O czym jest ten film
- Zaplanowane zadania (scheduled tasks) w ChatGPT i Claude do lipca 2026 działały wyłącznie lokalnie — zamknięcie laptopa cicho je zatrzymywało.
- Od lipca 2026 te same zadania można uruchamiać w chmurze, na serwerach OpenAI lub Anthropic, niezależnie od stanu komputera.
- Kluczowa reguła podziału pochodzi z dokumentacji Anthropic: zadanie wymagające lokalnych plików lub aplikacji musi zostać lokalnie.
- Autor rozszerza pojęcie „aplikacji” o przeglądarkę — jeśli AI ma nawigować po zalogowanych serwisach, zadanie należy do komputera.
- Zadania oparte wyłącznie na konektorach i wtyczkach (poczta, kalendarz, CRM, dyski) są dobrymi kandydatami do chmury.
- Migracja plików na Google Drive czy SharePoint działa, ale wymaga sprawdzenia uprawnień odczytu i zapisu w danym konektorze.
- Konektory są mniej wydajne niż dostęp lokalny — zwracają dużo metadanych, które zapychają pamięć roboczą modelu.
- Zasada kciuka: mało plików i mało akcji → chmura; dużo plików i dużo akcji → lokalnie.
- Dwa najczęstsze „kłamstwa” harmonogramu: podmieniony model oraz zielony status oznaczający jedynie, że uruchomienie się odbyło.
- Zalecane zabezpieczenia: instrukcja zgłaszania błędów zewnętrznym kanałem oraz uprawnienia do tworzenia kopii roboczych zamiast wysyłki maili.
Redakcyjne tłumaczenie
Coś się zmieniło w lipcu i mało kto to zauważył
Zeszłej nocy, kiedy spałeś, ChatGPT albo Claude mógł przejrzeć twoją skrzynkę, sprawdzić kalendarz i zostawić gotowy briefing w kopiach roboczych — przy zamkniętym laptopie leżącym gdzieś w torbie.
Rzecz w tym, że jeszcze kilka tygodni temu to po prostu nie działało. Zamykałeś laptopa i całość po cichu się zatrzymywała. Bez błędu, bez komunikatu. To zmieniło się w lipcu i prawie nikt tego nie odnotował. A w dokumentacji zarówno OpenAI, jak i Anthropic jest jedno zdanie, które decyduje o tym, czy twoje zadanie faktycznie wykona się w nocy. Prowadzę konsultacje z zakresu AI i szczerze mówiąc, prawie nikt z moich rozmówców o tym zdaniu nie wie.
Czym są zaplanowane zadania
Jeśli nie zetknąłeś się jeszcze z tą funkcją: oferują ją i ChatGPT, i Claude. Wystarczy poprosić AI, żeby wykonała określone zadanie o określonej porze, a zrobi to autonomicznie.
Typowy przykład, który wdrażam u klientów, brzmi tak: „Chcę podsumowanie tego, co wydarzyło się przez weekend — streść zaproszenia kalendarzowe, maile i tak dalej — i rób to w każdy poniedziałek o ósmej rano”. Zadanie uruchomi się i będzie się uruchamiać dalej, dostarczając aktualizację co poniedziałek.
Obie firmy nazwały tę funkcję tak samo, co akurat pomaga. W ChatGPT — pracuję tu na koncie firmowym — po lewej stronie widać zakładkę „Scheduled”. Po jej wybraniu pojawia się lista zaplanowanych zadań. Dokładnie tak samo wygląda to w Claude Cowork: po lewej stronie zakładka „Scheduled”, a w niej zadania oraz rekomendacje.
Po wejściu w konkretne zadanie zobaczysz opis instrukcji — co AI ma zrobić — częstotliwość uruchomień (na przykład w dni robocze o ósmej rano) oraz to, co jest dozwolone, a co nie. Widać tutaj, że zadania są zatwierdzane automatycznie. W ChatGPT jest analogicznie: po lewej instrukcje, obok informacja, co dokładnie się uruchamia i gdzie, a niżej kadencja — w tym przypadku co tydzień, w poniedziałki o siódmej.
