#openledger Hier, je faisais le point sur une petite position de $OPEN que j'ai commencé à tester il y a quelques semaines. Rien de fou—je ne suis même pas vraiment en gains, mais en relisant le projet, une pensée m'est restée en tête.

La plupart des gens évaluent l'IA en fonction de la qualité de ses réponses. OpenLedger m'a fait voir les choses différemment.

Et si la vraie valeur n'était pas la sortie elle-même, mais la capacité de retracer d'où vient cette sortie ?

La comparaison qui m'est venue à l'esprit était celle des états financiers. Un bilan n'est pas important juste parce que des chiffres existent sur une page. C'est important parce que les gens s'y fient, et qu'il y a une responsabilité derrière.

Les sorties de l'IA semblent aller dans cette direction. De plus en plus de systèmes commencent à consommer des conclusions générées par l'IA sans vérifier chaque source. Quand cela arrive, l'attribution devient plus qu'une simple fonctionnalité technique.

C'est pourquoi l'accent mis par OpenLedger sur l'attribution attire mon attention. Si les décisions de l'IA commencent à influencer le capital, l'embauche ou des systèmes automatisés, savoir qui a contribué à un résultat peut être aussi important que le résultat lui-même.

C'est un problème bien plus grand que la vitesse du modèle.

$OPEN @OpenLedger