Seperti banyak institusi selama setahun terakhir, Intuit MailChimp Dicoba Coding Vepi.

Intuit MailChimp menyediakan kemampuan pemasaran dan otomatisasi e -mail. Ini adalah bagian dari organisasi intuit terbesar, yang berada dalam perjalanan tetap dengan Jenderal AI selama beberapa tahun terakhir, ditawarkan sendiri. lutut Dan Agen Kecerdasan Buatan Kemampuan melalui unit bisnisnya.

Meskipun perusahaan memiliki kemampuan AI sendiri, MailChimp telah menemukan kebutuhan dalam beberapa kasus untuk menggunakan alat pengkodean getaran. Semuanya dimulai, seperti banyak hal, mencoba mencapai jadwal waktu yang sangat sempit.

MailChimp perlu menunjukkan alur kerja yang kompleks untuk pelanggan untuk pemangku kepentingan segera. Alat desain tradisional seperti Figma tidak dapat memberikan model awal yang mereka butuhkan. Beberapa insinyur MailChimp telah mencoba alat pengkodean kecerdasan buatan dengan tenang. Ketika mencapai tekanan tenggat waktu, mereka memutuskan untuk menguji alat -alat ini dengan tantangan nyata bagi bisnis.

“Kami sudah memiliki posisi yang menarik karena kami membutuhkan model pendahuluan untuk beberapa hal untuk para pemangku kepentingan kami, pada dasarnya hampir langsung, itu adalah alur kerja yang sangat rumit yang kami butuhkan untuk model awal,” Shevang Shah, kepala arsitek di Intuit Mailchimp, mengatakan kepada VentureBeat.

Insinyur MailChimp menggunakan alat pengkodean VEPBY dan terkejut dengan hasilnya.

Shah berkata: “Mungkin saja dibutuhkan hari -hari itu untuk melakukannya,” kata Shah. Kami berhasil melakukan ini dalam waktu dua jam, yang sangat menarik.

Sesi model awal memicu surat yang lebih luas dari alat pengkodean kecerdasan buatan. Sekarang, menggunakan alat -alat ini, perusahaan telah mencapai kecepatan pengembangan hingga 40 % lebih cepat sambil belajar pelajaran penting tentang tata kelola dan memilih alat manusia dan pengalaman yang dapat diterapkan oleh lembaga lain segera.

Pengembangan dari tanya jawab “untuk melakukan ini untuk saya”

Perjalanan MailChimp mencerminkan perubahan yang lebih luas dalam bagaimana pengembang berinteraksi dengan kecerdasan buatan. Awalnya, insinyur menggunakan AI untuk mengonversi untuk mendapatkan panduan dasar dan saran algoritma.

“Saya pikir bahkan sebelum pengkodean getaran menjadi sesuatu, banyak insinyur sudah mendapat manfaat dari alat kecerdasan buatan saat ini dan berbicara untuk melakukan beberapa bentuk – hei, apakah ini algoritma yang tepat untuk hal yang saya coba selesaikan?” Catatan Shah.

Model ini berubah terutama dengan alat pengkodean AI modern. Alih -alih pertanyaan dan jawaban sederhana, penggunaan alat menjadi lebih banyak tentang melakukan beberapa pekerjaan pengkodean.

Pergeseran dari konsultasi ke mandat ini adalah untuk mengusulkan nilai dasar yang sedang diperjuangkan oleh institusi saat ini.

Mailchimp dengan sengaja mengandalkan platform pengkodean AI yang disengaja, bukan satu penyatuan. Perusahaan menggunakan indikator, windsurf, mupment, qodo dan github kopilot berdasarkan visi dasar tentang spesialisasi.

Shah berkata: “Apa yang kami sadari, tergantung pada siklus pengembangan perangkat lunak Anda, alat yang berbeda memberi Anda manfaat yang berbeda atau pengalaman yang berbeda, seperti kehadiran seorang insinyur yang bekerja dengan Anda.”

Pendekatan ini mencerminkan bagaimana institusi menggunakan berbagai alat khusus untuk berbagai tahap pengembangan. Perusahaan menghindari solusi tunggal yang sesuai dengan semua orang yang mungkin unggul di beberapa daerah dengan kinerja yang buruk di orang lain.

Strategi ini muncul dari tes praktis alih -alih perencanaan teoretis. MailChimp telah menemukan melalui penggunaan bahwa alat yang berbeda mengungguli berbagai tugas dalam kemajuan pengembangan.

