AI przyspiesza pisanie. Czy przyspiesza też Twoją pracę?

Oferta gotowa w dwadzieścia minut zamiast dwóch godzin. Brzmi jak sukces. Tylko że później ktoś musi sprawdzić liczby, dopisać brakujące informacje i ustalić, czy firma potrafi dowieźć to, co właśnie obiecała klientowi.

Jeśli te poprawki zajmą kolejne trzy godziny, szybkie pisanie niewiele nam dało.

To hipotetyczny przykład, ale możesz jutro sprawdzić go na własnej pracy. Weź ostatnią ofertę, analizę albo prezentację przygotowaną z pomocą AI. Zadaj jedno pytanie:

Czy szybciej powstała pierwsza wersja, czy szybciej uzyskaliśmy wynik, którego ktoś mógł użyć?

Od tego warto zacząć rozmowę o produktywności. Czas wygenerowania tekstu jest łatwy do zauważenia. Pracę potrzebną do jego sprawdzenia znacznie łatwiej przeoczyć.

Daj AI konkretne zadanie, zanim poprosisz o gotowy dokument

Załóżmy, że przygotowujesz propozycję dla klienta. Zamiast od razu prosić: „Napisz ofertę”, spróbuj tak:

Przygotuj trzy sposoby rozwiązania tego problemu. Przy każdym wypisz: potrzebne dane, najważniejsze założenie, możliwą przeszkodę i pytanie, na które musimy odpowiedzieć przed złożeniem obietnicy klientowi. Nie uzupełniaj brakujących informacji domysłami.

Dostajesz materiał do rozmowy i wyboru. Dopiero później piszesz właściwą ofertę.

Dlaczego proponujemy taką kolejność? W badaniu P&G autorzy opisali korzyści z używania AI przy tworzeniu pomysłów i łączeniu perspektyw technicznych z komercyjnymi. Jednocześnie lepsze pomysły nie oznaczały równie sprawnego wybierania najlepszego z nich. Badano jednodniowe warsztaty, więc nie jest to dowód na skuteczność całego procesu sprzedaży czy wdrożenia. Jest za to dobry powód, by oddzielić wymyślanie wariantów od podejmowania decyzji. Badanie P&G.

Jutro możesz zrobić to bez nowego narzędzia i bez projektu transformacji. Poproś AI o warianty. Wybierz jeden dopiero po sprawdzeniu jego najważniejszego założenia.

Zapytaj odbiorcę, co musiał po Tobie poprawić

Najbardziej użyteczna ocena pracy z AI może przyjść od następnej osoby w procesie.

Jeśli przekazujesz analizę szefowi, zapytaj:

Co musiałeś jeszcze sprawdzić lub uzupełnić, zanim mogłeś podjąć decyzję?

Jeśli wysyłasz projekt oferty do konsultacji technicznej:

Które fragmenty nadawały się do użycia, a które trzeba było napisać od nowa?

Nie potrzebujesz rozbudowanej ankiety. Wystarczy krótka odpowiedź przy kilku kolejnych zadaniach. Zapisuj, czy wracają te same problemy: brak źródła liczby, niejasne założenie, pominięte ograniczenie, obietnica bez potwierdzenia.

Nasza propozycja jest prosta: poprawiaj sposób przygotowania materiału na podstawie tego, co utrudnia jego użycie. Jeżeli trzy razy wraca pytanie o pochodzenie danych, dołączaj źródła już w pierwszej wersji. Jeżeli odbiorca nie rozumie, co jest ustalone, a co dopiero proponowane, oznaczaj to wprost.

Wtedy budujesz praktykę, z której może skorzystać cały zespół.

Przez kilka zadań licz także poprawki

„Z AI poszło mi szybciej” to dobra obserwacja na początek. Do decyzji o zmianie sposobu pracy przyda się coś więcej.

Przy najbliższych podobnych zadaniach zapisz:

Dodaj koszt narzędzia, jeśli ma znaczenie dla porównania.

Dlaczego nie wystarczy samo poczucie przyspieszenia? METR, opisując swój eksperyment z programistami, wskazał problemy z doborem uczestników i zadań oraz mierzeniem czasu przy równoległej pracy z agentami. Autorzy uznali, że nowsze dane nie dają wiarygodnej miary aktualnej skali efektu. To ostrzeżenie przed zbyt łatwym przeliczaniem doświadczeń na procenty oszczędności. Wyjaśnienie METR.

Własne porównanie też potraktuj uczciwie. Trudnej oferty nie zestawiaj bez komentarza z prostą wiadomością do stałego klienta. Zapisuj również nieudane podejścia. Kilka przypadków pomoże znaleźć problem; nie musi jeszcze dowodzić, że ustaliłeś wpływ AI na produktywność.

Zostaw po zadaniu coś, czego zespół użyje ponownie

Udany prompt zapisany w prywatnej rozmowie pomaga jednej osobie. Żeby sprawdzić jego przydatność szerzej, przygotuj z niego małą instrukcję:

• Do czego służy: na przykład porównanie trzech wariantów oferty.
• Co trzeba dostarczyć: wymagania klienta, ograniczenia, potwierdzone dane.
• Jak wygląda dobry wynik: warianty z założeniami i pytaniami do sprawdzenia.
• Co sprawdza człowiek: liczby, wykonalność i zobowiązania wobec klienta.

Daj ją drugiej osobie. Zobacz, czy potrafi z niej skorzystać bez Twojego tłumaczenia. Jej pytania pokażą, czego brakuje.

Znaczenie pamięci, planowania i zależności między zadaniami pojawia się także w opisie CORPGEN autorstwa Microsoft Research. To jednak eksperymenty z agentami, a nie dowód poprawy pracy ludzkiego zespołu. Nasza propozycja jest skromniejsza: zachowuj sprawdzone instrukcje i warunki ich użycia, zamiast za każdym razem zaczynać od pustego okna rozmowy. Opis CORPGEN.

Co zrobić jutro rano

Wybierz jedno zadanie, które naprawdę wraca: ofertę, raport, przygotowanie spotkania albo odpowiedź na zgłoszenie.

Przed rozpoczęciem dopisz jedno zdanie: „Wynik będzie gotowy do użycia, gdy…”. Potem wykonaj zadanie z pomocą AI, sprawdź je według tego warunku i zapytaj odbiorcę, co jeszcze musiał poprawić.

Zachowaj instrukcję, dane wejściowe i wnioski. Przy następnym podobnym zadaniu zmień jedną rzecz, która poprzednio przeszkadzała.

Nie musisz jutro udowodnić, że AI zmieniło Twoją firmę. Wystarczy ustalić, czy pomogło zamknąć jedną sprawę — i czy potrafisz tę korzyść powtórzyć.