O czym jest ten film
- Odbiorcy dziś rozpoznają tekst pisany przez AI — i winą obarczają nie model, lecz nadawcę.
- Generyczność nie jest błędem modelu, tylko efektem generycznego polecenia: „slop in, slop out”.
- Przyczyna leży w naturze treningu — model ciąży ku średniej z danych, na których się uczył.
- Nowsze modele (Fable 5, Opus 5, GPT-5.6) piszą lepiej stylistycznie, ale merytoryczna średniość zostaje.
- Siedem reguł autor dzieli na trzy kategorie: co dajesz AI, czego od AI żądasz, co AI ma wyciąć.
- Kategoria „daj”: nazwij czytelnika, dostarcz substancję, przekaż własny głos przez próbki tekstu.
- Kategoria „żądaj”: wymuś odpowiedź eksperta zamiast średniej, wymuś świadome decyzje redakcyjne, wymuś dowody przy każdej tezie.
- Kategoria „tnij”: bonusowe polecenie usunięcia 30% tekstu — wszystkiego, co mogłoby stać w cudzym dokumencie.
- Test końcowy jakości: „czy czyjeś inne AI mogło wyprodukować dokładnie to samo?”.
- Cel operacyjny: przy każdym tekście wysyłanym klientowi lub szefowi odpowiedź na to pytanie ma brzmieć „nie”.
Redakcyjne tłumaczenie
Problem: to nie AI dostaje po głowie, tylko ty
Większość ludzi potrafi już rozpoznać, że coś napisała sztuczna inteligencja. I tu zaczyna się kłopot. Kiedy twój szef albo twój klient czyta tekst, który mu wysłałeś, i ten tekst pachnie AI, nikt nie obwinia AI. Obwiniają ciebie. Zakładają, że nie zależało ci na tyle, żeby wykonać prawdziwą pracę.
Prowadzę firmę doradczą zajmującą się AI i sam to przerabiałem. Łapałem generyczne, sztampowe teksty wychodzące na zewnątrz z moim własnym nazwiskiem pod spodem.
Ale oto czego większość ludzi nie dostrzega: generyczny efekt to nie jest wpadka modelu. To jest to, co się dzieje, kiedy dajesz mu generyczne polecenia. Śmieci na wejściu, śmieci na wyjściu. W tym materiale pokażę siedem reguł, które to naprawiają.
Jak wygląda „AI slop”
Jeśli używasz AI wystarczająco długo, widziałeś już, że sztampa przejawia się na różne sposoby — nie tylko w pisaniu, ale też w projektowaniu graficznym i wielu innych obszarach.
W tekstach bardzo częste sygnały to słowa w rodzaju delve czy seamless. Widuje się też nagminnie te słynne myślniki em. Mnie osobiście drażni jeszcze parę rzeczy: słowo flip, game changer albo nadużywanie słowa move w przypadkowych miejscach.
(Informacja dodatkowa: autor wymienia sygnały charakterystyczne dla angielszczyzny. Polskimi odpowiednikami tego samego zjawiska są zwroty typu „w dzisiejszym dynamicznie zmieniającym się świecie”, „kluczowe jest zrozumienie, że…”, „podsumowując, warto pamiętać” oraz nadużywanie myślnika w miejscu, gdzie polska interpunkcja wymaga przecinka.)
Co się dzieje z nowszymi modelami, takimi jak Fable 5, Opus 5 czy GPT-5.6? Piszą coraz lepiej, ale wciąż mają ten sam problem u podstaw. Sposób, w jaki tekst się czyta, jest bardzo wciągający — ale substancja tej treści zwykle pozostaje bez zmian.
Na pewno znasz takich ludzi. Ja na pewno. Rozmawiasz z kimś, ten ktoś mówi przez dłuższą chwilę, ale w gruncie rzeczy nie mówi niczego istotnego. Dokładnie to samo dzieje się z AI, kiedy pisze.
Dlaczego tak jest: model ciąży ku średniej
Powód jest jasny i leży fundamentalnie w naturze tego, jak AI zostało zbudowane. Mówiliśmy o tym w poprzednich materiałach: AI zostało wytrenowane na całości internetu albo na jego znacznej części. Więc kiedy oddaje ci odpowiedź albo coś dla ciebie pisze, krąży wokół średniej.
Jeśli dasz mu słaby prompt — ogólnikowy i szczątkowy, w stylu „napisz mi post o przywództwie” — dostaniesz przeciętną odpowiedź. Przeciętny wpis blogowy, który pasowałby do tej potrzeby. A robi to dlatego, że chce ci dać odpowiedź poprawną. Z jego zbioru treningowego najczęściej występującą odpowiedzią była właśnie średnia. I to dostajesz.
