O czym jest ten film
- Niektóre decyzje w pracy mogą zapadać tylko w jednej głowie — twojej — bo kryteria nigdy nie zostały spisane i wszystko czeka, aż znajdziesz się przy biurku.
- Dylan Davis, właściciel firmy doradczej w obszarze AI, pokazuje metodę przenoszenia takiego prywatnego osądu do modelu — zaczynając od siebie.
- Punkt startowy to jedno pytanie: „Czy potrafię tu i teraz, na głos, wytłumaczyć nowemu pracownikowi, dlaczego wybieram tak, a nie inaczej?”
- Odpowiedź „tak” (rzadka) prowadzi na ścieżkę dyktanda: opowiadasz proces, dołączasz pliki, a model dopytuje o 3–5 niejasności.
- Odpowiedź „nie” albo „to zależy” prowadzi do wywiadu z AI: 15–20 pytań zadawanych pojedynczo, każda odpowiedź ukierunkowuje następne, a efektem są reguły typu „jeśli–to”.
- Trzecia droga to eksploracja starych, udokumentowanych decyzji — np. klient pożyczkodawca miał w skrzynce około 900 klasyfikacji leadów, z których model wyciągnął kryteria.
- Dlaczego dyktando zamiast pisania: jest szybsze i pozbawione autocenzury — na głos oddajesz wyjątki, sygnały rozpoznawcze i przeczucia z lat praktyki.
- Uzgodnione reguły zamienia się w „umiejętność” przez wbudowany kreator w Claude lub ChatGPT, przy okazji usuwając szczegóły konkretnego przykładu i dbając o maksymalną zwięzłość — napuchnięte instrukcje osłabiają model.
- Weryfikacja to test w ciemno: 3–5 zróżnicowanych spraw z przeszłości, podanych wyłącznie jako dane wejściowe; rozbieżności łata się punktowo i ponawia test w nowej rozmowie.
- Cel całej metody: model rozstrzyga w twoim stylu, a ty odchodzisz do zadań o większej dźwigni.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Zacznij od testu „nowego pracownika”
Na czym polega: Jedno pytanie rozstrzyga, od której drogi zacząć wynoszenie osądu z głowy: „Czy potrafię teraz, na głos, wytłumaczyć nowej osobie, dlaczego wybieram tę opcję, a nie inną?”.
Jak stosować: Odpowiedź „tak” — dyktuj proces modelowi od razu i dołącz pliki kontekstowe. Odpowiedź „nie” albo wahanie — planuj wywiad albo eksplorację starych decyzji.
Na co uważać: Stanowcze „tak” zdarza się rzadko. Jeśli zacinasz się w pierwszym zdaniu, kryteria wciąż istnieją tylko w twojej głowie — i to właśnie ta decyzja będzie czekać na ciebie przy każdej okazji.
2.Dyktuj, zamiast pisać
Na czym polega: W mowie oddasz proces szybciej i pełniej niż na klawiaturze — pisząc, na bieżąco się cenzurujesz i tracisz boczne wątki: wyjątki, sygnały rozpoznawcze, przeczucia z wieloletniej praktyki.
Jak stosować: Nagraj wiadomość głosową do modelu zamiast wystukiwać instrukcję, podeślij pliki z kontekstem, a potem zleć krótki wywiad kontrolny na maksymalnie pięć pytań.
Na co uważać: Nie skracaj nagrania do samych kroków — wartość siedzi właśnie w niuansach. Nie pomijaj też dopytania kontrolnego, nawet jeśli wydaje ci się, że wszystko zostało powiedziane.
3.„To zależy” to sygnał, nie przeszkoda
Na czym polega: Gdy procesu nie da się spisać jako prostego schematu „wejście–wyjście”, znaczy to, że działa w nim osąd — czyli dokładnie to, co da się przenieść do modelu, żeby rozstrzygał w twoim stylu.
Jak stosować: Notuj każdą sytuację, w której łapiesz się na „to zależy”: to kandydat do wywiadu z AI albo do eksploracji starych decyzji.
