O czym jest ten film
- Autor twierdzi, że tryb głosowy ChatGPT to najbardziej niedoceniana funkcja AI wypuszczona w 2026 roku i że zmieniła jego sposób pracy bardziej niż jakiekolwiek inne narzędzie.
- Kluczowa różnica wobec konkurencji: głos ChatGPT potrafi zakładać nowe wątki i uruchamiać agentów, zamiast pracować w jednej zamkniętej sesji.
- Głos widzi kontekst z innych wątków i urządzeń, więc działa jak „szef sztabu” całego cyfrowego życia użytkownika.
- Pełne sterowanie komputerem i przeglądarką pozwala zlecać pracę zdalnie, będąc na spacerze z jedną słuchawką w uchu.
- Demonstracja porannego workflow: podsumowanie wczorajszej pracy, prośba o rekomendacje, zlecenie trzech nowych wątków — całość w kilkadziesiąt sekund.
- Zalecana architektura: jeden komputer działający 24/7 jako miejsce wykonywania pracy, wszystkie inne urządzenia łączą się z nim zdalnie.
- Zasada nadrzędna: głos nigdy nie ma pracować sam — ma delegować do wątków korzystających z mocniejszego modelu.
- Praktyczne triki: kartka z zadaniami w kieszeni, notatka podsumowująca dzień tworzona automatycznie, jawne wywoływanie „computer use” i „browser use”.
- Wskazówki desktopowe: widok aktywności zamiast pełnej listy wątków oraz trzymanie okna głosowego otwartego przez cały dzień.
- Ostatnia i zdaniem autora najważniejsza rada: zadawać modelowi więcej pytań niż wydawać poleceń.
(Informacja dodatkowa: transkrypt automatyczny zniekształca nazwy modeli. Autor mówi o lżejszych modelach napędzających sam tryb głosowy — „Terra” i „Luna” — oraz o najmocniejszym modelu OpenAI, który w transkrypcie zapisano jako „5.6 Soul”. Zachowujemy te nazwy w formie, w jakiej padają w nagraniu.)
Redakcyjne tłumaczenie
Dlaczego akurat głos
Tryb głosowy ChatGPT to najważniejsza i jednocześnie najbardziej niedoceniana funkcja, jaką w tym roku wypuściło jakiekolwiek laboratorium AI. Zmieniła mój sposób pracy bardziej niż którekolwiek inne narzędzie AI, z jakiego korzystałem. Pracuję teraz znacznie mniej, prawie nie siedzę przy biurku, a mimo to robię istotnie więcej. W tym materiale omówię osiem zaawansowanych wskazówek, dzięki którym wyciśniecie z tej funkcji maksimum. Jeśli zostaniecie ze mną do końca, gwarantuję, że zrobicie dużo więcej pracy w dużo krótszym czasie i uwolnicie sobie dzień na cokolwiek zechcecie. Chcecie wyjść na dwór? Proszę bardzo — praca i tak zostanie zrobiona.
Zacznijmy od tego, dlaczego głos w ChatGPT jest tak wyjątkowy, tak inny niż tryb głosowy Claude’a i dlaczego to znacznie więcej niż zwykłe narzędzie do dyktowania w rodzaju Whisper Flow.
Zanim przejdę do konkretów — jedno zastrzeżenie. Byłem największym na świecie przeciwnikiem rozmawiania z AI. Jeśli oglądaliście moje transmisje na żywo, wiecie, ile razy mówiłem, że nienawidzę gadania do sztucznej inteligencji i że wolę pisać. Tryb głosowy ChatGPT całkowicie zmienił moje zdanie. Jestem dziś w stu procentach nawrócony. Oto pięć powodów.
Pięć powodów, dla których to inna kategoria narzędzia
Po pierwsze — i to prawdopodobnie najmocniejszy argument ze wszystkich — potrafi zakładać nowe wątki i uruchamiać agentów. Za chwilę pokażę demo mojego typowego dnia: jak z tym rozmawiam i co się dzieje. Ale najpotężniejsze jest to, że ten tryb potrafi orkiestrować inne agenty AI. Kiedy korzystacie z dowolnej innej technologii głosowej AI, wszystko dzieje się w jednym wątku. Mówicie, co ma zrobić, ono robi to w tym samym wątku. Nie współpracuje z żadnymi innymi agentami — działa we własnej piaskownicy.
