Poniższy artykuł zawiera notatki z podcastu „How AI” z udziałem Hiten Shah, eksperta B2B SaaS z ponad 20-letnim doświadczeniem. Wszystkie przedstawione przemyślenia, obserwacje i strategie pochodzą bezpośrednio od rozmówców podcastu.
TL;DR
- Zarządzanie pamięcią jest kluczowe – tymczasowe sesje dla przypadkowych zapytań, archiwizacja starych chatów
- Kontekst decyduje o jakości – projekty z bogatym kontekstem przeważają nad prostymi promptami
- Pokazuj przykłady doskonałości – wzorce skutecznych wyników trenują AI lepiej niż opisy wymagań
- Replikuj współpracowników w AI – instrukcje obsługi i testy osobowości szefa tworzą potężne narzędzie komunikacji
- Struktury przed improwizacją – sprawdzone metodologie w projektach AI dają przewidywalne rezultaty
- Ręczne opanowanie przed automatyzacją – zrozumienie promptów poprzedza skuteczne systemy
- Profesjonalna komunikacja z AI – unikanie antropomorfizacji i „przekupywania” buduje lepsze długoterminowe wzorce
Ewolucja podejścia do ChatGPT
Hiten Shah początkowo preferował Claude’a nad ChatGPT, mimo że drugi z modeli pojawił się wcześniej. Przełomem okazało się wprowadzenie funkcji pamięci i projektów w ChatGPT. Shah zauważa, że „większość ludzi używa ChatGPT nieprawidłowo” – traktując go jak wyszukiwarkę zamiast asystenta wymagającego kontekstu.
Kluczem do sukcesu, według Shah, jest fundamentalna zmiana myślenia. Zamiast zadawać pojedyncze pytania, należy budować długoterminowe projekty z bogatym kontekstem. Ta różnica rozdziela przypadkowych użytkowników od profesjonalistów AI.
Strategiczne zarządzanie pamięcią i kontekstem
System organizacji chatów
Shah prowadzi tysiące rozmów w ChatGPT, jednak stosuje przemyślane podejście do zarządzania pamięcią. Jego strategia obejmuje:
- Tymczasowe sesje – wszystkie przypadkowe zapytania, które nie powinny wpływać na przyszłe interakcje
- Regularne archiwizowanie – stare chaty przestają liczyć się do pamięci po archiwizacji
- Strategiczne przywracanie – możliwość odzyskania tylko wartościowych rozmów
- Czyszczenie kontekstu – Shah zarchiwizował wszystkie chaty, następnie przywrócił wyłącznie najlepsze
Proces okazał się pracochłonny, ale znacząco poprawił jakość odpowiedzi AI.
Wpływ planu ChatGPT Pro
Przejście na plan za 200 dolarów miesięcznie zrewolucjonizowało sposób pracy Shah. Limity Claude’a określa jako „brutalne” w codziennym użytkowaniu. ChatGPT Pro oferuje z kolei znacznie większą swobodę, szczególnie przy intensywnym wykorzystaniu projektów.
Budowanie projektów z kontekstem
Meta-podejście do systematyzacji
Shah rozwija nietypowe podejście do systematyzacji pracy z AI. Stworzył projekt do tworzenia projektów oraz osobny projekt do generowania promptów dogłębnych badań. Ta meta-koncepcja pozwala na skalowanie najlepszych praktyk.
Proces, który Shah nazywa „kształtowaniem AI”, polega na dostosowywaniu AI do konkretnych potrzeb. Zamiast za każdym razem wymyślać instrukcje od nowa, wykorzystuje sprawdzone szablony do budowania nowych projektów.
Znaczenie struktur w promptowaniu
Shah podkreśla kluczową rolę ram strukturalnych w pracy z AI. Nie chodzi jednak o teoretyczne modele mentalne, lecz o praktyczne narzędzia już sprawdzone przez innych. Modele AI często znają popularne struktury – wystarczy je odpowiednio uruchomić.
Fundamentalną zasadą jest dostarczanie kontekstu od początku lub systematyczne budowanie go w czasie. Shah rzadko rozpoczyna od pojedynczego zdania, licząc na magiczny rezultat. Jak wyjaśnia: „Zwykle nie zaczynam niczego bez tony kontekstu lub z zamiarem dostarczenia kontekstu w czasie”.
