O czym jest ten film
- AI potrafi szybko zbudować aplikację, ale nie rozstrzyga za nas, czy aplikacja jest potrzebna.
- Gotowy prototyp daje poczucie postępu, choć może nie rozwiązywać pierwotnego problemu.
- Każda własna aplikacja wymaga później utrzymania; zamiast oszczędzać czas, może dokładać pracy.
- Propozycje kolejnych funkcji łatwo odciągają uwagę od zadania, od którego wszystko się zaczęło.
- W przykładzie z kontrolą budżetu celem nie jest wykres wydatków, lecz ustalenie przyczyn odchyleń i doprowadzenie do decyzji.
- Przed wyborem narzędzia trzeba nazwać oczekiwany wynik: decyzję, zestaw pytań, wiadomość lub raport.
- Warto sprawdzić, czy zadanie da się wykonać za pomocą używanego już modelu AI, instrukcji, połączeń z innymi systemami i zadań cyklicznych.
- Proste instrukcje zapisane w projekcie lub umiejętności AI łatwo poprawiać i udostępniać zespołowi.
- Osobny interfejs ma sens, gdy pozwala badać dane na różne sposoby albo wspólnie zbierać i uzupełniać informacje.
- Kluczowe pytanie brzmi: co własna aplikacja umożliwi, czego nie da się osiągnąć w rozmowie z agentem AI korzystającym z dostępnych narzędzi?
10 najważniejszych takeaways — z kontekstem zastosowania
1.Zacznij od pracy, którą chcesz usprawnić
Na czym polega: Łatwo przejść od potrzeby oszczędzenia czasu do pomysłu zbudowania aplikacji, choć jedno nie wynika z drugiego.
Jak stosować: Opisz konkretne zadanie, osobę, która je wykonuje, i wynik, który ma powstać. Dopiero potem wybieraj narzędzie.
Na co uważać: Efektowny prototyp może przesłonić fakt, że pierwotne zadanie nadal wymaga tyle samo pracy.
2.Policz także koszt utrzymania
Na czym polega: Pierwszą wersję aplikacji można przygotować szybko. Później trzeba ją poprawiać i pilnować, by nadal działała oraz była używana.
Jak stosować: Przed budową ustal, kto będzie odpowiadał za narzędzie po miesiącu i ile czasu pochłoną poprawki.
Na co uważać: Oszczędność kilku minut na zadaniu nie wystarczy, jeśli w zamian powstaje kolejny system wymagający stałej opieki.
3.Nie myl widocznego postępu z użytecznym wynikiem
Na czym polega: Kod, ekrany i wykresy łatwo pokazać innym. Dobrze działająca instrukcja dla AI bywa mniej widowiskowa, choć może lepiej służyć zespołowi.
Jak stosować: Oceniaj rozwiązanie po tym, czy skraca pracę lub pomaga podjąć decyzję, a nie po wyglądzie demonstracji.
Na co uważać: Chęć zaprezentowania czegoś imponującego może wpłynąć na wybór narzędzia.
4.Ogranicz rozbudowę do funkcji potrzebnych do wykonania zadania
Na czym polega: AI szybko proponuje i dodaje kolejne funkcje. Każda może brzmieć rozsądnie, lecz razem oddalają projekt od pierwotnego celu.
Jak stosować: Przy każdej propozycji pytaj, jaki konkretny etap pracy usprawni i czy bez niej można osiągnąć oczekiwany wynik.
Na co uważać: Po tygodniu rozwijania pomysłu możesz mieć rozbudowany prototyp, który wciąż nie nadaje się do codziennego użycia.
5.Nazwij końcowy wynik, zanim poprosisz AI o rozwiązanie
Na czym polega: W pracy z budżetem wynik może oznaczać sprawdzone odchylenia, wyjaśnienie ich przyczyn i wiadomość do kierownika działu. Sam wykres nie załatwia sprawy.
Jak stosować: Zapisz, co ma otrzymać osoba odpowiedzialna za decyzję i co powinna dzięki temu zrobić.
Na co uważać: Raport pełen liczb może wyglądać na kompletny, choć nie wskazuje, skąd wzięła się różnica ani co trzeba zmienić.
6.Sprawdź możliwości narzędzi, których już używasz
Na czym polega: AI może zaproponować nową aplikację, nie uwzględniając funkcji dostępnych w używanym produkcie.
Jak stosować: Najpierw przetestuj zadanie w obecnym narzędziu: z instrukcją, projektem lub inną dostępną konfiguracją. Sprawdź jakość wyniku na rzeczywistym przykładzie.
Na co uważać: Sama możliwość uruchomienia zadania nie oznacza, że odpowiedź jest dostatecznie dokładna.