Głosowi ChatGPT możecie natomiast powiedzieć: „Oto moje pięć zadań na dziś. Załóż wątek do każdego z nich, a potem pilnuj tych wątków i agentów”. To pozwala robić dużo więcej naraz i używać właściwych modeli do właściwych zadań. Z trybem głosowym Claude’a czy innymi rozwiązaniami jesteście zamknięci w piaskownicy: jedna rzecz naraz, trzeba siedzieć, mówić, słuchać, jak poszło, i przechodzić do kolejnego punktu. Głos ChatGPT wykonuje całą pracę w osobnych wątkach. Podajecie listę, mówicie „załóż wątek do każdej z tych rzeczy”, a on odpowiada: „Dobrze, dam znać, kiedy wszystko będzie gotowe”. To brzmi subtelnie, ale jest niesamowicie potężne.
Po drugie, widzi wszystko w innych wątkach i na innych urządzeniach. ChatGPT ma świetne funkcje zdalne i działa na wszystkich waszych urządzeniach. Możecie powiedzieć: „Uruchom to na tym urządzeniu, a tamto zrób na innym”. Głos staje się w praktyce orkiestratorem całego waszego cyfrowego życia. Różnica jest znowu subtelna, ale zasadnicza: jeśli pójdę do trybu głosowego Claude’a i powiem „sprawdź, co się dzieje w mojej skrzynce mailowej”, albo „zobacz, co zrobiliśmy w tamtym drugim wątku, potem sprawdź maile, a potem to, co uruchomiliśmy na telefonie” — on tego nie potrafi. Ma wgląd tylko we własny wątek. Głos ChatGPT zamienia się w szefa sztabu, w pojedynczy punkt kontaktu, przez który zarządzacie pracą wszędzie tam, gdzie pracujecie. Żadna inna technologia głosowa nawet się do tego nie zbliża.
Po trzecie, dzięki pracy między urządzeniami i świetnej obsłudze zdalnej odblokowuje się mój ulubiony workflow AI wszech czasów: wychodzisz na dwór, wkładasz jedną słuchawkę, spacerujesz z telefonem i po prostu rozmawiasz — a praca się dzieje. Do tego jeszcze wrócę.
Po czwarte, pełna kontrola nad komputerem i przeglądarką. Możecie być w drodze, na telefonie, w samochodzie na autopilocie albo na spacerze i powiedzieć: „Wejdź na mój komputer, zbuduj tę prezentację, a potem wyślij ją mailem”. Wyciszacie mikrofon, idziecie dalej, a rzecz sama robi się na waszym komputerze.
Po piąte, od strony czysto technicznej to najbardziej zaawansowany model głosowy. Możecie mu przerwać, on może przerwać wam, zatrzymuje się, żeby posłuchać, świetnie rozumie pauzy w mowie. Po prostu najprzyjemniej się z nim rozmawia. Sama obudowa też jest bardzo użyteczna: przy komputerze możecie zminimalizować okno i odezwać się, kiedy tylko chcecie — będzie czekać i słuchać. W drodze możecie zablokować telefon, schować go do kieszeni i zacząć mówić w dowolnym momencie. To bardzo naturalnie wtapia się w życie, przez co korzystanie jest przyjemne i naprawdę zaczyna się myśleć, że to jest przyszłość AI.
To były podstawy — omawiałem je w zeszłotygodniowym materiale. Przejdźmy teraz do zaawansowanych zastosowań.
Demonstracja: mój poranny workflow
Zacznę od pokazania na żywo, jak korzystam z głosu ChatGPT zaraz po przebudzeniu. Wszystko, co zaraz zobaczycie, normalnie robię w ruchu — funkcje zdalne są na tyle dobre, że można to robić z iPhone’a na spacerze, a wykonanie i tak dzieje się na komputerze stacjonarnym. Dla celów demonstracji zrobię to jednak na Macu Studio, żebyście widzieli, jak to wygląda. Nie chce mi się brać kamery na dwór i być jednym z tych dziwaków, którzy filmują się w trakcie spaceru.
Budzę się rano, otwieram aplikację desktopową ChatGPT i klikam przycisk na dole. Są tam dwa przyciski mikrofonu, co bywa mylące. Jeden to dyktowanie — naciskacie, mówicie, a tekst pojawia się w polu. Drugi to właśnie tryb głosowy. Klikam ten drugi, otwiera się sesja głosowa.
