Rozpowszechnione przekonanie, że duże modele językowe mogą całkowicie zastąpić języki formalne w projektowaniu oprogramowania i innych dziedzinach, nie uwzględnia fundamentalnych właściwości języka naturalnego. Jego główną cechą jest optymalizacja pod kątem niedospecyfikacji w otwartych kontekstach - innymi słowy, zdolność do komunikacji przy braku pełnych informacji.
Badacze wprowadzili framework teoretyczny oparty na koncepcji task specificity - zdefiniowanej jako informacyjne zmniejszenie niepewności w przestrzeni wyników (na przykład wszystkich możliwych obrazów) względem konkretnych wymagań użytkownika. Na podstawie tego podejścia udowodnili specificity crossover theorem, który mówi że istnieje próg. Poza nim koszt wyrażenia formalnych wymogów w języku naturalnym przewyższa koszt użycia bezpośredniej specyfikacji formalnej.
Analizy case study z różnych dziedzin - generowania obrazów przez AI, syntezy kodu czy produkcji audio - pokazały wyraźny podział kompetencji. Języki naturalne znakomicie sobie radzą w zadaniach o niskiej specificity, gdzie wymagania są ogólne i ma miejsce duża swoboda interpretacji. Z kolei języki formalne dominują przy zadaniach wymagających ścisłych specyfikacji i precyzyjnej kontroli. Naukowcy zamiast konkurencji proponują rozwój hybrydowych systemów, które pozwoliłyby użytkownikom poruszać się po całym spektrum specificity w zależności od potrzeb konkretnego problemu.