Polecenie „popraw” nie określa kryterium, według którego model ma ocenić wynik. Nie mówi, co jest złe, czego nie wolno zmienić i po czym poznasz poprawę. Model reaguje jednak bardzo chętnie: dodaje przymiotniki, rozbudowuje listy i produkuje wersję bardziej. Bardziej długą, bardziej pewną, czasem bardziej bezsensowną.
Lepsze pytanie krytyczne nie jest magicznym promptem. Jest sposobem określenia decyzji, której dotyczy odbiór. Zamiast zamawiać nową wersję, prosisz o dowód, kontrprzykład albo wskazanie braku. Potem sprawdzasz odpowiedź i samodzielnie decydujesz, czy w ogóle trzeba coś przepisywać.
Zacznij od pytania o warunek błędu
Zapytaj: „Co musiałoby być prawdą, żeby ten wniosek był błędny?”. Odpowiedź pokazuje założenia, które można sprawdzić. Przy rekomendacji automatyzacji kontrprzykładem może być niestabilne źródło, zmienny format albo poważny skutek pomyłki. Każdy z tych warunków może podważyć zalecenie, więc sprawdź go osobno. Masz już konkretne testy zamiast ogólnego „przemyśl to”.
Nie przyjmuj każdego warunku jako rzeczywistego ryzyka. Model może wymyślić egzotyczny scenariusz, bo poprosiłeś o krytykę. Wybierz te, które są możliwe w twoim procesie i mogą zmienić decyzję. Resztę odłóż lub usuń.
Jeżeli warunek jest prawdziwy, nie przepisuj od razu wyniku. Zmień zakres lub zatrzymaj rekomendację. Krytyka ma wpływać na działanie. Jeżeli po każdej analizie robisz dokładnie to samo, jest tylko dodatkowym ekranem przed akceptacją.
Poproś o rozdzielenie faktu i interpretacji
Dobre pytanie brzmi: „Wypisz zdania z tego wyniku, które nie występują ani nie wynikają bezpośrednio z dostarczonego źródła. Nie proponuj nowej wersji”. Wtedy widzisz miejsca dopowiedzenia zamiast kolejnego gładkiego tekstu.
Sprawdź wskazane fragmenty w oryginale. Model może błędnie uznać wnioskowanie za fakt albo przegapić własną interpretację. To nie jest automatyczny audyt prawdy. Jest narzędziem pokazującym, gdzie człowiek powinien spojrzeć uważniej.
Przy ważnych decyzjach zachowaj listę faktów z dokładnym odnośnikiem. Interpretację możesz zostawić, jeśli jest jasno nazwana i ma właściciela. Nie musisz usuwać wszystkich wniosków. Musisz wiedzieć, kiedy przestajesz cytować źródło i zaczynasz przedstawiać własny osąd.
Pytaj o przypadek przeciwny, nie o potwierdzenie
„Dlaczego ten pomysł jest dobry?” dostarczy listę zalet nawet przy średnim pomyśle. „Podaj przypadek, w którym to rozwiązanie pogarsza wynik” otwiera drugą stronę. Możesz dodatkowo ograniczyć odpowiedź do twoich danych i typu klienta.
Weź jeden przypadek i wykonaj test. Jeżeli model twierdzi, że skrócenie formularza zwiększy konwersję, zapytaj o sytuację, w której dodatkowe pole jest potrzebne do kwalifikacji. Potem sprawdzasz jakość leadów, a nie tylko liczbę wysłań.
Kontrprzykład nie musi automatycznie obalać pomysłu. Pokazuje cenę i granice. Dzięki temu decyzja jest mniej entuzjastyczna, a bardziej użyteczna. Nie potrzebujesz nowej wersji, która ukryje kompromis pod słowem „optymalny”.
Zapytaj, czego nie da się wywnioskować
Przy niepełnym materiale poproś: „Jakich danych brakuje do odpowiedzi na pytanie i których pytań nie należy jeszcze rozstrzygać?”. To ogranicza pokusę produkcji kompletności. Wynik może być krótszy i bardziej wartościowy.
Nie pozwól zamienić braku źródła w listę przypuszczalnych faktów. Jeżeli brakuje aktualnego cennika, nie ma sensu generować nowych cen. Potrzebujesz właściciela danych. Model może pomóc napisać pytanie do niego i wskazać minimalny zakres.
Takie pytania są szczególnie przydatne przy badaniach i analizie ofert. Artykuł o analizie przegranej oferty z AI pokazuje podobną zasadę: hipoteza nie może zastępować wypowiedzi klienta. Krytyka ma chronić źródło, nie tworzyć bardziej interesującą historię.