Na co uważać: Samo stwierdzenie nic nie daje — kryteria trzeba najpierw doprecyzować, zanim model zacznie decydować za ciebie.
4.Wywiad jako droga domyślna
Na czym polega: Bez cudzych pytań nie umiemy opisać własnego rozumowania. Dlatego to model prowadzi: pyta o jedną rzecz naraz, a każda odpowiedź ukierunkowuje następne pytanie, tak by nic nie umknęło.
Jak stosować: Prompt: „Przeprowadź wywiad na temat jednej konkretnej decyzji: [X]. Pytaj pojedynczo; jeśli odpowiedź jest mętna, dróż, aż zrozumiesz ją na tyle, by zapisać regułę «jeśli–to». Limit 15–20 pytań, na końcu wypisz reguły”.
Na co uważać: Nie zgadzaj się na sztywną listę pytań ani na ich lawinę — 15–20 to rozsądne widełki. Wygenerowane reguły przejrzyj i popraw, zanim pójdziesz dalej.
5.Jeśli masz stare decyzje na piśmie — przekop je
Na czym polega: Gdzieś zapewne masz pary „dane wejściowe → moja decyzja”: skrzynkę e-mail, foldery, notatki. Model może je przeanalizować i wypisać najczęstsze kryteria kryjące się za twoimi wyborami.
Jak stosować: Prompt: „Przeczytaj wszystkie moje decyzje dotyczące [X] zapisane w [miejsce]; dla każdej ustal, co postanowiłem i dlaczego, a potem wypisz reguły, żebym mógł ocenić, czy się zgadzam”. Klient Davisa miał tak około 900 klasyfikacji leadów.
Na co uważać: Reguły wydobyte z danych to hipotezy — każdą potwierdź, zanim je przyjmiesz. Źródłem może być dowolny zbiór z danymi i decyzją, nie tylko wysłane e-maile.
6.Zamień reguły w umiejętność — w tym samym wątku
Na czym polega: Reguły powstają w rozmowie z modelem, więc najlepiej w niej zostać: na końcu prosisz o utworzenie gotowej umiejętności przez wbudowany kreator (mają go Claude i ChatGPT), bez ręcznego majsterkowania.
Jak stosować: „Przekształć uzgodnione reguły w umiejętność wielokrotnego użytku, do stosowania w różnych sprawach”.
Na co uważać: Nie przenoś reguł ręcznie do nowego okna — łatwo przy tym coś zgubić. Samo wygenerowanie umiejętności to jeszcze nie koniec: czeka ją weryfikacja.
7.Uogólnij: usuń ślady konkretnego przykładu
Na czym polega: Reguły wypracowane na jednym przypadku bywają przyszyte do jego szczegółów, a umiejętność ma pracować na sprawach przyszłych.
Jak stosować: Dopisz do promptu: „usuń wszystko, co wiąże się z konkretnym przykładem, na którym ustalaliśmy reguły”.
Na co uważać: Po odchudzeniu sprawdź, czy nie ubyło krytycznych warunków — uogólnienie nie może iść w parze z utratą precyzji.
8.Zwięzłość umiejętności to kwestia sprawności, nie estetyki
Na czym polega: Rozbudowane instrukcje zapychają okno kontekstu i spłaszczają jakość rozumowania, a model z własnej inicjatywy tworzy „napuchnięte” prompty i umiejętności.
Jak stosować: Wyraźnie nakaż minimalizm: umiejętność ma być dokładnie tak obszerna, jak wymaga zadania — ani linijkę więcej.
Na co uważać: Kreator sam o zwięzłość nie zadba — przycięcie wyniku zostaje twoim zadaniem, zwłaszcza że ta instrukcja pójdzie potem do innego modelu.
9.Testuj w ciemno — i tylko na własnych sprawach
Na czym polega: Zanim zaufasz, przepuść model przez decyzje, które już podjąłeś: podaj wyłącznie dane wejściowe z 3–5 zróżnicowanych przypadków, ukryj własne rozstrzygnięcia, a potem porównaj.
