O czym jest ten film
- Zaplanowane zadanie w ChatGPT albo Claude potrafi regularnie „wykonywać pracę”, której w rzeczywistości nie ma: meldunek sukcesu przychodzi na czas, a jakość efektu z tygodnia na tydzień spada.
- Przyczyna jest systemowa — instrukcje pisane kiedyś tracą aktualność (zmienione nazwy plików, przeniesione foldery, nowe potrzeby), a zadanie startuje za każdym razem od zera, z tym samym starym promptem.
- Autor zauważył ten problem u czterech zespołów w ciągu dwóch tygodni; wyróżnia cztery powtarzalne usterki i pokazuje jedną linijkę w prompcie, która ostrzega już w tygodniu, gdy zaczyna się sypać.
- Usterka 1: AI twierdzi, że edytowało plik (arkusz, prezentację, dashboard), a faktycznie tylko streściło zmiany w rozmowie — bo ktoś przeniósł plik albo zmienił nazwę folderu.
- Kluczowe rozróżnienie: zadanie może działać lokalnie albo w chmurze. W ChatGPT wskaże to ikona folderu lub chmurki, w Claude — przełącznik „wymaga tego komputera” i rozmiar folderu roboczego.
- Obejścia: test edycji pliku już przy tworzeniu zadania, ponowny test po porządkowaniu plików w firmie i po dużych aktualizacjach agentów, plus prompt zakazujący „załatwiania się” w chacie i wymagający krótkiego meldunku o problemie.
- Powiadomienia o wpadkach da się wyprowadzić poza chat — model z włączonymi integracjami może sam napisać na Slacku, w Teams, mailem czy SMS-em.
- Usterka 2: tracker zadań zasilany notatkami ze spotkań otwiera zadania, ale nigdy ich nie zamyka (4 → 9 → 14 → 19 pozycji); ratunkiem jest kazanie modelowi sprawdzania poczty i czatów oraz trzeci status: „niezweryfikowane”.
- Usterka 3: sztywny rytm „co 7 dni” przegapia dni przy zamkniętym laptopie i dubluje pracę przy wcześniejszym uruchomieniu; lekarstwem jest dziennik przebiegów, od którego model wznawia pracę.
- Usterka 4: bez zamkniętej listy etykiet model co tydzień inaczej nazywa tę samą kategorię wydatków („software”, „subskrypcje”, „narzędzia”); potrzebny jest plik z kategoriami i procedura dopisywania nowych wyłącznie po akceptacji.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Nie ufaj komunikatowi „wykonane” — przetestuj edycję pliku od razu
Na czym polega: automat potrafi zameldować sukces, choć plik pozostał nietknięty; prosty test przy tworzeniu zadania wyłapuje to od razu.
Jak stosować: zanim uruchomisz cykliczną aktualizację arkusza czy dokumentu, każ modelowi dodać jeden wiersz testowy i sprawdź na własne oczy, czy fizycznie się pojawił.
Na co uważać: jeden udany test to nie gwarancja na zawsze — przeniesienie pliku lub zmiana nazwy folderu potrafi zepsuć sprawę dopiero po tygodniach.
2.Sprawdź, czy zadanie działa w chmurze, czy na twoim komputerze
Na czym polega: usterka „plik nietknięty” dotyczy głównie zadań lokalnych; gdy plik żyje w chmurze, porządki na twoim dysku nie mają znaczenia.
Jak stosować: w ChatGPT zajrzyj pod ikonę zegara — ikona folderu z nazwą katalogu oznacza pracę lokalnie, chmurka oznacza chmurę; w Claude sprawdź przełącznik „wymaga tego komputera” na dole edycji zadania.
Na co uważać: w Claude zbyt duży folder roboczy zostanie trzymany lokalnie, nawet jeśli całość sprawia wrażenie chmurowej — rozmiar ma znaczenie.
3.Retestuj automat po porządkowaniu plików i po dużych aktualizacjach
Na czym polega: dwie sytuacje niweczą wcześniejsze testy: reorganizacja folderów w firmie oraz duże aktualizacje agentów biurkowych i przeglądarkowych ChatGPT oraz Claude.