Nie pytaj „czy to dobre?” bez kryteriów
Model nie wie, czy tekst ma sprzedawać, uczyć, uspokajać czy dokumentować decyzję, dopóki nie określisz celu. Nawet z celem może wybrać ogólne standardy. Zapisz dwa warunki konieczne i jeden kompromis, którego nie chcesz.
Przykład: „Oceń, czy odbiorca po pierwszym akapicie rozumie, jaki problem rozwiązujemy, i czy wynik nie obiecuje automatycznej publikacji. Nie przepisuj tekstu”. Odpowiedź jest łatwiejsza do sprawdzenia niż ogólna ocena jakości.
Nie zamieniaj kryteriów w dziesięć kategorii punktowanych. Przy małym zadaniu wystarczą dwa pytania. Jeżeli ocena nie zmienia decyzji, nie potrzebujesz tabeli z wynikiem 4,7 na 5 i komentarzem o dużym potencjale.
Proś o pytania eksperta, nie udawaj eksperta
Model może przygotować listę pytań, które warto zadać prawnikowi, klientowi, inżynierowi albo użytkownikowi. To często lepsze wykorzystanie niż żądanie ostatecznej odpowiedzi w dziedzinie wymagającej kontekstu. Pytania pomagają przygotować rozmowę i ograniczyć zgadywanie.
Zaznacz, które pytania są najważniejsze dla decyzji. Nie idź do eksperta z dwudziestoma punktami wygenerowanymi dla kompletności. Wybierz trzy, których odpowiedź zmieni zakres lub zatrzyma projekt. Resztę zostaw na później, jeśli będzie potrzebna.
Po rozmowie zaktualizuj wynik na podstawie odpowiedzi człowieka. Nie pozwól, żeby wcześniejsza rekomendacja modelu miała większą wagę tylko dlatego, że została napisana wcześniej i ma ładne formatowanie.
Krytyka nie powinna tworzyć nowej pętli
Po odpowiedzi modelu możesz poprosić o krytykę krytyki, potem o kontrargument do kontrargumentu i nagle jesteś w siódmym poziomie metaanalizy prostego maila. To nie jest głębia. To ucieczka przed decyzją z dodatkowymi akapitami.
Ustal jedną rundę krytyki i jeden test. Jeżeli nowy dowód zmienia problem, otwierasz nowy etap z nazwanym celem. Jeżeli odpowiedź jest niepewna, zapisujesz niepewność i ograniczasz użycie. Nie musisz osiągnąć ostatecznej zgodności wszystkich wygenerowanych głosów.
Artykuł o krytyce wyników bez paranoi opisuje dobór wysiłku do skutku. Pytania krytyczne są narzędziem tego procesu, a nie nowym rytuałem obowiązkowym dla każdej listy zakupów.
Przykład: prezentacja dla zarządu
Pierwsza wersja prezentacji zawiera wynik produktywności i rekomendację rozszerzenia automatyzacji. Zamiast prosić o ładniejsze slajdy, pytasz, jakie założenia muszą być prawdziwe, żeby wniosek był uzasadniony. Model wskazuje stabilny czas odbioru, porównywalne zadania i brak wzrostu błędów.
Sprawdzasz dane i odkrywasz, że odbiór nie był liczony w pierwszym tygodniu. Nie generujesz nowej prezentacji z tą samą tezą. Dodajesz brakujący koszt i ograniczasz rekomendację do pilotażu z pomiarem.
Dopiero na końcu prosisz o krótszą formę decyzji. Krytyka zmieniła treść i zakres. Nie była komentarzem do slajdu, po którym wszystko zostało tak samo, tylko bardziej błyszczało.
Zapisz pytania, które działają w twojej pracy
Nie potrzebujesz biblioteki stu promptów. Zbierz kilka pytań związanych z powtarzalnymi decyzjami: źródło, kontrprzykład, skutek, brak danych, właściciel. Przy każdym zapisz, kiedy go używać i jaki wynik uznajesz za użyteczny.
Raz w miesiącu usuń pytania, które produkują jedynie długie analizy bez zmiany decyzji. Dodaj przykład z własnego procesu. Model może pomóc w ich stosowaniu, ale kryteria pochodzą z twoich błędów i doświadczenia, nie z listy „najlepszych promptów roku”.
Pytania dla zespołu bywają lepsze niż pytania dla modelu
Zanim otworzysz czat, zapytaj współpracownika: jaka decyzja jest najtrudniejsza, jakiego dowodu brakuje i kto zna skutek dla odbiorcy? Człowiek z kontekstem może wskazać właściwy problem w dwóch zdaniach. Model pomoże później uporządkować hipotezy i kontrprzykłady.
