Your biggest competitor pays for the exact same model that you do. And when a smarter model ships, you both get the same model on the same day. If you're new here, I'm Dylan. I run an AI consultancy. And when I sit down with owners and executives one-on-one, the ones getting the real results are never the ones with a better model. They're the ones with a better setup. So, in this video, I'll show you the one input your competitor can't copy and the four-step flywheel that turns your calls, your wins, and your fixes into an AI that gets smarter every time that you use it. So, let's get into it. Now, here's the trap that most people fall into. All of us have access to the same models. So, Gemini, ChatGPT, Claude, when you pay, you get access. But, so do your competitors. And depending on your level, so if you're an employee, that would be another employee. But, if you're an executive or a business owner, you're competing against other companies. And the issue with this is that if you're not feeding it the right information, then oftentimes when you ask the AI to do something for you, you give it similar data, and it's going to then give you similar outputs. So, what's happening is many people that are using models in a poor way, they're all converging on average, which sure gives you some leverage, but it doesn't differentiate you between you and your competitors. And that's what we're trying to avoid in this video, is not being sucked into the average. Now, when getting answers from AI, there are three things you're going to give it. One of which is truly unique, the other two, not so much. So, the first one is the model. So, you choose the model and you choose the reasoning level for that model to go to do a task for your or to give you an answer. This can be rented by everybody. So, everybody gets access to the same models. They just have to choose the right one. That's the first one. The next one is the prompt. It might come as a surprise to some of you, but the value in a prompt is becoming less and less valuable as the models become more and more intelligent because these AIs don't need as much instruction. They just need really rich context. So, your prompts aren't going to separate you from your peers or your competitors. And also, they could be easily copied within a week or two if after somebody kind of gets to that same conclusion you did. That's the second one. And the third one is