本論文は、大規模マルチモードAIモデルの浮上とAGIに対する主流の関心の増大の中で、一般性追求の危険性を検討し、専門化されたシステムの産業的価値を強調し、専門化を擁護する。 3つの主な内容で、まず、専門化に関する一般的な反論を検討し、人間労働と非人間エージェント（アルゴリズムまたは人間組織）の違いを議論する。第二に、機械学習の堅牢性、コンピュータセキュリティ、社会科学、文化進化など専門化を支持する4つの主張を提示する。第三に、仕様化の必要性を主張し、機械学習アプローチが安全工学およびソフトウェアの正式な検証慣行に追いついていないことを指摘し、これらのギャップを減らすのに役立つ機械学習の新しい慣行を議論し、特に仕様化が困難なシステムのための特定のガバナンスの必要性を正当化する。
