Jill Hazelbaker dołącza do OpenAI, a Uber traci doświadczoną dyrektorkę

Jill Hazelbaker dołącza do OpenAI po ponad dekadzie pracy w Uberze, przechodząc z firmy oferującej przewozy na żądanie do roli skupionej na sprawach korporacyjnych. Axios poinformował o nominacji 3 listopada, wskazując, że obejmie stanowisko dyrektorki ds. korporacyjnych. Ten ruch daje OpenAI doświadczoną menedżerkę odpowiedzialną za zarządzanie publicznym wizerunkiem firmy. Rodzi też praktyczne pytanie: jak ściśle ta odpowiedzialność będzie powiązana z decyzjami kształtującymi zaufanie publiczne?

Według Axios Hazelbaker będzie podlegać prezesowi i współzałożycielowi OpenAI, Gregowi Brockmanowi. Jej obowiązki wykraczają poza relacje z prasą i obejmują reputację, pozycjonowanie korporacyjne oraz zaangażowanie publiczne. Ten szeroki zakres ma znaczenie, ponieważ wyjaśnianie działalności firmy AI to coś więcej niż opisywanie możliwości jej produktów. Oznacza również pomaganie ludziom w zrozumieniu ich ograniczeń oraz reakcji firmy, gdy oczekiwania zderzają się z rzeczywistymi doświadczeniami.

Uber stanowi użyteczny punkt odniesienia, choć porównanie ma swoje ograniczenia. Obie firmy mierzą się z wyzwaniem wprowadzania technologii do działań, w których ludzie oczekują rozliczalności. Główne napięcie dotyczy zarządzania reputacją firmy i ułatwiania oceny jej zachowań. Nominacja Hazelbaker wskazuje, kto pomoże komunikować stanowisko OpenAI; relacje medialne pozostawiają jednak bez odpowiedzi ważne pytania o jej uprawnienia.

Jill Hazelbaker dołącza do OpenAI w roli wykraczającej poza komunikację

Opisywana nominacja ma szerszy zakres niż skrótowe stwierdzenie, że OpenAI zatrudniło nową liderkę komunikacji. Axios opisuje zakres obowiązków obejmujący globalną komunikację, reputację, markę korporacyjną, media społecznościowe oraz zaangażowanie kulturowe i społeczne. Relacja dotycząca roli ds. korporacyjnych umieszcza te obowiązki pod nadzorem osoby zarządzającej podlegającej Brockmanowi.

Najbardziej jednoznaczną zmianą jest nominacja osoby z kierownictwa, która będzie szeroko odpowiedzialna za sposób, w jaki OpenAI przedstawia się i angażuje opinię publiczną. Jest to znaczące, bez zakładania, że stanowisko to kontroluje premiery produktów, priorytety badawcze czy decyzje dotyczące bezpieczeństwa. Są to odrębne obszary odpowiedzialności, a dostępne relacje nie wskazują, że Hazelbaker będzie nimi kierować.

Sprawy korporacyjne zazwyczaj znajdują się na styku firmy i odbiorców wpływających na jej zdolność do działania. Do tych odbiorców należą klienci, pracownicy, dziennikarze, organizacje społeczne i urzędnicy publiczni. Ich pytania często się pokrywają, lecz oczekiwania są różne. Klient chce użytecznego wyjaśnienia, podczas gdy pracownik może potrzebować jasności co do tego, kto odpowiada za trudną decyzję.

Dlatego rozróżnienie między komunikowaniem decyzji a ich podejmowaniem jest kluczowe. Osoba z kierownictwa może koordynować wyjaśnienie, nie mając uprawnień do zmiany podstawowej polityki. Z kolei dostęp do najwyższego kierownictwa może wprowadzać zewnętrzne obawy do dyskusji, zanim decyzja stanie się publiczna. Dostępne relacje potwierdzają linię raportowania, ale nie pokazują, jak ten proces będzie działał.

Dla czytelników śledzących rolę Jill Hazelbaker w OpenAI tytuł stanowiska stanowi punkt wyjścia, a nie pełną mapę organizacyjną. Wskazuje osobę na wysokim stanowisku odpowiedzialną za komunikację korporacyjną. Nie ujawnia jednak budżetu, liczebności zespołu, procedur eskalacji ani granic między sąsiadującymi stanowiskami kierowniczymi. To te szczegóły zadecydują o praktycznym funkcjonowaniu tej roli.