Kerangka kerja tata kelola mencegah kekacauan pengkodean kecerdasan buatan

Pusat pengkodean pengkodean terpenting di MailChimp tentang tata kelola. Perusahaan telah menerapkan pegangan dan operasi berbasis kebijakan yang dapat beradaptasi dengan perusahaan lain.

Kerangka kerja kebijakan mencakup ulasan internasional amnesti yang bertanggung jawab atas publikasi berbasis kecerdasan buatan yang memengaruhi data pelanggan. Kontrol operasi yang dijamin memastikan bahwa pengawasan manusia masih pusat. Kecerdasan buatan dapat melakukan simbol awal, tetapi persetujuan manusia masih diperlukan sebelum menerbitkan simbol produksi apa pun.

“Akan selalu ada manusia di episode ini,” Shah menegaskan. “Akan selalu ada seseorang yang harus meningkatkan, dan kita harus memeriksa ini, dan memastikan untuk menyelesaikan masalah yang tepat.”

Pendekatan lapisan ganda ini membahas masalah umum di antara institusi. Perusahaan menginginkan keunggulan kecerdasan buatan, sambil mempertahankan kualitas simbol dan standar keamanan.

Pembatasan konteks membutuhkan klaim strategis

Mailchimp menemukan bahwa alat pengkodean kecerdasan buatan menghadapi batasan yang luar biasa. Alat memahami pola pemrograman umum, tetapi tidak memiliki pengetahuan bisnis yang spesifik.

“Saya telah belajar kecerdasan buatan dari standar industri sebanyak mungkin, tetapi pada saat yang sama, itu mungkin tidak sesuai dengan perjalanan pengguna kami saat ini sebagai produk.”

Wawasan ini menyebabkan kesadaran yang menentukan. Pengkodean kecerdasan buatan yang sukses mengharuskan para insinyur untuk memberikan konteks yang semakin spesifik melalui klaim yang dibuat dengan cermat berdasarkan pengetahuan teknis dan komersial mereka.

“Saya masih perlu memahami teknologi, bisnis, bidang, rekayasa sistem, dan aspek hal -hal pada akhirnya, membantu kecerdasan buatan untuk memperkuat apa yang Anda ketahui dan apa yang dapat Anda lakukan,” jelas Shah.

Efek praktis dari institusi: Tim membutuhkan pelatihan pada kedua alat dan bagaimana mengomunikasikan konteks pekerjaan ke sistem kecerdasan buatan secara efektif.

Kesenjangan khas untuk produksi masih penting

Alat pengkodean kecerdasan buatan unggul dalam model primer yang cepat, tetapi MailChimp belajar bahwa model awal tidak menjadi simbol yang siap -untuk. Kompleksitas integrasi, persyaratan keamanan, dan pertimbangan struktur sistem masih membutuhkan pengalaman manusia yang hebat.

Shah memperingatkan: “Hanya karena kita memiliki model pendahuluan di tempatnya, kita tidak boleh melompat ke kesimpulan bahwa ini dapat dilakukan pada beberapa waktu.” “Model awal tidak sama dengan mengambil model awal ke produksi.”

Pelajaran ini membantu lembaga untuk memberikan harapan yang realistis tentang dampak alat pengkodean kecerdasan buatan pada jadwal waktu pengembangan. Alat sangat membantu dalam model awal dan pengembangan awal, tetapi mereka bukan solusi ajaib untuk seluruh siklus pengembangan perangkat lunak.

Transformasi strategis dari fokus menuju pekerjaan bernilai lebih tinggi

Efek transformasional tidak lebih kecepatan. Alat memungkinkan insinyur untuk fokus pada kegiatan bernilai lebih tinggi. MailChimp sekarang menghabiskan lebih banyak waktu dalam desain sistem, arsitektur, dan penyelesaian alur kerja pelanggan alih -alih tugas pengkodean berulang.

“Ini membantu kita menghabiskan lebih banyak waktu dalam desain dan arsitektur sistem,” Shah menjelaskan. “Lalu, bagaimana kita bisa menggabungkan semua alur kerja bersama untuk pelanggan kita dan tugas yang kurang duniawi.”

Pergeseran ini menunjukkan bahwa lembaga harus mengukur keberhasilan pengkodean kecerdasan buatan dengan cara yang melebihi produktivitas. Perusahaan harus melacak nilai strategis pekerjaan yang sekarang dapat ditentukan oleh pengembang manusia.

