O czym jest ten film
- Paradoks: im lepiej skill działa u jego autora, tym większa szansa, że u kogoś innego przestanie działać — bo cztery elementy nie przenoszą się razem z nim.
- Te cztery braki to: połączone narzędzia (wtyczki w ChatGPT, konektory w Claude), pliki, ukryta wiedza (instrukcje i pamięć poza skillem) oraz ustawienia — wersja modelu i poziom rozumowania.
- Największe ryzyko: AI nie przyzna się do braków. Będzie domykać luki — sięgnie do internetu albo wymyśli daną z otaczającego kontekstu.
- Pierwszy krok to audyt w osobnym czacie: prompt każe AI wypisać wszystko, czego skill wymaga poza swoją treścią, i co się stanie, gdy ktoś uruchomi go bez tych elementów.
- Naprawa narzędzi: sekcja „Zanim zaczniesz” na początku skilla z listą wymaganych połączeń — przy braku model ma się zatrzymać i poprosić użytkownika, nigdy podmieniać źródła.
- Naprawa kontekstu: trzy sieci bezpieczeństwa — pliki w lokalizacjach współdzielonych, przeniesienie pamięci do wnętrza skilla, a w ostateczności puste pole z notatką zamiast halucynacji.
- Zakres udostępniania ma trzy poziomy: kilka osób, cały dział, cała firma — każdy z innymi konsekwencjami; skille firmowe włączają się automatycznie każdemu.
- Przy zbyt wielu podobnych skillach AI może wywołać zły w złym momencie — stąd limit 10–15 skillów ogólnofirmowych i wymóg wyraźnej odrębności nazw.
- Dwa typy skillów: regułowe (np. branding firmowy) — dla całej firmy; zadaniowe (np. pisanie propozycji handlowych) — dla wąskich grup.
- Test końcowy: 3–5 osób korzysta ze skilla samodzielnie, bez pomocy autora; uprawnienia edycyjne trzymają w rękach najwyżej dwie–trzy osoby.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Zrób audyt skilla, zanim komukolwiek go udostępnisz
Na czym polega: Skill, który działa u ciebie, często dyskretnie korzysta z rzeczy, których nie ma w swojej treści: konektorów, plików, zapisanych wspomnień, konkretnego modelu. Audyt polega na zmuszeniu AI, żeby te zależności wypisało.
Jak stosować: Otwórz świeży czat w ChatGPT lub Claude, wywołaj skill z nazwy i wklej prompt: „Przeczytaj ten skill od góry do dołu i wypisz wszystko, czego wymaga, a czego nie ma w jego treści — narzędzia, pliki i foldery, fakty (instrukcje i pamięć) oraz konkretne modele i ustawienia. Dla każdego punktu powiedz, co się stanie, gdy współpracownik uruchomi skilla bez tego elementu.”
Na co uważać: W fazie rozpoznania AI nie może jeszcze niczego poprawiać — najpierw raport, potem zmiany. Inaczej dostaniesz „ulepszony” skill bez listy braków, o którą naprawdę chodziło.
2.Wbuduj sekcję „Zanim zaczniesz” z listą wymaganych narzędzi
Na czym polega: U odbiorcy skill często wymaga połączeń, których ten nie ma — np. włączonej poczty i kalendarza, ale zapomnianego CRM-u. Bez zabezpieczenia AI po prostu zaimprovizuje.
Jak stosować: Poleć AI dodać na samej górze skilla krótką sekcję z listą potrzebnych narzędzi i instrukcją: sprawdź, czy użytkownik ma je włączone; jeśli czegoś brakuje — przerwij, powiedz o tym i czekaj na odpowiedź. Zmiany powinny zmieścić się w dziesięciu linijkach.
Na co uważać: Model wywołujący skilla nie może samowolnie sięgać do internetu ani podmieniać źródeł. Po drugie: rozbudowane dopiski zapchają okno kontekstu — ingerencje trzymaj na minimalnym poziomie.
3.Pliki trzymaj w lokalizacjach współdzielonych
Na czym polega: Jeśli skill korzysta z pliku leżącego na twoim komputerze, u nikogo innego nie zadziała — AI nie ma do niego dostępu.