Tworzenie takich zadań jest bardzo proste. Po wykonaniu jakiegoś zadania wystarczy powiedzieć: „utwórz mi z tego zaplanowane zadanie”, i AI zrobi to zgodnie z podaną kadencją.
Co dokładnie się zmieniło
Wcześniej, przed lipcem, zaplanowane zadanie zawsze uruchamiało się na twoim komputerze. Jeśli komputer był wyłączony albo zamknąłeś Claude lub ChatGPT i odszedłeś, zadanie się nie wykonywało. Po ponownym otwarciu komputera i uruchomieniu danego produktu system nadrabiał zaległości: jeśli miałeś zadanie codzienne, zamknąłeś komputer w poniedziałek, a otworzyłeś w czwartek, dostawałeś nadrobione uruchomienia za wtorek i środę.
Teraz doszła opcja uruchamiania zaplanowanych zadań w chmurze — na serwerach Anthropic albo OpenAI, zależnie od używanego produktu. Wiąże się z tym seria zastrzeżeń, które omówię po kolei, żeby ustalić, gdzie dane zadanie sprawdzi się najlepiej: na komputerze czy w chmurze. Oczywista korzyść z chmury jest taka, że mogę zamknąć komputer, wyjechać, podróżować — a zadanie i tak działa w tle i wysyła mi powiadomienia tam, gdzie sobie tego życzę. Praca dzieje się dalej, mimo że komputer jest zamknięty.
Jedna reguła, która rozstrzyga wszystko
Najczystszą regułę rozstrzygającą, gdzie uruchomić zadanie, znalazłem w dokumentacji samego Anthropic — ale stosuje się ona równie dobrze do OpenAI. Brzmi ona tak: jeśli zaplanowane zadanie wymaga lokalnych plików lub aplikacji, powinno działać wyłącznie lokalnie na twoim komputerze, a nie w chmurze.
Pojęcie „aplikacji” rozszerzyłbym przy tym o przeglądarkę. Zarówno ChatGPT, jak i Claude potrafią nawigować po twojej przeglądarce, a ludzie sięgają po to zwykle dlatego, że przeglądarka jest już zalogowana do systemu, z którego chcą pobrać informacje albo w którym chcą, żeby AI wykonała jakieś działania. W takim wypadku — przynajmniej na razie — lepiej uruchamiać zadanie lokalnie.
Z plikami lokalnymi sprawa jest oczywista. Jeśli masz arkusze Excela, prezentacje, raporty, które AI ma modyfikować czy aktualizować, zadanie musi działać na twoim komputerze, żeby AI faktycznie miała do nich dostęp podczas autonomicznego uruchomienia w tle.
Prosty schemat decyzyjny
Audytując zadanie — już istniejące albo dopiero planowane — zadaj sobie pytanie: czy AI musi dotknąć mojego komputera?
Jeśli tak, to zwykle z jednego z trzech powodów:
- Pliki. Na przykład dashboard, który AI dla ciebie stworzyła i ma go stale aktualizować nowymi danymi wrzucanymi do określonego folderu. Wtedy zadanie musi działać lokalnie, żeby mogło pobrać dane z folderu i odświeżyć dashboard. To samo dotyczy prezentacji, arkuszy i tak dalej.
- Aplikacje. Systemy w przeglądarce, do których trzeba się zalogować i które nie mają konektorów, albo aplikacje firm trzecich zainstalowane na pulpicie.
- Przeglądarka. Sytuacje, w których AI ma po niej nawigować w twoim imieniu.
Jeśli którakolwiek z tych rzeczy jest prawdą — uruchamiaj lokalnie.
Jeśli odpowiedź brzmi „nie”, to zwykle dlatego, że korzystasz z wtyczki albo konektora.
Konektory i wtyczki
Anthropic i OpenAI nazywają je inaczej, ale są bardzo podobne. W ChatGPT jest sekcja „Plugins” — to po prostu sposób na połączenie AI z innymi systemami: pocztą, kalendarzem, CRM-em, Google Drive, OneDrive, SharePointem i wieloma innymi. Po wejściu w nią zobaczysz setki opcji. W Claude jest tak samo: pod znakiem plus znajdziesz „Connectors”, a po wybraniu „Add connectors” i „Browse” otwiera się coś w rodzaju sklepu z konektorami do wszystkich systemów, jakie można podłączyć.
