Speaker A
Jeśli już od jakiegoś czasu eksperymentujecie z jej, prawdopodobnie zauważyliście, że ta współpraca nie zawsze idzie gładko.
Strategie skutecznego promptowania i tworzenia kontekstu w pracy z AI, aby uzyskać precyzyjne i wartościowe odpowiedzi.
Key Takeaways
- Precyzyjny kontekst i jasne polecenia są kluczowe dla uzyskania wartościowych odpowiedzi od AI.
- Dziel złożone zadania na mniejsze etapy i oceniaj wyniki AI krok po kroku, stosując zasadę współautorstwa.
- Wykorzystuj AI jako konsultanta do tworzenia promptów i korzystaj z funkcji deep research dla lepszego dostępu do danych.
- Nie poddawaj się po pierwszej nieudanej próbie – wytrwałość i techniki weryfikacji poprawiają efekty pracy z AI.
- Dokumentuj skuteczne prompty i twórz dedykowane dokumenty kontekstowe, aby usprawnić przyszłą współpracę z AI.
Summary
- Omówienie najczęstszych barier w pracy z AI, takich jak generyczne odpowiedzi, nadmierne pochlebstwa, brak stylu i bariera czasu.
- Identyfikacja przyczyn problemów: brak precyzyjnego kontekstu, zbyt proste metody promptowania, szybkie porzucanie pracy oraz niedopasowanie modelu AI.
- Pięć propozycji poprawy jakości promptów: test precyzji, odwrócenie ról (AI jako konsultant promptów), tworzenie dedykowanych dokumentów kontekstowych, wykorzystanie funkcji deep research oraz dokumentowanie skutecznych promptów.
- Praktyczne wykorzystanie funkcji deep research do analizy wewnętrznych danych i tworzenia raportów oraz kontekst doków.
- Podkreślenie znaczenia klarowności poleceń i dzielenia złożonych zadań na etapy (łańcuch myśli).
- Przykład tworzenia harmonogramu projektu z pomocą AI i współautorstwo w pracy z modelem.
- Zalecenie wytrwałości i stosowania technik weryfikacji wyników AI, takich jak self-check i cross model feedback.
- Ostrzeżenie przed zjawiskiem AI workshop i konieczność krytycznej oceny wyników AI.
- Budowanie bazy wiedzy, dokumentowanie działających promptów i tworzenie kontekstów dla projektów.
- Przejście od inżynierii promptów do inżynierii kontekstu jako klucz do efektywnej współpracy z AI.
Chapters
- 00:00Wprowadzenie i najczęstsze bariery w pracy z AI
- 00:58Przyczyny problemów w promptowaniu i wprowadzenie do rozwiązań
- 01:58Pięć propozycji poprawy jakości promptów i tworzenia kontekstu
- 04:25Praktyczne wykorzystanie deep research i tworzenie dokumentów kontekstowych
- 06:14Klarowność poleceń i dzielenie złożonych zadań na etapy
- 07:41Współautorstwo i ocena wyników AI krok po kroku
- 08:30Techniki weryfikacji i poprawy wyników AI
- 09:13Podsumowanie i zalecenia dotyczące pracy z AI
Full Transcript — Download SRT & Markdown
Speaker A
Często pojawiają się bariery, które potrafią zniechęcić do dalszych prób. Sami testując nowe narzędzia i funkcje, czasem tak mamy. Zanim podzielimy się z wami w tej lekcji, jak sobie z tym radzimy, nazwijmy te bariery po imieniu.
Speaker A
Wyzwania, z którymi najczęściej możecie się mierzyć, to po pierwsze generyczne odpowiedzi. AI mówi dużo, ale mało konkretnie.
Speaker A
Otrzymujemy bezpieczne ogólniki. Po drugie nadmierne pochlebstwa. Choć to coraz rzadsze, model może wchodzić w rolę cyfrowego klakiera, takiego miłego potakiwacza z tendencją do nadmiernego zgadzania się z rozmówcą, nawet jeśli ten brnie w błąd, choć naprawdę potrzebuje partnera do burzy mózgów.
