: több mint 100 000 elvégzett vizsgálat, több mint 350 000 ember a várólistán vagy regisztrálva, és a tagok 1 százalékánál találnak olyan súlyos, addig diagnosztizálatlan állapotot, amelyről a páciens nem tudott. A cég három egymást követő évben publikálja az adatait. Ek szerint a legbátorítóbb minta az, hogy a legrosszabb állapotú tagok javulnak a legtöbbet.

A beszélgetés második fele az AI-ról szól, és Ek itt szokatlanul óvatos: nem foglal állást a „frontier lassítása” vitában, mert szerinte a szakértők is rendre tévednek. Ami viszont konkrét: az iparág elrontotta az AI pozitív alkalmazásainak elmesélését. Felvet egy érdekes szabályozási szempontot is: nem a modell intelligenciáját, hanem a felhasznált számítási kapacitást lehetne mérőszámnak venni.

A záró szakasz visszatér a Spotify-hoz: a podcasting nyílt szabványaihoz való viszony, és a Stardoll története, ahol Ek gyakornokként kezdte.

A Spotify eredettörténete: kalózkodás, licencháború és a saját pénz feltétele

Ek 2006-ban indította a Spotify-t, 23 évesen. A világ akkor még iPhone előtti volt, a Facebook és a YouTube nem létezett. A zeneipar szabadesésben volt a kalózkodás miatt (Napster, Kazaa), és az RIAA pereket indított egyéni fogyasztók ellen az Egyesült Államokban.

Ek Svédországból nézte ezt, és arra jutott, hogy a szellemet nem lehet visszazárni a palackba. A társalapító Martin Lorentzon kérdései vitték el odáig: sorozatos „mi lenne, ha” kérdésekkel addig faggatta, amíg Ek elfogyott az ellenérvekből. A megfogalmazás, amiben megállapodtak: „úgy érezni, mintha a világ összes zenéje a kezed ügyében lenne”.

A stratégiai szerencse Svédország volt. Az ország a világ egyik legrosszabb zenei piaca volt, éppen a nagyon gyors szélessáv miatt: az emberek a jövőben éltek, gyakorlatilag bármit le tudtak tölteni. Az iTunes ekkor még nem volt elérhető, legális opció gyakorlatilag nem létezett. A zeneipar elveszítette bevételei mintegy 80 százalékát.

A kiút a kockázat átvállalása volt. Ek és partnere a korábbi startupokból származó saját teljes vagyonukat tették be, és ezt ajánlották a kiadóknak: garantálják, hogy a következő évben megkapják a bónuszukat és teljesítik a büdzséjüket. Ha tényleg olyan rossz a helyzet, ahogy gondolják, egy év után leállítják, a bónusz mégis megvan. Ha működik, ők is nyernek. Mindkét esetben nyernek. Néhány év tárgyalás után a kiadók beleegyeztek.

Az ütemezés így alakult: 2008 végi indulás, azonnali siker; majd az Egyesült Királyság; végül 2011-ben az amerikai piac, tizenöt évvel ezelőtt. Öt év laboratóriumi munka kellett az USA-ig. Ek megjegyzi: ugyanazt a pályát futja újra, most az egészségügyben.

A Neko Health: a Spotify játékmenet az egészségügyben

Az alapötlet az adathiány. Ek szerint mindenki egyetért abban, hogy az egészségügyet át kell vinni reaktívból megelőzőbe, de abban már nincs egyetértés, hogyan. Az ő válasza: jobb adattal kell kezdeni.

Az amerikai egészségügy a GDP 18 százalékát viszi el, és ez a költségvetés legnagyobb egysoros tétele. A szívbetegség önmagában több száz milliárd dollár évente, az Egyesült Államokban, nagyobb, mint egy Fortune 10-es cég teljes bevétele, egyetlen betegségcsoportra. Ek szerint a kulcs a krónikus betegségek: ha korán felfedezik őket, gyakorlatilag megelőzhetők, a kezelés költsége kicsi, és a szenvedés is kicsi.