(Informacja dodatkowa: w Claude te integracje działają na standardzie MCP — Model Context Protocol — który Anthropic udostępniło jako otwartą specyfikację).
Sedno jest takie: jeśli zadanie, które chcę uruchamiać autonomicznie w chmurze, opiera się wyłącznie na konektorach i na niczym z mojego komputera, to mogę je przenieść do chmury, bo AI nie potrzebuje lokalnych plików ani aplikacji.
Wracając do wcześniejszego przykładu: jeśli AI ma codziennie o ósmej rano posegregować twoją skrzynkę z ostatnich 24 godzin i przygotować kopie robocze odpowiedzi — wszystko dzieje się przez konektory. Nic na komputerze nie musi być dotknięte. To samo dotyczy kalendarza, CRM-a i pozostałych integracji.
Pięciominutowy audyt
Polecam zrobić pięciominutowy audyt wszystkich istniejących zadań. Jeśli już jakieś utworzyłeś, sprawdź, czy działają w chmurze, czy lokalnie. Jeśli lokalnie, a chciałbyś przenieść je do chmury — zaraz o tym powiem. Ale samo to, że zadanie jest lokalne albo chmurowe, nie jest problemem. Chodzi o świadomość, żebyś wiedział, czy zadanie wykona się przy zamkniętym komputerze, czy nie.
Migracja z komputera do chmury — z zastrzeżeniami
Bardzo częsty pomysł, z którym ludzie do mnie przychodzą, brzmi: „Mam kupę plików na komputerze, ale gdybym wrzucił je wszystkie na OneDrive, Google Drive, SharePoint czy Dropbox — a tam są dostępne konektory — to czy nie mógłbym robić wszystkiego tam?”. Odpowiedź brzmi: tak, ale z zastrzeżeniem. A właściwie z dwoma.
Po pierwsze: uprawnienia. Jeśli sięgasz przez konektor po pliki w OneDrive czy Google Drive, musisz się upewnić, że ten konektor ma prawa odczytu i zapisu w konkretnej lokalizacji. Pracując na komputerze, AI ma znacznie więcej możliwości niż przez konektor — i działa sprawniej, bo potrafi czytać, zapisywać, zmieniać i usuwać. Uprawnienia mają tu znaczenie. Jeśli używasz konektora do, powiedzmy, SharePointa i chcesz, żeby AI mogła edytować, usuwać i zmieniać rzeczy, sprawdź, czy dana wtyczka ma taki dostęp.
Zalecam też przetestowanie tego. Po utworzeniu zaplanowanego zadania uruchom je najpierw ręcznie i sprawdź, czy naprawdę potrafi wejść w interakcję z tą lokalizacją tak, jak chcesz. I zrób to kilka razy, nie raz. Jeśli konektor się sprawdzi, a zadanie w ogóle nie musi dotykać komputera, to dobry kandydat do migracji do chmury.
Po drugie: wydajność. Kiedy zadanie działa lokalnie, AI potrafi całkiem skutecznie przetworzyć 50, 100 czy 200 plików, niezależnie od ich rozmiaru. Kiedy prosisz o to samo przez konektor do Google Drive, OneDrive czy SharePointa — jest mniej wydajnie.
Dlaczego? Załóżmy, że masz trzy pliki do obróbki. Przez konektor pójdzie to dobrze, bo ilość balastu, który wraca tym kanałem, jest niewielka i nie zapycha głowy modelu — czyli jego pamięci roboczej. A im bardziej ta pamięć się zapełnia, tym model staje się głupszy. Przy konektorach zapchanie następuje dość szybko.
(Informacja dodatkowa: autor mówi potocznie o „głowie” modelu — chodzi o okno kontekstowe, czyli ograniczoną ilość tekstu, którą model utrzymuje jednocześnie).