Chcemy więc wypchnąć go poza średnią i dostawać odpowiedzi oraz teksty dopasowane do naszych konkretnych potrzeb i do tego, co próbujemy osiągnąć. Da się to zrobić na siedem sposobów, które pogrupowałem w trzy etapy. Pierwszy to informacje, które ty dajesz AI. Drugi to rzeczy, których żądasz od AI z powrotem. Trzeci to sytuacja, w której AI faktycznie wycina fragmenty z samego tekstu.
Kategoria pierwsza: co dajesz AI
Reguła 1. Nazwij czytelnika, nie temat
To działa bardzo dobrze z nowymi, czołowymi modelami, takimi jak Fable 5, Opus 5 i GPT-5.6.
Zamiast prosić AI o coś w rodzaju „napisz o tej usłudze” albo „napisz o naszej usłudze”, chcemy poprosić o pisanie do konkretnego odbiorcy, z tematem w tle.
Piszemy więc: „Chcę, żebyś napisał to dla jednego czytelnika”. A potem precyzujemy, kim ten czytelnik jest. Na przykład: to sceptyczna dyrektorka finansowa, która w przeszłości sparzyła się na konsultantach. Wszystko zwykle przegląda po łebkach. Nienawidzi korporacyjnych frazesów i ufa wyłącznie liczbom.
Taki prompt daje AI bardzo konkretną publiczność, do której pisze. To proste rozwiązanie, ale dramatycznie podnosi jakość tekstu, który dostajesz.
Reguła 2. Ty dostarczasz substancję, AI nadaje jej kształt
Druga reguła dotyczy tego, żebyś to ty dostarczał treść merytoryczną, zamiast polegać na AI, a model dopiero tę treść formował. Bo jeśli oddasz AI zarówno substancję, jak i kształt, na pewno dostaniesz średnią.
Najprostszy sposób, żeby dołożyć substancję do tego, co AI dla ciebie pisze, to dyktowanie. Dyktujesz modelowi kontekst: co ma napisać, dlaczego chcesz, żeby to napisał, i w jaki sposób.
Kilka prostych wyzwalaczy, które warto sobie w głowie odpalić. Załóżmy, że chcesz, żeby AI napisało coś na temat tego, co wydarzyło się na spotkaniu. Wtedy mówisz, co się wydarzyło. Podajesz zaskakujące liczby, które padły na tej sesji. Dodajesz to, co powiedział klient i co miało największe znaczenie, a co chcesz uwzględnić w odpowiedzi.
Potem AI bierze substancję, którą podyktowałeś, i nadaje jej kształt bardziej zrozumiały dla osoby, która ten tekst odbiera.
(Informacja dodatkowa: dyktowanie działa tu jako mechanizm zwiększający objętość i konkretność wejścia — mówiąc, w kilka minut przekazujesz kilkakrotnie więcej szczegółów, niż zwykle chce ci się napisać.)
Reguła 3. Przekaż swój głos, nie opisuj go
Trzecia rzecz to dzielenie się własnym głosem, a nie opisywanie, jak AI ma pisać.
Bardzo często widuję prompty, w których ludzie piszą: „chcę, żeby to było profesjonalne”, „chcę, żeby było przyjazne, ale inteligentne”, „konwersacyjne” i tak dalej. Większość takich określeń zbacza w stronę średniej. Dostaniesz domyślną średnią z tego, co „profesjonalne” w ogóle znaczy. Prośba o pisanie „profesjonalnie” to w większości promptów jedno ze słów-wyzwalaczy, które prowadzą prosto do sztampy. Więc tego nie używaj.
Zamiast tego podaj AI próbki własnych tekstów albo cudzych tekstów, które podziwiasz. A kiedy już mu je dasz, stwórz „odcisk palca” swojego stylu literackiego. Robi się to prosto: dajesz przykłady i piszesz: „Oto trzy teksty, które napisałem ja albo ktoś inny. Chcę, żebyś przestudiował, jak one brzmią — długość zdań, dobór słów, rytm i tak dalej. Następnie chcę, żebyś napisał szkic w tym głosie, ignorując tematykę z podanych przykładów i skupiając się wyłącznie na brzmieniu”.
AI jest przerażająco dobre w kopiowaniu cudzych stylów pisania, jeśli tylko ma próbki, na których może się oprzeć.
To trzecia rzecz, którą dajemy AI — i koniec pierwszej kategorii.