Jak stosować: Przenieś potrzebne pliki do wspólnej przestrzeni synchronizowanej z chmurą — Dysku Google, Dropboxa, Boxa czy firmowego dysku — żeby każdy miał do nich dostęp. Jeśli to niewykonalne, skill ma się zatrzymać i poprosić użytkownika o dostarczenie pliku.
Na co uważać: Największym wrogiem jest tu pozorny sukces: bez pliku AI spróbuje odgadnąć brakujące liczby z otaczającego kontekstu, a wynik będzie wyglądał sensownie, choć będzie zmyślony.
4.Przenieś wiedzę z pamięci do wnętrza skilla
Na czym polega: U autora skill często działa dzięki zapisanym w pamięci AI informacjom, o których autor nie wie — na przykład że rok obrotowy firmy zaczyna się w lipcu. U kogoś innego ta pamięć nie istnieje.
Jak stosować: Każ AI wypisać, jakich wspomnień i instrukcji spoza skilla używa podczas pracy, a potem włączyć te informacje wprost do jego treści.
Na co uważać: To zależność najtrudniejsza do wykrycia, bo jest niewidoczna dla autora — wszystko działa, więc nic nie zdradza problemu. Regularnie odświeżaj taki audyt, bo w trakcie pracy przybywa nowych zapisów w pamięci.
5.Puste pole zamiast domysłu
Na czym polega: Ostatnia sieć bezpieczeństwa na wypadek, gdy użytkownik nie dostarczy danych albo AI zapomni o nie zapytać: model ma zostawić lukę, a nie ją wypełnić zmyśleniem.
Jak stosować: Wpisz do skilla instrukcję: jeśli czegoś brakuje (np. cennika), wykonaj wszystkie kroki, które da się zrobić bez tego, a miejsca, których to dotyczy, zostaw puste i dopisz dokładnie, czego potrzebujesz, żeby dokończyć.
Na co uważać: Halucynacje w tego typu wynikach bywają przekonujące — dlatego przeglądaj nie tylko to, co AI wpisało, ale i to, skąd to „wie”. Pusta rubryka z notatką to sygnał, że system działa; urojenie udające liczbę — że nie działa.
6.Sprawdź, czy ustawienia modelu nie robią różnicy
Na czym polega: Skill dopracowany na GPT-6 z najwyższym poziomem rozumowania może dać wyraźnie gorszy efekt, gdy ktoś uruchomi go z niskim. Ustawienie, którego używasz, prawdopodobnie ma znaczenie dla jakości wyniku.
Jak stosować: Już w audycie uwzględnij pytanie o konkretny model i poziom rozumowania, których wymaga zadanie. Jeśli okaże się, że ustawienie jest kluczowe, zapisz wymóg w treści skilla.
Na co uważać: Odbiorcy często pracują na domyślnej konfiguracji i nie pomyślą o zmianie — różnica w jakości wyjdzie dopiero w skutkach, a nie od razu w pierwszym wyniku.
7.Ogranicz liczbę skillów firmowych i pilnuj ich odrębności
Na czym polega: W planach zespołowych i biznesowych (Claude oraz ChatGPT) skille udostępnione całej firmie włączają się każdemu automatycznie — i mogą zostać użyte niejawnie, bez wyraźnej prośby. Przy dwóch podobnych skillach AI może się pomylić i uruchomić niewłaściwy.
Jak stosować: Liczbę skillów ogólnofirmowych trzymaj w granicach 10–15, a przede wszystkim dbaj, by ich nazwy i opisy wyraźnie się różniły — to właśnie one przegląda model, wybierając, co wywołać.
Na co uważać: Samo konto skillów nie jest problemem; problemem jest podobieństwo. Trzy skille o niemal jednakowych opisach są groźniejsze niż dwadzieścia wyraźnie odmiennych.
8.Skille regułowe — wszystkim, zadaniowe — wąskim grupom
Na czym polega: Są dwa typy dzielonych skillów. Regułowe pilnują określonego sposobu pracy — jak branding firmowy: kolory, fonty i logo w każdej prezentacji, włączane w tle automatycznie. Zadaniowe faktycznie wykonują czynność — jak pisanie propozycji dla klientów.