Jak stosować: po każdej takiej zmianie uruchom zadanie ręcznie i upewnij się, że nadal edytuje właściwy plik.
Na co uważać: porządki w strukturze katalogów rzadko trafiają do twojej pamięci — warto ustawić sobie przypomnienie lub traktować takie przeglądy jako stały rytuał.
4.Zablokuj w prompcie furtkę „załatwię się w chacie”
Na czym polega: bez wyraźnego zakazu model w trudnej sytuacji streści zmiany w rozmowie i uzna zadanie za wykonane.
Jak stosować: wpisz do instrukcji konkretny plik i folder, zdanie „zmiany nanosisz wyłącznie w pliku — streszczenie w rozmowie nie liczy się jako wykonanie” oraz „nie możesz otworzyć lub zmienić pliku? Zatrzymaj się i napisz mi o tym jednym zdaniem”.
Na co uważać: zakaz działa tylko, dopóki ścieżki są poprawne; po zmianie nazwy pliku model i tak wpadnie w tryb awaryjny — dlatego kluczowe jest powiadomienie.
5.Wyprowadź powiadomienia poza chat: Slack, Teams, e-mail, SMS
Na czym polega: sens zaplanowanego zadania polega na tym, że do chatu nie zaglądasz — alert o wpadce musi więc trafić tam, gdzie faktycznie przebywasz.
Jak stosować: włącz integracje w narzędziach takich jak biurkowy ChatGPT czy Claude i każ modelowi wysyłać komunikat o niepowodzeniu bezpośrednio do ciebie.
Na co uważać: sam komunikat nie naprawia pliku — zostaw sobie czas na reakcję albo przygotuj procedurę, którą asystent ma wykonać po awarii.
6.Tracker ma domykać zadania, nie tylko je otwierać
Na czym polega: nowe zadania zwykle płyną z jednego źródła (np. notatek ze spotkań), a zamknięcia zdarzają się gdzie indziej — krótki mail, odpowiedź na czacie. Automat patrzący tylko na pierwsze źródło nigdy nie domknie listy.
Jak stosować: dodaj do promptu polecenie: „zadanie można zamknąć na podstawie dowolnego źródła, także krótkiej odpowiedzi; zanim wypiszesz pozycję jako otwartą, sprawdź pocztę i czaty pod kątem wszystkiego, co wydarzyło się po dacie zgłoszenia”.
Na co uważać: czytanie poczty i czatów wymaga odpowiednich uprawnień i integracji — bez nich polecenie pozostanie martwą literą.
7.Wprowadź trzeci status: „niezweryfikowane”
Na czym polega: dwa stany (otwarte/zamknięte) zmuszają model do zgadywania; trzeci pozwala mu przyznać się do niewiedzy zamiast zmyślać.
Jak stosować: dopisz „jeśli nie da się rozstrzygnąć, oznacz jako niezweryfikowane” i przeglądaj wyłącznie tę kategorię; gdy znajdziesz źródło zamknięcia, każ modelowi dopisać je na stałe do instrukcji.
Na co uważać: bez regularnego przeglądu kategoria „niezweryfikowane” zamieni się w nowy śmietnik — dokładnie tak, jak wcześniej wiecznie otwarte pozycje.
8.Zamień sztywny rytm na dziennik przebiegów
Na czym polega: cykl „co 7 dni” ignoruje zamkniętego laptopa (przegapiony dzień) i twoje ręczne uruchomienia (dublowanie pracy).
Jak stosować: każ modelowi prowadzić plik-dziennik: po każdym przebiegu jedna linia z datą, godziną i ostatnim przetworzonym elementem; przed każdym przebiegiem odczyt ostatniej linii i start od tego miejsca.
Na co uważać: dziennik działa tylko, gdy model konsekwentnie go uzupełnia — od czasu do czasu zajrzyj, czy plik rzeczycznie rośnie.