A cég 2018-ban indult, de öt évig fejlesztették a terméket, mielőtt 2023-ban Stockholmban kinyitott. Azután az Egyesült Királyság, majd az USA. Ez szerinte szó szerint a Spotify játékmenet.

A filozófiai hivatkozás Ek kedvenc gondolata: amit csinálsz, azt jutalmazod, „show me the outcome, I'll show you the incentive”. A jelenlegi rendszer fertőző betegségekre épült, ezért akut módon javít, amikor már tömegesek a tünetek.

A vizsgálat felépítése: 53 marker, 6000 kép, 950 anyajegy

A Neko vertikálisan integrált: saját létesítmények, saját nővérek és orvosok, saját diagnosztikai berendezések, saját szoftver. A célmeghatározás: a leghasznosabb óra, amit az egészségedre fordíthatsz.

A vizsgálat menete egy órán belül:

• Vérvétel, 53 biomarker mérése • Bőrrendszer: kamerarendszer, amely több mint 6000 nagy felbontású képet készít a testről, és indexeli az összes anyajegyet, elváltozást, kiütést és bőrpírt • Szív és vérkeringés vizsgálata • Szorítóerő és egyéb hagyományos markerek • Megszakítás nélküli konzultáció egy klinikussal az eredményekről, még azon az órán belül

Ek szerint ha nincsenek kérdéseid, a vizsgálat 30-40 perc alatt letudható.

A dermatológia a legjobb példa az AI-alkalmazásra. A Neko átlagos tagjának 950 anyajegya van. Egy hagyományos orvosi vizit során esély sincs mindet átnézni: az orvos vagy te szólsz egy anyajegyről, vagy ő vesz észre valami gyanúsat, és akkor előveszi az eszközét. A Neko gépi látással végigmegy az összesen, egy AI-rendszer jelöli a lehetséges kockázatokat, majd humán klinikus ellenőrzi, és ha találnak valamit, belső bőrgyógyász szakértők is átnézik.

A longitudinális indexelés az igazi hozzáadott érték. Ha egy évvel később nem találnak semmit, az akkor is hasznos: mivel minden anyajegy katalogizálva és indexelve van, össze lehet hasonlítani az egy évvel korábbi állapottal, és kiszúrni a rendellenes növekedést. Ek megfogalmazása szerint a világ legjobb orvosai sem tudják megjegyezni, hogyan nézett ki az anyajegyed egy évvel korábban. Ez szerinte az AI tökéletes alkalmazása, de nem AI az orvos helyett, hanem AI és kiváló klinikusok együtt.

Az üzleti modell és az egészségügyi rendszer ösztönzői

A Neko 499 dollárért dolgozik, és Ek szerint ezen a ponton az egység-gazdaságtan pozitív: vannak már nyereséges klinikák. A vertikális integráció azért teszi ezt lehetővé, mert mindent maguk építenek, és így drasztikusan le tudják vágni a költségeket.

Őszinte a korlátokról is: még korai, a bázis viszonylag kicsi, és nem állítja, hogy meg tudja mondani, milyen hatással lenne, ha minden amerikai évente megcsinálná. Azt viszont javasolja, hogy a tagok évente csinálják. Az analógia: a legtöbben évente járunk fogorvoshoz, de éves egészségügyi szűrésre nem járunk, pedig ennek ugyanolyan rendszeresnek kellene lennie. Azt is elismeri, hogy az 500 dollár sok embernek sok pénz, de ha meg tudod engedni, jó befektetés.

Az igazi rendszerszintű probléma Ek szerint a visszatérülési idő. Mivel az egészségbiztosítás jellemzően a munkaviszonyhoz kötött, és az átlagos munkaviszony nem hosszú, valaki két-három év után munkahelyet és ezzel biztosítót vált. Ilyenkor felmerül a kérdés: miért fektessen be a biztosító valamibe, aminek a megtérülése 10-15-20 év?

