Zadávání práce AI je dovednost, ne trik

Zeptejte se dvou lidí na totéž a dostanete dvě velmi odlišné odpovědi. První napíše „napiš mi mail klientovi, že se zdrží dodávka" a dostane zdvořilou vatu, kterou musí celou přepsat. Druhý napíše, kdo je klient, jak dlouho spolu pracují, o kolik se dodávka zdrží, čí je to chyba, co chce nabídnout jako kompenzaci a že mail má mít maximálně osm vět a nemá znít jako právní dokument. Dostane text, ve kterém opraví jedno slovo. Stejný model, stejná vteřina, jiný výsledek.

Snadné vysvětlení zní, že druhý zná lepší prompt. Je to ale vysvětlení špatné a docela škodlivé, protože vede k lovení kouzelných formulek. Ve skutečnosti druhý člověk udělal kus přemýšlení, který první přeskočil: rozhodl se, co vlastně chce, pro koho to je a jak pozná, že je to hotové. AI mu to pak jen napsala. Kdyby stejné zadání dal kolegovi, dostal by taky lepší výsledek než z jednořádkové věty.

Přehledová kapitola AI a automatizace ukazuje, co všechno se s AI dá provozovat. Tahle kapitola je o dovednosti, bez které se to všechno drolí — na každé úrovni žebříku z kapitoly pět úrovní práce s AI totiž musí někdo srozumitelně říct, co je hotová práce. Prompting není znalost tajných frází. Je to schopnost převést nejasné zadání ve vlastní hlavě na zadání, které někdo jiný dokáže splnit — a jako každá dovednost se zlepšuje opakováním a zpětnou vazbou, ne memorováním.

Proč to není trik

Argument pro „trik" zní logicky: modely jsou různé, každý reaguje trochu jinak, tak si najdu formulaci, která funguje. Jenže tenhle přístup selhává ze tří důvodů.

Za prvé, triky zastarávají. Formulace typu „jsi světově uznávaný expert" nebo „nadechni se a mysli krok za krokem" měly u starších generací modelů měřitelný efekt, protože kompenzovaly jejich slabiny. Novější modely velkou část toho, co tyhle berličky obstarávaly, dělají samy. Kdo si postavil praxi na sbírce triků, musí ji každý rok přestavovat. Kdo si postavil praxi na jasném zadání, jenom sklízí.

Za druhé, trik neřeší to podstatné. Nejčastější příčina špatného výstupu není špatná formulace, ale chybějící informace. Model neví, komu píšete, co se stalo minule, jak dlouhá má odpověď být a co si absolutně nemůžete dovolit napsat. Žádné kouzelné slovo tuhle díru nezaplní.

Za třetí, dovednost se přenáší, trik ne. Kdo umí zadat práci, zadá ji v jakémkoli nástroji, v automatizační platformě i kolegovi. Kdo umí patnáct promptů, umí patnáct promptů v jednom nástroji.

Že jde o dovednost, a ne o znalost, se pozná podle jedné věci: nedá se naučit čtením. Můžete si přečíst dvacet článků o promptování a napsat pak stejně mizerné zadání jako předtím, protože rozhodující část se odehrává ve chvíli, kdy máte před sebou konkrétní úkol a musíte si ujasnit, co po něm vlastně chcete. Trénuje se to tak, jak se trénují všechny dovednosti: opakováním s vědomou zpětnou vazbou. U každého výstupu, který vás zklamal, si položte jedinou otázku — co jsem nenapsal, co model nemohl vědět? Po dvaceti takových otázkách píšete zadání jinak, aniž byste si to museli připomínat.

Užitečná zkratka pro celou kapitolu: pište zadání tak, jako byste ho psali schopnému člověku, který zná svůj obor, ale nezná vás, vaši firmu ani váš minulý týden. Nic víc a nic míň. Většina špatných zadání porušuje jednu z těch dvou stran — buď vysvětluje, co dotyčný umí líp než vy, nebo naopak zamlčuje všechno, co vědět nemůže.

Anatomie zadání: pět částí

Dobré zadání má pět částí. Nemusíte je psát v tomhle pořadí ani je pokaždé vyplnit všechny, ale je dobré si projít, jestli některá nechybí. Podrobný rozbor s ukázkami najdete v tipu role, kontext, úkol, formát; tady jde o to, proč jednotlivé části vůbec existují.

Role není zaklínadlo, ale volba úhlu pohledu. „Jsi zkušený personalista" a „jsi právník specializovaný na pracovní právo" dostanou z téhož zadání jiný text, protože každý řeší jiná rizika a mluví jiným slovníkem. Role je užitečná právě tehdy, když si mezi několika perspektivami vybíráte. Když perspektiva nehraje roli, klidně ji vynechte.

Kontext je nejcennější část a zároveň ta, na které se nejvíc šetří. Sem patří všechno, co model nemůže vytušit: že klient je citlivý na cenu, že to jde do prezentace pro vedení, že podobný text už jste posílali loni a máte ho k dispozici. Na vyšších úrovních žebříku část kontextu obstarají trvalé instrukce a napojená data, takže ho nepíšete pokaždé znovu.