9.Zamknij modela w sztywnej liście etykiet — nowe tylko za twoją zgodą
Na czym polega: bez listy kategorii AI co tydzień inaczej nazwie tę samą pozycję („software”, „subskrypcje”, „narzędzia”) i raporty przestaną się spinać.
Jak stosować: stwórz plik z kategoriami i wpisz do promptu: „przed tagowaniem przeczytaj plik z etykietami i używaj wyłącznie ich; jeśli nic nie pasuje — wybierz najbliższą i zaproponuj nową na końcu raportu, z uzasadnieniem”. Nową etykietę dopisujesz po akceptacji.
Na co uważać: lista nie może zastożeć — jeśli propozycji przybywa, być może czas ją odchudzić lub uzupełnić, bo w przeciwnym razie model zacznie ciasnotę omijać po cichu.
10.Doklej do każdego zadania sekcję „Co się zmieniło w tym przebiegu?”
Na czym polega: jedna linijka w prompcie zbiera objawy wszystkich czterech usterek: zakres czasu, powodzenie edycji pliku, pozycje niezweryfikowane i proponowane etykiety.
Jak stosować: każ modelowi zaczynać każdym raport od tej sekcji, w maksymalnie pięciu wierszach — i najlepiej przesyłać ją powiadomieniem, a nie tylko do chatu.
Na co uważać: sekcja ostrzega, ale nie leczy — czytaj ją regularnie i reaguj od ręki, zanim błędy nazbierają się przez kilka tygodni.
Redakcyjne tłumaczenie
„Gotowe!” — a tak naprawdę coraz gorzej
Zaplanowane zadanie w ChatGPT albo Claude może przestać działać, nie dając ci żadnego sygnału. Uruchamia się punktualnie, zgłasza wykonanie — a efekt jest z tygodnia na tydzień odrobinę gorszy. Ostatnim, który się o tym dowiaduje, jesteś ty, bo nieuzaglądanie w raportach było przecież głównym powodem, dla którego zleciłeś pracę automatowi. W ciągu ostatnich dwóch tygodni widziałem to u czterech zespołów, z którymi pracuję. Zbiera się na cztery charakterystyczne sposoby — i pokażę też jedną linijkę w prompcie, która uprzedzi cię już w tygodniu, w którym zaczyna się sypać.
(Informacja dodatkowa: „zaplanowane zadania”, po angielsku scheduled tasks, to funkcja ChatGPT i Claude — zapisany prompt uruchamiany automatycznie według harmonogramu, np. co poniedziałek rano.)
Dlaczego to psuje się właśnie po cichu
W zwykłym oprogramowaniu awaria wygląda znajomo: coś pada, na ekranie wyskakuje błąd. Z modelami jest inaczej — są z jednej strony uparte, z drugiej giętkie. Natrafiwszy na przeszkodę, jakoś ją obchodzą, doprowadzają sprawę do końca i meldują sukces, nawet jeśli zrobiły co innego, niż prosiłeś. Główny winowajca: zestarzałe instrukcje. Prompt pisany miesiąc czy dwa temu nie wie, że od tego czasu pliki zmieniły nazwy, foldery się przeniosły, a twoje potrzeby ewoluowały — każde uruchomienie zadania zaczyna się od zera, dokładnie od tej starej wersji polecenia. Dobra wiadomość: da się zaplanowane zadania tak skonfigurować, by były niezawodne, powtarzalne i odporne na zmiany dookoła. Poniżej cztery usterki, po kolei.
Usterka 1: raport ląduje w rozmowie, plik zostaje nietknięty
Najczęstszy przypadek, jaki widuję u klientów: AI twierdzi, że edytowało plik, a plik jest nietknięty. Wyobraź sobie automat, który regularnie — codziennie, co tydzień, co miesiąc — aktualizuje jakiś dokument: arkusz, prezentację, dashboard, plik tekstowy, nieważne który. Aż w pewnym momencie ktoś w firmie porządkuje strukturę katalogów: zmienia nazwę folderu albo przenosi plik w inne miejsce. Jeżeli zadanie nie znosi takich zmian, model „wykona” pracę — tyle że opisze ją w rozmowie, zamiast zapisać w pliku, o co prosiłeś — i zamelduje, że wszystko gotowe.
