Yazar, üretken yapay zeka modellerinin faydalarının değerlendirilmesinde yaygın olarak kullanılan "hissiyat" veya "sezgi" tabanlı yaklaşımları eleştiriyor. Günümüzde, bu modellerin neredeyse her alana (arama, kod tamamlama, özetleme vb.) düşüncesizce entegre edilmeye çalışıldığını ve "yazılım mühendisliği öldü" gibi iddiaların bilimsel bir temelden yoksun olduğunu belirtiyor. Tartışmaların genellikle "çıktı makul görünüyor" veya "daha üretken hissediyorum" gibi öznel yorumlar etrafında döndüğünü, ancak bu tür "hissiyatların" gerçek bilimsel ölçütlerle çeliştiğini vurguluyor. Yazar, "prompt engineering" ve "agent" tartışmalarının da benzer bir bilimsel temelsizlik içinde olduğunu ifade ediyor.
Makale, bir aracın belirli bir görev için faydalı olup olmadığını belirlemek için mühendislik veya bilimsel bir yaklaşım benimsenmesi gerektiğini savunuyor. Örneğin, bir yapı için çelik yerine ahşap kullanılıp kullanılamayacağı veya bir asidin belirli bir reaksiyon için uygun bir çözücü olup olmayacağı gibi soruların, aracın özelliklerinin ve görevin gereksinimlerinin modellenmesiyle yanıtlandığını belirtiyor. Üretken modeller için de benzer bir titizliğin gerekli olduğunu, modellerin ne zaman ve neden faydalı olduğunu gösteren somut, objektif bir çerçeveye ihtiyaç duyulduğunu dile getiriyor. Yazar, etik ve politik soruları ayrı tutarak, teknolojinin kapasitesine odaklanılması gerektiğini ve bu modellerin yaygın dağıtımının derin sorunlar barındırdığını da ekliyor.
Yapay zeka modellerinin gerçek faydasını belirlemek için öznel "hissiyatlar" yerine bilimsel ve objektif değerlendirme yöntemlerine ihtiyaç duyulmaktadır.