Month: September 2025

  • Why 95% of People Calling the MIT AI Study a Failure Are Completely Wrong About Enterprise AI

    Hot take: 95% of people reading the MIT AI study and claiming AI is a failure either know nothing about AI, didn’t read the study, or know nothing about enterprise business. Let’s talk about why. First, the study said that in the study period, only 5% of task-specific embedded GenAI projects emerged from pilot. Let’s

    Continue reading →

  • How AI Can Transform Your Next Doctor’s Visit: A Patient’s Guide to Better Health Outcomes

    How do I go to the doctor in the age of generative AI? In the old days, we’d just go to the doctor’s office. We’d have a vague recollection of the past, and we’d have whatever was current on our minds when we met with our primary care physician and care team. That meant they

    Continue reading →

  • Almost Timely News: 🗞️ Cognitive Offloading and AI (2025-09-28)

    Almost Timely News: 🗞️ Cognitive Offloading and AI (2025-09-28) :: View in Browser The Big Plug 🇬🇧 There are only 2 seats left for my full day workshop in London, England, on 31 October! 👁️ Register for our new online course, the AI-Ready Strategist, now available! Content Authenticity Statement 100% of this week’s newsletter was

    Continue reading →

  • Why Your AI Is Probably Smarter Than You Think (And What It Means for Your Work)

    See if you can answer this question. Astronomers are studying a star with a Teff of approximately 6000 K. They are interested in spectroscopically determining the surface gravity of the star using spectral lines (EW < 100 mA) of two chemical elements, El1 and El2. Given the atmospheric temperature of the star, El1 is mostly

    Continue reading →

  • Vibe Coding: How to Avoid Over-Engineering and Build Smarter, Not Harder

    In the world of vibe coding, one of the things to be on the lookout for is over-engineering. Remember that generative AI is trained on patterns from its training data. And that training data can be anything from some kid’s MIT Scratch project all the way up to enterprise grade software. And enterprise grade software

    Continue reading →

  • How Generative AI Silently Devalues Female Voices: A Disturbing Case Study

    Here’s a very blatant example of gender bias baked into an AI model. Each week, Katie Robbert reads aloud the Trust Insights newsletter. In preparation, I take the raw video, transcribe it word for word with NVIDIA Parakeet, and then give to Gemini 2.5 Pro to turn into a YouTube description. Now, to be clear,

    Continue reading →

  • How AI Is Transforming the Job Market: Who’s Losing and Who’s Gaining

    Is AI having an effect on jobs? Well, yes. In a new paper from Stanford, “Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence” by Brynjolfsson∗ et. al., researchers dug into AI effects on employment in a VERY well written paper. The highlights: AI hits youngest workers hardest. Workers

    Continue reading →

  • Build on Land People Trust: Why “Don’t Build on Rented Land” Still Rules in the Age of AI

    Is “don’t build on rented land” ready for retirement? Jay Baer argues that might be the case, especially in the age of AI. I disagree, and here’s why. First, we have to decide what “land” means. Does “don’t build on rented land” mean slap up a static website stuffed with crusty blog posts? It did

    Continue reading →

  • 及时快讯: 🗞️ 使用AI进行分析 (2025-09-21)

