Od prompta do współpracy. Po co ci osobisty asystent AI

PB: Zacznijmy od najprostszego pytania. Mamy do dyspozycji ChatGPT, Gemini, Groka i wiele innych modeli językowych. Dostajemy od nich odpowiedzi, czasem prosimy o napisanie mejla albo podsumowanie dokumentu. Po co nam jeszcze agent AI?

Julian Żelaznowski: Agent nie jest po prostu mądrzejszym chatbotem. Różni się sposób pracy takiego systemu. Chatbot przede wszystkim odpowiada: zadajemy pytanie, dostajemy odpowiedź i wydajemy kolejne polecenie. Agentowi możemy wyznaczyć cel, a on zaplanuje kolejne kroki, skorzysta z odpowiednich narzędzi, sprawdzi rezultat i zdecyduje, co zrobić dalej.

To przejście od generowania odpowiedzi do wykonywania procesu?

Właśnie. Dobrze oddaje to analogia z GPS-em i kierowcą Ubera. Chatbot przypomina nawigację: pokazuje drogę, ale samochód nadal prowadzimy sami. Agent jest bliższy kierowcy: podajemy cel, a system może przejąć znaczną część kolejnych etapów podróży. To już nie tylko rozmowa ze sztuczną inteligencją, ale delegowanie jej części pracy.

Wyobraźmy sobie grafika komputerowego, który tworzy z pomocą AI, a model pamięta jego styl, projekty i preferencje. Czy to rozwiązanie jest jeszcze chatbotem, czy już asystentem?

To może być bardzo zaawansowany asystent, ale jeszcze niekoniecznie agent. Warto rozdzielić dwie rzeczy: pamięć i zdolność do działania. Pamięć zmienia jakość odpowiedzi, agentowość zakres działania. Jeżeli AI zna moje projekty, styl, wcześniejsze decyzje i preferencje, nie zaczyna każdej rozmowy od zera. Może odpowiadać znacznie trafniej.

Czyli agent umie znacznie więcej niż typowy model językowy?

O agencie zaczynamy mówić wtedy, gdy system nie tylko zna kontekst, ale na podstawie celu potrafi wykonać serię działań: znaleźć potrzebne informacje, użyć programu, przygotować materiał, ocenić rezultat i zdecydować o następnym kroku. Sama pamięć nie czyni jeszcze systemu agentem.

Był grafik komputerowy, a teraz inny przykład: 28-letni specjalista ds. sprzedaży B2B. Jest dobry, chce w trzy lata zostać szefem zespołu, a przy okazji budować pozycję eksperta w swojej branży. Jak może wykorzystać agenta AI?

Byle nie zaczynał od wyboru narzędzia. Najpierw powinien określić, dokąd chce dojść, a następnie rozłożyć swoją pracę na procesy. Przy każdym zadaniu patrzyłbym na dwie rzeczy: jaki jest koszt błędu i jak łatwo zweryfikować rezultat. Jeśli zadanie często się powtarza, zabiera dużo czasu, łatwo sprawdzić efekt, a błąd nie niesie dużego ryzyka, warto powierzyć je AI.

A jeśli nie zastanawiamy się, co może przejąć sztuczna inteligencja?

Wówczas łatwo kupić efektowną technologię i dopiero później szukać dla niej zastosowania. Na początek agent może pomagać w researchu przed spotkaniami, porządkowaniu informacji, przygotowywaniu pierwszych wersji materiałów, planowaniu komunikacji czy pilnowaniu regularności publikacji. Nie chodzi więc o to, żeby oddać AI jak najwięcej pracy. Chodzi o to, żeby świadomie zdecydować, gdzie automatyzacja daje przewagę, a gdzie odbiera człowiekowi istotny element jego kompetencji.

Czyli przed rozmową z dużym klientem asystent może zebrać informacje o firmie, przypomnieć wcześniejszą korespondencję, rozpisać możliwe obiekcje?

Tak, jeżeli ma dostęp do odpowiednich danych i został do tego przygotowany. Tu widać przewagę nad zwykłą rozmową z chatbotem. Nie trzeba za każdym razem od początku tłumaczyć, czym zajmuje się firma, jaki jest produkt, kim jest klient i jaki mamy cel.

System zna kontekst?