Ja: Cześć. Możesz mi zrobić podsumowanie wszystkiego, co wczoraj zrobiliśmy, na czym stoimy i jakie powinny być następne kroki?
ChatGPT: Sprawdzam wczorajszą pracę.
W tym momencie wyciszam mikrofon, bo jeśli się odezwę, przerwę mu wypowiedź.
ChatGPT: Personal OS jest już dostępny w wersji webowej z dwoma kalendarzami tylko do odczytu, zadaniami Henry’ego i Thumbnail Campus. Możesz przechodzić do poprzednich dni…
Dostaję podsumowanie całej wczorajszej pracy — w poprzek wszystkich projektów; aplikacja desktopowa to zresztą po prostu opakowana wersja webowa. Ma wgląd w całe moje cyfrowe życie. Żadne inne narzędzie głosowe tak nie potrafi.
ChatGPT: Następne kroki: przetestuj dashboard w normalnym użyciu, dodaj wybranych członków VCA do prywatnego build labu, przeprowadź pilotaż z ośmioma osobami, a poprawki i pakowanie buildu desktopowego zostaw na moment, w którym faktycznie zechcesz dystrybuować wersję natywną.
Podaje sensowne rekomendacje kolejnych kroków. To rzecz, którą uwielbiam robić: pytać, co jego zdaniem powinniśmy zrobić dalej. Teraz wracam z odpowiedzią.
Ja: Brzmi świetnie. Jeśli chodzi o Personal OS — możemy sprawdzić, czy agent Henry OpenClaw jest tam faktycznie podpięty, a nie tylko ogólne AI? Załóż na to osobny wątek. Do School OS: sprawdź i zbuduj plan, jak to wyglądałoby, gdybym dołożył drugiego DGX Spark do Buzz Labu. A do samego build labu załóż nowy wątek, który przygotuje zarys wszystkich rzeczy, jakie członkowie mogą tam robić.
ChatGPT: Dobrze, zajmę się tymi trzema zleceniami.
Dostałem podsumowanie wczorajszego dnia, garść rekomendacji na dziś, a potem powiedziałem: „załóż wątek na to, wątek na tamto i wątek na jeszcze jedno”. Teraz głos ChatGPT tworzy zupełnie nowe wątki w Codeksie i po kolei wykonuje w nich pracę. W innych narzędziach głosowych musielibyście siedzieć i robić rzeczy jedna po drugiej, bo nie mają zdolności orkiestracji. Głos ChatGPT — jako orkiestrator, a nie wykonawca — potrafi uruchamiać nowych agentów jednego po drugim. Wydawanie poleceń zajęło mi jakieś czterdzieści pięć sekund, a teraz siedzę i patrzę, jak praca się dzieje. Za kilka minut wszystko będzie gotowe, po dwóch głosowych promptach.
Jedno z kluczowych sformułowań, które musicie znać, to właśnie: „dobra, załóż na to nowy wątek”. Sam tryb głosowy pracuje, jak sądzę, na modelu Terra, czyli jednym z lżejszych. Wątki natomiast używają 5.6 Soul, czyli najmocniejszego modelu. Chodzi więc o to, żeby najlepszą robotę wykonywały wątki, a głos rezerwować do roli orkiestratora, który deleguje pracę mądrzejszym modelom.
ChatGPT: Tworzę prawdziwego agenta Henry OpenClaw dla Personal OS, planuję drugiego DGX Spark dla Buzz Labu i przygotowuję zarys tego, co członkowie mogą robić w Buzz build labie.
I proszę — po lewej widać nowe czaty. Bierze się do roboty. Wyobraźcie sobie: budzicie się, wkładacie AirPodsy, wychodzicie, słońce świeci wam w twarz, czujecie się świetnie i mówicie: „jaki jest status?”. Potem: „brzmi dobrze, załóż wątki, zrób to wszystko”. I już — jesteście minutę w swoim dniu, na dworze, w cieple, a praca ruszyła na wszystkich frontach.
Przejdźmy teraz do szczegółowych wskazówek.
Wskazówka 1. Jeden komputer działający bez przerwy jako centrum
Skoro funkcje zdalne są tak dobre, a urządzenia świetnie się między sobą komunikują, warto zbudować system w ten sposób: jeden zawsze włączony komputer stacjonarny, na którym realizowane są wszystkie projekty. Kiedy mówicie głosem „zrób to i tamto”, wszystko dzieje się właśnie tam. Wszystkie pozostałe urządzenia — iPhone, iPad, laptopy — łączą się zdalnie z tą główną maszyną.