A Neko két dolgot tesz ez ellen:

• Leszorítja a költséget, hogy ne kelljen egymillió dolláros spekulatív befektetés 20 éves megtérüléssel, így a tízezres nagyságrend is elfogadhatóbbá teszi a döntést • Több adatot tesz a rendszerbe, hogy multimodális, longitudinális adathalmazokból mérhető legyen a beavatkozások hatásossága

Ezért is publikálják az adataikat évente. Ráadásul a Neko multi-country rendszer a kezdetektől, ami ritka: az egészségügyi rendszerek jellemzően országspecifikusak, így össze lehet hasonlítani, mit találnak az Egyesült Királyságban és mit az Egyesült Államokban.

Arra a kérdésre, hogy mi a strukturális baj az amerikai rendszerben, Ek nem vállal szakértői szerepet, de három konkrét dolgot említ: 15 000 dollár a sürgősségin összevarrt sebekért, 20 000 dollár egy 30 dollárból előállítható gyógyszerért, és hogy az orvos nyolcperces vizitje 6000 dollárba kerül a biztosítónak, miközben az orvos évi 200 000 dollárt keres.

Adat, viselhető eszközök és a klinikai kutatás

A Neko ma is engedi importálni az Apple Health adatait, így a viselhető eszközök (Oura, Whoop, Fitbit, Apple Watch) adatai bekerülnek. Ek szerint ez azért fontos, mert a klinikus így 360 fokos képet kaphat az aktuális állapotról.

Friedberg felvetésére, hogy senki nem kötötte még össze a véreredményeket az alvás-, regenerációs és pulzusadatokkal, Ek egyetért, és hozzáteszi: a neko-i adatmennyiség az egészségügyi rendszerben egyáltalán nem nagy, ez számára a meglepő rész. Ha ezt tízszeresére vagy százszorosára lehet növelni, az egész rendszerre nézve lehet következtetéseket levonni, nem csak a Nekóra.

A kutatási láb: négy klinikai vizsgálat lezárva, kettő folyamatban, további négy indul. A Neko mélyen együttműködik a kutatói közösséggel a meglévő és gyűjtendő adathalmazokon.

A termékfejlesztés üteméről Ek egy iparági kontrasztot emel ki: egy diagnosztikai termék normál esetben évekig fejlesztés, majd tíz évig változatlan értékesítés. A Neko ezzel szemben három év alatt eljutott az első generációtól a második generációs diagnosztikai infrastruktúráig, és 2026-ban egy moduláris második generációs vizsgálóterem tesztelését kezdte meg, amely több jelet rögzít a test több pontjáról. Az ígéret: egyre több értéket adni ugyanahhoz az árpontos termékhez.

Az AI: az ipar elrontotta az eladást, és a számítás mint szabályozási mérték

Ek itt feltűnően visszafogott. Felidézi, hogyan lettünk mindannyian szakértők sorozatosan: virológusok a Covid alatt, ellátási lánc szakértők, amikor egy olajtankhajó elakadt a Hormuzi-szorosban, katonai szakértők az ukrajnai háború kitörésekor. A csattanó a műsorvezetők felé: „a laboratóriumpodcastra neveztük át magunkat, mert annyira veszélyesek a véleményeink, hogy szabályozni kellene minket”.

A következtetés: mindenki rendkívüli magabiztossággal nyilatkozik, és az esetek többségében téved, még a legnagyobb szakértők is. Ezért Ek nem foglal állást abban, hogy lassítani kell-e a frontiert. Amit mond: még mindig abban a szakaszban vagyunk, amikor alakítani tudjuk a technológia hatását, és minden nagy technológiának szélsőséges pozitív és szélsőséges negatív oldala van, rajtunk múlik, hogy merre tereljük.

A pozitív AI-példákról viszont határozott. A tökéletes zenei termék víziója: ma te jobb lejátszási listát állítasz össze, mint a rendszer, de a jövőben az életed minden pillanatát kísérni tudja, és erősíteni a pillanat érzelmét, ha boldog vagy, boldogabb, ha bánatos, mélyebb. A dermatológia példája (950 anyajegy követése időben) ugyanez: ezek csodálatos, pozitív AI-alkalmazások. Ek szerint az iparág „szörnyű szolgálatot tett” azzal, hogy nem beszél elég sokat ezekről a pozitív esetekről.