Kesimpulan dari institusi

Untuk lembaga yang ingin kepemimpinan dalam peningkatan pengembangan organisasi matematika, pengalaman MailChimp menunjukkan prinsip yang menentukan. Keberhasilan membutuhkan perlakuan alat pengkodean kecerdasan buatan sebagai asisten canggih yang mengobarkan pengalaman manusia daripada menggantinya.

Organisasi yang menguasai keseimbangan ini akan mendapatkan keuntungan kompetitif yang berkelanjutan. Mereka akan mencapai campuran kemampuan teknis yang benar sambil mengawasi manusia, mempercepat dengan tata kelola dan produktivitas dalam kualitas.

Untuk lembaga yang ingin mengadopsi alat pengkodean kecerdasan buatan nanti dalam kursus, perjalanan MailChimp menyediakan dari pengalaman berbasis krisis hingga perencanaan sistematis. Wawasan utama masih konsisten: Amnesty International meningkatkan pengembang manusia, tetapi pengalaman dan pengawasan manusia masih diperlukan untuk keberhasilan produksi.

Presiden Donald Trump bentrok dengan seorang reporter pada hari Kamis tentang pertanyaan tentang tarif yang baru ditandatangani, dan mengatakan kepadanya bahwa ia telah menghabiskan masa jabatan pertamanya “melawan orang -orang gila seperti Anda.” Entnesse Exchange mengikuti upacara penandatanganan Gedung Putih untuk serangkaian tindakan eksekutif yang bertujuan memperluas definisi bersama dan mempromosikan kebijakan komersial Amerika.

Selama percakapannya dengan koresponden di Gedung Putih setelah penandatanganan, koresponden Trump menghadapi alasan untuk mengkonfirmasi definisi dalam masa jabatan keduanya.

Koresponden berkata: “Anda menimbang keputusan Anda untuk melakukannya.” Mengapa Anda tidak menyebut hukum ini dalam masa jabatan pertama Anda? Anda dapat mengambil miliaran dolar dalam miliaran dolar dalam masa jabatan pertama Anda, tetapi Anda menunggu sampai masa jabatan kedua Anda? “

Lawy Federal Trump

Tanpa kehilangan ritme apa pun, presiden kembali: “Ya, karena di negara bagian pertama saya, saya melawan orang -orang gila seperti Anda yang mencoba melakukan hal -hal yang salah dan tidak tepat kepada seorang presiden yang terpilih sebagaimana diperlukan.”

Dia melanjutkan, “Kami membuat beberapa definisi di bab pertama.” “Jika Anda melihat Cina, Cina, kami mengambil ratusan miliar dolar dari Cina.”

Dia juga mengatakan bahwa pandemi Covid-19 juga berperan sebagai pekerja dalam keputusannya untuk tidak menekankan definisi dalam masa jabatan pertamanya.

“Ketika Kofid terakhir datang sesuatu yang akan saya lakukan adalah memberi tahu Prancis, Italia, Spanyol dan dua negara lain bahwa kami akan memukul Anda dengan definisi,” jelasnya. “Kami harus melawan situasi Kofid ketika itu datang.”

Binatang harian menarik cerita yang mengklaim hubungan Melania-Epstein setelah kerangka perselisihan

Presiden AS Donald Trump memegang dokumen “hambatan perdagangan eksternal” karena ia memberikan catatan tentang definisi di Taman Gedung Putih di Washington, DC, Amerika Serikat, 2 April 2025. (Reuters / Carlos Baria / File Image)

“Tetapi jika Anda melihat negara bagian pertama saya, kami telah mengambil ratusan miliar dolar dari tarif bea cukai, tetapi Anda tidak menutupinya dengan baik.”

Pernyataan Gedung Putih mengatakan bahwa langkah -langkah eksekutif Trump, yang diambil pada hari Kamis, “mencerminkan upaya berkelanjutan presiden untuk melindungi Amerika Serikat dari ancaman asing ke keamanan nasional dan ekonomi di Amerika Serikat dengan mengamankan hubungan perdagangan yang terpapar, seimbang dan saling menguntungkan untuk kepentingan pekerja Amerika, petani dan produsen dan memperkuat basis industri pertahanan Amerika Serikat.” ”

Ini terjadi tak lama setelah pengumuman Trump dan Presiden Komisi Eropa Ursula von der Lin pada kesepakatan komersial antara Amerika Serikat dan Uni Eropa pada hari Minggu.