Dzięki temu wszystkie projekty, cały kod, wszystkie dokumenty, prezentacje i wysłane maile są uporządkowane w jednym miejscu. Bez takiego układu wydawalibyście polecenia raz z iPhone’a, raz z desktopa, a kod i projekty rozjechałyby się po różnych lokalizacjach. (Widzicie zresztą, że w tle głos cały czas coś robi, kiedy ja to opowiadam.)
Przy takiej konfiguracji macie pewność, że gdy wyjdziecie z telefonem, usiądziecie z iPadem przy basenie albo odpalicie laptopa w samolocie na wysokości sześciu kilometrów, to po pierwsze ChatGPT jest zawsze dostępny — bo działa na komputerze pracującym 24/7 — a po drugie wszystko leży w jednym, uporządkowanym miejscu.
Konfiguracja jest prosta: wchodzicie w ustawienia, potem w połączenia, na komputerze pracującym całą dobę wybieracie opcję sterowania tym Makiem, a następnie dodajecie pozostałe urządzenia. Od tej pory wszystkie będą sterować tą jedną maszyną.
To nie musi być Mac Studio ani nawet komputer stacjonarny. Może to być laptop, który zawsze macie podłączony do prądu i otwarty na biurku. Z Makiem Studio jest oczywiście wygodniej, ale zadziała też Mac Mini albo dowolny pecet. Chodzi tylko o to, żeby jedno urządzenie było zawsze włączone i dostępne, tak żebyście mogli je kontrolować z dowolnego miejsca na świecie.
Wskazówka 2. Model orkiestracji — głos nigdy nie pracuje sam
O tym wspominałem już przy demonstracji. Traktujcie głos ChatGPT jako orkiestratora, bo tu leży jego siła. Nigdy nie chcecie, żeby wykonywał pracę samodzielnie. Nie mówcie „idź i zrób to dla mnie”. Za każdym razem formułujcie polecenie jako: „załóż wątek, żeby to zrobić”, „uruchom nowego agenta albo zadanie do tej roboty”.
Powody są dwa. Po pierwsze, agent głosowy zużywa więcej tokenów niż inne, bo sama warstwa głosowa jest kosztowna. Po drugie — i ważniejsze — spala więcej tokenów, będąc jednocześnie głupszym modelem. Sam model głosowy jest znakomity, ale model logiczny, który stoi za nim i wykonuje pracę, nie jest już tak dobry. Jak mówiłem, to Terra albo Luna, a nie Soul, czyli ich najmocniejszy model. Efekt będzie więc lepszy, gdy praca zostanie oddelegowana innym agentom.
Polecam przy tym używać średniego poziomu myślenia, bo to i tak zżera sporo tokenów. Uważam, że 5.6 Soul na średnim myśleniu jest lepszy niż w wersji max czy ultra — wyższe poziomy myślenia moim zdaniem przekombinowują. Średni to złoty środek. Rozmawiając z głosem, mówcie więc: „załóż nowy wątek, upewnij się, że używasz 5.6 Soul ze średnim poziomem myślenia”. Możecie nawet dodać: „i tak rób przy każdym wątku, który zakładasz” — wtedy nie trzeba tego powtarzać za każdym razem.
Wskazówka 3. Zaplanuj dzień na papierze, zanim wyjdziesz
Ta wskazówka odblokowuje workflow, o którym mówię: dużo mniej czasu przy komputerze, dużo więcej z telefonem w kieszeni, na dworze, bez patrzenia w ekran.
Pokazałem swój poranny rytuał — zwykle robię go na spacerze, w słońcu. Ale kiedy człowiek idzie ulicą, łatwo zapomnieć, co właściwie chciał dziś zrobić. Na zewnątrz jest mnóstwo bodźców. Dlatego robię tak: budzę się i nie zaglądam do telefonu, do komputera, nigdzie. Biorę kartkę papieru, choćby małą karteczkę samoprzylepną, i ręcznie wypisuję zadania, które chcę dziś załatwić z pomocą głosu ChatGPT. Składam ją, wkładam do kieszeni razem z telefonem, wkładam słuchawkę albo dwie, wychodzę i zaczynam mówić: „oto lista zadań na dziś”. Głos zakłada wątki i praca rusza.