Dlatego jeśli automatyzujemy zadanie oparte na plikach z dysków, trzeba pilnować, żeby plików było niewiele i żeby akcji było niewiele — wtedy model zostanie ostry i zrobi to, czego oczekujemy. Ale jeśli masz czterdzieści plików i przy każdym uruchomieniu około stu drobnych akcji, jest spora szansa, że cały balast, metadane i wszystko to, co wraca przez konektor poza samymi zleconymi działaniami, szybko zapełni pamięć roboczą. Model zgłupieje, a jakość spadnie.
Dobra zasada — nawet przy najnowszych modelach w rodzaju Fable 5 czy GPT-5.6 Soul — brzmi: mało plików, mało akcji → chmura; dużo plików, dużo akcji → lokalnie.
Jak rozpoznać, gdzie zadanie działa
W ChatGPT, na liście zaplanowanych zadań, jedno z nich ma obok siebie małą chmurkę — to znak, że działa w chmurze. Brak chmurki oznacza uruchomienie lokalne. Poznasz to też po tym, że po wejściu w zadanie i przewinięciu w dół widać, iż czat, w którym pracuje, jest istniejącym czatem powiązanym z folderem — to również sygnał, że rzecz dzieje się lokalnie.
W Claude jest to zrobione nieco czytelniej. Na liście również pojawia się ikonka chmurki, ale dodatkowo po wejściu w zadanie wprost napisane jest, że działa w chmurze. Żeby to zmienić, klikam ikonę ołówka, przewijam w dół i znajduję opcję „Move to computer”. Po najechaniu na nią kursorem dostaję zresztą podpowiedź z tym, o czym mówiłem wcześniej: że wtedy zadanie może korzystać z folderów i plików na komputerze, ale uruchomi się tylko przy włączonym komputerze.
Dwa kłamstwa zaplanowanych zadań
Niezależnie od tego, którego produktu używasz, są dwa problemy, które warto wychwycić od razu na starcie.
Kłamstwo pierwsze: model. Często tworzysz zadanie i ustawiasz duży model — powiedzmy 5.6 Soul albo Fable 5. A kiedy sprawdzasz wynik uruchomienia, okazuje się, że użyty został Sonnet 5, GPT-5.6 Luna albo Terra. Czyli mniejszy model, mimo że prosiłeś o większy.
Stąd zasada: za każdym razem, gdy tworzysz zaplanowane zadanie — obojętnie, w chmurze czy lokalnie — przetestuj je najpierw metodycznie, żeby sprawdzić nie tylko, czy robi to, czego oczekujesz, ale też czy korzysta z modeli, których oczekujesz. Po zakończonym uruchomieniu sprawdź model, a jeśli się nie zgadza, wróć do ustawień zadania i ustaw go ponownie. Zwykle po jednym czy dwóch takich poprawkach ustawienie zostaje trwałe.
W ChatGPT: wchodzę w zaplanowane zadanie, po prawej mam wszystkie informacje, przewijam w dół i zmieniam „existing chat” na „new chat” — wtedy pojawia się wybór modeli. Widać tu 5.6 Soul z bardzo wysokim poziomem rozumowania; to model, który ustawiłem. W Claude jest podobnie: wchodzę w zadanie (u mnie „morning brief”), klikam edycję i tam mogę zmienić model — widać Opus 5. Ustawienie domyślne po prostu przejmuje model, którego akurat używasz w produkcie.
Jedna rzecz, którą ma Claude, a której — o ile wiem — nie ma ChatGPT, i dobrze, choć nie jestem pewien, po co jest: w lewym dolnym rogu mamy opcje „manual”, „auto” i „skip all”. Przy większości zaplanowanych zadań polecam „skip all”. Jeśli nie jest ustawione na „skip all”, a ciebie nie ma, żeby zatwierdzać działania AI, to całe zadanie traci sens — bo to właśnie te działania są jego treścią. „Manual” znaczy, że musisz być obecny i klikać zatwierdzenie przy każdym kroku. „Auto” znaczy, że AI poprosi cię o zgodę przy działaniach częściowo lub potencjalnie szkodliwych — i tak trzeba kliknąć. A sensem zaplanowanego zadania jest to, żeby działało autonomicznie, beze mnie. Rzecz jasna trzeba się przy tym upewnić, że zadanie nie jest szkodliwe i że przetestowałeś je wielokrotnie.