Úkol má obsahovat jedno sloveso. Zadání typu „projdi to, oprav to, zkrať to a navrhni titulek" je čtyři úkoly a výsledek bývá čtyřikrát průměrný. Rozdělte je.

Formát rozhoduje o tom, kolik práce vám po AI zůstane. „Tabulka se třemi sloupci", „maximálně osm vět", „bez marketingových superlativů", „v češtině, tykání". Každá taková věta ušetří jedno kolo úprav.

Kritéria jsou to, co většina lidí nikdy nenapíše — a přitom je to nejsilnější část. „Dobrý výstup je ten, kterému rozumí člověk mimo obor." „Musí obsahovat konkrétní datum a jméno odpovědné osoby." „Neobsahuje žádné tvrzení, které nemám v podkladech." Kritéria dělají dvě věci najednou: nasměrují model a donutí vás si ujasnit, co vlastně chcete. Často je to ta těžší polovina práce a lidé ji podvědomě odkládají — proto je tak lákavé napsat jednu větu a doufat.

Iterace místo jednoho pokusu

Nejrozšířenější mylná představa zní, že dobrý prompt je ten, který napoprvé vrátí hotový výstup. Takhle to nefunguje ani mezi lidmi. Když zadáte práci kolegovi, taky očekáváte, že první verze bude potřebovat komentář — a nepovažujete to za selhání ani jednoho z vás.

Praktický důsledek je prostý: první výstup neposuzujte jako výsledek, ale jako otázku. Ukazuje vám, jak model vaše zadání pochopil, a tím odhaluje, co v zadání chybělo. Když je text moc formální, chybělo určení tónu. Když je obecný, chyběl kontext. Když řeší něco jiného, chyběla definice úkolu nebo kritéria.

Klíčová technika je nezačínat pokaždé znovu. Když je výstup ze sedmdesáti procent dobrý, opravujte ho v konverzaci, protože model má už načtený všechen kontext a vaše korekce jsou pro něj dodatečná informace. Nový pokus od nuly tenhle náskok zahodí. Přepisovat zadání se vyplatí až tehdy, když se konverzace zamotala a model se drží špatného směru navzdory opravám — tehdy je čistý start rychlejší. Konkrétní postupy jsou v tipu iterace.

A jedna věc, kterou se vyplatí dělat vědomě: poslední kolo iterace patří zpátky do zadání. Když jste třikrát opakovali „bez superlativů", nepatří to do konverzace, ale do trvalých instrukcí nebo do uloženého promptu. Jinak se stejná oprava vrátí příští týden.

Ukázka je silnější než popis

Ze všech nástrojů, které při zadávání máte, je nejúčinnější ten nejméně používaný: ukázat hotový příklad. Popsat tón hlasu slovy je těžké i pro copywritera. Přiložit dva maily, které se povedly, a napsat „takhle to má znít" je otázka deseti vteřin a funguje to spolehlivěji než odstavec adjektiv.

Důvod je jednoduchý. Popis je abstrakce, kterou musí model převést zpátky na konkrétní text, a při tom převodu vzniká prostor pro nedorozumění. Ukázka žádný převod nepotřebuje. Navíc obsahuje desítky drobností, které byste v popisu nikdy nevyjmenovali: délku odstavců, míru zdvořilosti, jestli používáte odrážky, jak oslovujete, čím končíte.

Ukázky fungují ve třech podobách. Vzor, který se má napodobit — nejběžnější a nejsilnější. Protipříklad, tedy „takhle rozhodně ne", který je překvapivě účinný u textů, kde vám vadí konkrétní manýra. A dvojice před a po, která ukazuje nejen cíl, ale i typ úpravy, který po AI chcete. U opakované práce se vyplatí mít dvě tři ukázky uložené natrvalo; praktické provedení ukazuje tip ukázky formátu.

Ukázky mimochodem nefungují jen na tón. Stejně dobře nesou strukturu — přiložený zápis z porady, který se povedl, sdělí o požadovaném členění víc než pět odrážek popisu. A nesou i míru podrobnosti, tedy tu vlastnost, kterou se slovy popisuje nejhůř: co ještě patří do shrnutí a co už je detail, který nikoho nezajímá.

Malá past: ukázka je silná i tehdy, když je špatná. Když přiložíte text plný frází, dostanete zpátky text plný frází. Vybírejte vzory, které skutečně reprezentují to nejlepší, co děláte, ne první, co máte po ruce.

Meta-dotazy: nechte model, ať se ptá

Existuje jednoduchý obrat, který zvedne kvalitu výstupů víc než většina technik dohromady, a zní: „Co ti v tomhle zadání chybí, abys to udělal opravdu dobře? Zeptej se mě, než začneš."

Funguje, protože obrací roli. Místo abyste hádali, co model potřebuje, on vám to řekne — a otázky, které položí, jsou zároveň docela přesnou diagnostikou vašeho zadání. Když se ptá na publikum, zapomněli jste na publikum. Když se ptá, co je cílem sdělení, možná to zatím nevíte ani vy. To druhé je nepříjemné zjištění a zároveň ta nejužitečnější věc, kterou vám AI za celý den řekne.