AI może zaplanować kolejne działania, a jeśli ma odpowiednie uprawnienia – część z nich także wykonać. W naszej firmie korzystamy z tzw. skilli, czyli gotowych procedur dla systemów AI. Jeden służy do białego wywiadu: zbiera i analizuje dostępne w internecie informacje o naszych klientach. Dzięki temu większość tej pracy odbywa się automatycznie.

Czy asystent AI może być prywatnym trenerem i dzięki temu skracać dystans między juniorem i seniorem?

Sztuczna inteligencja może być dla juniora albo protezą umiejętności, albo trenerem kompetencji. To bardzo duża różnica. Jeżeli przy każdym trudnym zadaniu system natychmiast podaje gotową odpowiedź, człowiek zaczyna osiągać lepsze rezultaty, ale niekoniecznie staje się lepszy. Możemy wyglądać na bardziej kompetentnych, nie rozwijając przy tym własnego sposobu myślenia. Uczymy się, gdy sami próbujemy rozwiązać problem, stawiamy hipotezę, popełniamy błąd i otrzymujemy informację zwrotną.

Jak zadbać o to, by technologia nas nie rozleniwiła?

Dobrze zaprojektowany asystent to taki, który nie zawsze podaje rozwiązanie na tacy. Może powiedzieć: najpierw podaj swoją odpowiedź, a ja ją poddam krytycznej ocenie. Może wejść w rolę trudnego klienta, zadawać pytania, wskazywać luki w argumentacji albo pokazać inne podejścia. Wtedy AI nie tylko zwiększa produktywność, ale i przyspiesza rozwój zawodowy.

Czyli dzięki AI junior może wyglądać jak senior, choć jego rzeczywiste kompetencje wcale nie wzrosły?

Możemy zacząć mylić łatwość otrzymania odpowiedzi z własnym zrozumieniem problemu. Modele językowe potrafią formułować odpowiedzi bardzo płynnie i przekonująco. A człowiek naturalnie ma skłonność do traktowania płynności wypowiedzi jako jednego z sygnałów jej wiarygodności. Dochodzi do tego zjawisko określane jako automation bias – tendencja do nadmiernego ufania rekomendacjom systemów automatycznych. Dlatego przy zadaniach rozwijających kompetencje stosowałbym prostą zasadę: najpierw własna hipoteza, potem AI, a na końcu krytyka obu odpowiedzi.

Albo wyręczanie się sztuczną inteligencją, albo rozwój?

Nie. Najważniejsze jest rozróżnienie między wysiłkiem poznawczym a zwykłym tarciem. Nie każda trudność nas rozwija. Jeżeli ktoś po raz setny ręcznie przekłada dane z jednego systemu do drugiego, trudno uznać to za wartościowe ćwiczenie intelektualne. To po prostu tarcie w procesie. Inaczej jest, kiedy po raz pierwszy przygotowujemy rekomendację dla zarządu, analizujemy ważnego klienta albo musimy podjąć decyzję w warunkach niepewności. Wtedy samodzielne przejście przez proces myślowy jest częścią budowania kompetencji.

Ale wysiłek dla wysiłku nie ma sensu?

AI powinna usuwać tarcie, nie myślenie. Może zebrać dane, uporządkować materiały, wskazać sprzeczności czy zakwestionować nasze założenia. Ale nie powinno odbierać człowiekowi tych fragmentów pracy, na których naprawdę uczy się fachu.

Wróćmy do naszego 28-latka, który chce też być rozpoznawalny w branży. Ma wiedzę, ale na LinkedInie przez trzy tygodnie publikuje regularnie, potem na dwa miesiące znika. Czy agent może pilnować budowy marki?

Tak, to dobry przykład. Ludzie zwykle wiedzą, co powinni robić. Trudniej im zachować regularność i konsekwencję. Samo postanowienie „będę publikował dwa razy w tygodniu” niewiele zmienia. Agent AI może zamienić je w konkretny system: zbierać pomysły, wyszukiwać ciekawe tematy, przygotowywać research, przypominać o publikacji, proponować szkice i pilnować kalendarza. Jego wartość nie polega więc wyłącznie na generowaniu treści. Ważniejsze jest to, że zmniejsza tarcie między intencją a działaniem. Natomiast doświadczenie, opinie i główna teza nadal powinny pochodzić od człowieka. Jeśli oddamy AI również ten element, możemy osiągnąć regularność kosztem autentyczności.

Czy specjalista musi od razu zatrudniać programistę i budować własny system?