Kłamstwo drugie: „uruchomienie zakończone sukcesem”. Po zakończeniu zaplanowanego uruchomienia zwykle pojawia się mała zielona albo niebieska kropka, zależnie od produktu, oznaczająca powodzenie. Ale nawet dokumentacja Anthropic mówi wprost, że zielony (czy niebieski w ChatGPT) status nie oznacza, że zadanie z twojego promptu zostało wykonane. Oznacza tylko, że zaplanowane uruchomienie się odbyło. To istotna różnica: uruchomienie nastąpiło — to dobrze — ale nikt nie twierdzi, że praca została wykonana tak, jak chciałeś.
Dlatego zawsze najpierw sprawdzaj wynik i testuj metodycznie. Kiedy już udowodnisz, że AI wykonuje to zadanie poprawnie jakieś 10–15 razy pod twoją nieobecność, możesz zacząć ufać, że „sukces uruchomienia” faktycznie oznacza wykonaną pracę.
Poprawka, którą wdrażam u klientów
Polecam dopisać do instrukcji zaplanowanego zadania prosty fragment: jeśli coś zawiedzie, przerwij zadanie i zgłoś mi błąd, zamiast próbować go obchodzić.
„Zgłoś mi” można doprecyzować w zależności od dostępnych konektorów: napisz do mnie maila z treścią błędu, wyślij iMessage na iPhone’a albo wiadomość na Slacku lub Teamsie z informacją, że coś się nie powiodło i co konkretnie. Dzięki temu powiadomienie trafia tam, gdzie faktycznie spędzasz czas — bo raczej nie monitorujesz listy zaplanowanych zadań w ChatGPT ani w Claude.
Bezpiecznik przy wysyłce wiadomości
Na koniec kwestia bezpieczeństwa dotycząca wysyłania wiadomości. Wielu moich klientów chce, żeby AI automatycznie segregowała skrzynkę, wyłapywała maile bez odpowiedzi z ostatnich 24 godzin i przygotowywała odpowiedzi. Słowo klucz: przygotowywała, w sensie kopii roboczych. AI nie powinna automatycznie wysyłać rzeczy w naszym imieniu. Trzeba więc ustawić uprawnienia — i w ChatGPT, i w Claude — tak, by mogła tworzyć wersje robocze, ale nie wysyłać. Zadanie przepracuje noc albo wczesny ranek, przygotuje kopie robocze, a ty rano zaglądasz do folderu roboczego w Gmailu czy Outlooku i wysyłasz maile sam.
Podsumowanie
Po pierwsze, zaplanowane zadania dzielą się na dwa koszyki: lokalne i chmurowe. Linia podziału to zwykle pytanie, czy masz na komputerze pliki, którymi AI ma manipulować — i czy jest ich dużo. Jeśli tak, uruchamiaj lokalnie. Jeśli zadanie opiera się wyłącznie na konektorach i wtyczkach, a nie na zawartości komputera, może działać w chmurze.
Po drugie, zawsze audytuj swoje zadania — te już zbudowane i te budowane właśnie — żeby sprawdzić, czy działają zgodnie z oczekiwaniami, czy korzystają z właściwych modeli, czy faktycznie opierają się wyłącznie na konektorach, i całą resztę, o której mówiłem. Zwykle zajmuje to kilka minut.
Po trzecie, jeśli chcesz przenieść zadanie z komputera do chmury, wrzucając materiały na OneDrive, Google Drive czy Dropboksa, pilnuj zasady „mało plików, mało akcji” — z powodu zapychania pamięci roboczej modelu przez konektory. I upewnij się, że uprawnienia są ustawione tak, by AI naprawdę mogła zapisywać i zmieniać rzeczy w tej lokalizacji, jeśli zadanie tego wymaga.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Chmura kontra komputer to teraz świadoma decyzja, a nie domyślne ustawienie
Na czym polega: Od lipca 2026 zaplanowane zadania w ChatGPT i Claude mogą działać na serwerach dostawcy, a nie tylko na twoim komputerze. Zadanie chmurowe wykona się w nocy przy zamkniętym laptopie; lokalne poczeka do ponownego uruchomienia aplikacji.