Jak stosować: Regułowe udostępniaj szeroko, bo wszyscy korzystają na równi; zadaniowe przekazuj wąskim grupom o tym samym profilu pracy, np. zespołowi handlowemu czy finansom.
Na co uważać: Skill zadaniowy rozdany całej firmie zwiększa ryzyko błędnego, niejawnego wywołania u osób, których praca w ogóle go nie dotyczy.
9.Jedno–dwóch właścicieli, maksymalnie dwóch–trzech edytorów
Na czym polega: Udostępnianie wiąże się z rolami: właściciel (autor), edytor i przeglądający. Domyślnie ludzie dostają sam podgląd, a zmiany wprowadzone przez właściciela rozchodzą się do wszystkich użytkowników — to zaleta, nie wada.
Jak stosować: Przy skILLu użytkowanym przez kilkanaście i więcej osób edycje powierz najwyżej dwóm–trzem osobom, a odpowiedzialność trzymaj w jednej–dwóch parach rąk.
Na co uważać: Gdy każdy może edytować, skill szybko traci spójność — różne osoby ciągną go w różne strony, a użytkownicy dostają zmiany, których nikt z nimi nie skonsultował.
10.Testuj skilla bez obecności autora
Na czym polega: Jedyny miarodajny sprawdzian samodzielności skilla to sytuacja, w której autor nie pomaga. Dopiero wtedy wychodzą rzeczywiste braki: niepodpięty CRM, brak dostępu do cennika.
Jak stosować: Po wszystkich naprawach przekaż skilla grupie trzech–pięciu osób, poproś o samodzielne użycie i zbierz od nich uwagi. Nie ingeruj w trakcie — wszystko, co odkryją, zapisuj i wbudowuj w skilla.
Na co uważać: Jeśli odbiorcy zadają ci pytania w trakcie testu, znaczy to, że skill jeszcze nie jest samodzielny. Każde takie pytanie to wskazówka, co jeszcze wypiec w jego instrukcjach.
Redakcyjne tłumaczenie
Paradoks udostępniania skillów
Brzmi to trochę na opak, ale im lepiej skill w ChatGPT albo Claude działa u ciebie, tym większa szansa, że padnie w chwili, gdy przekażesz go komuś innemu. I nikt się nie zorientuje, kiedy dokładnie się to stanie. Gdy u twojego współpracownika zabraknie jakiegoś elementu, AI po prostu zgadnie — a wynik będzie wyglądał na tyle dobrze, że nikt go nie zweryfikuje.
Nazywam się Dylan Davis, prowadzę firmę doradczą zajmującą się sztuczną inteligencją i widuję ten scenariusz u klientów bez przerwy. Cała sprawa sprowadza się do czterech rzeczy związanych ze skillem, które nie wędrują razem z nim, gdy go udostępniasz. Pokażę, co to za rzeczy, co poprawić przed przekazaniem skilla dalej i jak sprawdzić, że działa również bez ciebie.
Skill a projekt — dlaczego w ogóle dzielić się automatyzacją
Zakładam, że skoro obejrzałeś ten film, wiesz mniej więcej, czym są skille. A jeśli nie — w największym skrócie: skill i projekt to dwa różne sposoby automatyzowania powtarzalnych czynności w pracy. Dobrze zbudowany skill oddajesz AI, a ta odtąd wykonuje dane zadanie w kółko — zawsze po twojemu i na poziomie, jakiego oczekujesz.
(Informacja dodatkowa: „Skill” to funkcja ChatGPT i Claude — zamknięty pakiet instrukcji, plików i ustawień, który model dołącza do rozmowy, by powtarzalnie realizować konkretne zadanie.)
Powodów, dla których warto to robić, jest mnóstwo, ale jeden jest szczególny: taką automatyzację można rozciągnąć na innych. Przykład: co tydzień wykonuję zadanie, które zajmuje mi około godziny. Buduję skilla, który robi je w pięć minut. W moim zespole piętnaście osób zmaga się z tym samym zadaniem. Jeżeli przygotuję automatyzację tak, żeby była użyteczna także dla nich, i ją udostępnię, efekt rośnie wielokrotnie: zamiast jednej godziny tygodniowo oszczędzamy piętnaście–szesnaście godzin. To jedna z najmocniejszych zalet skillów w pracy zespołowej.