Nie. Jest pewna drabina dojrzałości korzystania z AI. Pierwszy poziom to po prostu dobre korzystanie z modelu językowego. Drugi to dostarczenie mu stałego kontekstu: naszej wiedzy, dokumentów, preferencji czy wcześniejszych projektów. Trzeci to połączenie AI z innymi narzędziami i automatyzacja konkretnych czynności. Dopiero wyżej pojawia się agent, który otrzymuje cel, sam planuje część kolejnych kroków i wykonuje je w różnych systemach. Wiele osób i firm chce dziś od razu mieć agenta, bo tak wypada. Tymczasem czasem prostsza automatyzacja rozwiąże problem taniej, szybciej i stabilniej. Technologia powinna być odpowiedzią na proces, a nie proces odpowiedzią na technologię.

Gdzie jest granica między pomocą a oddaniem własnej pracy? Załóżmy, że specjalista publikuje ekspercki komentarz. Pomysł jest jego, przykłady jego, ale research, konstrukcję i pierwszą wersję tekstu przygotowuje AI. Może się pod tym uczciwie podpisać?

Nie mierzyłbym autorstwa liczbą słów napisanych własnoręcznie. Autorstwo jest raczej łańcuchem decyzji. Kto postawił tezę? Kto wniósł doświadczenie? Kto zdecydował, jakie argumenty są istotne? Kto zweryfikował informacje? Kto odrzucił część propozycji? I przede wszystkim: kto jest gotowy wziąć odpowiedzialność za ostateczny tekst?

Jeszcze jedna obawa. Modele językowe najczęściej podpowiadają rozwiązania statystycznie najbardziej prawdopodobne. Czy osobisty asystent AI nie sprawi, że ambitny specjalista stanie się bardzo poprawny, ale bez polotu?

Takie ryzyko jest, ale nie dlatego, że AI potrafi tworzyć wyłącznie przeciętne rzeczy. Chodzi o to, że na ogólne pytanie model naturalnie daje odpowiedź opartą na najbardziej prawdopodobnych wzorcach. Jeżeli tysiąc osób wpisze: napisz profesjonalny post o przywództwie, dostaniemy tysiąc wariacji wokół podobnej średniej. To właśnie stąd bierze się charakterystyczny poprawny, ale trochę bezosobowy styl wielu treści tworzonych z pomocą AI.

Przewaga zaczyna się wtedy, gdy system otrzymuje coś, czego inni nie mają?

Tym czymś są nasze doświadczenia, dane, wcześniejsze decyzje, kontrowersyjne hipotezy, sukcesy, błędy i sposób patrzenia na świat. Dlatego lubię powtarzać, że AI może skalować nasz sposób myślenia, ale najpierw trzeba mieć własny sposób myślenia. Personalizacja jest ważna, lecz nie zastąpi doświadczenia. Model może nauczyć się naszego stylu pisania. Znacznie trudniej jest mu zastąpić historię, z której ten styl i nasze poglądy powstały.

Jeszcze raz puśćmy wodze wyobraźni. Przychodzi do pana ambitny dwudziestokilkulatek i mówi: „Chcę za trzy lata być dwa razy lepszym profesjonalistą niż dziś. Jak mam używać AI”. Od czego powinien zacząć jutro rano?

Od jednego procesu, nie od całego życia. I zanim cokolwiek zautomatyzuje, najpierw powinien zobaczyć, jak ten proces wygląda dzisiaj. Ile czasu mu zajmuje, gdzie najczęściej się blokuje, co jest miarą dobrej jakości, jakie błędy popełnia. Dopiero wtedy warto sprawdzić, co AI może przejąć, a co powinno zostać po jego stronie. Po kilku tygodniach można porównać rezultat. Czy odzyskał czas, czy jakość pracy wzrosła, czy nauczył się czegoś szybciej, czy po prostu produkuje więcej. Traktowałbym wdrażanie AI trochę jak eksperyment: najpierw punkt wyjścia, potem zmiana, później pomiar i dopiero na końcu skalowanie.

Najlepsze i najgorsze praktyki?

Najgorszy scenariusz to automatyzować wszystko dlatego, że możemy. Najlepszy – świadomie zdecydować, gdzie AI ma zwiększać naszą produktywność, a gdzie ma pomóc nam stać się lepszymi ludźmi i profesjonalistami.