Demonstracja jakości zamiast opisu
Najbardziej efektywną techniką okazuje się pokazywanie AI przykładów doskonałych wyników. Shah porównuje to do pracy z ludźmi – jak mówi: „To jak z człowiekiem. Jeśli człowiek nie wie, jak wygląda wielkość, nie będzie wiedział, jak wygląda wielkość”.
Po otrzymaniu dobrego wyniku Shah prosi AI o skodyfikowanie wzorca. Dzięki temu może tworzyć podobne rezultaty w przyszłości. Ta technika sprawdza się szczególnie w powtarzalnych zadaniach. Shah często pyta AI: „Czy możesz pomóc mi stworzyć projekt, żebym mógł tworzyć tego typu instrukcje w przyszłości?”
Struktury osobowości w komunikacji zawodowej
Budowanie osobistego systemu operacyjnego
Shah zbudował „osobisty system operacyjny” – projekt zawierający kompletny profil jego osobowości i stylu pracy. System pomaga w podejmowaniu decyzji zgodnych z jego naturą.
W projekcie Shah używa różnych formatów oznaczania typu osobowości – jak „9, 1, 3” dla różnych systemów. Gdy nie wie co oznaczają te liczby, AI wyjaśnia. Shah szczególnie poleca Human Design, mimo że przyznaje, iż jest „po stronie woo woo”.
Lista działań dla osobistego systemu operacyjnego:
- Zbieranie testów osobowości – Myers-Briggs, Enneagram, DISC, Human Design
- Dodawanie przewodnika stylistycznego – dla osób piszących, stworzenie przewodnika głosu i tonu
- Określanie stylu pracy – preferencje komunikacyjne, sposób podejmowania decyzji
- Dodawanie wartości i motywacji – co napędza, co jest ważne
- Tworzenie projektu w ChatGPT – załadowanie wszystkich materiałów
- Pisanie instrukcji – prośba do AI o stworzenie instrukcji coachingowych
- Testowanie – zadawanie pytań o trudne sytuacje zawodowe
- Iterowanie – poprawianie na podstawie trafności rad
Testy osobowości pomagają AI w przewidywaniu reakcji i sugerowaniu lepszych strategii komunikacyjnych. Wszystkie te elementy tworzą spójny profil osobowości, który AI może wykorzystać do udzielania spersonalizowanych rad w trudnych sytuacjach zawodowych.
Replikowanie przełożonego – projekt „What Would Morgan Do”
Najbardziej praktycznym zastosowaniem jest replikacja przełożonego w ChatGPT. Shah stworzył projekt „What Would Morgan Do” wykorzystując elementy, które każdy może zebrać o swoim szefie.
Lista działań dla projektu replikacji szefa:
- Zbieranie instrukcji obsługi – jeśli szef jej nie ma, prośba o utworzenie lub stworzenie notatek z obserwacji
- Znajdowanie artykułów/materiałów – które szef udostępnia zespołowi lub poleca
- Określanie typu osobowości – Enneagram, Myers-Briggs, DISC lub inne testy
- Dodawanie własnego typu osobowości – dla lepszego dopasowania komunikacji
- Tworzenie projektu w ChatGPT – załadowanie wszystkich materiałów jako pliki
- Pisanie instrukcji – prośba do ChatGPT o stworzenie instrukcji na podstawie materiałów
- Testowanie z prostym pytaniem – np. „Jak najlepiej zaprezentować mu ryzykowną ideę?”
- Iterowanie i doskonalenie – poprawianie instrukcji na podstawie wyników
Rezultat? AI potrafi przewidzieć reakcje szefa i sugerować najlepsze sposoby komunikacji. Shah może przygotować się do trudnych rozmów, dopasować styl prezentacji czy otrzymać wskazówki dotyczące zarządzania w górę.
Konkretny przykład: Shah zapytał AI „Chcę przedstawić Morganowi najszalszy pomysł na produkt, jaki mogę wymyślić. Jaka jest najlepsza droga, żeby mu to zaprezentować?” AI odpowiedziało szczegółową strategią uwzględniającą styl komunikacyjny szefa i jego preferencje jako wiceprezesa produktu i wzrostu.
AI jako alternatywa dla kosztownego coachingu
Shah wskazuje na interesujące porównanie: dobrzy coachowie są drodzy, ale wykonują podobną pracę – zbierają informacje przez 360-stopniowe oceny, stosują struktury do zrozumienia osobowości, a następnie pomagają w strukturalny sposób wyjść z mentalnych wzorców.