    及时快讯: 🗞️ 使用AI进行分析 (2025-09-21) :: 在浏览器中查看 重点推荐 🇬🇧 我将于10月31日在英国伦敦举办的全天研讨会,仅剩4个席位! 👁️ 立即注册我们全新的在线课程《AI就绪战略家》! 内容真实性声明 本周通讯100%由我(人类)创作。您将在视频中看到大量的AI输出。 了解为何这类披露是个好主意,并且可能很快成为与欧盟有任何业务往来者的强制要求。 在YouTube上观看本期通讯 📺 点击此处观看本期通讯的视频📺版本 » 点击此处获取纯音频🎧MP3版本 » 我的思考:使用AI进行数据分析 在本周的文章中,让我们来谈谈我最喜欢的话题之一,一个我20年前就因此而闻名的话题——数据分析。数据分析仍然是我的挚爱,它能够揭示数据的秘密,并告诉我们有用的信息。 在关于生成式AI的所有喧嚣中,我们忽略了一些数据分析,在其他情况下,我们甚至丢失了数据。数据隐私的改变减少了我们可访问的数据量;一些浏览器和设备根本不发送任何数据。 但即使有这些变化,我们仍然有足够的数据可以进行某种程度的分析,特别是如果我们能很好地请求人们帮助提供数据——并以价值作为回报。 本周,让我们看看如何利用生成式AI的力量进行数据分析。 我还要提醒一点,本周的内容会稍微偏技术性,因为我们不能完全信任生成式AI自行进行数学计算。生成式AI模型根本无法进行数学运算。这实际上不是它们架构的一部分。但它们可以编写代码(这是一种语言)来为我们进行数学计算——这就是我们将要做的事情。 第1部分:前期准备 在我们做任何事情之前,我们需要明确我们正在做什么。花些时间坐下来,仔细思考并解释你想要了解什么。你的目标是什么?你为什么要查看你的数据?你希望获得什么? 例如,对于这份通讯,我可能会说: 我非常想了解“及时快讯”这份我运营的Substack通讯,以及如何在未来六个月内将其订阅用户从今天的近30万增加到40万。我的目标是在2026年3月前达到40万订阅用户。为了实现这个目标,我需要做更多、更少或不同的事情是什么? 你需要准备的第二件事是分析数据。因为我们将间接使用代码,所以这些数据应该采用干净、机器可读的格式。CSV文件和JSON文件都可以,几乎任何机器文件也行。大多数软件平台都可以导出这两种格式之一,所以请务必导出所有你能获取的数据。 对于这份通讯,我可能会导出我的Substack分析数据、社交媒体分析数据、Google Search Console分析数据、Google Analytics 4数据——基本上,所有能帮助我回答关于我的目标问题的数据。你很可能会遇到只能通过截图获取的数据,所以你需要使用你喜欢的AI工具将这些截图转录成文本文件。 你需要准备的第三件事是,在与你的分析数据匹配的给定时间段内,你所做的活动集合。如果你正在查看30天的数据,那么在这段时间内,你的活动都做了什么?例如,如果我们谈论营销,发出了多少封邮件、发送了哪些邮件,发布了哪些社交帖子,上传了哪些视频等等。 如果你关注的是身体健康,你将拥有你的健康数据,如步数、心率等,以及在这30天内你所做的事情。你吃了什么,何时以及如何锻炼等等,尽可能提供详细的信息。 通常,收集这些数据最简单的方法是,准备好你喜欢的饮料,打开手机上的语音备忘录应用,查看你的日历,或许还有你的收件箱,然后回顾你在那段时间内所做的一切。根据系统不同,你可能还可以导出你的数据。LinkedIn等社交网络允许你导出所有数据。 例如,对于这份通讯,我可能会说: 每周日早上6点30分(美国东部时间),我都会发出“及时快讯”通讯。我通过Substack发送这份通讯,同时也会发布到我的网站ChristophersPenn.com上,并使用LinkedIn的通讯功能和随附的社交帖子将其发布到LinkedIn。在一周内,我在工作日每天在LinkedIn上发布一到两次,并且每个工作日都在我的Substack上发布一条简短笔记。我每天都会在YouTube上发布视频,这些视频包含指向我各个平台的链接。我每个工作日都会在我的个人博客ChristophersPenn.com上发布一篇常规博客文章。 你需要准备的第四件事是访问编码工具。这是无法避免的;一些最佳的分析结果来自生成式AI无法完成的数学和统计方法。 好消息是现在有很好的选择。Google Colab非常出色,它允许你直接在体验中结合Gemini使用生成式AI提示词。无需安装——它非常有用。如果你正在处理高度敏感的数据,你可以私密且安全地使用像Qwen 3 Coder这样的开源模型与Ollama。这需要更多的设置工作,但它能保证私密性。 第2部分:凯尔西的冰箱里有什么? 我的朋友兼同事凯尔西经常说,她最喜欢的生成式AI用例是拍下冰箱里的东西,然后问AI可以用这些食材做什么菜。虽然这看起来是一个相当直接的用例,但它却是生成式AI最深刻的数据分析用例之一的基础,[我在我的书《近乎永恒》(Almost Timeless)的第X条原则中详细阐述了这一点]:询问AI。 根据你的目标和你所拥有的数据,询问AI你能用这些数据做什么。 以下是一个示例提示词: 您是一位屡获殊荣的营销分析和统计专家,对营销数据分析、数据架构和数据工程有深入的理解。我想了解如何从我现有的营销数据中提取见解,以更好地了解我的营销哪些方面有效。我的营销目标是{详细的目标列表}。在过去的X天里,我进行了{营销活动的全面总结}。我可用的数据包括{你的数据列表},并且我可以从{你的Martech列表}导出数据。我已附上一些样本。{请务必实际包含这些样本}。让我们探讨一下我可以用这些数据做什么。请告诉我,在Python中我可以使用哪些统计和机器学习方法(包括监督式和非监督式)来进行根本原因分析、归因、提升、倾向性分析或其他有用的、可操作的洞察力提取方式——请根据我的数据和目标做出最佳判断,并理解这就是我所拥有的所有数据。请考虑数据如何进行交叉引用、链接、标准化或反标准化,以及您所了解的其他数据工程技术。将此视为一个食谱挑战,我提供食材,我们找出能烹饪出什么。根据这些数据,我能“烹饪”出哪些见解,以及如何烹饪?请将您的思维扩展到超越常见的营销分析。我们还可以借鉴其他学科和领域的技术吗?请以Markdown格式返回结果,解释将帮助我充分利用数据的具体Python库、方法、策略和技术。请记住,我们是在规划、头脑风暴和思考,而不是编写代码。不要编写代码。 显然,请根据你正在从事的领域——营销、销售、财务、健康等——进行调整。 为什么这会奏效?因为所有的生成式AI模型都消化了比我们人类所能掌握的更多的最佳实践和领域数据。我们的大脑没有那么大。通过询问AI,我们正在利用它的知识,不仅是营销,还有数据分析的每一个领域,来提出答案。 一旦我们得到了一个详尽的可能选项列表,请向AI提出一些后续问题。以下是接下来应该做的事情。

    Continue reading →

  • Noticias Casi A Tiempo: 🗞️ Usando IA para Analíticas (2025-09-21)

    Noticias Casi A Tiempo: 🗞️ Usando IA para Analíticas (2025-09-21) :: Ver en el navegador El Gran Promocional 🇬🇧 ¡Solo quedan 4 cupos para mi taller de día completo en Londres, Inglaterra, el 31 de octubre! 👁️ ¡Inscríbase en nuestro nuevo curso en línea, el Estratega Preparado para IA, ya disponible! Declaración de Autenticidad del

    Continue reading →