Jak pisać lepsze polecenia dla AI

„Jak AI może mi pomóc oszczędzić czas, skoro po trzech próbach i tak poprawiam wszystko ręcznie?” Różnica między osobą, która dostaje od modelu użyteczne wyniki, a osobą sfrustrowaną po kilku próbach rzadko wynika ze znajomości specjalnych sformułowań. Wynika z tego, ile informacji trafia do polecenia i jak są uporządkowane. Listy magicznych zwrotów w rodzaju „działaj jak ekspert światowej klasy” nie dodają modelowi wiedzy o zadaniu. Na 2 410 pytaniach faktograficznych i 162 rolach wpisanych do polecenia dopisanie samej roli nie poprawiło trafności odpowiedzi wobec wersji bez roli.¹

Dotyczy ChatGPT Claude Gemini Copilot

Pięć części dobrego polecenia

Kontekst ma zawierać informacje potrzebne, a nie wszystkie dostępne. Modele dają się rozpraszać nieistotnymi fragmentami i częściej mylą się w zadaniach z dodatkowymi, zbędnymi danymi.²

Trzy pary z codziennej pracy

Notatka po spotkaniu

Przed:

Podsumuj te notatki ze spotkania.

Po:

Jesteś asystentem kierownika projektu. Poniżej surowe notatki z 90-minutowego statusu z klientem i dwoma dostawcami. Przygotuj podsumowanie dla dyrektora, który nie był na spotkaniu i ma dwie minuty na lekturę. Format: trzy zdania sedna, następnie lista podjętych decyzji, następnie tabela zadań w układzie zadanie / właściciel / termin. Jeśli właściciel albo termin nie padł wprost, wpisz „nieustalone” zamiast uzupełniać własnym domysłem.

Ostatnie zdanie usuwa najczęstszy defekt takich podsumowań: terminy, których nikt nie ustalił.

Odpowiedź na zapowiedź podwyżki

Przed:

Napisz maila do dostawcy, że nie zgadzamy się na podwyżkę.

Po:

Kontekst: trzy lata współpracy z dostawcą usług serwisowych, umowa ramowa z aneksem rocznym, dostawca zapowiedział podwyżkę stawek o 12% od stycznia i uzasadnia ją kosztami pracy. Zależy nam na utrzymaniu współpracy oraz na rozłożeniu podwyżki na dwa etapy. Napisz odpowiedź do 150 słów, ton rzeczowy i spokojny, bez wykrzykników, zakończoną jednym pytaniem o gotowość do rozmowy o harmonogramie. Poniżej dwa nasze wcześniejsze maile do tego dostawcy, trzymaj się tego tonu.

Dwa wklejone maile działają mocniej niż jakikolwiek opis stylu. Model dobrze odtwarza wzorzec, a słabo odgaduje intencję.

Analiza arkusza sprzedaży

Przed:

Przeanalizuj te dane sprzedażowe.

Po:

Poniżej sprzedaż miesięczna 14 kategorii produktowych za ostatnie 18 miesięcy. Zadanie: wskaż kategorie, w których dynamika rok do roku zmieniła kierunek w ostatnim kwartale. Dla każdej podaj wartość zmiany i miesiąc odwrócenia trendu. Format: tabela z kolumnami kategoria / zmiana rok do roku / miesiąc odwrócenia / krótki komentarz. Nie interpretuj przyczyn. Jeśli dane dla kategorii są niekompletne, wypisz ją osobno pod tabelą.

Zdanie „nie interpretuj przyczyn” ma znaczenie praktyczne. Polecenie analizy bez granic kończy się wyjaśnieniami, których nie da się wyprowadzić z podanych liczb.

Plan przed wykonaniem

Przy zadaniach dłuższych niż jedna strona najpierw prosi się o plan: 5 do 7 punktów mówiących, co znajdzie się w kolejnych sekcjach i skąd wezmą się dane. Plan ujawnia też nieporozumienie na starcie, gdy model zrozumiał zadanie inaczej, niż zostało pomyślane. Ten nawyk daje najwięcej przy dokumentach wymagań, ofertach i analizach.

Iteracja na własnych błędach

Po słabej odpowiedzi pierwszym odruchem jest ręczna poprawka. Bardziej opłaca się potraktować każdy defekt jako brakującą instrukcję i dopisać ją do polecenia:

Po kilku rundach powstaje polecenie, które daje przewidywalny wynik za pierwszym razem. Sprawdzone polecenia najlepiej trzymać w jednym pliku albo w bibliotece zespołu, podzielone na kategorie: podsumowania, korespondencja, analiza danych, przegląd dokumentów. Skopiowanie gotowego bloku i podmiana kontekstu zajmują mniej niż 1 minutę.

Weryfikacja przed wysyłką

Wynik pracy modelu wymaga sprawdzenia, zanim trafi dalej. Minimalna lista kontrolna obejmuje liczby, daty, nazwiska i cytaty z dokumentów źródłowych. Pomaga prośba o wskazanie, z którego fragmentu źródła pochodzi każde twierdzenie, a następnie sprawdzenie dwóch albo trzech losowych pozycji.

Częstotliwość sprawdzania zależy od stawki błędu. Przy korespondencji wewnętrznej wyrywkowe kontrole można rozrzedzić po kilku tygodniach bezbłędnych wyników. Liczby w umowach i raportach dla zarządu przechodzą pełne sprawdzenie przy każdej wersji.

Osobna kwestia dotyczy tego, co trafia do okna czatu. Dane osobowe w rozumieniu RODO, warunki handlowe i materiały poufne wymagają narzędzia zaakceptowanego przez organizację oraz wiedzy, gdzie te dane są przetwarzane i jak długo przechowywane.

Czego lepsze polecenie nie naprawi

Struktura polecenia pomaga tylko wtedy, gdy zadanie da się wykonać na dostarczonym materiale. Zmniejsza ryzyko, że model uzupełni brakujące dane własnym domysłem, ale go nie usuwa. Nie naprawi pytania źle postawionego, na które sam autor nie zna odpowiedzi. Nie zastąpi też dostępu do systemów: gdy potrzebne informacje są w bazie, systemie kadrowym albo repozytorium dokumentów, rozwiązaniem jest integracja, np. przez MCP (Model Context Protocol), standard podłączania modeli do firmowych źródeł danych.

Punkt startowy jest prosty: wybrać 3 zadania powtarzane co tydzień, spisać dla każdego polecenie z pięcioma częściami, testować przez kilka dni i poprawiać po każdym nieudanym wyniku. Pracę na zadaniach zespołu, bibliotekę poleceń i zasady weryfikacji przygotowujemy w ramach Warsztatu AI.

Najczęstsze pytania