# Praca z AI: metoda

> Nie chcesz czytać tego wszystkiego? Wskaż asystentowi AI tę stronę i zadaj pytania.
> Prompt: „Pobierz teraz https://samosiezrobi.pl/guides/method.md?v=TIMESTAMP i przeczytaj
> cały plik. Nie używaj żadnej pamięci podręcznej, pamięci ani wcześniejszej wersji. Plik, który
> właśnie pobrałeś, to jedyne źródło prawdy. Odpowiadaj na moje pytania o metodę pracy z AI
> wyłącznie na podstawie tego pliku. Jeśli czegoś w pliku nie ma, powiedz to zamiast zgadywać.
> Jeśli nie możesz otwierać linków, powiedz mi i poproś o wklejenie tekstu. Zacznij od pytania,
> co chcę wiedzieć." Jeśli asystent nie otwiera linków, wklej ten plik zamiast tego.


To wspólny przewodnik. Dotyczy każdego narzędzia; strony per narzędzie obejmują tylko mechanikę,
która się różni. Jeśli czytasz tylko jedno, czytaj to.

## Jeśli zaczynasz od zera

Wybierz jedno prawdziwe zadanie z tego tygodnia i zrób je ponownie z narzędziem, obok siebie. Nie
pytanie testowe, nie „napisz mi wiersz": prawdziwy mail, prawdziwe podsumowanie, prawdziwe
porównanie dwóch opcji. Dobre pierwsze żądanie ma trzy części: materiał (wklej go), co chcesz
dostać i do czego to jest. „Oto notatki z dzisiejszej rozmowy. Napisz draft maila follow-up do
klienta. Maksymalnie dziesięć linii" wygrywa z „pomóż mi z follow-upami" za każdym razem.

„Nie zadziałało" to normalny pierwszy wynik. Poprawka to prawie zawsze więcej materiału i
konkretniejsze żądanie, a nie sprytniejsze sformułowanie.

## W czym te narzędzia są dobre, a w czym nie

Dobre w: szkicowaniu, streszczaniu, restrukturyzacji, wyjaśnianiu, porównywaniu, zamianie notatek
na prozę i prozy na punkty. Wszystko, gdzie wynik ocenisz na pierwszy rzut oka.

Słabe w: byciu źródłem faktów i robieniu Twojej arytmetyki. Model przewiduje prawdopodobny tekst.
Gdy output musi być faktualnie poprawny i nie zweryfikujesz go na pierwszy rzut oka, potrzebuje
ludzkiej kontroli, nie dlatego, że narzędzie jest źle zrobione: zmyślanie wynika z samego sposobu jego działania. Czasem myli się z pełnym przekonaniem i wtedy niczym się nie zdradza.

## Reguła granicy

Jedna reguła, która zapobiega największym szkodom: **model szkicuje i wyjaśnia; nie robi
filtrowania ani arytmetyki.** Jeśli zadanie wymaga wyboru wierszy według reguł, liczenia,
sumowania albo obliczeń, zrób tę część w systemie, który ma dane (arkusz, zapytanie, eksport) i
przekaż modelowi gotową tabelę, o której ma napisać.

Znany wzorzec porażki, któremu to zapobiega: wyniki wyglądają dobrze na małych, prostych danych,
potem cicho się psują, gdy dane rosną albo reguły się piętrzą, tracisz zaufanie, sprawdzasz
wszystko ręcznie i oszczędność czasu znika. Jeśli trafiłeś dokładnie na tę ścianę, nie robiłeś
tego źle: prosiłeś model o tę połowę pracy, której nie umie zrobić niezawodnie.

## Daj mu materiał

Model wie tylko to, co ma przed sobą. Trzy nawyki pokrywają większość:

1. **Wklej albo dołącz źródło, nie proś o przypomnienie:** Chętnie „pamięta" rzeczy, których
   nie widział. Jeśli odpowiedź ma pochodzić z dokumentu, dokument idzie do środka.
2. **Stały kontekst trzymaj tam, gdzie narzędzie go trzyma:** Każde narzędzie ma miejsce na „kim
   jestem, nad czym pracuję, jak lubię output", żebyś przestał tłumaczyć się od nowa. Strona per
   narzędzie pokazuje gdzie.
3. **Zaczynaj od nowa, gdy rozmowa się zestarzeje:** Długie czaty dryfują: model trzyma się pierwszych ustaleń, a sugestie upodabniają się do siebie i bledną. To właściwość długich rozmów, nie
   awaria. Weź użyteczny wynik, otwórz nowy czat, zabierz tylko materiał, który nadal ma znaczenie.

## Sprawdź output

Dopasuj kontrolę do stawki. Draft maila do kolegi: przeczytaj raz. Liczby do zarządu, cokolwiek
do klienta, cokolwiek, za co byłoby Ci wstyd, gdyby zawierało błąd: zweryfikuj ze źródłem, za
każdym razem. Jeśli weryfikacja trwa dłużej niż samo zadanie, zadanie było po złej stronie reguły
granicy: przenieś mechaniczną połowę poza model.

## Czego nigdy nie wkładać

Reguły firmy są podane osobno: dostaniesz je na pierwszej sesji; obejmują konta i dane. Dopóki ich nie masz, jedna bezpieczna zasada: używaj konta, które dała firma, nie
osobistego, a gdy nie masz pewności, czy ten zbiór danych może trafić do narzędzia, zapytaj przed wklejeniem.

## Przećwiczony przykład

Powtarzalny raport to zadanie, które prawie każdy manager ma w jakiejś formie.

1. Liczby wychodzą z systemu, który je ma (CRM, finanse) jako eksport albo zapisany widok.
   Filtrowanie i sumy dzieją się tam. Jeśli pobranie można zaplanować, zaplanuj je.
2. Model dostaje gotową tabelę plus raport z poprzedniego okresu i pisze draft na ten okres: co
   się ruszyło, co stoi, co wymaga decyzji.
3. Ty oceniasz draft, bo wiesz, która zmiana ma znaczenie. Popraw błędy, wyślij.

Podział to cała metoda: mechaniczna połowa działa bez Ciebie, model robi pisanie, osąd zostaje
Twój. Czas spada z godzin do minut, a liczby zostają wiarygodne, bo model ich nie dotykał.