Bijna 10.000 Reddit-posts filteren op bruikbare verhalen
vraag:
Kan een taalmodel uit Reddit-posts verhalen en voorbeelden halen waar mensen in organisaties tegenaan lopen, zodat ik materiaal heb voor eigen posts?
opzet:
Een scraper haalt elke vier uur zeven subreddits binnen. In de eerste opzet beoordeelde Claude elke week de nieuwe posts op twee vragen: gaat het over systemen of afdelingen die niet op elkaar aansluiten en zit er een echt verhaal in? Daarna deed ik het lokaal: een klein embeddingmodel legde elke nieuwe post naast vijf korte beschrijvingen van thema's uit mijn werk en hield de posts over die er genoeg op leken. Een lokaal taalmodel schreef daar een mogelijke invalshoek bij. Die kreeg ik als kaartje om goed of af te keuren, hooguit zes per dag.
uitkomst:
Gestopt. De scan liet goed zien waar mensen tegenaan lopen, maar leverde geen bruikbaar materiaal op voor mijn eigen posts. De scraper draait nog, als archief waarin ik kan zoeken voor het geval ik er in de toekomst nog iets mee wil, maar de analyse is stopgezet.
werkte niet:
De voorbeelden gaan niet over iets dat ik zelf meemaakte. Daardoor halen ze zelden de kwaliteit die ik voor een post wil. Er is al genoeg AI-slop in deze wereld, daar hoef ik niet nog meer aan toe te voegen.