A nyílt vs. zárt modellek kérdésében Ek szerint a technológia mindig ingázott a kettő között (Windows vs. Linux, iOS vs. Android), és a kifutás jellemzően az, hogy mindkettő megmarad. A Spotify maga is így működik: nagy frontier modelleket használ, de saját finomhangolt modelljei is vannak, és ez teszi innovatívabbá, néha költség és hatékonyság miatt, néha mert a frontier modellt nem lehetett úgy hangolni, ahogy szerették volna. Ek korábban is kiállt a nyílt modellek mellett, és továbbra is ezt teszi.

A szabályozási felvetése eredeti: nem csak az egyes modellek intelligenciája számít, hanem a felhasznált számítás mennyisége. Aki 100 000 GPU-t használ valamire, az nyilván sokkal erősebb pozícióban van, mint aki egy nyílt modellt futtat otthoni PC-n, utóbbinál valószínűtlen, hogy komoly kibertámadást lehetne végrehajtani, különösen ha a védekező cégeknél csúcskategóriás modellek vannak. Ezért a számítás mint korlát szerinte jó irány lehet.

Friedberg és a műsorvezetők ezt továbbviszik: ha feltesszük a modellek egyenértékűségét, a számítás mint védekezési képesség nagy előnyt ad. Felidézik, hogy a szabályozási próbálkozások eredetileg TFLOP-ban vagy GPU-számban akarták megadni a küszöböt, egy kaliforniai törvényhozási próbálkozásban pedig az adatközpont Ethernet-kábelek számát használták proxyként a modell betanításához felhasznált energiára. A párhuzam: a régi szuper-számítógépekhez jóváhagyás kellett, mert nukleáris fegyverek tervezésére és kódok törésére lehetett használni őket, ma egy ilyen gép kevesebb teljesítményű, mint néhány konyhai háztartási eszköz.

Podcasting nyílt szabványok és a Stardoll

Az utolsó szakasz két személyes szálat zár le.

Podcasting és nyílt szabványok. Calacanis felveti, hogy a podcasting nyílt szabványokra épül, miközben a Spotify sok saját, proprietáris dolgot visz. Ek szerint a nyílt és a zárt egymás mellett fog létezni, nem vagy-vagy kérdés. Elismeri, hogy a Spotify egyes dolgokat maga csinál (például a kommentek kezelése platformspecifikus), de rámutat egy kevéssé ismert tényre: a Spotify eszközein keresztül podcastokat aggregálnak és terjesztenek más podcast-platformokra is, és ezt nyílt szabványokon keresztül teszik. A kompromisszum: ha egy szabványon belül akarsz innoválni, ahhoz másokat is meg kell győzni, ez lassabb lehet.

Calacanis konkrét kéréssel áll elő: két funkciót szeretne, amit a podcasting underground régen vár a Spotify-tól, a live/going live támogatást, amely tiszteli az RSS feedet és onnan küld értesítést, valamint a value/donations funkciót, amellyel a műsorok támogatásokat fogadhatnak (például PayPal-on keresztül). Ek erre annyit mond: ez már nem az ő döntése, utalva az executive chairman pozícióra.

Stardoll. Calacanis felidézi, hogy Ek a Stardollnál dolgozott, amely az egyik első stockholmi cég volt, amely amerikai kockázatitőke-befektetést kapott, és úttörő volt a digitális javak és előfizetések terén. Ek kijavítja a címet: „gyakornok-CTO, vagy valami ilyesmi” volt.

A záró anekdota: Ek újjáépítette a Stardoll weboldalát. Teljesen új technikai csapatot hozott, és a betöltési időt egy másodperc alá vitte, a forgalom felrobbant, a Sequoia befektetett, és Ek azt mondta: „megtettem a magamét, köszönöm”. Azután elment és megépítette a Spotify-t. Calacanis megjegyzése: ezek az eredettörténetek mindig érdekesek, mert ami közvetlenül azelőtt történik, az a legtanulságosabb.