Kartka w kieszeni bardzo pomaga dopilnować, żeby wszystko zostało zrobione — można ją wyjąć i sprawdzić, jakie były główne wątki na ten dzień. Kiedy idziesz bez ekranu przed oczami, łatwo zapomnieć, nad czym w ogóle pracujesz. Papier jest kotwicą.
Jedna z najpiękniejszych rzeczy w tej technologii polega właśnie na tym, że przestajesz gapić się w ekrany. Ekrany są toksyczne. To, co uwielbiam w trybie głosowym i dlaczego tak dużo o nim piszę — a nie jestem sponsorowany przez OpenAI, nie płacą mi nic, ledwo się do mnie odzywają — to fakt, że pozwala mi mniej patrzeć w ekran. Jeśli jesteście podobni do mnie, jesteście uzależnieni od ekranów i mediów społecznościowych. Ta funkcja pomaga mi się z tego wyrwać, a spisanie zadań na papierze bardzo to ułatwia.
Wskazówka 4. Notatka podsumowująca dzień
Zaczynając pracę — wychodzę, wkładam słuchawkę, zaczynam mówić — zawsze mówię na wstępie: „a przy okazji, utwórz nową notatkę w Notatkach Apple, otwórz ją na moim komputerze i wszystko, co dziś robimy, streszczaj w tej notatce”.
Z głosem ChatGPT w drodze zrobicie dosłownie dziesięć razy więcej niż kiedykolwiek wcześniej. Problem w tym, że można pójść w wiele kierunków naraz, załatwić masę rzeczy, a po powrocie do komputera nie zdawać sobie sprawy z tego, co właściwie zostało zrobione, nie wiedzieć, gdzie kontynuować, co przetestować, co sprawdzić. Dlatego chcecie, żeby na komputerze powstała notatka z podsumowaniem wszystkiego wraz z kolejnymi krokami.
U mnie wygląda to tak: idę na dwugodzinny spacer, robię dziesięć tysięcy kroków, jakieś osiem kilometrów, wracam do komputera koło jedenastej i mogę usiąść oraz zobaczyć zestawienie absolutnie wszystkiego, co zostało zrobione. Potem robię przy komputerze to, co wymaga mojej obecności. Bez takiej notatki bardzo łatwo pogubić drobne szczegóły, bo w rozmowie głosowej naturalnie wpada się w rytm „załóż wątek na to, załóż wątek na tamto” — i potem nie pamięta się połowy.
Lubię to również z innego powodu. Jeśli jesteście podobni do mnie, ciągle macie wrażenie, że nie wykorzystaliście swojego produktywnego maksimum, że zrobiliście mniej, niż chcieliście. Taka notatka pozwala spojrzeć wstecz na cały dzień i stwierdzić: „chwila, przecież naprawdę sporo zrobiłem”. To po prostu poprawia samopoczucie. Stosuję to codziennie.
Wskazówka 5. Wprost wywołuj sterowanie komputerem i przeglądarką
To wynika bezpośrednio z poprzedniego punktu. Jedną z najmocniejszych stron aplikacji desktopowej ChatGPT jest sterowanie komputerem i przeglądarką. Uważam, że ChatGPT ma dziś najlepszą obudowę agentową na świecie właśnie dzięki tym dwóm funkcjom. Praktycznie wszystko, co człowiek potrafi zrobić w przeglądarce i na komputerze, potrafi też ChatGPT, a zatem i tryb głosowy.
Model nie zawsze trafnie ocenia, kiedy sięgnąć po sterowanie komputerem, a kiedy po przeglądarkę. Dlatego wydając polecenia, mówcie wprost: „użyj do tego computer use”, „użyj do tego browser use”.
Dwa przykłady. Przy notatce Apple, którą przed chwilą opisywałem, zawsze mówię: „użyj computer use, żeby otworzyć tę notatkę i w niej pisać” — wtedy wie, że ma ją wyświetlić na komputerze. Przy przeglądarce: jeśli coś wymaga logowania albo aktywnej sesji, mówię „użyj browser use, otwórz jedną z sesji Chrome i zrób to na moim koncie”. Na przykład wczoraj potrzebowałem wyeksportować listę subskrybentów newslettera — powiedziałem: „użyj przeglądarki, otwórz platformę newsletterową i pobierz CSV ze wszystkimi subskrybentami”. (Link do newslettera znajdziecie pod filmem — dwa maile tygodniowo.)