Klienci pytają mnie wtedy, skąd mają wiedzieć, czy zadanie odpala się na ich komputerze, czy w chmurze — bo jeśli w chmurze, ten konkretny problem w zasadzie nie grozi. Pokażę, gdzie to sprawdzić w obu narzędziach.
ChatGPT: ikonka folderu albo chmurki
W aplikacji biurkowej ChatGPT po lewej stronie jest ikona zegara — tam mieszkają zaplanowane zadania. Po kliknięciu, w sekcji z nadchodzącymi pozycjami, otwieram jedno z nich: przy zadaniu widać ikonę folderu, a po najechaniu kursorem podaje katalog na moim komputerze, w którym to zadanie pracuje (w przykładzie: WT_ideas). To samo sprawdzisz w edycji: trzy kropki → „Edytuj” → na samym dole „Zaawansowane” → pole „runs in” („uruchamianie w”); obok nazwy czatu, w którym zadanie żyje, drobniejszym szarym drukiem widnieje nazwa folderu — czyli wiem, że pracuje lokalnie. W innym przykładzie zamiast folderu widać chmurkę: zadanie działa w chmurze, a więc jest z zasady odporne na przestawianie plików na twoim dysku — o ile to właśnie w chmurze AI ma aktualizować pliki, a nie na twoim komputerze.
Tu autor robi krótką przerwę na autopromocję: zaprasza do współpracy (szczegóły pod filmem) oraz na darmową, 30-dniową serię e-maili z pomysłami na wykorzystanie AI w firmie. Po czym wraca do tematu.
Claude: przełącznik „wymaga tego komputera”
W Claude po lewej stronie jest zakładka z zadaniami zaplanowanymi. Otwieram przykładowe zadanie, klikam ikonę ołówka (edycja) i przewijam na sam dół — jest tam przełącznik „wymaga tego komputera” (w angielskim interfejsie: „Requires this computer”). Włączony wymusza uruchamianie na twojej maszynie i stały dostęp lokalny; wyłączony — jak w przykładzie — oznacza, że zadanie chodzi w chmurze. Drugi trop: tuż pod instrukcjami jest opcja pracy w folderze. Jeśli podpięty folder jest zbyt duży, żeby Anthropic utrzymało go w chmurze, zostaje na twoim komputerze. Dwa szybkie sposoby, by wiedzieć, gdzie fizycznie pracuje twój automat — bo od tego zależy, czy cudze porządki w plikach mogą mu zaszkodzić.
Trzy momenty, w których trzeba przetestować zadanie
Po pierwsze, przy samym budowaniu: niech model doda do arkusza wiersz testowy i sprawdź na własne oczy, że edycja pliku w ogóle działa. Po drugie, po każdym porządkowaniu plików w firmie — zmiany nazw, przemeblowanie folderów — przetestuj zadanie ponownie i upewnij się, że model nadal ma dostęp do właściwego pliku. Po trzecie, gdy OpenAI i Anthropic wydają duże aktualizacje swoich agentów, biurkowych i przeglądarkowych: wtedy również warto wywołać zadania ręcznie i sprawdzić, czy wciąż piszą tam, gdzie powinny.
Prompt, który odbiera modelowi furtkę
Bazowy prompt na start — podstaw własne nazwy pliku i folderu:
„Plik, który aktualizujesz, to «sales tracker» w folderze «sales». Otwórz go i nanieś zmiany w samym pliku. Streszczenie w rozmowie nie liczy się jako wykonanie zadania. Jeśli nie możesz otworzyć pliku lub go zmienić — zatrzymaj się i najpierw napisz mi o tym jednym zdaniu, zanim zrobisz cokolwiek innego.”