context, and that's where it's truly unique. And not any context, but specific context to you and how you work and your company works. This is what matters, and this is what we're going to focus on to really separate ourselves from our peers and our competitors. Now, what do I mean by context? I specifically mean how you work, and there's a technical term for this called demonstrated execution. This is a fancy way of basically saying how you work and the associated nuance and subtlety to that. So, I'm going to give you some examples. So, the first example here could be a sentence that you used in a pitch to a prospect that turned them from a maybe to a yes. We want to solidify that and codify into AI so we can repurpose it for future conversations. Another one is from your experience, you know which jobs to take on for new clients and which not to based off of the cost for you because maybe some jobs are more costly than others. Another good example that's more generic is corrections. So, when AI gives you something back, you make a series of corrections to it. And if those corrections aren't solidified into the AI going forward, it's going to make those same mistakes. And then finally, this is probably one of the biggest ones that a lot of people have is rules that are inside of your head but not documented anywhere. And we need to get these out of your head and into AI. An example for this could be maybe you take no rush jobs in December for whatever reason. Quick pause and we're going to programming. This video is brought to you by me, as always. Two quick things. First off, below is a 30-day [snorts] AI insight series, completely free. You'll get 30 insights in your inbox of how you can apply AI to your business and your work. The second thing is if you'd like to work with me, below are series of offerings to see if there's a good fit between the two of us. Now, let's go back to the video. And as you can see, the context here is very nuanced and subtle. It's not just a bunch of documents. Reason being is oftentimes when people think about context, they think about just documents they have for their business, which can be useful in some use cases. But for recurring tasks where you're trying to create more leverage from AI and separate yourself from your peers and your competitors, you want the right context, not just a bunch of context. An example that I often see is people have a bunch of files, and in these files, there could be some files that are 2 years old and no longer relevant. Other files that are 40 pages l