Cztery rzeczy, które zostają u ciebie
Skoro wiemy, dlaczego to ważne, pora na problemy. Gdy przekazujesz skilla dopracowanego pod siebie, po drugiej stronie zwykle brakuje czterech elementów.
Po pierwsze — połączone narzędzia. Tworząc skilla, często podpinasz go pod inne systemy: pocztę, CRM, kalendarz. Osoba, której go przekazujesz, może nie mieć ich podpiętych do własnej instancji Claude albo ChatGPT. W ChatGPT takie integracje nazywają się wtyczkami, w Claude — konektorami.
Po drugie — pliki. Czasem skill ma pliki w sobie, a czasem z nich korzysta, choć ich nie zawiera. Jeżeli AI czegoś takiego potrzebuje, a adresat nie ma dostępu, zadanie nie zostanie wykonane tak, jak trzeba. W takich sytuacjach zalecam trzymanie plików w przestrzeniach wspólnych — na Dysku Google, dysku firmowym czy w Boxie — wszędzie tam, gdzie da się zsynchronizować pliki lokalne z chmurą i przydzielić dostęp każdemu.
Po trzecie — to, co model wie. Chodzi o kontekst: konkretne instrukcje albo zapisy w pamięci, które żyją poza skillem. Muszą zostać przeniesione do jego wnętrza.
Po czwarte — ustawienia. W grę wchodzi wybór modelu i poziom rozumowania, na którym pracujesz, żeby dostać wynik wysokiej jakości. Może ty uruchamiasz skilla na GPT-6 z najwyższym poziomem dociekań, a ktoś inny odpala go na tym samym modelu z niskim — i dostaje gorszy efekt. To konkretne ustawienie najpewniej ma znaczenie dla tego zadania.
Największy problem: model milczy i domyśla się
Najpoważniejszy kłopot jest taki, że gdy ktoś próbuje uruchomić twego skilla i czegoś mu brakuje, AI niemal na pewno nie powie tego wprost. Będzie starało się domykać luki i działać dalej. A objawów może być tysiąc. Zbyt często widzę, że bez podpiętego konektora model wychodzi do internetu albo wykorzystuje cokolwiek innego, do czego ma dostęp, żeby wypełnić braki w wyniku. Drugi bardzo częsty scenariusz: bez dostępu do pliku AI próbuje wywnioskować z otaczającego kontekstu, jaka liczba mogłaby się tam znajdować — i znowu po cichu wpisuje domysł albo halucynację.
Krok pierwszy: audyt w osobnym czacie
Pierwszy krok naprawy jest prosty: dajemy AI skilla i każemy mu spojrzeć na niego z boku, pod kątem tych czterech kategorii.
Zrobisz to w nowym czacie. Otwórz świeżą rozmowę w ChatGPT albo Claude, wywołaj skilla — wspomnij go z nazwy — i wklej bardzo prosty prompt. Mówimy w nim tylko tyle: przeczytaj ten skill od góry do dołu i wypisz wszystko, czego wymaga, a czego nie ma w jego treści. Najbardziej interesują nas cztery kategorie: połączone narzędzia, pliki i foldery, fakty (czyli kontekst: instrukcje i pamięć) oraz konkretne modele i ustawienia związane z tym zadaniem. Na końcu: dla każdego punktu powiedz, co się stanie, gdy współpracownik uruchomi skilla bez tego elementu. I jeszcze jedno — niczego jeszcze nie zmieniaj. Najpierw raport, potem poprawki. To dopiero faza rozpoznania: ustalamy, czego w skillu brakuje, żeby potem z pomocą AI wbudować w niego sieci bezpieczeństwa — tak, by przy brakach sam pytał użytkownika, zamiast improwizować.
Naprawa 1: narzędzia i konektory
Zacznijmy od konektorów — to chyba najczęstsza bolączka udostępnianych skillów. Ktoś ma dwa z trzech wymaganych połączeń: pocztę i kalendarz, ale zapomniał o CRM. W takiej sytuacji skill powinien wykryć, że CRM nie jest podpięty, zatrzymać się i zgłosić: widzę brakujące połączenie, podepnij je proszę — i pokazać, jak to zrobić. A jeśli wszystko jest na miejscu, po prostu wykonać zadanie.