Összegzés

Ez az epizód egy minta-átviteli történet. Ek egyetlen mechanizmust visz át két iparág között: több adat, hosszabb időn át, jobb előrejelzés, a zenében ez a következő dal, az egészségügyben a következő betegség.

A Spotify-rész értéke a kockázat-átvállalás mintája: nem érveléssel győzte meg a kiadókat, hanem egy ajánlattal, amiben ők nem veszíthettek, saját pénz, garantált bónusz, egyéves próbaidő. Tizenkét év kellett hozzá, hogy Ek bármibe befektessen, mert a Spotify nyilvános bevezetéséig (2018) nem volt pénze.

A Neko-rész legkeményebb adatai: 100 000+ vizsgálat, 350 000+ várólistás, 1% súlyos, addig ismeretlen találat. A legizgalmasabb megfigyelés viszont az, hogy a legrosszabb állapotúak javulnak a legtöbbet, vagyis a vizualizált állapot plusz a klinikusi magyarázat önmagában viselkedésváltozást hoz.

Az AI-részben Ek két dolgot mond, ami megjegyezhető. Egyrészt nem hajlandó állást foglalni a lassítás-vitában, és ezt módszertani alázattal indokolja, nem kifogással: a szakértők sorozatosan tévedtek az elmúlt években. Másrészt viszont határozottan kritizálja az iparágat, amiért nem meséli el az AI pozitív alkalmazásait, és rögtön hoz két konkrét példát (zenei élmény erősítése, anyajegy-követés).

A strukturális rész az egészségügyről a legélesebb gondolat: a rendszer fertőző betegségekre épült, ezért akut módon javít. A munkahelyhez kötött biztosítás és a rövid átlagos munkaviszony miatt senkinek nem áll érdekében 10-20 éves megtérülésű megelőzésbe fektetni. A Neko válasza nem a rendszer átalakítása, hanem a költség leszorítása addig a pontig, ahol a megtérülés már nem kér egymillió dolláros spekulációt.

A podcasting-befejezés barátságos, de van benne egy őszinte pillanat: amikor Calacanis konkrét funkciókat kér, Ek azt mondja, ez már nem az ő döntése. Az executive chairman szerep, amit január elsején vett át, pontosan ilyen: stratégia, tőkeallokáció, szabályozás, nem termékdöntések.

Forrás

  • Epizód honlap: https://allinchamathjason.libsyn.com/daniel-ek-life-after-spotify-broken-healthcare-incentives-catching-disease-early-ais-potential
  • Media (MP3): https://dts.podtrac.com/redirect.mp3/traffic.libsyn.com/secure/allinchamathjason/AUDIO_1k_Daniel_Ek_Int.mp3?dest-id=1928300 (73,5 MB, 51:16)
  • Transcript: Whisper ggml-medium.en, 8 782 szó, 435,9 sec wall-time, 7,1× realtime, 0 fallback
  • Epizódszám: a kiadó nem adott számot ehhez az epizódhoz (az enclosure fájlnév AUDIO_1k_Daniel_Ek_Int.mp3, <itunes:episode> nincs a feedben). Az All-In rendszeres adásszámozásától független interjúepizód.
  • ASR-javítások:
  • „free work” / „Freeberg” → Friedberg (David Friedberg házigazda)
  • „first shack” → Shakil (Shakil Khan, Ek partnere; a Whisper által eltorzított keresztnév)
  • „Yalmar” / „Yelmer” → Hjalmar (Hjalmar Nilsonne, a Neko Health társalapítója és vezérigazgatója), a podscripts.co párhuzamos átirata is „Yalmer”-t ír
  • „Necco” / „Nikko” → Neko (Neko Health), a Whisper a „Neko”-t több alakban is torzítja
  • „star doll” → Stardoll
  • „sounds every moment” → soundtrack every moment (a szövegkörnyezet a zenei kíséretre utal)
  • „for the LMS” → for the learning models (gépi tanulási utalás a 2010-es évekből)