To naprawdę istotne: używajcie wprost słów „browser use” i „computer use”, kiedy chcecie, żeby coś zadziało się na komputerze albo w przeglądarce.
Wskazówka 6. Widok aktywności zamiast pełnej listy wątków
Kolejne trzy wskazówki dotyczą pracy przy komputerze. Wcześniejsze były bardziej mobilne — mój ulubiony workflow to spacer na dworze; chodzę w kamizelce obciążeniowej kupionej na Amazonie, jakieś dziewięć kilogramów za trzydzieści dolarów. Ale tryb głosowy na desktopie też jest bardzo mocny.
To nie tyle wskazówka, ile ustawienie domyślne: przy komputerze zawsze mam otwarty widget głosowy. Przechodzę między przeglądarkami i aplikacjami, a on cały czas jest pod ręką i mogę się odezwać w każdej chwili.
Kiedy otwieram aplikację ChatGPT, bardzo lubię nowy widok. Po kliknięciu ikony alertów włącza się tryb powiadomień. Podoba mi się, bo porządkuje wątki jak skrzynkę mailową — najnowsze rzeczy na górze. W trybie zwykłym widzicie pełną listę projektów i zadań, co bywa przytłaczające. W widoku aktywności wygląda to jak inbox: widzicie ostatnie działania i to, co wymaga waszej uwagi. Tu na przykład widzę, że coś czeka na moją zgodę — klikam, zatwierdzam i praca leci dalej.
Ten widok pozwala mi zrobić przy komputerze znacznie więcej, bo zawsze widzę, co wymaga mojej reakcji, zamiast szukać tego w wielkiej liście zadań i wątków. Przy desktopie zawsze pracujcie w tym nowym widoku aktywności.
Wskazówka 7. Trzymaj tryb głosowy otwarty przez cały dzień
Ta wskazówka zmusza was do częstszego korzystania z głosu. Łatwo o nim zapomnieć, kiedy siedzicie przy komputerze i robicie co innego. Dlatego: w momencie, gdy rano siadacie do komputera, otwórzcie tryb głosowy, kliknijcie ten przycisk w prawym dolnym rogu i zostawcie go włączonego z odciszonym mikrofonem.
Ja pracuję, żyję swoim życiem, a gdy tylko czegoś potrzebuję, po prostu mówię na głos — i głos zabiera się do roboty. Jeśli macie to otwarte cały dzień, każde nowe zadanie, które przychodzi wam do głowy, możecie od razu wypowiedzieć. Wyciszam mikrofon tylko wtedy, gdy muszę z kimś porozmawiać albo nagrywam materiał taki jak ten, a potem znów odciszam.
To zresztą moja prognoza co do tego, co powstanie z partnerstwa z Jonym Ive’em: jakieś urządzenie biurkowe albo mikrofon, który cały czas słucha i do którego można się odezwać w dowolnym miejscu w domu, a on zaczyna zakładać wątki i wykonywać zadania.
(Informacja dodatkowa: chodzi o Jony’ego Ive’a, byłego szefa działu wzornictwa Apple, którego firma sprzętowa została przejęta przez OpenAI.)
Ta idea ambientowego AI — inteligencji, która jest zawsze pod ręką, kiedy tylko jej potrzebujecie — jest niesamowita. Trzymanie trybu głosowego włączonego przez całą dobę pozwala już dziś odtworzyć ten scenariusz: mówicie i rzeczy się dzieją.
Wskazówka 8. Zadawaj więcej pytań, niż wydajesz poleceń
Ostatnia wskazówka jest moim zdaniem kluczowa. Głos ChatGPT jest niewiarygodnie inteligentny, więc lubię traktować rozmowę z nim jak ćwiczenie eksploracyjne. Zamiast siedzieć i wydawać komendę za komendą, staram się zadawać więcej pytań, niż wydaję poleceń. Pytam: „co twoim zdaniem powinniśmy tu zrobić dalej?”, „co sądzisz o pracy, którą tam wykonaliśmy?”, „jaki jest najlepszy kolejny krok?”, „jak zbliżyć się do naszego głównego celu?”, „jak to poprawić?”.
Robię w ten sposób coś w rodzaju odwróconego promptowania — pytam model, co powinniśmy zrobić dalej. I okazuje się, że wymyśla to lepiej niż ja, a przy okazji dużo więcej zostaje zrobione.