Sposób wprowadzenia tej poprawki to znowu prosty prompt w świeżym czacie. Gdy już wiemy, których konektorów brakuje, każemy AI dodać na samym początku skilla bardzo krótką sekcję zatytułowaną „Zanim zaczniesz”. Ma się w niej znaleźćlista wszystkich narzędzi, których skill potrzebuje, oraz instrukcja dla modelu, który będzie ten skill uruchamiał: sprawdź, czy użytkownik ma je włączone; jeśli czegoś brakuje — przerwij, powiedz o tym i czekaj na odpowiedź. AI wywołujące skilla nie może nigdy podmieniać źródeł — nie sięga do internetu ani niczego innego poza konektorami, o których tu chodzi. Na końcu prosimy, by wszystkie zmiany zmieściły się w dziesięciu linijkach.
Skąd ten minimalizm? Każda ingerencja w skilla powinna być najmniejsza z możliwych — tylko tyle, ile potrzeba do celu, czyli do wyproszenia użytkownika o brakujące połączenia. Chodzi o okno kontekstu, czyli de facto pamięć roboczą modelu: rozwlekły skill niepotrzebnie ją zapycha, więc staramy się tego unikać.
Naprawa 2: pliki, instrukcje i pamięć — trzy sieci bezpieczeństwa
Druga poprawka dotyczy kontekstu — zarówno plików, jak i instrukcji z pamięcią. Mamy tu kilka zabezpieczeń.
Pierwsze: pliki. Jeśli skill potrzebuje pliku, który u ciebie leży na komputerze i nikt inny do niego nie ma dostępu, najlepiej przenieść go do przestrzeni wspólnej — znów: Dysk Google, Dropbox, dysk firmowy; byle była synchronizacja lokalna–chmura i dostęp dla wszystkich. A jeśli tego nie zrobisz, AI ma się zatrzymać i poprosić: potrzebuję tego pliku do tego zadania, podeślij go proszę.
Drugie: instrukcje i pamięć. Zdarza się, że skilla u ciebie trzymają pion zapisy w pamięci AI, o których nie masz pojęcia, a dzięki którym wszystko działa. Trzeba tę wiedzę wynieść na zewnątrz: AI ma wypisać, jakich wspomnień i instrukcji spoza skilla używa, a potem włączyć je do jego treści. Przykład: w twojej firmie rok obrotowy zaczyna się w lipcu. Taki fakt może funkcjonować jako przypadkowa pamięć o tobie. Wpisujemy go wprost do skilla, żeby u innego użytkownika nie musiał sięgać do twoich zapisów.
Trzecie: puste pole zamiast zgadywania. Jeżeli użytkownik nie może dostarczyć informacji albo AI zapomni zapytać, zawsze wybieramy pustkę, nigdy domysł. Instrukcja wygląda tak: gdy nie ma cennika, wykonaj wszystkie kroki, które da się zrobić bez niego, a miejsca, których on dotyczy, zostaw puste i dopisz dokładnie, czego potrzebujesz, żeby ten fragment dokończyć.
Wszystkie trzy sieci wbudujesz jednym prostym promptem. Mówimy w nim: dodaj do skilla sekcję „czego potrzebuję od użytkownika”. Niech AI wypisze w prostych słowach każdy plik i każdą informację, których skill wymaga od osoby go uruchamiającej. Jeśli czegoś brakuje — niech zadaje pytania, żeby tę wiedzę zdobyć. A gdy jej nie ma, działa ostateczna siatka: dokończ, co się da, a brakujące pola zostaw puste z krótką notatką, czego trzeba do ich uzupełnienia. To bardzo proste polecenie, a radykalnie poprawia skilla w cudzych rękach.
Naprawa 3: komu i na jakich zasadach udostępniać skille
Skilla można udostępniać różnie szeroko. Pierwszy poziom: kilka konkretnych osób, trzy–cztery. Drugi: cały dział, na przykład cały marketing. Trzeci: cała firma. Każdy poziom ma swoje konsekwencje i trzeba je znać.