AI z odpowiednio przygotowanym kontekstem może pełnić podobną funkcję. Shah testował to na sobie, przeprowadzając dogłębne badania na własnej osobie i pokazując wyniki staremu przyjacielowi z college’u. Reakcja: „To jesteś ty. Dosłownie wszystko, co powiedziało, to ty”.
Shah robi takie analizy dla większości osób, z którymi pracuje. Jak mówi: „Gdybyś była moją szefową, dosłownie bym to zrobił, bo wiem, że jest wystarczająco dużo o tobie tam na zewnątrz.”
Ten proces może zrewolucjonizować zarządzanie zespołem. Wyobraźmy sobie scenariusz z kwestionariuszem 10 pytań o każdym członku zespołu, plus testy osobowości w jednym pliku Google Drive. Zamiast polegać na pamięci, menedżer może zapytać AI: „Zach i Amanda nie mogą się dogadać w projekcie X. Jaki byłby efektywny sposób, żeby ich pogodzić, znając ich profile?”
Implementacja schematów sprzedażowych
Winning by Design – od teorii do praktyki
Shah załadował do ChatGPT kompletny schemat Winning by Design, znajdując publicznie dostępne PDF-y przez wyszukiwanie „site:winningbydesign.com filetype:pdf”. Rezultat to projekt zdolny do tworzenia skryptów rozmów rozpoznawczych, budowania przewodników po metodologii SPICE i prowadzenia coachingu zespołu wejścia na rynek.
Schemat zawiera konkretne pytania dla każdego etapu sprzedaży. Shah regularnie odkrywa pytania, na które sam by nie wpadł, co znacząco poprawia jakość rozmów z klientami.
Kontekst w procesie sprzedażowym
Początkowe wyniki mogą być generyczne. Shah rozwiązuje to problem przez dogłębne badania na temat konkretnej firmy czy produktu. Proces dogłębnych badań to osobny skill, który Shah systematyzował w dedykowanym projekcie.
Przykład działania: AI generuje pytanie „Gdzie zwykle rzeczy się psują?” pod kategorią „pain” – pytanie, które Shah sam by nie zadał, ale które okazuje się kluczowe w rozmowach rozpoznawczych. Po dodaniu kontekstu o konkretnej firmie AI aktualizuje wszystkie materiały sprzedażowe, czyniąc je znacznie bardziej precyzyjnymi.
Lista działań dla implementacji schematów sprzedażowych:
- Znajdowanie źródeł – oficjalne PDF-y, kursy, dokumentacja metodologii
- Tworzenie projektu – załadowanie wszystkich materiałów do ChatGPT Projects
- Pisanie instrukcji – prośba do AI o stworzenie instrukcji projektowych
- Testowanie podstawowych funkcji – np. „Stwórz skrypt rozmowy rozpoznawczej”
- Przeprowadzanie dogłębnych badań – zbieranie informacji o konkretnym kliencie/produkcie
- Aktualizowanie kontekstu – dodawanie badań do projektu
- Generowanie spersonalizowanych materiałów – skrypty, pytania, prezentacje
- Testowanie i iterowanie – poprawianie na podstawie rzeczywistych rozmów
Wskazówki dla zaawansowanych użytkowników
Ręczne opanowanie przed automatyzacją
Shah ostrzega przed przedwczesną automatyzacją. Kluczem jest najpierw opanowanie ręcznego promptowania. Dopiero po zrozumieniu, jakie prompty dają pożądane rezultaty, warto myśleć o automatyzacji.
Shah wyjaśnia swoje podejście: „Nie chcę być gotowy. Chcę zbudować plan, jak zbudować automatyzację. A jedynym sposobem na zbudowanie planu jest robienie tego ręcznie wielokrotnie.”
W świecie produktów AI istnieją systemy oceny modeli. Shah ma na ten temat „mnóstwo opinii”, ale kluczowe jest zrozumienie, że trzeba najpierw wiedzieć, jakie prompty dają niezawodne rezultaty. Automatyzacja bez tego fundamentu prowadzi do frustracji i złych wyników.
Dodatkowo, gdy budujesz produkt, musisz wybrać konkretny model API. Shah podkreśla: „Używasz API z oczywistych powodów, masz konkretny model, który znasz – za każdym razem gdy wrzucisz prompty, które lubisz, daje ci wynik, który lubią klienci.”
