Aqui vai uma história de detetive analítico para você: um produto tem 5M de MAU e 80% DAU / MAU. É saudável? A maioria das pessoas, assim como seu LLM, diria: uau, produto forte! Agora adicione mais um fato: Duração média diária da sessão: 30 segundos De repente, a história muda. Talvez os usuários estejam apenas checando uma notificação e retornando. Talvez isso seja um engajamento superficial e reflexivo, não um valor real do produto. Mas mais um fato: é um aplicativo de pagamentos Agora 30 segundos parecem totalmente normais! Abra o aplicativo, envie dinheiro, feche o aplicativo. As mesmas métricas, mas com interpretações completamente diferentes. Esse é um dos maiores problemas da análise de IA. A IA não para de forma confiável e diz: "Não tenho informações suficientes para saber." Em vez disso, preenche as lacunas com a história mais estatisticamente plausível que já viu antes. Por isso, entradas esparsas produzem saídas genéricas, mas confiantes. A solução para isso? Contexto ortogonal: fatos independentes que reduzem a ambiguidade de diferentes direções. Leia nosso ensaio mais recente na Opiniãoated Intelligence sobre a ideia de Contexto Ortogonal.