Fable 5를 모두가 이용할 수 있게 된 이후로, 저는 게임을 직접 플레이해보고, 작동 방식을 이해하고, 더 중요하게는 이처럼 강력한 모델을 우리가 어떻게 최대한 활용할 수 있는지 파악하는 데 수천 달러 상당의 사용 크레딧을 썼습니다 . 그리고 제가 얻은 가장 중요한 교훈 중 하나는, 네, Fable 5는 훌륭한 모델이라는 점에는 동의합니다만, 그 모델 자체가 해자는 아니라는 것입니다. 자, 이렇게 생각해 보세요 . 인공지능 초보자도 있고, 안드레 카르파티 같은 전문가도 있습니다. 초보자에게 Fable 5를 주고 Karpathy에게 Sonnet 3.7을 주면, 초보자의 모델이 훨씬 더 뛰어나더라도 Karpathy는 초보자보다 더 나은 것을 만들어낼 것입니다. 그 이유는 지시하는 방식과 구축하는 시스템, 그리고 모델을 중심으로 만드는 순환 구조가 훨씬 더 중요하기 때문입니다 . 여러분께서 생각해 보셨으면 하는 또 다른 예시를 하나 더 알려드리겠습니다 . 당연히 Fable 5를 엄청나게 많이 테스트해봤습니다. 저는 Opus 와 Sonnet도 엄청나게 많이 테스트해 봤습니다. 제가 요즘 가장 좋아하는 일 중 하나는 Claude Code가 제공하는 동적 워크플로우를 활용하는 것입니다 . 그리고 저는 "Fable아, 워크플로우를 디자인해 봐. 그리고 그 워크플로우의 모든 하위 에이전트들도 Fable로 만들어 봐."라고 말하면서 수많은 동적 워크플로우를 구현해 봤습니다. 그런 다음 Fable이 Opus 하위 에이전트들을 총괄하도록 하고, Fable이 Sonnet 에이전트들을 총괄하도록 하는 동일한 테스트를 진행할 것입니다. 그리고 제가 발견한 것은 동적 워크플로우를 실행했을 때, Fable 실행 비용이 기하급수적으로 더 많이 들었음에도 불구하고 결과는 거의 동일하다는 것입니다. 그러니까, 제가 하고 싶은 말은 모델의 지능은 유지할 수 없지만, 모델의 프로세스는 유지할 수 있다는 겁니다. 오늘 제가 이야기하고 싶은 것은, 간단히 말해서, Opus 같은 모델을 Fable처럼 느껴지도록 바꾸는 방법에 관한 것입니다. 우선 이 모델을 일꾼이라기보다는 선생님처럼 생각해야 한다는 점입니다. 우리가 모두 Fable을 플레이할 수 있게 되었을 때, 우리는 거의 게임의 한계까지 몰아붙이고 있었던 것 같아요. 그리고 앤트로픽은 이 제품이 장기적인 작업, 즉 목표를 향해 나아가고, 계획을 세우고, 실행하고, 검증하는 데 얼마나 뛰어난지에 대한 자료도 공개했습니다. 그리고 그 점에서는 정말 훌륭하지만, 모델 라우팅의 핵심은 기본적으로 그 균형을 찾는 것이라는 점을 알아야 합니다. 이 작업에는 그만큼의 지능이 필요한데, 훨씬 작고 저렴한 모델을 사용해서도 동일한 수준의 품질로 작업을 완료할 수 있는데, 왜 굳이 그렇게 높은 지능을 가진 비싼 모델을 사야 할까요? 그것이 바로 이 게임의 핵심이며, 앞으로 다가올 인공지능 시대에 우리가 숙달해야 할 매우 중요한 기술이 될 것입니다. 그러니까 Fable이 모든 것을 계획하고 실행하는 대신 , Fable의 사고방식을 추출해서 다른 소규모 모델들이 그와 비슷하게 생각하고 실행하도록 하려는 겁니다. Fable에게 제 게임 설정을 점검하고 개선해 달라고 부탁하고, 제 스킬을 검토하고 향상시켜 달라고 부탁하면서, 제가 Fable을 단순한 직원이 아니라 마치 회사 공동 창업자나 임원처럼 대하고 있었다는 걸 깨달았습니다. 마치 경험이 풍부한 선임 엔지니어가 자신이 알고 있는 모든 것을 정리해서 새로 들어올 주니어 엔지니어들에게 넘겨주려고 하는 것과 같은 상황입니다 . 최근에 있었던 일 중 하나는 클라우드 페이블 5의 시스템 프롬프트가 유출된 것입니다. 그래서 제가 전체 내용을 읽어보고, 페이블 5 팀원들에게도 읽어보도록 했습니다. 그리고 프롬프트에서 눈에 띄는 몇 가지 중요한 사항들을 추려냈습니다 . 훈련을 통해 부분적으로 기억해낸 내용이 현재 알고 있는 지식을 의미하는 것은 아닙니다. 즉, 단순히 기억 속에 있다고 해서 반드시 검증해야 하는 것은 아닙니다. 여기에서도 마찬가지로, 파일이 있다는 메시지가 표시된다고 해서 실제로 파일이 있는 것은 아닙니다. 그러니까, 사물이 실제로 존재하는지 확인하라는 뜻입니다. 그러니까 기본적으로 모든 단계에서 그것이 하고 있는 일과 해 온 일이 정확한지 확인하는 것입니다. 모호한 질문이라도 명확한 설명을 요청하기 전에 먼저 답변을 제시하십시오. 그러니 먼저 답하고 나서 질문하세요. 질문은 최대 한 개입니다. 무엇이 잘못되었는지 인정하고, 문제 해결에 집중하며 , 자존감을 유지하십시오. 신호 관련 정보에는 1개, 중간 수준의 작업에는 3~5개 , 심층적인 연구 비교에는 5~10개를 사용하십시오 . 