Jak stosować: Prompt: „Oto dane wejściowe z pięciu minionych spraw; dla każdej użyj umiejętności i rozstrzygnij, wyjaśniając dlaczego”. Wyniki zestaw w tabeli: odpowiedź modelu kontra twoja.
Na co uważać: Najczęstszy błąd to ujawnienie modelowi własnych decyzji albo wyników — test traci wtedy sens. Przypadki muszą być różnorodne, a nie pięć bliźniaczych.
10.Rozbieżności łataj punktowo i badaj od nowa, w świeżej rozmowie
Na czym polega: Tam, gdzie model zdecydował inaczej niż ty, wyjaśnij dlaczego i popraw tylko ten fragment umiejętności. Ponowny test rób w nowym oknie rozmowy: czysty kontekst, wczytana umiejętność, świeża próba.
Jak stosować: „W sprawie trzeciej powiedziałeś «tak», a ja «nie» — oto dokładnie dlaczego. Zaktualizuj umiejętność i sprawdź ją ponownie na tej sprawie”.
Na co uważać: Przy jednej rozbieżności nie dopisuj lawiny reguł — umiejętność ma zostać mała. Test w starym wątku zafałszuje wynik, bo model pamięta całą dotychczasową rozmowę.
Redakcyjne tłumaczenie
Decyzje, które umie podjąć tylko jedna osoba
W twojej pracy na pewno znajdują się decyzje zarezerwowane wyłącznie dla ciebie. Nie dlatego, że są skomplikowane — dlatego, że powód, dla którego wybierasz jedną opcję, a drugą odrzucasz, istnieje tylko w twojej głowie. Nikt nigdy nie spisał go na papierze. I właśnie dlatego za każdym razem, gdy taka decyzja się pojawia, musi czekać na ciebie.
Jestem Dylan, prowadzę firmę doradczą w obszarze AI. Od jakiegoś czasu moja praca polega w dużej mierze na wyciąganiu ludzkiego osądu z głów i oddawaniu go sztucznej inteligencji — zaczynałem od własnej. W tym materiale pokażę, jak to działa: znajdziesz tu jedno pytanie podpowiadające, od czego zacząć, prompt do wywiadu, który wyciąga z ciebie sposób myślenia, oraz szybki test dowodzący, że model rzeczywiście decyduje jak ty — zanim powierzysz mu cokolwiek istotnego.
„To zależy” — argument, który właśnie przestał działać
Współpracując z klientami, najczęściej słyszę, że AI nie ma co stosować do danego procesu, bo wszystko zależy od okoliczności. Proces nie jest schematem typu „jedno wejście, jedno wyjście” — to łańcuch kryteriów i analiz, przez które trzeba przejść w głowie, żeby coś dobrze załatwić. Tyle że jeśli ten łańcuch wyjaśnisz wystarczająco precyzyjnie, da się go przenieść do modelu, a model zacznie rozstrzygać tak jak ty.
W każdym zadaniu sztuczna inteligencja podejmuje setki decyzji i większość z nich możesz jej spokojnie zostawić. Są jednak miejsca, w których chcesz, żeby zadziałał twój osąd i twoje doświadczenie. Właśnie te fragmenty chcemy „wpuścić do środka” tak, by model załatwiał je w twoim imieniu — bez pilnowania i zatwierdzania każdego kroku.
Jedno pytanie, które rozstrzyga, od czego zacząć
Od której decyzji zacząć? Podpowie jedno pytanie: czy potrafię tu i teraz, na głos, wytłumaczyć nowemu pracownikowi, dlaczego wybieram tak, a nie inaczej?