To również mocno odciąża głowę. Jeśli musicie stale sami myśleć, co dalej, mózg pracuje bez przerwy. Ale kiedy idziecie sobie w słońcu i pytacie „co robimy dalej?”, dostajecie listę opcji i mówicie: „dobra, zrób to”. Obciążenie poznawcze spada, praca jest lżejsza, przyjemniejsza, bardziej swobodna i twórcza. Dlatego moja ósma i bardzo ważna rada brzmi: zadawajcie więcej pytań, niż wydajecie poleceń. Zrobicie więcej, będzie fajniej, luźniej, bardziej kreatywnie — polubicie ten sposób pracy jeszcze bardziej.
Zachęta na koniec
Tyle o trybie głosowym ChatGPT. Bardzo mocno wam rzucam wyzwanie: dziś albo jutro obudźcie się i zróbcie dokładnie to, co pokazałem. Wsadźcie słuchawkę, wyjdźcie na dwór, przespacerujcie się, otwórzcie tryb głosowy, pozałatwiajcie zadania, wróćcie do komputera i zobaczcie, ile udało się zrobić bez siedzenia przed ekranem przez cały dzień. Mnie to całkowicie odmieniło życie. Jeszcze raz: to nie jest materiał sponsorowany przez OpenAI, po prostu bardzo lubię tę funkcję.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Traktuj głos jako orkiestratora, nigdy jako wykonawcę
Na czym polega: Model napędzający tryb głosowy jest lżejszy i słabszy od flagowego, a przy tym zużywa więcej tokenów. Prawdziwa praca ma się odbywać w osobnych wątkach na mocniejszym modelu.
Jak stosować: Każde polecenie formułuj jako „załóż nowy wątek, żeby to zrobić”, a nie „zrób to”. Raz na początku sesji ustal domyślne parametry dla wszystkich zakładanych wątków, żeby nie powtarzać ich przy każdym zadaniu.
Na co uważać: Jeśli pozwolisz głosowi pracować samodzielnie, płacisz więcej za gorszy rezultat. Nazwy modeli i poziomów myślenia zmieniają się szybko — zweryfikuj, co jest dziś dostępne w twoim planie, zamiast kopiować nazwy z nagrania.
2.Zbuduj układ z jedną maszyną pracującą 24/7
Na czym polega: Jeden zawsze włączony komputer jest miejscem, w którym faktycznie wykonuje się praca; telefon, tablet i laptopy tylko się do niego zdalnie łączą.
Jak stosować: W ustawieniach aplikacji włącz sterowanie tą maszyną i podłącz do niej pozostałe urządzenia. Nie musi to być stacjonarny komputer — wystarczy laptop stale podłączony do prądu i otwarty.
Na co uważać: Maszyna z pełnym zdalnym sterowaniem to realne ryzyko bezpieczeństwa — pomyśl o tym, jakie sesje są na niej zalogowane i do czego agent ma dostęp. Zawiesza się połączenie, gaśnie prąd, usypia system — i cały workflow staje.
3.Zapisz plan dnia na papierze, zanim włączysz ekran
Na czym polega: Ręczna lista zadań w kieszeni jest kotwicą podczas pracy głosowej bez patrzenia w ekran.
Jak stosować: Zaraz po przebudzeniu, przed sięgnięciem po telefon, wypisz na karteczce zadania dnia. Zabierz ją na spacer i odczytuj kolejne punkty głosowi.
Na co uważać: Lista spisana bez kontaktu z pocztą i kalendarzem może pominąć rzeczy pilne. Warto poprosić głos o podsumowanie zaległości i skonfrontować je z kartką, zanim rozdzielisz pracę.
4.Każ tworzyć notatkę podsumowującą cały dzień
Na czym polega: Na początku sesji zlecasz utworzenie notatki, do której model dopisuje streszczenie każdego wykonanego zadania wraz z kolejnymi krokami.
Jak stosować: Powiedz na wstępie: „utwórz nową notatkę, otwórz ją na moim komputerze i streszczaj tam wszystko, co dziś robimy”. Po powrocie do biurka czytasz notatkę i dopinasz to, co wymaga twojej obecności.
Na co uważać: Notatka jest tak dobra, jak sumienność modelu w jej uzupełnianiu — sprawdź, czy nie pominął części wątków. Nie traktuj jej jako dowodu, że praca została wykonana poprawnie; to spis, nie kontrola jakości.