Speaker A
Po trzecie, to takie poczucie, że coś tutaj nie gra. Uzyskana odpowiedź może jest poprawna, ale brakuje jej tego czegoś, naszego stylu, naszej głębi lub specyficznego humoru naszej marki. Tekst jest po prostu bezduszny, nijaki i pasowałby do każdego. I po czwarte to bariera czasu.
Speaker A
To ten moment, gdy myślisz, zanim ja mu to wszystko wytłumaczę i poprawię, szybciej zrobię to sam, sama.
Speaker A
Z czego to wszystko może wynikać? Z naszego doświadczenia to brak precyzyjnego kontekstu lub niewystarczająco jasne polecenia, czyli prompty. Po drugie, stosowanie tych samych zbyt prostych metod promptowania do złożonych zadań. Po trzecie, zbyt szybkie porzucanie pracy nad zadaniem z
Speaker A
AI, nawet już po pierwszej, być może nieudanej próbie. I po czwarte, niedopasowanie modelu AI do zadania.
Speaker A
Teraz przejdziemy przez konkretne działania, które pomogą wam rozbić wspomniane bariery i sprawić, żeby AI zaczęło dowodzić wyniki, jakich oczekujecie, kiedy napotkaliście pierwsze bariery.
Speaker A
Na początek zmierzymy się z wyzwaniem braku precyzyjnego kontekstu i klarownych poleceń. Mamy dla was pięć propozycji, jak poprawić jakość pracy z AI.
Speaker A
Pierwsza to szybki test na jakość i precyzyjność naszego promptu. Zanim wprowadzisz polecenie, pomyśl, czy gdybyś wydał to polecenie w tej formie wybitnemu specjaliście, który cię jednak nie zna, to czy wiedziałby dokładnie, co ma tak właściwie zrobić. Jeśli masz
Speaker A
poczucie, że musiałbyś coś dodatkowo dopowiedzieć poza tekstem, żeby specjalista to zrozumiał, dopisz to do promptu. Druga, odwrócenie ról, czyli promptowanie poleceń. Gdy stoisz przed trudnym zadaniem i nie wiesz od czego zacząć, nie zgaduj. Zapytaj AI jaki prompt i jaki kontekst dla twojego
Speaker A
zadania zadziała najlepiej. Niech AI stanie się twoim konsultantem od inżynierii promptów. Wpisz na przykład: "Chcę osiągnąć cel X". Napisz mi, jakich danych i w jakiej formie ich ode mnie potrzebujesz, abyś mógł przygotować najlepszy możliwy wynik. Napisz mi, jak
Speaker A
wyglądałby idealny prompt dla ciebie do realizacji tego celu. Trzecia to tworzenie kontekst doków. Stwórz dla projektu, nad którym pracujesz, dedykowany plik, na przykład zawierający cel, kluczowe informacje, styl komunikacji marki, techniczne detale i postępy w projekcie. Taki dokument możesz załączać jako bazę wiedzy. RAZ, by
Speaker A
AI zawsze wiedziało, jaki jest kontekst naszego zadania i projektu, nad którym pracujemy. Taki kontekst doc możemy tworzyć dla naszych ważniejszych projektów i powtarzalnych zadań oraz trzymać je w jednym folderze, tak aby zawsze łatwo nam było do nich wracać i
Speaker A
załączać je AI jako punkt odniesienia. Czwarta. Jeśli nie masz zebranych w jednym miejscu dokumentów potrzebnych do realizacji danego zadania, takich właśnie kontekst doków, a wiedza jest rozproszona w mailu czy w plikach na dysku, wykorzystaj agentową funkcję deep research.