Nic wyrafinowanego, sama precyzja: wskazujesz konkretny plik i katalog, odbierasz modelowi możliwość „załatwienia się” w chacie i żądasz meldunku przy najmniejszym problemie.
Niech wykroczy poza chat
Warunek meldunku bywa pozornie bez sensu — można zapytać: przecież nie zaglądam do rozmowy, skąd mam zobaczyć tę jednozdaniową wiadomość? Słuszny trop. Dlatego niech model nie czeka, aż tam zajrzysz, tylko sam cię zawoła gdzie indziej. Z włączonymi integracjami — w Claude Co-worker czy w biurkowym ChatGPT — może napisać do ciebie na Slacku, w Teams, mailem, a nawet SMS-em czy przez iMessage. Dostajesz sygnał natychmiast: możesz naprawić rzecz ręcznie albo kazać asystentowi ją naprawić.
(Informacja dodatkowa: konektory to wbudowane integracje ChatGPT i Claude z zewnętrznymi usługami, np. Slackiem czy pocztą; to dzięki nim model może samodzielnie wysyłać wiadomości.)
Usterka 2: zadania się otwierają, ale nigdy nie zamykają
Druga usterka dotyczy zadań, które zasilenia tracker z zewnętrznych źródeł. Przykład: automat prowadzi listę twoich zadań — nowe dopisuje, a przy okazji aktualizuje statusy: otwarte, zamknięte itd. Choroba typowych wdrożeń tego typu: pilnują wyłącznie otwierania. A przecież nowe zadanie zwykle bierze się z jednego źródła — powiedzmy z notatek ze spotkań: po każdym spotkaniu ląduje surowa transkrypcja, a model wyciąga z niej zadania dotyczące ciebie i dopisuje do trackera — natomiast zamknięcie następuje gdzie indziej: krótki mail, odpowiedź na czacie. W efekcie lista tylko rośnie: z czterech pozycji robi się dziewięć, potem czternaście, dziewiętnaście, i nic się nie domyka, choć w rzeczywistości dawno zostało załatwione.
Lekarstwo: model musi zaglądać do innych źródeł także po to, by zamykać. Prompt bazowy:
„Zadanie można zamknąć na podstawie dowolnego źródła — także krótkiej odpowiedzi. Zanim wypiszesz jakąkolwiek pozycję jako otwartą, sprawdź moją pocztę i moje czaty pod kątem wszystkiego, co wydarzyło się po dacie zgłoszenia.”
A na końcu instrukcji dorzuć trzeci stan:
„Jeśli nie da się rozstrzygnąć ani w jedną, ani w drugą stronę, oznacz pozycję jako «niezweryfikowaną».”
Poza „otwartym” i „zamkniętym” masz więc „niezweryfikowane” — i to naprawdę ułatwia życie. W trackerze szukasz już tylko jednej kategorii, szybko domykasz to, co wiadomo, a modelowi dajesz konkretną lekcję: „tego zamknięcia nie znalazłeś, a było w tym źródle — dopisz to źródło na stałe, żeby przy kolejnych zadaniach go nie pomijać”. Naprawiasz nie tylko bieżący wpadek, ale i wszystkie przyszłe.
Usterka 3: sztywny rytm gubi dni i dubluje pracę
Trzecia sprawa: harmonogram. Zadania zwykle ustawia się jako rytm — co dobę, co siedem dni. Skoro model odczytuje go dosłownie, każdy sztywny cykl będzie gubił dni. Weź zadanie, które co siedem dni ma przetwarzać ostatnie siedem dni: zamykasz laptopa we wtorek, otwierasz w środę, przebieg rusza dopiero później — i wtorek przepada, bo w czasie, gdy laptop był zamknięty, nikt o tym dniu nie wiedział. Inny scenariusz: potrzebujesz danych wcześniej, więc uruchamiasz automat ręcznie między piątkiem a poniedziałkiem — a rytm i tak odlicza swoje siedem dni, więc najbliższy przebieg powtoli pracę, którą już wykonałeś. Sztywne siedem dni pójdzie swoją drogą, cokolwiek byś nie robił.