Istnieje też różnica między ogłoszonym przejściem a zakończoną zmianą. Materiały przeanalizowane na potrzeby tego artykułu nie wskazują dokładnej daty rozpoczęcia pracy ani pełnego planu sukcesji w Uberze. Czytelnicy nie powinni traktować braku tych informacji jako dowodu konfliktu. Są to luki w publicznym opisie sprawy i powinny nimi pozostać, dopóki nie pojawią się dodatkowe informacje.

Ta sama ostrożność dotyczy przyczyn odejścia Hazelbaker. Przejście z Ubera do OpenAI samo w sobie nie dowodzi niezadowolenia z poprzedniego pracodawcy. Nominacja nie dowodzi również, że OpenAI reaguje na konkretną kontrowersję. Uzasadniona interpretacja zaczyna się od opisanych obowiązków, a następnie oddziela ich konsekwencje od niepopartych dowodami opowieści o prywatnych motywach.

Takie podejście prowadzi do węższego, lecz bardziej użytecznego wniosku. Według relacji OpenAI zatrudnia doświadczoną dyrektorkę ds. korporacyjnych. To, czy nominacja zmieni relację firmy z użytkownikami, będzie zależeć od dalszych działań. Pierwszym miejscem, w którym należy szukać jej znaczenia, jest doświadczenie, które Hazelbaker wnosi z Ubera.

Uber traci doświadczenie, którego następczyni nie odtworzy natychmiast

Publiczne dokumenty Ubera przedstawiają karierę obejmującą komunikację, politykę publiczną i marketing. Biografia kadry kierowniczej firmy odnotowuje przyjście Hazelbaker w 2015 roku oraz jej późniejsze wysokie stanowiska. Ten sam dokument wymienia wcześniejsze role w Snap i Google, a także pracę przy kampaniach politycznych.

To doświadczenie pomaga wyjaśnić dopasowanie bez konieczności spekulowania o procesie rekrutacji. Praca w komunikacji i polityce wymaga przekładania decyzji organizacji na język zrozumiały dla odbiorców o konkurujących interesach. Marketing dodaje kolejną odpowiedzialność: wyjaśnienie, dlaczego ludzie powinni wybrać dany produkt. Połączenie tych dyscyplin daje doświadczenie w radzeniu sobie z różnicą między tym, co firma chce powiedzieć, a tym, na jakie pytania inni potrzebują odpowiedzi.

Bezpośrednim wyzwaniem Ubera jest przekazanie wiedzy instytucjonalnej, a nie tylko przydzielenie obowiązków. Następczyni może przejąć zespół i strukturę raportowania. Zrozumienie, dlaczego dana kwestia stała się wrażliwa albo które wewnętrzne relacje pomagają rozstrzygać spory, zwykle zajmuje więcej czasu. Jest to ryzyko organizacyjne związane z odejściem długoletniej osoby z kierownictwa, a nie dowód, że zakłócenia już występują.

Relacja Axios dotycząca odejścia opisuje kadencję Hazelbaker jako okres obejmujący transformację Ubera oraz kilka funkcji skierowanych do odbiorców zewnętrznych. Dla Ubera praktyczne pytanie brzmi, jak te obowiązki zostaną rozdzielone po przejściu. Ogłoszenie zastępstwa pomogłoby wyjaśnić, czy firma zachowa tę strukturę, czy podzieli pracę między obecnych liderów.

Żaden z tych układów nie jest z natury lepszy. Utrzymanie obowiązków razem może wyraźniej wskazywać odpowiedzialność, gdy dana kwestia przekracza granice wielu zespołów. Ich podział może zapewnić każdej funkcji bardziej wyspecjalizowaną uwagę. Użytecznym dowodem będą wynikające z tego obowiązki i ścieżki eskalacji, a nie ranga sugerowana przez tytuł stanowiska następczyni.

Porównanie z Uberem również wymaga powściągliwości. Doświadczenie w pracy z transportem, lokalną polityką i platformą konsumencką nie przekłada się automatycznie na wiedzę dotyczącą zachowania AI. Grupy odbiorców częściowo się pokrywają, ale podstawowe pytania są inne. Wyjaśnienie ograniczeń modelu wymaga ścisłej współpracy z ludźmi rozumiejącymi jego rozwój i ocenę.