7.Wykorzystaj istniejące połączenia między systemami
Na czym polega: Jeśli asystent AI może korzystać z danych w CRM, systemie księgowym, poczcie czy kalendarzu, część pracy da się wykonać bez tworzenia osobnego panelu.
Jak stosować: Sprawdź, do jakich systemów masz dostęp i czy dostępne połączenia obejmują dane potrzebne do zadania.
Na co uważać: Nie zakładaj, że samo połączenie zapewni prawidłowy wynik. Zweryfikuj dane i sposób ich użycia.
8.Powtarzalne zadania ustawiaj jako cykliczne
Na czym polega: Niektóre czynności mogą uruchamiać się według harmonogramu, bez każdorazowego polecenia od człowieka.
Jak stosować: Jeśli pracę trzeba wykonywać co dzień lub co godzinę, sprawdź funkcje zadań cyklicznych w używanym narzędziu.
Na co uważać: Ustal, od czego zależy uruchomienie zadania. Rozwiązanie działające w chmurze ma inne wymagania niż proces korzystający z lokalnego komputera.
9.Zapisuj wspólne zasady jako instrukcje dla AI
Na czym polega: Projekt lub umiejętność AI może zawierać instrukcje wykonywania zadania. Takie zasady łatwo poprawić i udostępnić innym.
Jak stosować: Zacznij od powtarzalnych wymagań, na przykład firmowych zasad przygotowywania prezentacji. Przetestuj instrukcję na kilku pracach zespołu.
Na co uważać: Wspólna instrukcja poprawia spójność tylko wtedy, gdy odzwierciedla aktualne zasady i daje oczekiwane wyniki.
10.Buduj aplikację, gdy jej interfejs wnosi konkretną wartość
Na czym polega: Osobne oprogramowanie może być potrzebne do badania danych z różnych stron albo do wspólnego wprowadzania informacji przez osoby, które nie korzystają z tego samego asystenta AI.
Jak stosować: Dokończ zdanie: „Ta aplikacja pozwoli użytkownikom zrobić ___, czego nie zapewnią dostępne narzędzia”. Jeśli potrafisz wskazać istotną czynność, sprawdź zasadność budowy.
Na co uważać: Sam atrakcyjny widok danych nie jest jeszcze powodem do tworzenia nowego systemu.
Redakcyjne tłumaczenie
Aplikacja powstaje szybko. Potem trzeba z nią żyć
Dziś AI zbuduje niemal dowolną aplikację w jedno popołudnie. Nie zatrzyma się jednak samo, by zapytać, czy akurat ta aplikacja jest komukolwiek potrzebna.
Codziennie doradzam firmom w sprawach związanych z AI. Prawie nikt nie zgłasza się do mnie z zamiarem tworzenia oprogramowania. Ludzie chcą, żeby konkretna czynność zajmowała mniej czasu. Tymczasem powstaje aplikacja, którą miesiąc później trzeba utrzymywać, choć nikt jej nie używa. Firma nie zyskuje na tym nic istotnego.
Skąd bierze się skłonność do takich projektów? Co kosztują nas później? I jakie pytanie warto zadać, zanim zaczniemy cokolwiek budować?
Dlaczego tak chętnie budujemy aplikacje
Widzę dwa powody: nasze własne motywacje i podpowiedzi AI.
Kiedy pracujemy z AI, często chcemy stworzyć coś imponującego. Gotową aplikację można pokazać zespołowi czy całej firmie. Jest namacalnym dowodem wykonanej pracy.
Z drugiej strony AI chętnie proponuje budowę. Zapytane o sposób rozwiązania problemu, podsuwa panel z danymi, prototyp, aplikację mobilną lub podobne narzędzie. Często nie ma takiej potrzeby. Szacuję, że w około 90 proc. zadań wykonywanych przez osoby pracujące umysłowo bez przygotowania technicznego można obejść się bez osobnej aplikacji. Moim zdaniem zwykle warto tak właśnie postąpić.
Załóżmy, że chcemy zautomatyzować zadanie albo wykonać jego część z pomocą AI. Chodzi o oszczędność czasu bądź o zrobienie czegoś, co wcześniej wymagałoby zatrudnienia dodatkowej osoby. Pytamy więc AI, jak podejść do pracy. W odpowiedzi nierzadko dostajemy propozycję stworzenia aplikacji.
Jednym z powodów jest to, że modele rzadko same wskazują funkcje dostępne w produktach, z których korzystamy: zadania cykliczne, projekty, umiejętności czy własne GPT-y. Takie rozwiązania mogą być prostsze, ale AI nie zawsze je podpowiada.