Jeśli odpowiedź brzmi „tak” — a bywa tak rzadko — wystarczy dyktando: opowiadasz modelowi swój proces, ewentualnie dołączasz kilka plików z kontekstem. To najprostsza droga i zarazem najrzadsza. Znacznie częściej pada „nie” albo jakieś „to zależy”. Wtedy stoją przed tobą dwie możliwości, które zresztą można łączyć:
Pierwsza: decyzje mogą już istnieć na piśmie. Podejmowałeś je latami i gdzieś są zapisane. Klasyczny przykład z mojej praktyki: do klienta wpływa mnóstwo leadów (potencjalnych klientów) i on błyskawicznie ocenia, czy któryś jest wart uwagi — wart idzie jedną drogą, niewart drugą. Wszystko to siedzi w jego skrzynce odbiorczej. Taki materiał da się zebrać i kazać modelowi przekopać, żeby odzyskać z niego kryteria.
Druga: wywiad. Dla większości osób to główna droga, bo bez niczyich pytań nie umiemy wytłumaczyć własnego rozumowania. Potrzebujemy, żeby model nas poprowadził i przepytał krok po kroku, tak by żaden niuans nie umknął.
Krótka przerwa: poniżej zostawiam link do darmowej, trzydziestodniowej serii e-mailowej z pomysłami na wykorzystanie AI w twojej pracy — a jeśli chcesz ze mną współpracować, znajdziesz tam też listę moich usług. Wracamy do tematu.
Ścieżka pierwsza: powiedz to na głos
Zacznijmy od najłatwiejszej opcji. Jeśli masz proces w głowie i możesz modelowi pokazać pliki z kontekstem — wykorzystaj to. Ale przekazuj go głosem, nie klawiaturą. Zawsze namawiam klientów do dyktanda z dwóch powodów. Pierwszy to szybkość: wypowiedzenie myśli trwa krócej niż jej wystukanie. Drugi, ważniejszy, to jakość. Pisząc, na bieżąco się autocenzurujesz. A przy opisywaniu własnego decydowania chcesz właśnie schodzić na boczne tory: omówić wyjątki, sygnały, po których coś poznajesz, przeczucia nazbierane przez lata. Cały ten subtelny materiał oddasz w mowie — na klawiaturze zwykle ginie.
Gdy opowiesz już proces i podeślesz pliki, zrób jeszcze miniwywiad kontrolny. Polecam taki prompt: poproś model o kilka pytań — najwyżej pięć — sprawdzających, czy w tym, co przekazałeś, nie ma niejasności lub braków. Ważne, żeby pytał pojedynczo i żeby każda twoja odpowiedź ukierunkowywała następne pytanie. Chodzi o żywą rozmowę, a nie o sztywną listę pięciu punktów.
W skrócie pierwsza droga wygląda więc tak: dyktujesz proces, dołączasz pliki, a na koniec model dopytuje o trzy–pięć rzeczy, które mogły umknąć.
Ścieżka druga: wywiad — droga, którą pójdziesz najczęściej
Z klientami korzystam z niej najwięcej. Trzymam się przy tym prostej zasady: ilekroć podczas mapowania procesu ktoś mówi „to zależy”, zapala mi się w głowie lampka. Skoro jest tam osąd, wynieśmy go do modelu, żeby decydował za tego człowieka. To nie żaden powód do rezygnacji z automatyzacji. „To zależy” nie znaczy, że AI sobie nie poradzi; znaczy tylko, że trzeba dokładniej opisać, jak ta decyzja zapada.
Prosty przykład: kiedy dajesz klientowi rabat? Nowy klient, z którym jeszcze nie pracowałeś, dostaje się zapewne do sztywnego cennika. Ale klient, z którym współpracujesz nieprzerwanie od pięciu lat i który prosi o rabat, to co innego: zależy ci na nim i na przedłużeniu współpracy, więc odrobinę ulżysz. O to właśnie chodzi — o jasne opowiedzenie, jak decydujesz i dlaczego. A w doprecyzowaniu tego pomaga sam wywiad z modelem.
Prompt startowy, od którego polecam zaczynać, brzmi tak: „Przeprowadź ze mną wywiad na temat jednej, bardzo konkretnej decyzji: [opis]. Pytaj o jedną rzecz naraz; każda moja odpowiedź ma ukierunkowywać następne pytanie. Jeśli któraś odpowiedź wyda ci się niewystarczająco jasna, drąż temat, aż zrozumiesz mechanizm na tyle, żeby zapisać go w regule «jeśli–to» — docelowo to ty, AI, masz podejmować tę decyzję za mnie. Całość ogranicz do piętnastu–dwudziestu pytań.”