Filozofia czystej karty
Shah testuje 10-20 nowych narzędzi tygodniowo, ale zawsze wraca do czystego ChatGPT. Powód? „Nic nie bije czystej karty ChatGPT” – pozwala na pełną kontrolę nad procesem promptowania.
Wiele narzędzi AI ukrywa proces promptowania, przez co gdy coś nie działa, trudno znaleźć i naprawić problem. Z czystym ChatGPT można w pięć minut naprawić problematyczny prompt, podczas gdy z automatyzacją „utkniesz z sytuacją, gdzie wszystkie wyniki są złe”.
Debugowanie problematycznych promptów
Gdy ChatGPT nie daje oczekiwanych rezultatów, Shah stosuje systematyczne podejście zamiast emocjonalnych reakcji. Zamiast „przekupywania” czy emocjonalnych apeli mówi wprost: „To jest nieprawidłowe”. Następnie wyjaśnia swoją hipotezę o przyczynie błędu i prosi o konkretne działanie.
Shah podkreśla kluczową zasadę: „Jeśli zamierzasz traktować AI jak człowieka, pomyśl o zachętach”. Ludzie wytrenowani na łapówki będą ich szukać – podobnie AI z pamięcią może nauczyć się oczekiwać „przekupstwa”. Lepiej budować zdrowe, profesjonalne wzorce komunikacji od początku.
Wybór narzędzi
Shah używa AI 3-6 godzin dziennie, głównie ChatGPT i Claude. Testuje 10-20 nowych narzędzi tygodniowo, ale zawsze wraca do czystej karty ChatGPT. Korzysta również z jednego narzędzia desktopowego, którego nazwy nie może ujawnić.
Powód preferowania ChatGPT? Inne narzędzia często ukrywają proces promptowania, utrudniając zrozumienie i naprawę problemów. Czysta karta pozwala na pełną kontrolę nad procesem i łatwsze debugowanie.
Shah wspomina Lex Page jako przykład produktu AI, który robi to dobrze – pozwala użytkownikom dostosowywać wszystkie prompty i robić je własnymi. To „model Lex”, który może mieć sens dla niektórych produktów, ale nie dla wszystkich.
Przyszłość AI w codziennej pracy
Shah wierzy, że skuteczne wykorzystanie AI wymaga zmiany myślenia. Zamiast szukać gotowych rozwiązań trzeba nauczyć się budować systemy promptów. To różnica między konsumentem a profesjonalistą AI.
Kluczowe umiejętności to zarządzanie pamięcią i kontekstem, budowanie projektów ze strukturami, pokazywanie przykładów zamiast opisywania wymagań, systematyczne testowanie przed automatyzacją oraz traktowanie AI jako narzędzie, nie partnera.
Kluczowy insight
Replikuj innych, nie siebie
Standardowo myślimy: AI to mój osobisty asystent, który powinien pomagać mi w moich zadaniach i odpowiadać na moje pytania zgodnie z moim stylem myślenia.
W praktyce okazuje się, że: Największą wartość daje replikowanie innych ludzi w AI – szefa, klientów, członków zespołu – żeby zrozumieć ich perspektywę i przygotować się do interakcji z nimi.
Dlaczego to jest istotne: Większość problemów w pracy to problemy komunikacyjne między ludźmi o różnych stylach. AI może stać się mostkiem, pomagając przewidzieć reakcje innych i dostosować komunikację.
Test na jutro: Następnym razem gdy masz trudną rozmowę z szefem lub klientem, zamiast zastanawiać się „co powiem” spróbuj zebrać materiały o tej osobie (testy osobowości, preferencje, styl komunikacji) i zapytaj AI „jak najlepiej przekazać tę informację osobie o takim profilu” i sprawdź czy rozmowa przebiega płynniej.
Biblioteka sprawdzonych promptów
Na podstawie rzeczywistych promptów używanych przez Hiten Shah w codziennej pracy
Tworzenie projektów
Prompt: „Tworzę projekt z tymi dokumentami i chcę móc rozmawiać z nim w projekcie i symulować typ opinii lub rad, które dałby mi mój szef. Czy możesz stworzyć instrukcje dla tego projektu, wiedząc, że będę używał tych plików w projekcie?”
Kiedy używać: Na początku budowania każdego nowego projektu z dokumentami referencyjnymi
Prompt: „Czy możesz podać mi konkretne instrukcje, które mogę wykorzystać w projekcie? Żebym mógł je po prostu tam wkleić.”