To rozróżnienie ma znaczenie dla wpływu spraw korporacyjnych OpenAI. Osoba odpowiedzialna za komunikację powinna potrafić uczynić techniczne wyjaśnienie zrozumiałym, nie zmieniając tego, co potwierdzają dowody. Jeśli badacze opisują wąski wynik, przekaz publiczny powinien zachować tę granicę. Jeśli produkt ma nierozwiązane ograniczenia, pewna siebie prezentacja nie powinna ich zacierać.

Hipotetyczny przykład z miejsca pracy czyni tę kwestię konkretną. Wyobraźmy sobie pracodawcę rozważającego asystenta AI do podsumowywania wewnętrznych dokumentów. Pracownicy mogą pytać, kto ma dostęp do ich informacji, jak obsługiwane są błędy i czy podsumowania zachowują istotne zastrzeżenia. Dopracowane wprowadzenie pomaga tylko wtedy, gdy odpowiedzi są powiązane z faktycznym działaniem produktu i egzekwowalnymi zobowiązaniami.

Doświadczenie Hazelbaker jest istotne dla organizowania takich odpowiedzi i rozpoznawania ich konsekwencji reputacyjnych. Nie eliminuje potrzeby odpowiedzialności technicznej, prawnej i operacyjnej. Przejście z Ubera najlepiej więc rozumieć jako transfer doświadczenia menedżerskiego. To, czy doświadczenie to poprawi publiczną rozliczalność OpenAI, pozostaje rezultatem do oceny, a nie już potwierdzoną korzyścią.

Zaufanie publiczne wymaga dowodów obok spójnego przekazu

Najmocniejszym argumentem analitycznym za powołaniem osoby do spraw korporacyjnych jest koordynacja. Firma może wprowadzać zamieszanie, gdy różne zespoły opisują ten sam produkt w niezgodny sposób. Użytkownicy muszą wtedy decydować, czy największy autorytet mają dokumentacja, reklama, wywiady czy odpowiedzi wsparcia. Usunięcie tej niejednoznaczności jest praktycznym zadaniem mającym konsekwencje wykraczające poza relacje medialne.

Spójny przekaz zyskuje wartość, gdy pomaga osobom z zewnątrz zrozumieć dowody i ich ograniczenia. Sama spójność nie wystarcza. Firma może powtarzać niepełne wyjaśnienie we wszystkich kanałach. Istotne jest to, czy komunikacja ułatwia sprawdzenie, zakwestionowanie i aktualizację danego twierdzenia.

W tym miejscu napięcie między zarządzaniem reputacją a rozliczalnością staje się konkretne. Zarządzanie reputacją skupia się na tym, jak postrzegana jest organizacja. Rozliczalność wymaga, aby ludzie mogli ustalić, co się wydarzyło, kto odpowiada za reakcję i czy zobowiązanie zostało dotrzymane. Te funkcje mogą się wzajemnie wspierać, ale nie zawsze mają te same bezpośrednie bodźce.

Rozważmy na przykład hipotetyczną funkcję AI, która dobrze działa w kontrolowanej demonstracji, lecz ma trudności z chaotycznymi dokumentami w miejscu pracy. Odpowiedź skoncentrowana na reputacji mogłaby podkreślać udaną demonstrację. Odpowiedź oparta na rozliczalności wyjaśniałaby również warunki, w których wydajność się pogarsza. Informacja ta pomaga nabywcom zdecydować, czy funkcja pasuje do ich pracy.

Badania dostarczają użytecznych ram dla tego rozróżnienia. Artykuł proponujący karty modeli opowiada się za dokumentacją opisującą zamierzone zastosowania, warunki oceny i istotne ograniczenia. Karta modelu to uporządkowany opis modelu uczenia maszynowego oraz sposobu jego oceny. Jej wartość wynika z zapewnienia czytelnikom kontekstu potrzebnego do interpretowania twierdzeń dotyczących wydajności.

Ramy te pokazują, co skuteczna komunikacja może osiągnąć bez zastępowania badań. Może połączyć nagłówkowe twierdzenie z warunkami, które za nim stoją. Może wyjaśnić, które wyniki dotyczą konkretnego zastosowania, a które pozostają niepewne. Może także uwidocznić poprawki, gdy nowe dowody zmieniają wcześniejszą ocenę.