Piętnaście do dwudziestu pytań to mój złoty środek: dość, żeby wyciągnąć szczegóły, niezbyt wiele, żeby rozmowa się rozłaziła. Na koniec prosisz model o wypisanie reguł decyzyjnych, które wyłoniły się z rozmowy — do wykorzystania w innym AI. Zanim ruszysz dalej, spokojnie je przejrzyj i upewnij się, że się z nimi zgadzasz.
Ścieżka trzecia: przekop stare decyzje
Trzecia droga narodziła się ze zlecenia, które w ogóle podsunęło mi pomysł na ten film. Klient pracuje z osobami inwestującymi w nieruchomości — jego firma udziela pożyczek na różne cele. W skrzynce miał setki jawnie podjętych decyzji, gotowych do przeanalizowania: mniej więcej dziewięćset rozstrzygnięć, czy dany lead jest wart uwagi w świetle tego, o co prosi.
Przekopując taki zbiór, model oddaje listę reguł najczęściej kryjących się za twoimi wyborami. Może się okazać, że istnieje granica wielkości transakcji, poniżej której zawsze odmawiacie. Albo że wszystkie przegrane sprawy łączy jeden wspólny czynnik.
Nie musi to być skrzynka z wysłanymi e-mailami. Dowolny zestaw plików się nada, byle model miał do niego dostęp. Zadaj sobie tylko pytanie: czy mam gdzieś serię decyzji podjętych jawnie, wraz z danymi, na których je oparłem? Jeśli tak, AI może spróbować ustalić, dlaczego decydowałeś tak, a nie inaczej — i przełożyć to na reguły.
Prompt do takiej eksploracji jest prosty; pewnie zechcesz go dopasować do swojej sytuacji, ale na start wystarczy: „Przeczytaj wszystkie moje dotychczasowe decyzje dotyczące [sprawy], zapisane w [miejsce]. Dla każdej ustal, co postanowiłem i — co ważniejsze — dlaczego. Potem zbuduj zestaw reguł, które te decyzje łączą, i wypisz go, żebym mógł szybko ocenić, czy się zgadzam.”
Drugi krok: zamień reguły w „umiejętność”
Wyciągnięcie decyzji z głowy to dopiero połowa roboty. Teraz trzeba je wgrać do AI, a najlepszy sposób, jaki znalazłem, to zamiana ich w umiejętność (Informacja dodatkowa: „umiejętności”, ang. skills, to funkcja Claude i ChatGPT pozwalająca zapakować instrukcje oraz materiały pomocnicze w moduł wielokrotnego użytku, wczytywany przez model na żądanie) — i to w tym samym wątku rozmowy. Niezależnie od tego, którą z trzech dróg przeszedłeś, na końcu, gdy model zna już twoje reguły, prosisz go po prostu o skorzystanie z kreatora umiejętności. Claude i ChatGPT mają go wbudowanego, więc umiejętność powstaje bez twojego majsterkowania.
Prompt jest banalny: „Przekształć reguły, które właśnie uzgodniliśmy, w umiejętność wielokrotnego użytku, do stosowania w różnych sprawach.” I ważny dopisek: każ modelowi usunąć wszystko, co wiąże się z konkretnym przykładem, na którym reguły powstawały — umiejętność ma pracować na przyszłych przypadkach, nie na tym jednym.
Druga rzecz, o którą trzeba w tym prompcie dopilnować: zwięzłość. Gdy AI tworzy umiejętność albo prompt, zwykle oddaje coś napuchniętego i przegadanego. Tymczasem ta instrukcja pójdzie potem do innego modelu, który ma wykonywać za ciebie rozumowanie — a im więcej miejsca zajmiesz mu w pamięci roboczej, tym mniej zostaje mu sprawności. Zasada jest prosta: umiejętność ma być dokładnie tak duża, jak wymaga zadanie. Ani linijkę więcej.