Kategoria druga: czego żądasz od AI
Reguła 4. Żądaj odpowiedzi z krańca rozkładu, nie ze środka
To podejście nie dotyczy zresztą wyłącznie pisania. Sprawdza się też przy zasięganiu rad u AI, przy generowaniu pomysłów wokół strategii i przy wielu innych zadaniach.
Wracamy do wcześniejszej tezy: AI domyślnie idzie w średnią. My chcemy je wypchnąć na kraniec rozkładu — zmusić do myślenia jak wyjątek od reguły.
Prosty prompt, który to robi, wygląda tak: „Najpierw podaj mi najczęstszą odpowiedź na to pytanie. Kiedy już podasz tę pospolitą odpowiedź, chcę odpowiedzi, jakiej udzieliłby czołowy ekspert, a której większość ludzi by nie zauważyła. Odpowiedź eksperta ma być na tyle konkretna, żebym mógł według niej działać jutro”.
Są tu dwie naprawdę ważne rzeczy. Po pierwsze, mówimy „większość ludzi by tego nie zauważyła”, bo nie są ekspertami. Po drugie, żądamy, żeby to, co dostajemy, było wykonalne — żeby dało się to zrobić teraz albo jutro.
To prosty prompt, ale świetnie wypycha AI ze strefy średniej w stronę wyjątku.
Reguła 5. Niech AI powie ci, co pominęło
Jeśli kiedykolwiek coś pisałeś, wiesz, że jedną z najważniejszych części pisania jest redakcja. Wycinanie tego, co zbędne, i bycie bardziej opiniotwórczym w tym, co się szkicuje. I dokładnie to robimy tym promptem.
Mówimy AI: „Zanim pokażesz mi ostateczny szkic, wypisz, co świadomie pominąłeś i dlaczego to nie przeszło selekcji”. A potem dodajemy: „Jeśli nic nie pominąłeś, to znaczy, że nie podjąłeś żadnych decyzji. Wróć i je podejmij”.
Dlaczego ten prompt ma tak duże znaczenie? Jak wspominałem, AI domyślnie idzie w średnią, a przy tym chce cię zadowolić. Będzie więc możliwie wyczerpujące, żeby niczego nie pominąć. Ale w parze z tym idzie bardzo mało opinii i mało perswazji w kontekście zadania pisarskiego, które masz przed sobą.
Chcemy, żeby AI faktycznie przedstawiło własne stanowisko, oparte na researchu i na materiałach, które mu przekazaliśmy. Ten prompt celowo zmusza model do podjęcia decyzji i wycięcia rzeczy, dzięki czemu może mieć prawdziwe zdanie na temat tego, co próbuje przekazać nam albo osobie, do której pisze.
Reguła 6. Zero pustych deklaracji
Szósta reguła pilnuje, żeby AI nie stawiało tez bez pokrycia. To dzieje się bez przerwy: model oddaje ci tekst i pisze coś w rodzaju „to zwiększy efektywność” — bez żadnej substancji ani danych, które by to potwierdzały.
Potrzebujemy liczb, potrzebujemy nazwisk, potrzebujemy przykładów. I to właśnie ten prompt wymusza w tekście.
Piszemy: „Każdy punkt musi zawierać prawdziwą liczbę, prawdziwe nazwisko albo konkretny przykład z materiału, który ci przekazałem”. Więc jeśli dałeś modelowi dyktowaną notatkę albo zestaw plików, musi zadbać, żeby każda postawiona teza miała powiązaną z sobą liczbę, przykład lub nazwisko. A dalej dopisujemy: jeśli jakiś punkt albo teza nie ma żadnej z tych rzeczy, po prostu ją wytnij.
Kategoria trzecia: cięcie
Reguła 7 (bonus). Wytnij 30%
Siódma i ostatnia reguła to trochę bonus — kategoria cięcia. Znów wracam do tego, co mówiłem wcześniej: jedną z najważniejszych części pisania jest redakcja, wycinanie tego, co niepotrzebne. I właśnie to tu robimy, w dodatku w wersji skrajnej.
Prosimy AI, żeby wycięło 30% tego, co nam oddało: „Usuń każde zdanie, które mogłoby pojawić się w cudzym dokumencie. Zostaw tylko to, co mogło wyjść ode mnie”.
Doprowadzając to do skrajności, każemy modelowi zeszlifować szkic do czegoś, co jest osobiście z nami związane i unikalne dla naszych konkretnych potrzeb w tym konkretnym zadaniu.
Przy regule siódmej — powtórzę, to trochę bonus — nie musisz jej stosować zawsze. Ale to dobre ćwiczenie, żeby sprawdzić, czy da się wyciąć rzeczy zbędne.