Nie używaj krytyki AI do unikania niewygodnej rozmowy. Jeżeli zakres jest niejasny, nie potrzebujesz analizy trzech wariantów. Potrzebujesz decyzji właściciela. Jeżeli klient nie zgodził się na publikację, najlepsza redakcja tekstu nie zmienia odpowiedzi.
Wspólny przegląd powinien kończyć się właścicielem następnego kroku. Bez niego każdy może generować nowe analizy i nikt nie odpowiada za ich wykorzystanie. Pytanie ma prowadzić do działania w świecie, nie tylko do lepszej rozmowy z narzędziem.
Uważaj na fałszywą równowagę
Prośba o argumenty „za i przeciw” czasem tworzy pozór rozsądku, nawet gdy jedna strona nie ma podstaw. Model może dobrać równie elokwentne punkty dla obu odpowiedzi, bo taka jest struktura zadania. Nie oznacza to, że dowody są równe.
Zamiast liczyć argumenty, sprawdź ich źródła i znaczenie dla decyzji. Jeden potwierdzony konflikt z wymaganiem może ważyć więcej niż pięć ogólnych zalet. Nie musisz dodawać kontrargumentu tylko po to, żeby wynik wyglądał wyważenie.
Jeżeli temat wymaga fachowej oceny, przygotuj pytania do specjalisty zamiast publikować sztuczny pojedynek. Naturalna decyzja może być jednoznaczna. Nie ma obowiązku kończyć każdej analizy zdaniem „najlepsze podejście zależy od kontekstu”, jeśli kontekst już znasz.
Oceń, czy pytanie oszczędziło pracę
Po kilku użyciach zapisz, czy krytyka wykryła rzeczywisty błąd, ograniczyła zakres albo zapobiegła zbędnej wersji. Jeżeli jedynie dodaje akapity do przeczytania, zmień pytanie lub zrezygnuj z etapu. Narzędzie ma skracać drogę do decyzji.
Porównaj wynik z wcześniejszym odbiorem bez krytyki. Czy złapałeś coś nowego? Czy test był lepszy? Czy zespół potrafił szybciej uzasadnić decyzję? To są konkretne efekty. Sam fakt, że analiza brzmi inteligentnie, nie jest wystarczający.
Najlepsze pytania stają się częścią szablonu i nie wymagają każdorazowej ceremonii. Masz je pod ręką przy typie zadania, a przy małym skutku możesz pominąć cały rytuał. Odbiór ma być proporcjonalny, nie imponujący.
Trzy gotowe pytania na najbliższy dokument
Poproś również o wskazanie konkretnego zdania, które trzeba sprawdzić, zamiast ogólnej oceny całego dokumentu. Następnie samodzielnie porównaj je ze źródłem i odnotuj, czy wynik zmienia planowaną decyzję.
Przy analizie zapytaj: „Które zdanie ma największy skutek i na jakim źródle się opiera?”. To zaczyna kontrolę od miejsca, w którym błąd kosztuje najwięcej. Nie musisz oceniać każdego przymiotnika, zanim sprawdzisz główną decyzję.
Przy planie działania użyj: „Który krok zakłada zgodę, dane albo uprawnienie, którego nie potwierdziliśmy?”. Taka krytyka wychodzi poza stylistykę i pokazuje warunki wykonania. Odpowiedź może zatrzymać automatyzację zanim powstanie kolejny efektowny szkic.
Przy komunikacie dla odbiorcy zapytaj: „Co może zostać zrozumiane inaczej niż zamierzono i który fragment to powoduje?”. Nie prosisz o nową wersję. Najpierw wybierasz jedno ryzyko i sprawdzasz je z człowiekiem lub na teście. Dopiero potem redagujesz konkretne zdanie.
Te trzy pytania nie zastępują wiedzy dziedzinowej. Pomagają skierować ją na właściwe miejsce. Jeżeli odpowiedź modelu jest ogólna, wróć do własnego dokumentu i kryteriów zamiast generować jeszcze dłuższą listę możliwych uwag. Jedno trafne pytanie wystarczy, jeśli prowadzi do sprawdzonej decyzji i nie otwiera niepotrzebnej serii poprawek.
Jeżeli chcesz zbudować taki system odbioru, Aeneia Audit pomaga połączyć pytania z właścicielem i testem. Najlepsza krytyka nie produkuje kolejnej wersji dla samej produkcji. Pozwala wiedzieć, kiedy poprawić, kiedy zostawić i kiedy zamknąć cały pomysł.
Sprawdź nas. To zdrowe.
Temat zmienia się szybko. Linki prowadzą do źródeł pierwotnych i stron, na których możesz zweryfikować kontekst.