Trump sedang mempersiapkan tes kebugaran presiden untuk pembaruan lain setelah pensiun Obama selama masa kepresidenan

Presiden Donald Trump (PBUH) sedang berjalan dengan Presiden Komisi Eropa Ursula von der Lin (L) setelah pertemuan mereka di Turnberry, barat daya Skotlandia pada 27 Juli 2025. (Brendan Smaliowski/AFP/Getty Images)

“Kami setuju bahwa tarif bea cukai secara langsung untuk mobil dan semuanya akan menjadi tarif langsung 15 %,” kata Trump.

Klik di sini untuk mendapatkan aplikasi Fox News

“Oleh karena itu, kami memiliki tarif 15 %. Kami memiliki keterbukaan terhadap semua negara Eropa, yang saya pikir dapat saya katakan terutama ditutup. Maksud saya, Anda tidak menerima pesanan kami dengan tepat. Saya tidak mengambil pertanian kami dengan tepat,” perlakuan perawatannya von der Lin.

Von Der Layen mengatakan bahwa Eropa juga akan membeli energi Amerika Serikat sebesar $ 150 miliar sebagai bagian dari kesepakatan, selain mencapai $ 600 miliar dalam investasi lain di Amerika Serikat.

Anders Hagstrom dan Stephen Sorace dari Fox News Digital berkontribusi pada laporan ini.

Openai Itu jarang terjadi pada hari Kamis, dan tiba -tiba menghentikan keuntungan yang memungkinkan Chatgpt Pengguna untuk Buat percakapan mereka ditemukan melalui Google Dan mesin pencari lainnya. Keputusan itu datang dalam beberapa jam dari kritik media sosial yang sangat luas dan merupakan contoh yang luar biasa dari kecepatan ketakutan privasi yang dapat menghalangi pengalaman kecerdasan buatan yang baik.

Fitur, yang digambarkan Openai sebagai “Pengalaman jangka pendek“Meminta pengguna dengan memilih secara aktif dengan berbagi obrolan dan kemudian mencentang kotak untuk membuatnya mencari. Namun, refleksi cepat gagal untuk tantangan utama yang dihadapi perusahaan kecerdasan buatan: mencapai keseimbangan antara potensi manfaat dari pengetahuan umum dengan risiko nyata paparan data yang tidak diinginkan.

Kami telah menghapus keuntungan @Chatgptapp Ini memungkinkan pengguna untuk mengadakan percakapan mereka, yang dapat ditemukan oleh mesin pencari, seperti Google. Ini adalah pengalaman singkat untuk membantu orang menemukan percakapan yang bermanfaat. Fitur ini mengharuskan pengguna untuk berlangganan, pertama dengan memilih untuk mengobrol … pic.twitter.com/mgi3lf05ua

Dan (@cryps1s) 31 Juli 2025

Bagaimana ribuan percakapan chatgpt menjadi hasil pencarian Google

Kontroversi itu meletus ketika pengguna menemukan bahwa mereka dapat mencari di Google menggunakan kueri.Lokasi: chatgpt.com/share“Untuk menemukan ribuan percakapan orang asing dengan asisten kecerdasan buatan. Apa citra intim tentang bagaimana orang berinteraksi dengan kecerdasan buatan – dari permintaan duniawi untuk mendapatkan saran pembaruan kamar mandi hingga pertanyaan kesehatan pribadi yang mendalam dan dimulainya kembali yang sensitif secara profesional, banding tidak dipertukarkan.

“Pada akhirnya, kami percaya bahwa fitur ini memberikan banyak peluang bagi orang -orang untuk berbagi hal -hal yang tidak mereka inginkan secara tidak sengaja,” tim keamanan Openai menjelaskan kepada X, mengakui bahwa rappo tidak cukup untuk mencegah penyalahgunaan.

Kecelakaan itu mengungkapkan titik buta yang penting tentang bagaimana perusahaan kecerdasan buatan berurusan dengan desain pengalaman pengguna. Meskipun ada jaminan teknis-fitur terlibat dan membutuhkan beberapa klik untuk mengaktifkan-elemen manusia telah membuktikan masalah. Pengguna belum sepenuhnya memahami efek membuat obrolan mereka dicari atau hanya mengabaikan implikasi privasi dalam antusiasme mereka untuk bertukar pertukaran yang bermanfaat.

Sebagai seorang ahli keamanan Catatan pada x: “Gesekan untuk berbagi informasi yang mungkin harus lebih besar dari kotak seleksi atau tidak ada sama sekali.”