5.Wywołuj sterowanie komputerem i przeglądarką wprost
Na czym polega: Model nie zawsze trafnie decyduje, którym kanałem wykonać zadanie, więc trzeba mu to powiedzieć nazwą.
Jak stosować: Mów „użyj computer use”, gdy chodzi o lokalne aplikacje i pliki, oraz „użyj browser use”, gdy potrzebna jest zalogowana sesja w przeglądarce — na przykład eksport danych z panelu SaaS.
Na co uważać: Sterowanie przeglądarką na zalogowanym koncie oznacza, że agent działa z twoimi uprawnieniami. Ograniczaj to do sesji, których utratą albo błędnym użyciem nie masz nic do stracenia, i nie zostawiaj otwartych paneli finansowych czy administracyjnych.
6.Pracuj w widoku aktywności, nie w pełnej liście wątków
Na czym polega: Widok alertów porządkuje wątki jak skrzynkę mailową — najnowsze zdarzenia i rzeczy wymagające zgody są na górze.
Jak stosować: Przy komputerze domyślnie przełącz się na ten widok; służy on do wyłapywania próśb o zatwierdzenie i szybkiego reagowania.
Na co uważać: Wygoda klikania „zezwól” sprzyja zatwierdzaniu w ciemno. Przy operacjach nieodwracalnych — wysyłka maili, usuwanie danych, płatności — czytaj, na co się zgadzasz.
7.Trzymaj okno głosowe otwarte przez cały dzień
Na czym polega: Stale dostępny kanał głosowy sprawia, że każde zadanie, które przyjdzie do głowy, można od razu wypowiedzieć i zdelegować.
Jak stosować: Otwórz tryb głosowy zaraz po zasiadnięciu do komputera i zostaw z odciszonym mikrofonem. Wyciszaj tylko na czas rozmów i nagrań.
Na co uważać: Mikrofon nasłuchujący cały dzień to kwestia prywatności twojej i osób w pomieszczeniu — nie zostawiaj go włączonego podczas poufnych rozmów. Model także przerywa wypowiedź, jeśli odezwiesz się w trakcie jego odpowiedzi.
8.Zadawaj pytania zamiast sypać poleceniami
Na czym polega: Pytania w rodzaju „co powinniśmy zrobić dalej?” przenoszą część planowania na model i, zdaniem autora, dają lepsze kolejne kroki niż jego własne pomysły.
Jak stosować: Zacznij dzień od prośby o podsumowanie i rekomendacje, a dopiero potem wybierz, co uruchomić. W trakcie pracy pytaj o ocenę tego, co już zrobiliście, i o drogę do celu nadrzędnego.
Na co uważać: Model chętnie generuje sensownie brzmiące propozycje niezależnie od tego, czy są priorytetowe. Kierunek strategiczny zostaw sobie — pytania są dobre do generowania opcji, nie do wyboru celów.
9.Wykorzystaj pracę zdalną, żeby odejść od biurka
Na czym polega: Ponieważ zadania wykonują się na maszynie w domu, do zarządzania nimi wystarczy telefon i słuchawka — można pracować na spacerze.
Jak stosować: Poranne rozdzielenie zadań na wątki zajmuje mniej niż minutę. Zaplanuj po nim dłuższy spacer i wracaj do komputera dopiero na dokończenie rzeczy wymagających rąk.
Na co uważać: Ten workflow działa dla zadań, które da się zdefiniować jednym poleceniem i sprawdzić później. Praca wymagająca ciągłego nadzoru, przeglądania kodu czy szybkich iteracji na tym straci — a wątki, których nikt nie sprawdza, potrafią pójść w złą stronę na całe godziny.
10.Kluczowa przewaga to widoczność między wątkami i urządzeniami
Na czym polega: W przeciwieństwie do trybów głosowych zamkniętych w jednej sesji, ChatGPT widzi kontekst innych wątków, urządzeń i projektów, przez co pełni funkcję pojedynczego punktu kontaktu.
Jak stosować: Używaj głosu do pytań przekrojowych: co jest gotowe, co utknęło, co czeka na decyzję w poprzek wszystkich projektów. To zastępuje ręczne obchodzenie kilku narzędzi.
Na co uważać: To ocena autora, oparta na jego porównaniu z konkurencją w sierpniu 2026 roku — zakres dostępu do wątków i urządzeń zależy od planu, ustawień i regionu. Im szerszy wgląd dajesz asystentowi, tym większa koncentracja twoich danych w jednym miejscu.