Anthropic oferuje istotny punkt odniesienia dla konkurencji poprzez opublikowane zobowiązania dotyczące przejrzystości. Dokument opisuje raportowanie dotyczące modeli, oceny bezpieczeństwa, zasady korzystania i wskazówki dla użytkowników. Są to deklarowane zobowiązania firmy, a nie niezależny dowód ich skuteczności. Mimo to pokazują, jakie materiały dostawca AI może udostępniać do kontroli.

Porównanie dotyczy publicznie dostępnych dowodów, a nie twierdzenia, że Anthropic rozwiązał problem zaufania. Publikowanie dokumentacji nie gwarantuje, że czytelnicy potrafią ją zrozumieć ani że leżące u jej podstaw praktyki są wystarczające. Tworzy jednak materiał, który mogą analizować klienci, badacze i dziennikarze. Konkurujących dostawców można następnie porównywać na podstawie treści ich ujawnień.

Dla Jill Hazelbaker w roli w OpenAI istotną szansą jest wyraźne budowanie tych powiązań. Zapowiedzi produktów, dokumenty techniczne i wyjaśnienia decyzji firmy powinny pomagać odbiorcom tworzyć spójne zrozumienie sytuacji. Nie wymaga to, by każda grupa odbiorców otrzymywała identyczny poziom szczegółowości. Wymaga, by krótsze wyjaśnienie pozostało wierne pełniejszemu opisowi.

Pracownicy wiedzy mają bezpośredni interes w utrzymywaniu takiego standardu. Wybór narzędzia AI często wiąże się z decyzją, które twierdzenia zasługują na dalszą weryfikację. Przechowywanie oryginalnych dokumentów wraz z podsumowaniami w osobistej bazie wiedzy może ułatwić późniejsze porównania. Zasada leżąca u podstaw jest taka sama: zachować dostęp do dowodów podczas skracania złożonej historii.

To stanowi szersze znaczenie dołączenia Jill Hazelbaker do OpenAI. Nominacja dotyczy funkcji, która może pomagać wyjaśniać wybory firmy różnym odbiorcom. Jej powodzenie należy oceniać częściowo przez pryzmat tego, czy te wyjaśnienia wspierają świadome decyzje. Widoczność publiczna jest elementem tego procesu, a nie jego substytutem.

Powołanie na wysokie stanowisko nie ustanawia uprawnień decyzyjnych

Sceptyczne odczytanie zaczyna się od tego, czego nominacja nie może wykazać. Linia raportowania nie ujawnia, jak rozstrzygane są spory. Szeroki zakres obowiązków nie potwierdza dostępu do każdej istotnej oceny technicznej. Tytuł kierowniczy nie informuje, czy obawy zgłaszane przez użytkowników mogą zmienić decyzję o wydaniu produktu.

Kluczową niewiadomą jest to, jak odpowiedzialność za zaufanie publiczne łączy się z władzą wewnątrz firmy. Jeśli menedżer odpowiada za wyjaśnienia, lecz nie może wpływać na proces stojący za nimi, rola ta ma wyraźne ograniczenia. Jeśli zewnętrzne obawy trafiają do decydentów odpowiednio wcześnie, funkcja może wnieść więcej. Analizowane relacje nie rozstrzygają, który model zostanie zastosowany.

To rozróżnienie analityczne, a nie zarzut dotyczący wewnętrznych praktyk OpenAI. Publiczne opisy nominacji kierowniczych rzadko przedstawiają pełne procedury decyzyjne. Byłoby przedwczesne uznać, że Hazelbaker nie ma wpływu. Równie przedwczesne byłoby założenie, że jej linia raportowania gwarantuje określony poziom wpływu.

Istnieje także ryzyko definiowania sukcesu przez uwagę. Nominacja kierownicza może generować przychylne relacje medialne, ponieważ jest łatwa do opisania i rozpoznawalna dla odbiorców z branży. Poprawę organizacyjną trudniej zaobserwować. Widać ją w tym, czy zespoły konsekwentnie odpowiadają na trudne pytania, korygują błędy i jasno wskazują odpowiedzialność, gdy problem obejmuje wiele funkcji.

Takie rezultaty wymagają współpracy w całej firmie. Zespoły komunikacyjne nie mogą samodzielnie potwierdzić, że model zachowuje się bezpiecznie w konkretnym środowisku. Badacze nie zawsze mogą określić, czego wyjaśnienia potrzebuje każda dotknięta sprawą grupa odbiorców. Zespoły produktowe i wsparcia posiadają inne elementy tego obrazu. Publiczna rozliczalność zależy od połączenia tych perspektyw bez ukrywania różnic zdań.