그러니까, 기본적으로 노력에 대해 이야기하는 겁니다 . 네, 그래서 저희는 어떤 모델이 해당 작업에 적합한지에 대한 논의를 하는 동시에, 해당 작업에 적합한 노력 수준이 어느 정도인지에 대한 논의도 합니다. 제가 좋아하는 예시 중 하나는 Cloud Fable 5와 Mythos 5 출시 블로그에 있었던 이 자료입니다. 이 자료는 Fable 5와 Opus 4.8, 그리고 GPT 5.5를 Y축에는 점수, X축에는 비용을 놓고 비교한 것입니다. 각 모델별로 필요한 노력 수준이 어떻게 다른지 확인할 수 있습니다. 그러니까, 만약 당신이 Fable 5를 막 켰고 기본 난이도로만 플레이하고 있거나, Opus를 플레이하면서 난이도 설정을 전혀 조절해 본 적이 없다면, 지금 당장 다양한 난이도를 시도해 보세요. 꽤 재밌는 부분이 있거든요. 여기서 보시다시피, Fable 5를 저사양으로 플레이했을 때와 Opus 4.8을 고사양으로 플레이했을 때 상당히 유사합니다. 보시다시피 Fable 5는 가격이 조금 더 비싸고 품질도 조금 더 높지만, 두 게임은 대체로 비슷합니다. 하지만 더 많은 노력을 기울이는 것이 항상 더 나은 결과를 가져오는 것은 아닙니다. Fable을 플레이할 때, 특히 Opus 4.8이나 다른 게임에서 최대 설정을 더 높이면 플레이 시간이 훨씬 길어지고 , 비용이 많이 들고, 게임이 과도하게 생각하고 스스로를 의심하게 되면서 결국 Opus 4.8이나 Fable을 최대 설정으로 사용하는 것보다 결과물이 더 나빠지는 경우가 많았습니다. 어쨌든, 시스템 안내 메시지를 꼼꼼히 읽고 모델들을 오랫동안 다뤄본 결과, 여러분께 부탁드릴 일이 두 가지 있습니다. 첫 번째는 기본적으로 여러분이 Fable을 플레이해 온 방식 과 난이도, 또는 여러분이 어떻게 부르든 간에, 여러분이 사용해 온 방식을 Opus와 Sonic이 할 수 있는 방식으로 바꾸는 것입니다. 그러니까 기본적으로 Fable 메서드를 추출하는 겁니다. 자, 제가 여러분께 권해드리고 싶은 한 가지는 , 만약 Fable에서 받은 결과물이 정말 마음에 들었는데 왜 마음에 드는지 정확히 설명할 수 없었다면 , Fable이나 Opus에 분석을 의뢰해 보라는 것입니다. 그리고 나중에 그 세션을 다시 볼 수 있다면 더욱 좋습니다. 여기까지 오기 위해 어떤 생각을 하셨나요? 어떻게 여기까지 오셨어요? 그것이 효과가 있다는 것을 증명하기 위해 무엇을 하셨나요? 어떻게 그렇게 훌륭한 결과물을 얻을 수 있었나요? 그런 다음 그 정보를 추출하고, 그것을 기술로 발전시키세요. 그래서 저는 이제 '페이블 모드'라는 기술을 갖게 됐습니다. 그리고 Opus에서 Fable 모드를 사용하고 싶을 때 , 또는 정말 어려운 문제가 생겼을 때 Opus 4.8의 Fable 모드를 사용해 봤는데, 정말 좋았습니다. 마치 모델이 조금 더 고급스러워진 느낌이에요. 왜냐하면, 아시다시피, 페이블에서 볼 수 있는 그런 프롬프트가 주입된 것 같거든요 . 그리고 이 시스템은 이 다섯 개의 관문에 작용합니다. 그러니까, 범위 설정, 증거 수집, 공격, 검증, 그리고 보고 순서로 진행되는 거죠. 이건 마치 여러분이 목표 프롬프트를 설정하고 동적 워크플로를 사용하는 방식과 거의 비슷해요. 기본적으로 이런 루프를 설정하는 거죠. 다만 우리는 이것도 스킬 파일로 하고 있는 거예요. 자, 범위 설정, 그리고 사람들이 흔히 계획이라고 부르는 것에 대해 정말 중요한 점은, 단순히 "자, 여기 모든 단계가 있으니 , 이대로 계획하고 실행하세요"라고 하는 것과는 큰 차이가 있다는 것입니다. 그리고 또 다른 관점에서 생각해 볼 점은, 모든 가능성을 고려했을 때 어떤 문제가 발생할 수 있을까 하는 것입니다. 이 계획의 모든 미지수를 살펴보는 건 어떨까요? 그리고 Fable은 바로 그런 점에서 정말 뛰어납니다. 예를 들어, Fable을 사용하여 특정 목표를 달성하는 데 도움이 되는 동적 워크플로우를 생성하고, 모든 가능한 단계를 계획하고, 발생할 수 있는 모든 문제점을 고려한 다음, Sonnet이 모든 실행을 수행하고 Fable에 결과를 보고하고 계속해서 Fable로 모든 정보를 전송하는 방식으로 동적 워크플로우를 설계하면, Fable은 그 프로세스에서 더 많은 단계를 설계할 수 있습니다 . 그래서 Fable과 Sonnet을 사용하여 동적 워크플로우를 구현할 때, Fable과 Fable을 함께 사용할 때와 결과가 매우 유사한 것입니다. 그리고 제게는 그 순간이 마치 전구에 불이 켜진 것 같은 큰 깨달음의 순간이었어요. 이게 왜 똑같이 좋은데 가격은 훨씬 저렴한 거죠? 그러니까, 이런 식 으로 시작하면 됩니다 . Opus 4.8이 사용자의 판단력, 계획력, 검증 능력, 추론 습관에 맞춰 작동하도록 하는 완벽한 설치형 스킬 파일을 작성하고, Fable 모드와 같은 곳에서 활성화하세요 . 예를 들어, 여기 보시면 제가 만든 페이블 모드 스킬인데, 제 무료 스킬 커뮤니티에 완전히 무료로 올려놓을 예정입니다. 해당 링크는 설명란에 있습니다. 여기에 가입하신 후 강의실로 이동하여 ' 모든 YouTube 자료'를 클릭하시면 제가 YouTube에 올린 모든 자료를 무료로 찾아보실 수 있습니다. 자, 바로 그곳에서 페이블 모드 스킬을 찾을 수 있지만, 직접 제작할 수도 있습니다. 여기서 보시다시피, 이 예제는 Fable의 작동 방식을 단계별로 보여주기 때문에 어떤 모델이든 실행할 수 있습니다. 즉 , 원한다면 GPT 5.5나 오픈 소스 모델로도 실행할 수 있다는 뜻입니다 . 어쨌든, 기본적으로 그 