Kapcsolódó külső források

  • Neko Health, https://www.nekohealth.com/, Ek és Hjalmar Nilsonne 2018-ban alapított egészségügyi technológiai cége; az első amerikai klinika 2026. szeptember 24-én nyílt a New York-i SoHo-ban, 300 Lafayette Street
  • Hjalmar Nilsonne, a Neko Health társalapítója és vezérigazgatója; orvosdinasztiából származik, a KTH-n szerzett ipari mérnöki mesterdiplomát, és tíz évig dolgozott az energiarendszer átállásán a Neko előtt
  • Spotify, https://www.spotify.com/, Ek 2006-os alapítása; 2026. január 1. óta executive chairman, a vezérigazgatói feladatokat Alex Norström és Gustav Söderström megosztott vezérigazgatók látják el
  • Stardoll, egy korai stockholmi közösségi játékplatform, amely az elsők között kapott amerikai kockázatitőke-befektetést; Ek itt kezdte gyakornokként
  • Prima Materia, Ek befektetési társasága, amelyet a Spotify nyilvános bevezetése után hozott létre
  • RIAA, az amerikai lemezipari szövetség, amely a 2000-es években egyéni fogyasztók ellen indított pereket a kalózkodás miatt

Kapcsolódó belső források

Hogyan kapcsolódik a saját rendszerünkhöz?

Ez az epizód három ponton érint minket közvetlenül.

1. Az adatfelhalmozás mint minta, már használjuk. Ek tézise az, hogy több adat, hosszabb időn át, jobb előrejelzés, és hogy ez volt a Spotify és ez a Neko mechanizmusa. A saját pipeline-jainkban ez már működik: a podcast-summary gyűjtemény, a topic-indexek és a terminology-history mind hosszú távú, visszakereshető adathalmazok. Az analógia tanulsága nem az, hogy több adatot gyűjtsünk (már gyűjtünk), hanem hogy a longitudinális összehasonlítás a hozzáadott érték, ahogy a Neko nem az egyszeri vizsgálatban, hanem az évről évre való összehasonlításban találja meg a jelet.

2. A nyílt szabványok kompromisszuma, közvetlenül érinti a podcasting munkánkat. Ek megfogalmazása pontos: „ha egy szabványon belül akarsz innoválni, ahhoz másokat is meg kell győzni — ez lassabb lehet.” Ez ugyanaz a feszültség, amivel a saját podcast-pipeline-unkban találkozunk, ahol a nyílt RSS-alapú forrásokat (Libsyn, Podhome) részesítjük előnyben. Ek megerősíti, hogy a Spotify maga is aggregál és terjeszt más platformokra nyílt szabványokon keresztül, érdemes lehet ezt a tényt szem előtt tartani, ha a jövőben Spotify-exkluzív tartalommal találkozunk.

3. Az AI-pozitív-példák hiánya a saját riportjainkban. Ek kritikája, hogy az iparág elrontotta az AI pozitív alkalmazásainak elmesélését, alkalmazható a saját summary-írásunkra is. Amikor AI-t érintő epizódot dolgozunk fel, a hangsúly jellemzően a kockázatokon és a vitákon van (lassítás, szabályozás, munkahelyek). Az epizód konkrét példái (950 anyajegy követése időben, zenei élmény erősítése) olyan alkalmazások, amelyek mérhető hasznot hoznak, érdemes ezeket is megjeleníteni, nem csak a vitát.

Státusz: mindhárom pont megfigyelés, nincs implementálva, nem javaslok konkrét változtatást a pipeline-ban ezek alapján. Az 1. pont már működő gyakorlat, a 2. pont háttérinformáció a forrásválasztáshoz, a 3. pont pedig írásmódbeli szempont, amit a következő AI-tárgyú epizódnál lehet szem előtt tartani.

Vissza a tetejére