Drugi hipotetyczny scenariusz pokazuje, dlaczego to połączenie ma znaczenie. Załóżmy, że asystent AI tworzy nieprawdziwy opis pracy pracownika. Osoba, której to dotyczy, potrzebuje procesu korekty i wyjaśnienia, co można zmienić. Ogólne oświadczenie o odpowiedzialnej AI nie rozwiązałoby bezpośredniego problemu. Odpowiedź musi łączyć komunikację z operacyjnym środkiem naprawczym.

Wyzwanie obejmuje także samą niepewność. Firmy mają bodźce, by komunikować pewność, podczas gdy użytkownicy czasem muszą usłyszeć, że odpowiedź pozostaje niepełna. Użyteczna odpowiedź rozróżnia to, co zostało zweryfikowane, od tego, co nadal jest badane. Wyjaśnia również, kiedy spodziewane są dalsze informacje, bez obiecywania wyniku, którego dochodzenie jeszcze nie potwierdziło.

Plan badań dotyczący przejrzystości AI traktuje raportowanie o modelach, ujawnianie ocen, wyjaśnienia i komunikowanie niepewności jako odrębne podejścia. To rozróżnienie jest tu pomocne. Publikowanie większej ilości materiałów nie oznacza automatycznie odpowiedzi na pytanie odbiorcy. Skuteczne wyjaśnienie musi odpowiadać decyzji, którą czytelnik próbuje podjąć.

Ta sama dyscyplina powinna kierować interpretacją odejścia z Uber. Sama nominacja nie dowodzi szerszego kryzysu kadry kierowniczej, zmiany strategii Uber ani przewagi OpenAI jako pracodawcy. Takie twierdzenia wymagałyby dodatkowych dowodów. Traktowanie pojedynczego ruchu jako dowodu szerokiego trendu uczyniłoby analizę mniej wiarygodną.

Wpływ działu spraw korporacyjnych OpenAI należy zatem oceniać przez obserwowalne praktyki. Czy firma ułatwia zrozumienie odpowiedzialności? Czy publiczne wyjaśnienia zachowują istotne zastrzeżenia? Czy korekty są dostępne dla osób, które zobaczyły pierwotne twierdzenie? Te pytania zapewniają solidniejszą podstawę oceny niż założenia o tym, co musi oznaczać zatrudnienie znanej osoby.

Sceptyczny wniosek jest ograniczony, lecz istotny. Doświadczenie Hazelbaker sprawia, że warto śledzić tę nominację. Nie rozstrzyga ona pytań o niezawodność techniczną, zarządzanie ani ochronę użytkowników. Pytania te nadal dotyczą decyzji i produktów firmy, niezależnie od tego, jak jasno przedstawiane jest jej stanowisko.

Na co zwracać uwagę, gdy nominacja stanie się rolą operacyjną

Kolejna faza powinna dostarczyć dowodów dotyczących obowiązków, komunikacji i realizacji zobowiązań. Są to bardziej miarodajne sygnały niż skala relacji medialnych towarzyszących zatrudnieniu. Żaden z nich nie wymaga zakładania, że nastąpi konkretna premiera produktu lub kontrowersja. Każdy można ocenić na podstawie informacji, które firmy zdecydują się opublikować.

Najpierw obserwuj szczegóły przejścia, następnie wyjaśnienia dotyczące produktów, a na końcu odpowiedzi na trudne pytania. Ta kolejność prowadzi od intencji organizacyjnej do obserwowalnego zachowania. Zapobiega też ocenianiu późniejszej komunikacji według obowiązków, które nigdy nie zostały publicznie ustalone.

Pierwszym sygnałem będzie jaśniejszy opis przejścia. Potwierdzona data rozpoczęcia pracy, zaktualizowany opis zespołu kierowniczego lub publiczne wyjaśnienie obowiązków zmniejszyłyby niepewność wokół nominacji. W Uber szczegóły sukcesji pokazałyby, kto przejmuje istotne funkcje. Takie ujawnienia wzmocniłyby pogląd, że zmiana ma określoną strukturę organizacyjną.