Jak stosować: Przy każdym nowym zadaniu zadecyduj z góry, gdzie ma działać, i zapisz to sobie razem z jego opisem. Zadania krytyczne czasowo — poranny briefing, przegląd skrzynki — przenoś do chmury.
Na co uważać: Zadanie lokalne po powrocie do komputera nadrabia zaległe uruchomienia. Jeśli byłeś offline trzy dni, dostaniesz naraz kilka wykonań — przy zadaniach wysyłających powiadomienia oznacza to lawinę.
2.Reguła rozstrzygająca: lokalne pliki lub aplikacje = lokalne uruchomienie
Na czym polega: Dokumentacja Anthropic mówi wprost, że zadanie wymagające lokalnych plików lub aplikacji ma działać wyłącznie lokalnie. Ta sama zasada obowiązuje w praktyce u OpenAI.
Jak stosować: Zadaj jedno pytanie: czy AI musi dotknąć mojego komputera? Trzy typowe „tak” to pliki na dysku, aplikacje desktopowe lub webowe bez konektora oraz nawigacja po przeglądarce.
Na co uważać: Przeglądarka to pułapka — ludzie zapominają, że korzystają z niej właśnie dlatego, że jest już zalogowana do jakiegoś systemu. Ta sesja logowania nie istnieje w chmurze.
3.Zadanie w pełni konektorowe to najlepszy kandydat do chmury
Na czym polega: Jeśli zadanie sięga wyłącznie po pocztę, kalendarz, CRM czy dysk przez konektory (wtyczki), nie potrzebuje twojego komputera i może działać zdalnie.
Jak stosować: Zacznij migrację od zadań typu „posegreguj skrzynkę i przygotuj odpowiedzi” albo „streść zeszłotygodniowy kalendarz”. Przed przeniesieniem sprawdź listę wszystkiego, po co zadanie sięga, i upewnij się, że każdy element ma konektor.
Na co uważać: Wystarczy jeden krok wymagający lokalnego pliku, żeby całe zadanie przestało nadawać się do chmury. Rozbij takie zadanie na dwa albo zostaw je lokalnie.
4.Przeniesienie plików na dysk sieciowy działa, ale wymaga sprawdzenia uprawnień zapisu
Na czym polega: Wrzucenie plików na OneDrive, Google Drive czy SharePoint faktycznie odblokowuje pracę w chmurze — o ile konektor ma nie tylko odczyt, ale i zapis w konkretnej lokalizacji.
Jak stosować: Wejdź w ustawienia konektora i zweryfikuj zakres uprawnień dla dokładnie tego folderu, na którym zadanie ma pracować. Potem uruchom zadanie ręcznie i sprawdź, czy zmiana faktycznie się zapisała.
Na co uważać: Testuj kilka razy, nie raz. Konektor może odczytać plik i zgłosić sukces, mimo że zapis po cichu nie przeszedł.
5.„Mało plików, mało akcji → chmura; dużo → lokalnie”
Na czym polega: Lokalnie AI radzi sobie z 50, 100 czy 200 plikami. Przez konektor każdy odczyt zwraca dodatkowo metadane i balast, które zapełniają okno kontekstowe modelu — a im pełniejsze, tym gorsza jakość pracy.
Jak stosować: Traktuj to jako twardy limit projektowy przy zadaniach chmurowych: kilka plików, kilkanaście akcji. Zadania obejmujące czterdzieści plików i sto drobnych operacji zostawiaj na komputerze.
Na co uważać: Ograniczenie dotyczy również najnowszych modeli, w tym Fable 5 i GPT-5.6 Soul. Duże okno kontekstowe nie zwalnia z tej dyscypliny — degradacja jest stopniowa i objawia się cichym pogorszeniem jakości, nie błędem.