Speaker A
Piąta to dokumentuj to, co u ciebie działa w pracy z AI. Zapisuj te prompty, które przynoszą ci najlepsze rezultaty.
Speaker A
Możesz stworzyć taki swój osobisty promptbook, zapisując jakie polecenia, jakie techniki, jakie konteksty w tym, jakie załączane dokumenty najlepiej ci zadziałały i jakie problemy pomogły ci rozwiązać w tym, co udało się osiągnąć.
Speaker A
Im więcej wzorców, tym lepsza kalibracja. Zatrzymajmy się teraz na moment w temacie dedykowanych dokumentów zawierających kontekst. Jak mogłoby wyglądać w praktyce tworzenie takiego dokumentu z pomocą dobrze wam już znanej funkcji deep research, ale w oparciu o wasze wewnętrzne dane, a nie tylko
Speaker A
źródła z internetu. Gemini deep research może łączyć się z Gmailem, dokumentami, dyskiem, a nawet czatem, by czerpać z nich informacje do generowania raportów. Możecie dzięki temu na przykład rozpocząć analizę rynkową dla nowego produktu, zlecając Deep Research przeanalizowanie i
Speaker A
podsumowanie w formie raportu dokumentów z notatkami z burzy mózgów waszego zespołu, powiązanych wątków mailowych i planów projektowych na dysku. Wystarczy, że w Gemini wybierzecie funkcję deep research, a następnie ustawicie jako źródło dysk, mail i chat. Jak widzieliście w poprzednich lekcjach,
Speaker A
możecie też wgrać dowolny plik jako źródło. Następnie po prostu generujecie raport. A co zrobić z tak wygenerowanym raportem i zebranymi przez nas informacjami na temat wybranego projektu lub zadania?
Speaker A
Tworzymy w oparciu o nie wspomniany kontekst doc. Możecie wypracować jego format samodzielnie z pomocą Gemini lub zainspirować się szablonem z informacjami o sobie lub o projekcie, które dla was przygotowaliśmy. Spójrzcie, jakie informacje możecie w nim zawrzeć.
Speaker A
Taki dokument moglibyśmy wkleić na początku nowej rozmowy z AI, a następnie wskazać konkretne zadanie, z którym się mierzymy lub wykorzystać kontekst jako element instrukcji GEMA, czyli naszego asystenta AI, do którego jeszcze wrócimy. Okej.
Speaker A
Wiele razy powtarzamy, jak oprócz kontekstu ważne jest klarowne tworzenie naszych poleceń dla AI. Podsumujmy w takim razie, jak podejść do pisania i wyboru odpowiedniego promptu do zadania.
Speaker A
Przy prostych zadaniach, jak podsumowanie krótkiego artykułu, krótkie polecenie wystarczy. Ale co w przypadku tworzenia rocznego raportu czy strategii?
Speaker A
Nie rób wszystkiego od razu. Jeśli spróbujesz zmieścić całe złożone zadanie w jednym promptcie, wynik może być dość ogólnikowy. Zamiast tego wróćmy do tak zwanego łańcucha myśli. Przy złożonych zadaniach warto dzielić je na etapy.
Speaker A
Spójrzmy, jak to może wyglądać na przykładzie tworzenia raportu kwartalnego w firmie. Oczywiście zrobimy to z pomocą AI. Niech zasugeruje, jak najlepiej podzielić dany projekt na mniejsze części. Zobaczcie, jak może wyglądać taki przykładowy prompt startowy, który uruchomi nasz proces.
Speaker A
Pracuję nad wdrożeniem nowej strony internetowej mojej firmy. Nasz cel to pełny start i publikacja w ciągu najbliższych 30 dni. Przygotuj dla mnie szczegółowy harmonogram tego projektu, dzieląc go na logiczne, mniejsze fazy.