Brak natychmiastowych szczegółów pozostawiłby obraz niepełny, zamiast dowodzić problemu. Zmiany wśród kadry kierowniczej mogą obejmować wewnętrzne ustalenia, które nie są w pełni publiczne. Czytelnicy powinni odróżniać brak ujawnienia od dowodu nieudanego przekazania obowiązków. Użyteczne pytanie brzmi, czy późniejsze informacje wyjaśniają odpowiedzialność, gdy staje się ona istotna.

Drugim sygnałem jest jakość wyjaśnień towarzyszących kolejnym istotnym zapowiedziom produktów OpenAI. Czytelnicy powinni szukać jasnych stwierdzeń dotyczących dostępności, zamierzonego zastosowania, ograniczeń i dowodów je potwierdzających. Gdy różne dokumenty są kierowane do różnych odbiorców, ich twierdzenia powinny pozostawać zgodne. Wspierałoby to tezę, że komunikacja korporacyjna pomaga ludziom oceniać produkty.

Bardziej dopracowany język bez jaśniejszych informacji stanowiłby słabszy dowód postępu. Zwięzłe ogłoszenie może nadal kierować czytelników do szczegółów potrzebnych do podjęcia istotnej decyzji. Z kolei długi dokument techniczny może pozostać trudny do interpretacji, jeśli jego związek z głównym twierdzeniem jest niejasny. Testem jest użyteczność, a nie długość czy ton.

Dla nabywców korporacyjnych oznacza to sprawdzenie, czy ogłoszenie odpowiada na praktyczne pytania dotyczące wdrożenia. Nabywca rozważający analizę dokumentów musi rozumieć, z czym system radzi sobie dobrze i gdzie nadal potrzebna jest weryfikacja przez człowieka. Deweloper potrzebuje wystarczającej ilości szczegółów, by uniknąć budowania rozwiązania wokół niepotwierdzonego założenia. Są to przykładowe kryteria decyzyjne, a nie twierdzenia dotyczące ogłoszonej funkcji.

Trzecim sygnałem jest sposób, w jaki firma reaguje na kwestionowane twierdzenie lub uzasadnioną prośbę o wyjaśnienie, jeśli taka się pojawi. Użyteczna odpowiedź wskazuje problem, oddziela zweryfikowane fakty od niepewności i wyjaśnia kolejny krok. Gdy wcześniejsze stwierdzenie wymaga korekty, korekta powinna być łatwa do powiązania z oryginałem. Byłby to mocniejszy dowód rozliczalności niż przychylne przyjęcie premiery.

Odpowiedź, która pozostawia niejasną odpowiedzialność, osłabiłaby interpretację, według której nominacja poprawia publiczne zrozumienie. Podobnie byłoby z wyjaśnieniem odpowiadającym na inne pytanie niż to, które zadali użytkownicy. Żadnego z tych wyników nie należy zakładać z góry. Są to standardy oceny przyszłego zachowania, gdy dostępna będzie wystarczająca ilość dowodów.

Gdy Jill Hazelbaker dołącza do OpenAI, bezpośrednią wiadomością jest przejście wysokiej rangą menedżerki między znaczącymi firmami technologicznymi. Długofalowe pytanie dotyczy tego, jak sprawy korporacyjne wspierają świadomą ocenę AI. Uber staje przed przekazaniem doświadczenia; OpenAI zyskuje liderkę, której praca będzie widoczna poprzez wyjaśnienia i zaangażowanie. Konsekwencje zależą od realizacji.

Śledź zmianę, a następnie porównaj kolejne ogłoszenia firmy z dowodami, które za nimi stoją. Zachowaj oryginalne sformułowania podczas oceny późniejszego wyjaśnienia lub korekty. W przypadku decyzji zawodowej zapisz, jakie informacje zmieniłyby twoją ocenę, zanim atrakcyjna demonstracja ukształtuje oczekiwania. Nadaj większą wagę jasnej odpowiedzialności i otwartemu przedstawieniu ograniczeń niż samej pewnej prezentacji. Rola Jill Hazelbaker w OpenAI zasługuje na uwagę, ponieważ dotyczy relacji między wyborami firmy a osobami, których one dotyczą. Oceniaj tę relację na podstawie konkretnych odpowiedzi, dostępnych dowodów i realizacji zobowiązań. Gdy pojawi się kolejne istotne ogłoszenie, zapytaj, czy lepiej rozumiesz produkt, jego ograniczenia i to, kto odpowiada za decyzję.