Undangan yang bagus untuk melepasnya dengan cepat dan diharapkan. Jika kita ingin kecerdasan buatan tersedia, kita harus menghitung bahwa sebagian besar pengguna tidak pernah membacanya.

Gesekan untuk berbagi kemungkinan informasi khusus harus lebih besar dari kotak seleksi atau tidak ada sama sekali. https://t.co/remhd1aaxy

– Wavefnx (Wavefnx) 31 Juli 2025

Kesalahan Openai mengikuti pola yang mengkhawatirkan dalam membuat kecerdasan buatan. Pada bulan September 2023, Google menghadapi kritik serupa ketika percakapan Bard AI mulai muncul dalam hasil pencarian, mendorong perusahaan untuk menerapkan langkah -langkah larangan. Meta menghadapi masalah serupa ketika beberapa pengguna meta AI tidak sengaja Menerbitkan Obrolan Pribadi ke Ringkasan PublikTerlepas dari peringatan tentang perubahan dalam kasus privasi.

Insiden ini menerangi tantangan yang lebih luas: perusahaan kecerdasan buatan dengan cepat pindah ke inovasi dan membedakan antara produk mereka, dan kadang -kadang dengan mengorbankan melindungi privasi yang kuat. Ini dapat menuntut tekanan untuk mengisi fitur baru dan mempertahankan keunggulan kompetitif yang cermat untuk skenario penyalahgunaan potensial.

Untuk pembuat keputusan di institusi, gaya ini harus menimbulkan pertanyaan berbahaya tentang perawatan yang tepat dari penjual. Jika produk AI yang dihadapi konsumen berjuang dengan elemen kontrol dasar dalam privasi, apa artinya ini untuk aplikasi bisnis yang berhubungan dengan data perusahaan sensitif?

Perusahaan apa yang perlu diketahui tentang risiko privasi chatbot ai

itu Kontroversi chatgpt Ini membawa kepentingan khusus bagi pengguna bisnis yang semakin bergantung pada asisten kecerdasan buatan untuk semuanya, mulai dari perencanaan strategis hingga analisis kompetitif. Sementara Openai menyatakan bahwa akun lembaga dan tim memiliki perlindungan privasi yang berbeda, sandungan produk konsumen menyoroti pentingnya memahami bagaimana penjual kecerdasan buatan berurusan dengan berbagi data dan menyimpannya.

Lembaga pintar harus meminta jawaban yang jelas untuk tata kelola data dari penyedia kecerdasan buatan. Pertanyaan utama meliputi: dalam kondisi bahwa pembicaraan mungkin tersedia untuk pihak ketiga? Apa saja kontrol untuk mencegah paparan yang tidak disengaja? Seberapa cepat perusahaan menanggapi kecelakaan privasi?

Insiden itu juga menunjukkan sifat viral dari pelanggaran privasi di era media sosial. Dalam beberapa jam setelah penemuan awal, cerita menyebar X.com (sebelumnya Twitter)Dan Saya menjawabPublikasi teknologi utama, menguatkan reputasi dan memaksa tangan Openai.

Dilema Inovasi: Membangun Keuntungan AI Berguna tanpa mengurangi privasi pengguna

Visi Openai tentang fitur pencarian tidak rusak. Kemampuan untuk menemukan percakapan kecerdasan buatan yang sangat berguna dapat membantu menemukan solusi untuk masalah umum, mirip dengan bagaimana Kelebihan Ini telah menjadi sumber yang sangat berharga bagi pemrogram. Konsep membangun basis penelitian yang tunduk pada kecerdasan buatan memiliki keuntungan.

Namun, eksekusi mengungkapkan ketegangan penting dalam mengembangkan kecerdasan buatan. Perusahaan ingin memanfaatkan kecerdasan kolektif yang dihasilkan dari reaksi pengguna dengan perlindungan privasi individu. Menemukan keseimbangan yang benar membutuhkan pendekatan yang lebih canggih daripada kotak seleksi sederhana.

Satu pengguna di x Itu merebut kompleksitas: “Jangan mengurangi pekerjaan karena orang tidak dapat membaca. Standarnya bagus dan aman, Anda harus berdiri di tanah Anda.” Tetapi yang lain tidak setuju, seperti yang ditunjukkan oleh salah satu dari mereka bahwa “isi chatgpt seringkali lebih sensitif daripada rekening bank.”