Speaker A
Kiedy zaakceptuję ten plan, będziemy wspólnie pracować nad realizacją każdego z tych etapów krok po kroku. AI podałoby nam plan działania, a następnie przez niego przeprowadziło. To daje nam większą kontrolę nad procesem i pozwala uniknąć generycznych odpowiedzi o
Speaker A
wszystkim i o niczym. I kolejna ważna uwaga. Oceniaj wynik AI po każdym kroku. Stosuj zasadę współautorstwa. Nie oddawaj AI wszystkiego. Naszym zdaniem najlepiej sprawdza się podejście, w którym ty piszesz główne założenia, a nawet pierwszy szkic. AI pomaga w edycji,
Speaker A
feedbackowaniu i jego rozbudowie. Finalna odpowiedzialność zawsze spoczywa na tobie. A co zrobić, kiedy model nie dowozi rezultatów w pierwszej odpowiedzi? No nie poddawajmy się za łatwo. Sukces w pracy z AI to często wypadkowa naszej wytrwałości, a może nawet upartości. Dwa
Speaker A
sprawdzone haki, jakie możesz wykorzystać, gdy utkniesz w pracy z AI. Jeden to poproś model, aby sam siebie zweryfikował i sprawdził, czy wynik, który zaproponował, jest logiczny i zrozumiały.
Speaker A
I dwa. Poproś inny model AI. Na przykład przełącz się z myślącego na pro albo wykorzystaj inne narzędzie, aby ocenił pracę swojego poprzednika i zaproponował poprawki. To tak zwany cross model feedback.
Speaker A
Na co jeszcze warto uważać w pracy z AI? Badania BetterUp Labs i Stanforda wskazują na niepokojące zjawisko nazwane AI workshop. To sytuacja, w której pracownicy wrzucają do obiegu tak zwane cyfrowe pomyje.
Speaker A
weryfikacji, które często są niskiej jakości. Według Harvard Business Review nawet 40% pracowników już się z tym slopem zetknęło.
Speaker A
Z czego to może wynikać? Według badań KPMG aż 66% pracowników w ogóle nie sprawdza tego, co otrzymuje od modelu.
Speaker A
Efekt: zaufanie w zespołach może spadać, a pracy paradoksalnie może być więcej. No bo ktoś te błędy najpierw musi znaleźć, a następnie naprawić.
Speaker A
Dlatego stosujmy złotą zasadę. Zanim wyślesz dalej przygotowane z pomocą AI materiały, zapytaj siebie, czy ja sam chciałbym, chciałabym otrzymać taki dokument, taką treść. Jeśli odpowiedź brzmi nie, wróć do promptowania albo samodzielnie nanieś poprawki. Podsumujmy jak osiągać lepsze rezultaty w pracy z
Speaker A
EA. Klarowność myślenia to klarowność promptowania. Jeśli nie wiesz o co ci chodzi i czego chcesz od AI, no to AI też najprawdopodobniej nie będzie tego wiedzieć. Buduj bazę wiedzy, dokumentuj działające prompty i twórz kontekst doki dla swoich projektów.
Speaker A
Dziel i promptuj. Rozbijaj duże zadania na serię mniejszych kroków. Weryfikuj wszystko. Ufaj możliwościom AI, ale zawsze sprawdzaj fakty i jakość odpowiedzi.
Speaker A
Jedno zadanie na teraz. Spróbujcie stworzyć swój pierwszy kontekst docą z jakimś projektem lub konkretnym zadaniem, które jest dla was ważne.
Speaker A
Możecie to zrobić wykorzystując deep research lub korzystając z informacji, które już macie zebrane. Uporządkujcie je i spróbujcie promptować model zasilając go tymi informacjami, aby uzyskać dopasowane do was i waszych potrzeb odpowiedzi. To jak przejście z inżynierii promptów do inżynierii
Speaker A
kontekstu. Powodzenia.
Topics:promptowaniesztuczna inteligencjaAIkontekst AIdeep researchinżynieria promptówstrategia AIwspółpraca z AIefektywność AIdokumentacja promptów