Do stejné rodiny patří několik dalších obratů. „Než napíšeš text, řekni mi v pěti bodech, jak tomu rozumíš" odhalí nedorozumění dřív, než se z něj stane pět odstavců. „Napiš tři varianty s různým přístupem a u každé jednu větu, proč by mohla být nejlepší" je rychlejší cesta k rozhodnutí než dokonalá jediná verze. A „najdi v tom, co jsi právě napsal, tři nejslabší místa" vytáhne slabiny, které byste sami hledali dlouho — model není v roli obhájce svého textu.

Meta-dotazy mají ještě jeden vedlejší efekt, který se cení dlouhodobě: učí vás zadávat. Po dvacáté odpovědi na otázku „pro koho to je" si publikum začnete psát rovnou.

Knihovna promptů jako osobní kapitál

Když se dovednost projeví, vyplatí se ji ukládat. Zadání, které jste vypiplali za tři kola iterace, je malé aktivum — a většina lidí ho zahodí zavřením okna prohlížeče. Za měsíc řeší totéž znovu a znovu od nuly.

Knihovna promptů nemusí být nic sofistikovaného; postačí jedna poznámka nebo dokument, kde má každý záznam zadání, k čemu je, a poznámku, co s ním nefungovalo. Hodnota nevzniká z počtu, ale z údržby: dobrá knihovna má dvacet zápisů, které se používají, ne dvě stě stažených z internetu. Jak ji vést a jak prompty verzovat, popisuje tip knihovna promptů.

V týmu se z knihovny stává něco cennějšího — sdílená definice kvality. Prompt na zápis z porady totiž není jen technický zápis, je to dohoda o tom, co má zápis obsahovat. Prompt na hodnocení nabídky je dohoda o tom, podle čeho se nabídky posuzují. Tímhle způsobem se do knihovny propašuje kus firemního know-how, který dosud existoval jen v hlavách. Ve větším měřítku je to jedna z linek, po kterých se AI zavádí do firmy — postup popisuje tip AI ve firmě.

A ještě jedna souvislost, která se vyplatí: knihovna je předstupeň automatizace. Prompt, který používáte každý týden ve stejný čas na stejný typ vstupu, je hotová rutina, jen ji zatím spouštíte ručně. Až budete číst kapitolu rutiny a agenti, berte svou knihovnu jako seznam kandidátů.

Proč dovednost přežije model

Poslední a možná nejdůležitější důvod, proč se do zadávání vyplatí investovat: je to jedna z mála dovedností kolem AI, která nezastará s příští verzí.

Konkrétní znalosti stárnou rychle. Který nástroj má lepší práci s dokumenty, jak se jmenuje které nastavení, co ještě modely nezvládají — tohle všechno platí měsíce, ne roky. Schopnost říct, co chcete, pro koho to je, jak to má vypadat a podle čeho se pozná dobrý výsledek, je oproti tomu stará jako rozdělování práce mezi lidmi a stejně tak stará bude i za deset let.

Přenositelnost je ostatně vidět hned. Kdo umí zadat práci jednomu modelu, zadá ji i tomu druhému; rozdíly mezi nástroji, které rozebírá tip srovnání Claude, ChatGPT a Gemini, jsou v detailech, ne v principu. Táž dovednost se navíc přelije mimo AI: lidé, kteří si zvyknou psát kontext, úkol a kritéria, píší lepší zadání kolegům, srozumitelnější tikety a jasnější briefy. Nejeden tým zjistil, že největší přínos AI nebyl v ušetřených hodinách, ale v tom, že se konečně naučil pojmenovat, co po sobě navzájem chce.

Zbývá dodat, co dovednost zadávání nenahrazuje: odpovědnost za výsledek. Skvěle zadaná práce může vrátit sebejistě znějící nesmysl a podpis pod ním je pořád váš. Ověřování a hranice, kam AI vůbec pustit, řeší kapitola AI eticky a bezpečně a tip AI si vymýšlí s jistotou v hlase.

Co si odnést

• Kvalitu výstupu neurčuje kouzelná formulace, ale to, jestli jste si ujasnili, co chcete, pro koho to je a jak poznáte hotovo.
• Zadání má pět částí: roli, kontext, úkol, formát a kritéria. Nejčastěji chybí kontext a kritéria — a právě ta dvě rozhodují.
• První výstup není výsledek, ale zpětná vazba na vaše zadání. Opravujte v konverzaci, nezačínejte pokaždé od nuly.
• Ukázka poráží popis. Dva vzorové texty řeknou o tónu víc než odstavec přídavných jmen.
• Otázka „co ti v zadání chybí" je nejlevnější kontrola kvality — a učí vás zadávat lépe.
• Povedené zadání ukládejte. Knihovna promptů je osobní i týmový kapitál a zároveň seznam kandidátů na budoucí rutiny.
• Dovednost zadávat práci se přenáší mezi nástroji i na lidi a přežije každou generaci modelů. Konkrétní triky nepřežijí.