6.Rozpoznawanie miejsca uruchomienia po interfejsie
Na czym polega: W obu produktach ikonka chmurki przy zadaniu oznacza uruchomienie zdalne; jej brak oznacza lokalne. Claude dodatkowo pisze to wprost w szczegółach zadania.
Jak stosować: W ChatGPT drugim sygnałem lokalności jest to, że zadanie pracuje w istniejącym czacie powiązanym z folderem. W Claude zmiana odbywa się przez ikonę ołówka i opcję „Move to computer”.
Na co uważać: ChatGPT komunikuje to mniej jednoznacznie niż Claude — nie polegaj tam na pamięci, tylko sprawdzaj ikonkę i powiązanie z folderem przy każdym audycie.
7.Zadanie potrafi po cichu podmienić model
Na czym polega: Ustawiasz duży model, a wynik uruchomienia pokazuje mniejszy — Sonnet 5 zamiast Opusa czy Luna/Terra zamiast Soul. To pierwsze z dwóch „kłamstw” zaplanowanych zadań.
Jak stosować: Po pierwszym uruchomieniu sprawdź w wyniku, który model faktycznie zadziałał. Jeśli się nie zgadza, ustaw go ponownie w konfiguracji zadania — po jednej, dwóch poprawkach ustawienie zwykle się stabilizuje.
Na co uważać: Ustawienie domyślne przejmuje model aktualnie używany w produkcie, więc zmiana modelu w codziennej pracy może przestawić zadanie. W ChatGPT wybór modelu pojawia się dopiero po przełączeniu zadania z „existing chat” na „new chat”.
8.Zielony status oznacza uruchomienie, a nie wykonaną pracę
Na czym polega: Zielona lub niebieska kropka mówi wyłącznie tyle, że zaplanowane uruchomienie się odbyło. Dokumentacja Anthropic stwierdza to wprost — status nie potwierdza, że zadanie z twojego promptu zostało zrealizowane.
Jak stosować: Przez pierwsze 10–15 uruchomień sprawdzaj rzeczywisty wynik, a nie status. Dopiero po takiej serii możesz zacząć traktować „sukces” jako wiarygodny sygnał.
Na co uważać: To najgroźniejszy tryb cichej awarii — masz wrażenie, że automatyzacja działa od miesięcy, podczas gdy produkuje puste albo błędne wyniki.
9.Wymuś zatrzymanie i zgłoszenie błędu zewnętrznym kanałem
Na czym polega: Do instrukcji zadania dopisuje się polecenie: jeśli coś zawiedzie, przerwij pracę i zgłoś błąd, zamiast go obchodzić. Zgłoszenie kierujesz tam, gdzie faktycznie pracujesz.
Jak stosować: Wskaż konkretny kanał zależnie od dostępnych konektorów — mail do siebie, iMessage, Slack albo Teams — i poproś o podanie konkretnego błędu, nie ogólnej informacji o niepowodzeniu.
Na co uważać: Bez takiego zapisu model będzie próbował obejść przeszkodę i dostarczyć „coś”, co wygląda na wynik. Nie licz też, że sam zajrzysz na listę zaplanowanych zadań — powiadomienie musi trafić do narzędzia, którego używasz na co dzień.
10.Przy poczcie ustaw uprawnienia na tworzenie kopii roboczych, nigdy na wysyłkę
Na czym polega: Automatyczna segregacja skrzynki i przygotowanie odpowiedzi to sensowny scenariusz, ale AI nie powinna wysyłać wiadomości w twoim imieniu. Kluczowe słowo to „kopia robocza”.
Jak stosować: W ustawieniach uprawnień w ChatGPT i Claude odbierz konektorowi pocztowemu prawo wysyłki, zostawiając tworzenie wersji roboczych. Rano przeglądasz folder roboczy w Gmailu lub Outlooku i wysyłasz sam.
Na co uważać: To zastrzeżenie zderza się z zaleceniem ustawienia „skip all” w Claude, które pomija wszystkie prośby o zatwierdzenie. Skoro zadanie ma działać bez ciebie, jedynym realnym zabezpieczeniem pozostaje ograniczenie uprawnień konektora — a nie liczenie na monit o zgodę.