Zanim zaufasz: test w ciemno
Umiejętność gotowa? Nie wolno zakładać, że model będzie rozumował jak ty — trzeba to sprawdzić. Najlepszy znany mi sposób to test w ciemno.
Masz przecież decyzje, które kiedyś już podjąłeś. Weź same dane wejściowe — e-maile od leadów, przejrzane CV, opisy zleceń — ale bez swoich rozstrzygnięć. I właśnie to podaj modelowi. Prompt: „Oto dane wejściowe z pięciu minionych spraw. Dla każdej użyj właśnie utworzonej umiejętności i rozstrzygnij, dokładnie wyjaśniając dlaczego.” Test warto zrobić na trzech–pięciu zróżnicowanych przypadkach.
Powtórzę, bo to kluczowa rzecz: przypadki testowe muszą dotyczyć decyzji już podjętych, a modelowi podajesz wyłącznie dane wejściowe — nigdy własnych rozstrzygnięć. Ukrywasz swoją decyzję po to, żeby zobaczyć, czy model dojdzie do tej samej odpowiedzi. Nie zapomnij o tym.
Wynik najlepiej zestawić w tabeli: po jednej stronie to, co powiedział model, po drugiej to, co postanowiłeś ty. Gdzieś zapewne się rozjedziecie. Wtedy wyjaśnij mu, w czym się pomylił, i popraw umiejętność punktowo — ma przecież zostać mała. Na przykład: „W sprawie trzeciej odpowiedziałeś «tak», a ja «nie» — i oto dokładnie dlaczego. Zaktualizuj umiejętność i uruchom ją ponownie na tej sprawie, żebyśmy byli zgodni.” Przy ponownym teście otwórz nową rozmowę zamiast kontynuować starą — chcesz wyczyścić okno kontekstu, wczytać umiejętność i sprawdzić ją na świeżo.
Podsumowanie metody
Wielu z nas dzień w dzień podejmuje podobne decyzje w rozmaitych procesach — i te decyzje da się, z odrobiną staranności, przenieść do AI. Wtedy model rozstrzyga za ciebie, a ty zajmujesz się zadaniami o większej dźwigni.
Punkt wyjścia stanowi jedno pytanie: czy potrafię łatwo wytłumaczyć ten proces i jego logikę nowemu pracownikowi? Odpowiedź twierdząca prowadzi na ścieżkę dyktanda: opowiadasz, dołączasz pliki, model oddaje reguły — a krótki wywiad kontrolny na kilka pytań domyka niejasności. Odpowiedź negatywna prowadzi do pełnego wywiadu, najczęstszej z dróg. A jeśli masz już gdzieś udokumentowane decyzje, model może je przekopać i odczytać ci z nich twoje kryteria.
Cokolwiek wybierzesz, na końcu posiadasz rejestr reguł — i trzeba go zamienić w umiejętność: najlepiej w tym samym wątku, wbudowanym kreatorem, w maksymalnie zwięzłej postaci. Potem przychodzi test: na decyzjach już podjętych, wyłącznie na danych wejściowych, bez ujawniania wyników. Model patrzy na to, na co patrzyłeś ty, podejmuje decyzję — i porównujecie. Tam, gdzie odpowiedzi się różnią, łatasz umiejętność punktowo: tłumaczysz, dlaczego twoja była inna i jak przenieść tę różnicę na przyszłe sprawy.
Klonowanie osądu nigdy nie było celem
Na koniec — po kolejnym, krótkim przypomnieniu o darmowej serii mailowej i możliwości współpracy — zostawiam najważniejszą myśl: sklonowanie twojego osądu nigdy nie było celem samym w sobie. To dopiero odblokowanie następnego kroku. Bo kiedy AI decyduje jak ty, możesz wreszcie odejść, gdy ono pracuje — na spotkanie, na lunch, dokąd zechcesz. Jest jeden prosty nawyk, który czyni z tego rzeczywistość; opisałem go w osobnym materiale. Do zobaczenia.