Test końcowy
Kiedy już rozumiesz te siedem reguł i trzy powiązane z nimi kategorie, możesz przeprowadzić prosty test, który pokaże, czy w tekście od AI jest minimum sztampy. Pytanie brzmi:
Czy czyjeś inne AI mogło wyprodukować dokładnie to samo?
Jeśli odpowiedź to zdecydowane „tak”, to prawdopodobnie sztampa. Jeśli odpowiedź to zdecydowane „nie”, to tekst jest skrojony pod ciebie i twój sposób pisania. Celem jest, żeby przy 100% tekstów wysyłanych szefowi, klientowi i tak dalej odpowiedź na to pytanie brzmiała „nie”.
Podsumowanie
Zróbmy szybkie przypomnienie najważniejszych rzeczy.
Po pierwsze, główny problem: sztampa jest domyślnym stanem AI, bo model spada do średniej ze wszystkiego — tak został wytrenowany. Jeśli dasz mu chudy albo ogólnikowy prompt, prawdopodobnie dostaniesz przeciętne odpowiedzi w przeciętnym stylu.
Są różne sposoby, żeby to naprawić. Dwa główne, o których mówiliśmy, to: co dajesz AI i czego od niego żądasz z powrotem.
Po stronie dawania: dajemy publiczność, do której model ma pisać; dajemy substancję, której może nadać kształt; dzielimy się własnym głosem, żeby pisał w naszym stylu albo w stylu kogoś, kogo podziwiamy.
Po stronie żądania: żądamy odpowiedzi z krańca rozkładu zamiast ze średniej; prosimy, żeby AI pokazało, co postanowiło pominąć, czyli żeby było opiniotwórcze — a to jest ważne; wymagamy konkretów przy każdej tezie, czyli liczby, nazwiska albo przykładu.
Podzieliliśmy się też prostym testem: jeśli na pytanie „czy czyjeś inne AI mogło to wyprodukować?” odpowiadasz „nie”, to jest spora szansa, że poziom sztampy w tekście jest niski.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Sztampa obciąża twoją reputację, nie reputację modelu
Na czym polega: Odbiorca, który wyczuje w twoim tekście AI, nie wini narzędzia — wnioskuje, że nie chciało ci się wykonać prawdziwej pracy. Autor przyznaje, że sam wypuszczał takie teksty pod własnym nazwiskiem.
Jak stosować: Traktuj każdy tekst wychodzący na zewnątrz jako podpisany twoim nazwiskiem i przepuść go przez świadomą redakcję, zanim kliknięsz „wyślij”.
Na co uważać: Ryzyko rośnie właśnie tam, gdzie zależy ci najbardziej — w mailach do klientów i podsumowaniach dla zarządu, czyli w tekstach, które najchętniej delegujemy modelowi w całości.
2.Generyczny efekt to skutek generycznego polecenia
Na czym polega: „Slop in, slop out”. Model nie zawodzi — dostarcza dokładnie taką odpowiedź, na jaką zasłużył prompt.
Jak stosować: Zanim uznasz odpowiedź za słabą, spójrz na własne polecenie i policz, ile konkretów w nim było. Zwykle to prompt jest do poprawy, nie model.
Na co uważać: Przeskakiwanie na nowszy, „lepszy” model nie rozwiązuje problemu. Autor mówi wprost: nowe modele piszą lepiej stylistycznie, ale merytoryczna średniość zostaje.
3.Model ciąży ku średniej, bo taki jest sens jego treningu
Na czym polega: Wytrenowany na ogromnej masie tekstów z internetu, model zwraca odpowiedź najbardziej typową — bo to statystycznie odpowiedź „poprawna”.
Jak stosować: Buduj każdy prompt jako świadome oddalanie się od średniej: konkretny odbiorca, konkretne dane, konkretny styl, jawne żądanie odpowiedzi nietypowej.
Na co uważać: Średnia potrafi brzmieć bardzo dobrze. Płynność tekstu nie jest dowodem, że w środku jest jakakolwiek treść.
4.Nazwij czytelnika zamiast tematu
Na czym polega: Zamiast „napisz o naszej usłudze” definiujesz jedną konkretną osobę — np. sceptyczną dyrektorkę finansową, sparzoną na konsultantach, czytającą po łebkach, ufającą tylko liczbom.
Jak stosować: Opisz odbiorcę przez jego uprzedzenia, sposób czytania i to, czemu ufa. Te trzy wymiary robią więcej niż stanowisko i branża.