Pierwszą wersję aplikacji przygotowuje się łatwo. Prototyp może wyglądać świetnie. Trudność zaczyna się później, gdy trzeba go utrzymywać. Miało nam ubyć obowiązków, a przybywa kolejny. To odwrotność zamierzonego efektu: chcieliśmy uwolnić czas na pracę ważniejszą dla firmy.
Efektowny projekt może oddalić nas od celu
Tworzenie aplikacji daje silne poczucie postępu, zwłaszcza komuś, kto wcześniej nie programował. AI pisze dużo kodu, kolejne elementy szybko pojawiają się na ekranie, a wynik można pokazać innym. Projekt lub umiejętność skonfigurowana wewnątrz narzędzia AI to często po prostu plik z instrukcjami. Nie robi podobnego wrażenia.
Do tego dochodzą następne sugestie: „Możemy dodać jeszcze tę funkcję”, „Możemy rozbudować tamten widok”. Pomysły brzmią dobrze, a skoro AI wdraża je szybko, łatwo się zgodzić. Z każdą taką decyzją można jednak oddalać się od problemu, który mieliśmy rozwiązać.
Po weekendzie albo tygodniu pracy patrzymy na gotowy projekt i odkrywamy dwie rzeczy: nadal nie nadaje się do normalnego użycia, a pierwotnego zadania nie wykonuje tak, jak potrzebowaliśmy.
Jeśli chcielibyście ze mną pracować, pod filmem znajdziecie informacje o mojej ofercie. Udostępniam tam również bezpłatną serię 30 wiadomości o zastosowaniach AI w firmie i codziennej pracy.
Przykład: kontrola wydatków działów
Wyobraźmy sobie osobę pracującą w finansach. Jednym z jej zadań jest comiesięczne porównanie wydatków działów z przyznanymi im budżetami. Rozmawia z kierownikami, sprawdza, czy wydatki odpowiadają planom, a jeśli nie — wskazuje, co powinno się zmienić.
To wymyślony przykład, ale odpowiada wielu rozmowom, które prowadziłem z klientami. Trzeba ustalić, co zmieniło się między miesiącami, jak duża jest różnica między planem a rzeczywistymi wydatkami i skąd się wzięła. Następnie trzeba przekazać kierownikom, jakie decyzje pomogą utrzymać wydatki w granicach budżetu.
Poproszone o pomoc AI może zaproponować panel pełen wykresów: trendy wydatków poszczególnych zespołów, bieżący stan budżetu i kolejne zestawienia. Brzmi rozsądnie. Tyle że zadanie nie kończy się na pokazaniu liczb. Ktoś musi porozmawiać z kierownikami, aby odpowiednio zmienili swoje decyzje i działania.
Dlatego najpierw trzeba nazwać oczekiwany wynik. Czy potrzebujemy decyzji, listy pytań, raportu, a może wiadomości do konkretnej osoby? Co ma powstać na końcu pracy? Nie pytajmy na początku, jaką aplikację AI może nam zbudować.
W przykładzie finansowym potrzebujemy sprawdzonych danych o zmianach w wydatkach, przedstawionych w formacie właściwym dla budżetu. Ustalenia powinny mieć wiarygodne podstawy, żeby można było ocenić ich poprawność. Na końcu trzeba wysłać wiadomość do kierownika działu i jasno wskazać decyzje, dzięki którym wydatki w kolejnych miesiącach zbliżą się do planu. Wynikiem ma być zmiana działań, a nie zestaw wykresów.
Najpierw sprawdź to, co już masz
Jak uniknąć budowania zbędnego narzędzia? Zacznij od produktów, których już używasz — zarówno narzędzi AI, takich jak Claude Cowork czy rozwiązania ChatGPT, jak i zwykłego oprogramowania: CRM, list zadań czy systemów do zarządzania projektami.
Pierwsze pytanie brzmi: czy AI potrafi wykonać zadanie wystarczająco dokładnie bez budowania czegokolwiek? Warto sprawdzić to na mocnym, aktualnym modelu. Być może wystarczy dać mu zadanie wraz z odpowiednią instrukcją albo umieścić je w projekcie.
Następnie sprawdź dostępne połączenia i dodatki. Mogą one pozwolić AI korzystać z systemu CRM, oprogramowania księgowego, poczty czy kalendarza. Jeśli potrzebne informacje są już w tych systemach, czy naprawdę trzeba tworzyć osobny panel lub prototyp?
Kolejna kwestia to harmonogram. Być może nie chcesz za każdym razem uruchamiać zadania ręcznie. Niektóre narzędzia pozwalają wykonywać je cyklicznie, na przykład co godzinę albo codziennie. Gdy proces działa w chmurze i nie zależy od twojego komputera, może trwać także przy zamkniętym laptopie.