Pakar pengembangan produk, Jeffrey Emmanuel, juga menyarankan bahwa X: “Post -death harus pasti dan mengubah pendekatan untuk melanjutkan pertanyaan” tentang hal buruk jika 20 % dari populasi lebih buruk dan disalahgunakan fitur ini? “Itu merencanakannya.”

Tentu saja, Anda harus melakukan post -mati dalam hal ini dan mengubah pendekatan untuk bergerak maju dalam pertanyaan, “Seberapa buruk jika lebih dari 20 % dari populasi salah paham fitur ini dan menyalahgunakannya?” Itu merencanakannya.

Jeffrey Emmanuel (Doodlestein) 31 Juli 2025

Privasi dasar yang harus diterapkan oleh setiap perusahaan internasional amnesti

itu Bencana pencarian chatgpt Ini memberikan banyak pelajaran penting untuk perusahaan intelijen buatan dan pelanggan di lembaga. Pertama, pengaturan privasi virtual sangat penting. Fitur yang dapat mengungkapkan informasi sensitif harus memerlukan persetujuan yang jelas dan terinformasi dengan peringatan yang jelas tentang konsekuensi yang mungkin.

Kedua, desain antarmuka pengguna memainkan peran yang menentukan dalam perlindungan privasi. Multile -Steps dapat, bahkan ketika mereka secara teknis aman, dapat menyebabkan kesalahan pengguna dengan konsekuensi yang parah. Perusahaan intelijen buatan perlu berinvestasi besar -besaran dalam membuat kontrol privasi pribadi dan intuitif.

Ketiga, kemampuan respons cepat diperlukan. Kemampuan Openai untuk mencerminkan kursus pelatihan dalam beberapa jam dari kerusakan paling serius pada reputasi, tetapi kecelakaan itu masih menimbulkan pertanyaan tentang proses meninjau fitur mereka.

Bagaimana institusi dapat melindungi diri dari kegagalan privasi kecerdasan buatan

Karena kecerdasan buatan semakin terintegrasi ke dalam proses komersial, kecelakaan privasi seperti ini menjadi lebih tergantung. Risiko meningkat secara dramatis ketika percakapan terbuka mencakup strategi untuk perusahaan, data pelanggan atau informasi alih -alih pertanyaan pribadi tentang perbaikan rumah.

Lembaga berpikiran depan harus menganggap kejadian ini sebagai undangan untuk bangun untuk memperkuat kerangka tata kelola buatan. Ini termasuk penilaian komprehensif tentang pengaruh privasi sebelum menerbitkan alat AI baru, menetapkan kebijakan yang jelas tentang informasi yang dapat dibagikan dengan sistem kecerdasan buatan, dan memelihara stok terperinci dari aplikasi kecerdasan buatan di seluruh organisasi.

Anda harus belajar membuat kecerdasan buatan yang lebih luas daripada openai. Karena alat -alat ini menjadi lebih kuat dan perangkat di mana -mana, margin kesalahan dalam melindungi privasi masih menyusut. Ada kemungkinan bahwa perusahaan yang memberikan prioritas pada desain privasi yang dipelajari sejak awal akan menikmati keunggulan kompetitif yang besar pada mereka yang berurusan dengan privasi sebagai ide selanjutnya.

Biaya tinggi kepercayaan diri dalam kecerdasan buatan

itu Episode chatgpt sedang mencari Ini menjelaskan fakta dasar tentang mengadopsi kecerdasan buatan: sulit untuk membangun kembali kepercayaan diri, setelah rusak, luar biasa. Meskipun respons cepat Openai mungkin mengandung kerusakan langsung, kecelakaan itu merupakan pengingat bahwa kegagalan privasi dapat dengan cepat membanjiri pencapaian teknis.

Untuk produsen berdasarkan janji untuk mengubah cara kita bekerja dan hidup, menjaga kepercayaan diri pengguna bukan hanya hal yang menyenangkan-itu adalah persyaratan eksistensial. Dengan perluasan yang berkelanjutan dari kemampuan kecerdasan buatan, perusahaan yang berhasil adalah mereka yang membuktikan bahwa mereka dapat dipecat dengan tanggung jawab, dan menempatkan privasi pengguna dan keselamatan di pusat pengembangan produk mereka.

Pertanyaannya sekarang adalah apakah industri kecerdasan buatan akan belajar dari panggilan privasi terakhir atau terus tersandung melalui skandal yang sama. Karena dalam perlombaan untuk membangun kecerdasan buatan yang paling berguna, Anda mungkin menemukan perusahaan yang lupa untuk melindungi pengguna mereka sendiri bekerja sendiri.