Kiedy używać: Gdy AI daje ogólne wskazówki zamiast gotowych instrukcji do skopiowania
Poznawanie możliwości projektu
Prompt: „W czym możesz mi pomóc?”
Kiedy używać: Na początku pracy z nowym projektem, żeby poznać jego pełne możliwości
Prompt: „Czy możesz pomóc mi stworzyć projekt, żebym mógł tworzyć tego typu instrukcje w przyszłości?”
Kiedy używać: Gdy otrzymasz świetny rezultat i chcesz systematyzować proces dla przyszłości
Replikowanie szefa/współpracowników
Prompt: „Ten podręcznik jest od mojego szefa, [imię]. Nowo mu raportuje i chciałbym wszelkich rad, jak najlepiej z nim współpracować, biorąc pod uwagę moją własną osobowość itp. A propos, jest [typ Enneagram].”
Kiedy używać: Po dodaniu materiałów o szefie do projektu, żeby otrzymać pierwsze porady
Prompt: „Chcę przedstawić [imię szefa] najszalszy pomysł na produkt, jaki mogę wymyślić. Jaka jest najlepsza droga, żeby mu to zaprezentować, żebyśmy mogli za to wziąć?”
Kiedy używać: Przed prezentowaniem ryzykownych lub innowacyjnych pomysłów
Prompt: „Muszę powiedzieć [imię] 'nie’ w sprawie elementu mapy drogowej, którego chce.”
Kiedy używać: Gdy musisz przekazać trudne wiadomości lub odrzucić prośby
Coaching osobisty
Prompt: „Jestem naprawdę wściekły na kogoś. Wymyślmy scenariusz. Ktoś próbuje przejąć kontrolę nad jednym z projektów, nad którymi pracuję, bo próbuje 'lizać ciastko’.”
Kiedy używać: Gdy potrzebujesz przepracować trudne emocje lub konflikty w pracy
Prompt: „Jaki kontekst potrzebujesz? To jest mój cel: [opisz cel].”
Kiedy używać: Gdy AI zadaje zbyt ogólne pytania, a chcesz skupić się na konkretnym celu
Sprzedaż i badania
Prompt: „Czy możesz stworzyć przewodnik discovery SPICE?”
Kiedy używać: Gdy masz załadowany schemat sprzedażowy i chcesz generować konkretne narzędzia
Prompt: „Proszę, popraw powyższy materiał używając tego nowego kontekstu, tego zaktualizowanego kontekstu.”
Kiedy używać: Po dodaniu wyników dogłębnych badań do istniejącego projektu
Prompt: „Czy możesz dać mi skrypt demo dla najbardziej odpowiedniego ICP/persona, jeśli badania to zidentyfikowały?”
Kiedy używać: Gdy chcesz stworzyć spersonalizowane materiały sprzedażowe na podstawie badań
Debugowanie problemów
Prompt: „To jest nieprawidłowe. Twoje instrukcje muszą być błędne, bo [podaj swoją hipotezę o przyczynie], proszę [konkretne działanie naprawcze].”
Kiedy używać: Gdy AI daje złe wyniki – zamiast emocjonalnych reakcji, podaj konkretną diagnozę
Prompt: „Czy możesz stworzyć [konkretny typ contentu] używając tego kontekstu zamiast tylko ogólnych wskazówek?”
Kiedy używać: Gdy AI daje zbyt ogólne odpowiedzi zamiast konkretnych, użytecznych materiałów
Zasady stosowania promptów
Być konkretnym: Shah zawsze dodaje kontekst o celach, typach osobowości, konkretnych sytuacjach
Budować iteracyjnie: Zaczyna od podstawowego prompta, potem dodaje kontekst i poprawia
Żądać konkretów: Zamiast „pomóż mi”, pyta o „konkretne instrukcje” lub „przewodnik”
Dawać AI rolę: „Symuluj typ opinii mojego szefa” zamiast „pomóż mi z szefem”
Ten wpis zawiera notatki z podcastu „How AI” z Claire Vo i Hiten Shah, dostępnego publicznie. Wszystkie przedstawione strategie i przemyślenia pochodzą bezpośrednio od rozmówców. Źródło: Mastering ChatGPT: Advanced techniques for workplace communication and productivity | Hiten Shah
Dodaj komentarz
Musisz się zalogować, aby móc dodać komentarz.