Przy każdym zadaniu warto więc zapytać: czy mogę je wykonać przy użyciu narzędzi, które już mam, bez tworzenia od podstaw nowej aplikacji?
Instrukcje łatwiej utrzymać i udostępnić
Klientom często proponuję projekty i umiejętności dostępne w narzędziach AI. Jedna z zalet jest prosta: korzystają już z danego produktu, więc nie muszą budować własnego systemu. Takie rozwiązanie łatwiej też utrzymać, bo jego podstawą są zwykłe instrukcje tekstowe, które można poprawiać również z pomocą AI.
Instrukcja bywa długa i szczegółowa, ale czasem wystarcza kilka zdań. To może wyglądać niepozornie, a mimo to pozwala wykonać wiele zadań. Gdyby klient przyniósł mi dziesięć czynności do usprawnienia, przypuszczam, że około ośmiu dałoby się obsłużyć w projekcie lub za pomocą umiejętności — równie dobrze, a może lepiej niż we własnej aplikacji.
Takie instrukcje można również udostępniać innym osobom i zespołom. W niektórych narzędziach da się udostępnić umiejętność całej organizacji, tak aby włączała się przy odpowiednim zadaniu. Dzięki temu wszyscy mogą stosować te same zasady.
Weźmy prezentacje. Firma przygotowuje ich dużo i wymaga określonego wyglądu zgodnego z identyfikacją marki. Można zapisać te wymagania w umiejętności dostępnej dla całej organizacji. Kiedy ktoś tworzy prezentację, AI korzysta z firmowych wytycznych. To jeden z przykładów, w których wspólna instrukcja może poprawić pracę wielu osób naraz.
Kiedy osobna aplikacja ma sens
Lubię tworzyć oprogramowanie. Chcę jedynie zakwestionować przekonanie, że skoro dzięki AI można szybko zbudować atrakcyjny prototyp, warto to robić przy każdym problemie. W serwisach społecznościowych często oglądamy efektowne pokazy nowych aplikacji. Sam pokaz nie dowodzi jeszcze, że firma będzie dzięki nim pracowała sprawniej.
Są jednak sytuacje, w których własny interfejs rzeczywiście pomaga. Jedna z nich to potrzeba oglądania danych z różnych stron: panel może wtedy ułatwić ich analizę i podejmowanie decyzji. Inna pojawia się, gdy z narzędzia mają korzystać klienci albo osoby spoza zespołu, które nie mają dostępu do tego samego środowiska AI. Czasem wystarczy udostępniony własny GPT; czasem potrzebne będzie osobne rozwiązanie.
Nawet wtedy aplikacja powinna dawać więcej niż ładny widok. Może na przykład pozwalać kilku osobom uzupełniać wspólne dane i pracować na tych samych zapisach. Nie zachęcam do budowania własnego CRM, jeśli istniejący spełnia swoją rolę. Chodzi o rozpoznanie sytuacji, w której użytkownicy naprawdę muszą wprowadzać informacje do specjalnego narzędzia.
Trzeba umieć powiedzieć, co dokładnie daje im ten interfejs. Po co powstaje aplikacja? Jaką wartość wnosi?
Pytanie przed rozpoczęciem budowy
To prowadzi do pytania, które zadaję klientom: co ten ekran czy aplikacja pozwoli zrobić, czego nie da się załatwić w rozmowie z agentem AI?
Mam na myśli agenta korzystającego z dostępnych instrukcji, projektów, zadań cyklicznych i połączeń z innymi narzędziami. Taki zestaw może wykonać dużą część pracy, którą chcielibyśmy zautomatyzować w zespole.
Odpowiadając uczciwie, sprawdźmy też, czy potrzebne narzędzia nie są już w firmie. Szukajmy możliwie prostego rozwiązania. Nie trzeba przyjmować pierwszej propozycji AI. Jeśli prosimy je o pomoc, warto określić warunki: „Chcę rozwiązać ten problem za pomocą produktów, do których mam już dostęp. Mogę użyć projektów, umiejętności i zadań cyklicznych. Jak zrobić to najprościej?”. Taki kontekst zmienia odpowiedź bardziej niż ogólna prośba: „Pomóż mi rozwiązać problem”.
Nie pozwólmy, by sugestie AI albo chęć pokazania efektownego projektu przesądzały o tym, co budujemy. Celem jest usprawnienie pracy firmy. Zwykle warto zacząć od prostego rozwiązania w narzędziu, którego już używamy.
Pod filmem ponownie znajdziecie informacje o mojej ofercie oraz bezpłatną serię 30 wiadomości o wykorzystaniu AI w pracy i biznesie.