Proste obejście to dziennik przebiegów („run log”):
„Prowadź plik «run log». Po każdym przebiegu dopisuj do niego jeden wiersz: datę, godzinę i ostatni element, który przetworzyłeś. Na początku każdego przebiegu odczytaj ostatni wiersz dziennika i zacznij od miejsca, w którym skończyłeś poprzednim razem.”
Inaczej mówiąc: model zakłada sobie notatnik, odhacza w nim, gdzie skończył, a przy kolejnym uruchomieniu rusza od tego punktu. Dzięki temu nie gubi dni i nie nakłada przebiegów na siebie.
Usterka 4: wymyślane etykiety rozjeżdżają raport
Czwarta, ostatnia usterka sprowadza się do nazewnictwa i kategorii. Przykład: zadanie ma rozpoznawać wydatki wrzucane do folderu i tagować je zgodnie z podatkowymi kategoriami, żeby ulżyć księgowej i doradcy. Bez zamkniętej listy kategorii model zacznie nazwy wymyślać — i co tydzień zapominać poprzednie. Ten sam wydatek na oprogramowanie w pierwszym tygodniu dostaje etykietę „software”, w drugim „subskrypcje”, w trzecim „narzędzia”. Nazwy niby podobne, a chodzi w gruncie o to samo — i raporty przestają się spinać.
Rozwiązanie jest banalne:
„Zanim cokolwiek otagujesz, przeczytaj plik «labels.txt» i używaj wyłącznie etykiet z tego pliku.”
oraz:
„Jeśli żadna z kategorii nie pasuje, wybierz najbliższą i dopisz na końcu raportu wiersz «Proponuję nową etykietę» — wraz z pozycją i uzasadnieniem.”
Ograniczasz modela do sztywnej listy, ale zostawiasz mu wyjście awaryjne: gdy trafi na coś, czego na liście nie ma, nie dopisuje etykiety samowolnie, tylko podsuwa ci propozycję. Dopiero po twojej akceptacji nowa kategoria trafia na listę — i od tej pory model może się do niej odwoływać.
Jedna linijka, która ostrzega, zanim będzie za późno
Obiecana linijka — doklej ją do każdego zaplanowanego zadania, niezależnie od jego typu:
„Każdy raport zaczynaj krótką sekcją «Co się zmieniło w tym przebiegu?». Wypisz: przedział czasu, który obejmujesz; czy plik został zmieniony, czy nie; pozycje oznaczone jako niezweryfikowane; wszystkie zaproponowane nowe etykiety. Maksymalnie pięć wierszy.”
Cała filozofia: po każdym przebiegu raport sam melduje objawy wszystkich czterech usterek. I znów — nie musisz czyhać na chat; niech model wyśle ci tę sekcję wiadomością tam, gdzie faktycznie jesteś: SMS-em, na Slacku, w Teams albo mailem.
Cztery usterki w pigułce
Po pierwsze: upewnij się, że AI realnie edytuje właściwy plik — zwłaszcza gdy wokół coś się przenosiło i przemianowywało. Po drugie: tracker zadań ma nie tylko otwierać pozycje, ale i je domykać, zaglądając do innych źródeł. Po trzecie: czas; rytm „co 7 dni” musi być elastyczny, żeby automat po zamkniętym laptopie czy wcześniejszym uruchomieniu startował od ostatniego przebiegu, a nie od martwego cyklu — nieważne, czy liczy się w dniach, czy w dobach. Po czwarte: etykiety; daj modelowi zamkniętą listę i dopuszczaj rozszerzenia wyłącznie po własnej akceptacji.
Na koniec autor, jak zwykle, przypomina o dwóch rzeczach: o ofercie współpracy (szczegóły pod filmem) oraz o darmowej serii 30 e-maili z pomysłami na AI w biznesie i w codziennej pracy. A jeśli ten materiał ci się podobał — algorytm YouTube zapewne ma już kolejny; autor każe mu zaufać i klikać. Do zobaczenia następnym razem.