Sztuka nazewnictwa w AI, czyli dlaczego "Gemini Nano" brzmi jak kryptowaluta

Zróbmy sobie mały test. Bez googlowania — potrafisz mi wytłumaczyć, czym różni się Gemini Flash od Gemini Nano? Albo kiedy warto wybrać ChatGPT Plus zamiast subskrypcji Team? Jeśli czujesz, że musisz chwilę pomyśleć, zanim odpowiesz — jesteś w większości.

I nie ma w tym nic wstydliwego. Po prostu branża AI namieszała tak skutecznie, że nawet ludzie z branży czasem łapią się za głowę.

Dywizja marzeń, czyli jak nazywać produkty, żeby nikt nic nie rozumiał

O co chodzi? Ano o to, że firmy zaczęły traktować nazwy swoich produktów jak tytuły prac doktorskich. Każdy model musi mieć oznaczenie, które brzmi poważnie w komunikacie prasowym, ale kompletnie nic nie mówi zwykłemu użytkownikowi.

Weźmy choćby Google Gemini. Tam jest tyle wariantów, że można by nimi obdzielić wszystkich pracowników Vegas. Ultra, Pro, Nano, Flash — wygląda to tak, jakby ktoś potrząsnął pudełkiem od Scrabble i nazwał to roadmapą produktową. A problem w tym, że te nazwy nie są tylko ozdobnikami. Każdy poziom oferuje inne możliwości. Czyli użytkownik potrzebuje już nie tyle instrukcji, co Excela, żeby ogarnąć, który bot do czego służy.

Ale Google nie jest sam. OpenAI ma ChatGPT Free, Plus, Pro i Team. Anthropic klepie Claude z różnymi context window i możliwościami. Co tydzień ląduje nowy model pod nową nazwą, a gdzieś tam mały przedsiębiorca wznosi ręce do góry i rezygnuje.

To nie jest tylko problem zwykłych ludzi — to jest problem biznesowy

Możesz powiedzieć: "Ej, ja jestem programistą, dam sobie radę." I pewnie dasz. Ale tu nie chodzi o ciebie. Chodzi o twoich potencjalnych klientów. O kolegów z zespołu. Czasem nawet o ludzi z działu, który siedzi dwa piętra niżej.

Kiedy founder startupu nie może się zdecydować, czy potrzebuje Gemini Ultra czy Pro, to prawdopodobnie wybierze to, co zna. Kiedy menedżerka marketingu słyszy o "context window" i "limicie tokenów",到她 zamyka się i zostaje przy mailu. Ta dezorientacja nie jest tylko irytująca — ona aktywnie hamuje wdrażanie AI w firmach.

Ironia jest taka, że te firmy zbudowały naprawdę potężne narzędzia. Ale ta moc jest nic niewarta, jeśli ludzie nie potrafią się do niej dostać. To trochę jak sportowe auto z rozrusznikiem schowanym pod maską — nie ma znaczenia, jak szybko jeździ, skoro większość osób nawet nie wie, jak je uruchomić.

Co to znaczy dobra marka?

Tu dochodzimy do sedna sprawy. Dobra marka komunikuje wartość, nie specyfikacje. Kiedy Apple wypuszcza nowego iPhone'a, nie mówi: "wyposażony w układ A18 z 6-rdzeniowym CPU." Mówi: jest szybszy, dłużej trzyma baterię, robi lepsze zdjęcia.

Kiedy kupujesz Toyotę, nie musisz rozumieć, co to moment obrotowy, żeby wybrać między modelami. Marketing mówi ci to, co ważne: ten zużywa mało paliwa, ten jest terenowy, ten ma większy bagażnik.

Najlepsza technologia znika w tle. Po prostu działa, nie wymagając od ciebie inżynierskiego dyplomu.

Ta zasada nie jest nowa. Nie jest nawet szczególnie kontrowersyjna. A mimo to branża AI uznała, że przyjazność dla użytkownika to opcja dodatkowa.

Ten sam problem znamy z domen

Tu wkraczamy na nasz teren, bo w NameOcean widzieliśmy to tysiące razy. Dobrze dobrana nazwa to podstawa. Widzieliśmy firmy, które wybrały domenę nie do wymówienia, niemożliwą do zapisanania albo taką, którą ludzie zapominają po pięciu minutach. Najlepsze domeny — jak najlepsze produkty — są intuicyjne. Po prostu działają.

Dokładnie ta sama zasada dotyczy AI. Jeśli potrzebujesz pięciominutowego wyjaśnienia, dlaczego "Gemini Flash" może być lepszy od "Gemini Nano" w twoim konkretnym przypadku, to nazewnictwo już zawiodło. Prostota to nie ignorancja — to szacunek dla czasu i inteligencji użytkownika.

Co mogłyby zrobić lepiej?

Mamy dla was radę: zacznijcie od efektów, nie od specyfikacji. Powiedzcie ludziom, co produkt dla nich zrobi. Zróbcie wybór oczywistym. I na litość — przestańcie zakładać, że każdy chce zostać specem od machine learningu, zanim wyśle maila.

To może oznaczać mniej poziomów produktowych. Albo przynajmniej mniej nazwanych poziomów. Może oznaczać grupowanie możliwości w sposób, który pasuje do realnych workflow, a nie do abstrakcyjnych hierarchii technicznych. Może oznaczać zatrudnianie większej liczby ludzi myślących o użytkowniku, a mniejszej liczby tych patrzących na benchmarki.

Najważniejsze: przypomnijcie sobie, po co budujecie technologię. Żeby rozwiązywać ludzkie problemy — nie żeby pokazywać inżynierskie mięśnie. Nikt nie pobiera aplikacji, bo usłyszał, że działa na świetnym language modelu. Pobiera ją, bo ułatwia mu życie.

Podsumowanie

Rewolucja AI nie wygra firma z najbardziej imponującą linią modeli. Wygra ją firma, która wreszcie zrozumie, jak sprawić, żeby potężna technologia wydawała się przystępna. To jest lekcja, którą najlepsze produkty konsumenckie znają od dekad.

Do tego czasu czekamy na kogoś, kto powie: "Ta AI jest szybsza, mądrzejsza i prostsza w obsłudze. Wybierz ten jeden."

Do tego czasu zostajemy z alphabeticznym rosołem. A szkoda — dla użytkowników, dla biznesu i dla technologii, którą powinniśmy wykorzystywać, a nie rozszyfrowywać.