Here are five secret codes for Claude that you need to know about. Number one is {slash} mirror. You just paste in a few things that you have actually written. You put {slash} mirror before [music] your prompt, and Claude is going to write it in your voice instead of on its own. So, any of your emails and posts, they stop sounding like a robot. Number two is artifacts. You just add this to your prompt, and Claude is going to build you a live working tool right inside the chat. So, you could have a calculator, a dashboard, even a tracker that you can click and use. Number three is persona. You put this before your prompt, and you describe a really specific expert, like a CFO who spent 15 years cutting costs for contractors. And then Claude is going to answer as that exact person instead of giving you generic advice. Number four is {slash} interview. You just put this before any big request, and Claude is going to ask you the questions that it needs first instead of guessing what you meant and handing you a watered-down answer. And number five is {slash} confidence. You put this after any answer, and Claude is going to rate how sure it is on every claim and flag anything that it might be making up so that you never act on a confidently wrong [music] answer. Comment need, and I'll send you how I use Claude inside of my business.

이 남자는 클로드 덕분에 퇴사합니다. 클로드 AI를 단순한 채포이 아닌 돈을 버는 기계로 설계해 하루에 3,000달러의 수익을 올리는 시스템 구축한 마이키. 코딩과 AI를 결합해 업대 연봉을 파프라인에 만드는 열 가지 리스트를 공개합니다. 저장하고 따라해 보세요. 첫째, 넥스트 JS와 슈퍼베이스를 결합한 데이팅 플랫폼을 구축하세요. 대형 플랫폼이 놓친 틈세 시장을 타게팅하고 클로드 API로 자연스러운 프로필 생성과 매칭 로직을 구현해 사용자 경험을 차별화해야 합니다. 둘째, AI 스타트업 전용 크라우드 펀딩 플랫폼을 만드세요. 클로드의 분석 능력을 활용해 사업 계획서를 자동으로 평가하고 투자자 리포트를 생성하는 인공지능 네이티브 런치 패드를 구축하는 것이 핵심입니다. 셋째, 음성 데이터를 SOP로 변환하는 B2B 서비스를 시작하세요. 사업주의 음성 녹음을 클로드로 분석해 정교한 표준 운영 절차서와 교육용 퀴즈로 자동 변환해 주는 솔루션은 기업이 기꺼이 고단가를 지불하는 영역입니다. 넷째, 데이터 기반의 AI 검증기를 개발하세요. 컬러드의 확장 출론 기능을 활용해 시장 규모와 경쟁사 데이터를 60초에 분석 보고서로 출력하는 시스템으로 예비 창업자들의 초기 리서치 시간을 단축해 주어야 합니다. 다섯째, 레그 기술을 적용한 산내 지식 비서를 보급하세요. 기업의 내부 문서를 학습시켜 직원이 대항안으로 산내 정보를 찾고 업무를 처리하게 만드는 도구는 한 번 도입되면 절대 끊을 수 없는 강력한 수익권이 됩니다. 이것 외에도 다섯 가지가 더 있는데요. 모두 담기에 시간이 없습니다. 원본 영상을 모두 정리했습니다. 자료 궁금한 분들은이 채널을 구독후 본문을 확인해 주세요.