Do tej pory ćwiczyliśmy pojedyncze ruchy: dobry prompt, praca na źródle, wybór narzędzia, higiena danych. Prawdziwa wartość zaczyna się, gdy złożysz je w jeden przepływ, który robisz raz, a potem powtarzasz. Po tej lekcji będziesz umiał rozbić realne zadanie na kroki, spiąć je tak, żeby jeden wynik zasilał następny, i przygotować się pod capstone, czyli pierwszy zautomatyzowany proces z twojego życia.
Workflow to łańcuch kroków, nie jeden strzał
Początkujący próbują załatwić całe zadanie jednym wielkim promptem: “zrób mi research rynku, streść go i napisz maila do klienta”. Wynik jest zwykle mierny, bo wrzucasz trzy różne zadania naraz i model żadnego nie robi dobrze. Lepszy sposób to łańcuch: research osobno, synteza osobno, artefakt osobno - a wynik jednego kroku staje się wejściem do następnego.
Taki podział ma trzy zalety. Widzisz i poprawiasz błąd tam, gdzie powstał, zamiast szukać go w gotowym produkcie. Każdy krok jest prostszy, więc prompt jest celniejszy. I gdy przepływ się sprawdzi, powtarzasz go na nowych danych bez wymyślania od zera. To różnica między jednorazową sztuczką a narzędziem, które realnie oszczędza ci czas co tydzień.
Pro tip: Zanim zaczniesz pisać prompty, rozpisz przepływ na kartce jako listę kroków ze strzałkami. Jeśli nie umiesz go narysować, to znak, że sam jeszcze nie wiesz, co dokładnie chcesz zrobić - i żaden prompt tego nie naprawi.
Trzy ogniwa: research, synteza, artefakt
Większość użytecznych przepływów da się złożyć z trzech ogniw. Research to zebranie surowca: wyszukanie faktów, zgromadzenie źródeł, wyciągnięcie danych z dokumentów. Tu pilnujesz jakości wejścia i weryfikujesz konkrety, bo śmieci na wejściu dają śmieci na wyjściu. Synteza to obróbka surowca w coś użytecznego: streszczenie, porównanie, uporządkowanie, wyciągnięcie wniosków. Tu model jest najmocniejszy, bo pracuje na materiale, który mu podałeś, a nie na pamięci. Artefakt to gotowy wynik w formie, której naprawdę użyjesz: mail, tabela, plan, opis, dokument.
Klucz to przekazywanie wyniku między ogniwami. Efekt researchu wklejasz jako źródło do syntezy. Efekt syntezy - do kroku, który buduje artefakt. Na każdym styku decydujesz, co przekazać dalej, a co odrzucić. Dobry przepływ jest jak lej: na wejściu dużo surowego materiału, na wyjściu jeden czysty, konkretny wynik.
Pułapka: Nie przekazuj dalej wszystkiego “na wszelki wypadek”. Jeśli do kroku syntezy wrzucisz cały surowy research bez selekcji, zaśmiecisz okno kontekstu i model zgubi to, co ważne. Między krokami przycinaj, nie tylko przeklejaj.
Gdzie wpiąć weryfikację
Weryfikacja nie jest osobnym etapem na końcu, tylko bramką między ogniwami. Najważniejsza stoi po researchu: zanim puścisz dane dalej, sprawdzasz konkrety, na których ci zależy - liczby, daty, źródła, cytaty. Jeśli przepuścisz halucynację przez ten punkt, powędruje ona przez syntezę do artefaktu i wyląduje w mailu do klienta jako “fakt”. Błąd złapany na wejściu kosztuje minutę, ten sam błąd złapany po wysłaniu - dużo więcej.
Druga bramka jest na końcu, przy artefakcie, ale ma inny charakter: sprawdzasz nie tyle prawdziwość, co dopasowanie. Czy wynik odpowiada na pierwotne zadanie, czy ton pasuje do odbiorcy, czy nie ma tam czegoś, czego nie chciałbyś wysłać. Im wyższa stawka końcowego artefaktu, tym twardsze obie bramki. Do notatki dla siebie luzujesz, do oferty dla klienta zaciskasz.
Pro tip: Zbuduj sobie krótką listę kontrolną dla powtarzalnego przepływu: dwa, trzy punkty, które sprawdzasz za każdym razem. Powtarzalny proces zasługuje na powtarzalną kontrolę, bo dokładnie w rutynie najłatwiej przepuścić błąd.
Od ręcznego przepływu do automatyzacji
Pierwszy przepływ robisz w całości ręcznie: sam prowadzisz materiał od kroku do kroku, kopiując wyniki między nimi. To dobrze, bo poznajesz proces od środka i widzisz, gdzie są słabe punkty. Automatyzację dokłada się dopiero wtedy, gdy przepływ jest sprawdzony i naprawdę powtarzalny - automatyzowanie czegoś, czego jeszcze nie rozumiesz, to utrwalanie własnych błędów.
Nie każdy krok warto automatyzować i nie każdy się da. Powtarzalne, mechaniczne ogniwa - przepisanie danych do arkusza, wysłanie tego samego typu maila, zebranie wyników w jedno miejsce - to naturalni kandydaci. Kroki wymagające twojego osądu i weryfikacji zwykle zostają przy tobie. Konkretne narzędzia do spinania tego bez kodu żyją w kartach katalogu, bo to warstwa, która zmienia się najszybciej. Lekcja daje ci trwałą część: umiejętność rozpisania procesu i decyzji, co w nim powtarzalne, a co wymaga człowieka.
Zasada
Wartość AI rośnie nie z jednego genialnego promptu, tylko z połączenia kilku prostych kroków w powtarzalny przepływ, w którym każdy karmi następny.
Zrób to teraz
Zaprojektujesz i przejdziesz ręcznie jeden mały, trzykrokowy przepływ na własnym, realnym zadaniu - bez płatnego konta i bez automatyzacji. To zarazem rozgrzewka pod capstone ścieżki.
- Wybierz jedno powtarzalne zadanie z twojego tygodnia (np. “streścić trzy artykuły w jedną notatkę”, “z notatek ze spotkania zrobić listę zadań i maila podsumowującego”). Zapisz je jednym zdaniem.
- Rozpisz je na trzy ogniwa: research (skąd surowiec), synteza (jak go obrobisz), artefakt (co ma wyjść). Zaznacz, gdzie postawisz bramkę weryfikacji.
- Przejdź przez przepływ ręcznie w darmowym czacie AI: zrób krok pierwszy, zweryfikuj konkrety, wynik wklej jako wejście do kroku drugiego, potem trzeciego. Zapisuj, co przekazujesz dalej, a co odrzucasz.
- Na koniec wypisz jedno zdanie: który krok był mechaniczny i nadawałby się kiedyś do automatyzacji, a który musi zostać przy tobie.
Zajmuje to 10-15 minut i daje ci gotowy szkielet capstone: realny proces rozpisany na kroki, który potem domkniesz i zautomatyzujesz.
XP i dalej
Za tę lekcję dostajesz 100 XP i zamykasz fundament: rozumiesz, jak działa model, jak nim sterować, skąd bierze wiedzę, co potrafi poza tekstem, jak wybrać narzędzie, czego nie wolno wkleić i jak spiąć kroki w przepływ. Następny krok to capstone ścieżki - weźmiesz przepływ rozpisany w ćwiczeniu i doprowadzisz go do końca jako pierwszy realny, zautomatyzowany proces z twojego życia.