Na co uważać: Jeden czytelnik, nie „nasza grupa docelowa”. Zbiorowy portret znów uśrednia — a o to właśnie w tej regule chodzi, żeby uniknąć.
5.Substancja od ciebie, kształt od AI
Na czym polega: Jeśli oddasz modelowi i treść, i formę, dostaniesz średnią. Twoim wkładem mają być fakty: co się wydarzyło, jakie liczby padły, co powiedział klient.
Jak stosować: Użyj dyktowania — mówiąc, przekażesz znacznie więcej kontekstu niż pisząc. Dopiero ten surowy materiał daj modelowi do uporządkowania.
Na co uważać: To działa tylko wtedy, gdy naprawdę masz materiał. Podyktowanie trzech ogólników zmienia jedynie sposób dostarczenia pustki, nie samą pustkę.
6.Pokaż swój głos próbkami, nie przymiotnikami
Na czym polega: Prośby typu „pisz profesjonalnie” to wyzwalacz sztampy — model odtwarza średnią z tego, co „profesjonalne” znaczy w internecie. Zamiast tego dajesz trzy próbki tekstu i każesz je przeanalizować pod kątem długości zdań, doboru słów i rytmu.
Jak stosować: Zbuduj sobie stały zestaw próbek własnego pisania i wklejaj go z instrukcją: naśladuj brzmienie, ignoruj tematykę przykładów.
Na co uważać: Możesz użyć cudzych tekstów, które podziwiasz — ale wtedy wynik brzmi jak ktoś inny. Jeśli podpisujesz się własnym nazwiskiem, trzymaj się własnych próbek.
7.Wymuś odpowiedź eksperta obok odpowiedzi typowej
Na czym polega: Każesz modelowi najpierw podać najczęstszą odpowiedź, a potem tę, jakiej udzieliłby czołowy ekspert i której większość ludzi by nie dostrzegła — na tyle konkretną, by dało się według niej działać jutro.
Jak stosować: Stosuj to nie tylko do pisania, ale też do porad, strategii i burzy mózgów. Wersja typowa jest wtedy przydatna jako punkt odniesienia — wiesz, czego unikać.
Na co uważać: Warunek wykonalności („mogę to zrobić jutro”) jest częścią promptu, nie ozdobnikiem. Bez niego „odpowiedź eksperta” bywa po prostu bardziej efektowną abstrakcją.
8.Każ modelowi wyliczyć, co wyciął
Na czym polega: Przed pokazaniem ostatecznego szkicu model ma wypisać, co świadomie pominął i dlaczego. Plus klauzula: „jeśli nic nie pominąłeś, nie podjąłeś żadnych decyzji — wróć i je podejmij”.
Jak stosować: Traktuj tę listę jako materiał redakcyjny. Czasem zobaczysz, że model wyciął coś, co było najmocniejszym punktem — i wtedy każesz mu to przywrócić.
Na co uważać: Model chce cię zadowolić i domyślnie jest wyczerpujący, co zabija opinię. Bez klauzuli wymuszającej decyzję lista pominięć bywa pozorna.
9.Żadnej tezy bez liczby, nazwiska lub przykładu
Na czym polega: Deklaracje typu „to zwiększy efektywność” idą do kosza. Każdy punkt musi mieć oparcie w materiale, który sam dostarczyłeś — a jeśli nie ma, model ma go wyciąć.
Jak stosować: Wpisz tę regułę na stałe w swój szablon promptu do pisania. Jest to jednocześnie test tego, czy w ogóle dostarczyłeś modelowi wystarczająco dużo materiału.
Na co uważać: Warunek „z materiału, który ci dałem” jest istotny — bez niego model może dopisać liczby i nazwiska z siebie, czyli zamienić pustą tezę na tezę zmyśloną.
10.Cięcie 30% i test „czy czyjeś AI mogło to napisać?”
Na czym polega: Bonusowa reguła: usuń każde zdanie, które mogłoby stać w cudzym dokumencie, i zostaw tylko to, co mogło wyjść od ciebie. Test kontrolny: czy inne AI mogłoby wyprodukować dokładnie to samo? „Tak” oznacza sztampę.
Jak stosować: Uruchamiaj cięcie jako osobny przebieg na gotowym szkicu, a test stosuj do 100% tekstów wysyłanych klientom i przełożonym.
Na co uważać: Autor sam zaznacza, że tej reguły nie trzeba stosować zawsze — agresywne cięcie potrafi usunąć potrzebny kontekst. Sprawdź, czy po nim tekst nadal jest zrozumiały dla kogoś spoza sprawy.