Najważniejsza rzecz, którą chcę podkreślić: udostępnianie skilli całej firmie jest w porządku i niektórym wręcz to polecam — ale wiedz, że w planach zespołowych i biznesowych (Claude Teams/Business, ChatGPT Teams/Business) skille włączają się automatycznie każdemu. Skille można przywoływać na dwa sposoby: jawnie — gdy wołasz go z nazwy i mówisz „uruchom to teraz” — albo niejawnie, gdy AI samo go użyje, bo uzna, że pasuje do kontekstu twojej prośby.
Dlatego przy skillach ogólnofirmowych zalecam ograniczenie ich liczby do 10–15. Uwaga: liczba sama w sobie nie jest problemem — problemem jest podobieństwo między skillami. Model nieustannie przegląda nazwy i opisy wszystkich włączonych skillów; jeśli dwa są do siebie zbliżone nazwą i opisem, może się pomylić i w złym momencie uruchomić niewłaściwy. Skille firmowe muszą więc wyraźnie się od siebie różnić i nie może ich być za dużo.
W praktyce krążą dwa typy skillów, dobierane do liczby odbiorców. Przy udostępnianiu całej firmie polecam skille regułowe. Przykład: branding firmowy. Wszyscy w organizacji robią prezentacje, a przy nich obowiązują ścisłe wytyczne — konkretne kolory, fonty, logo. Jeśli włączysz firmowy skill brandowy każdemu, to przy każdej prezentacji uruchomi się on w tle i wynik wróci zgodny z identyfikacją. To jest skill regułowy. Druga kategoria to skille zadaniowe — takie, które faktycznie wykonują pracę — i te przekazuje się węższym grupom o tym samym zakresie obowiązków. Przykład: handlowcy piszący propozycje dla potencjalnych klientów. Tworzysz skill do pisania propozycji i udostępniasz go temu wąskiemu gronu. Za każdym razem, gdy piszą propozycję, skill wchodzi do gry — mogą go wołać z nazwy albo działa się to niejawnie.
Uprawnienia: kto może zmieniać skilla
Jeszcze dwie rzeczy. Po pierwsze — uprawnienia. Przy udostępnianiu skilla zwykle do wyboru są dwie–trzy role: właściciel (autor), edytor i przeglądający. Większość osób dostaje domyślnie sam podgląd, czyli nie może nic zmieniać — a każda twoja poprawka rozchodzi się automatycznie do wszystkich użytkowników. To bardzo wygodna mechanika. Jedno zastrzeżenie: przy skillu, z którego korzysta dziesięć osób, dostęp edytorski daj najwyżej dwóm–trzem. Gdy każdy będzie majstrował, skill szybko rozjedzie się w różne strony. Zwykle wystarczą jeden–dwóch właścicieli, którzy wprowadzają zmiany propagowane do reszty — zwłaszcza gdy użytkowników jest kilkanaście lub więcej.
Test: czy skill daje radę bez autora
Po drugie — testowanie. Stworzyłeś skilla dla siebie i chcesz go oddać innym? Po przejściu wszystkich opisanych kroków udostępnij go grupie trzech–pięciu osób i — to kluczowe — nie pomagaj im. Chcesz przecież sprawdzić, czy skill radzi sobie sam, bez ciebie przy boku. Przekaż go, poproś o użycie i czekaj na ich uwagi. W trakcie okaże się na przykład, że ktoś musiał włączyć CRM, a nie miał, albo nie miał dostępu do cennika. Wszystkie takie sytuacje notuj — bez wchodzenia z pomocą — i wbudowuj w skilla, żeby działał samodzielnie także wtedy, gdy cię nie ma.
Podsumowanie
Skille są bardzo potężne: budujcie je i dzielcie się nimi w zespołach. Ale róbcie to tak, żeby naprawdę działały samodzielnie i były użyteczne. Przypomnijmy całość: skill ma wiedzieć, jakich narzędzi wymaga, i prosić o nie, gdy ich brakuje. Ma mieć dostęp do plików, instrukcji i powiązanej pamięci — albo o nie pytać, gdy pracuje na czyimś innym komputerze. Szerokiej publiczności udostępniaj tylko skille regułowe, wymuszające konkretny sposób wykonywania danego zadania; skille zadaniowe, które pracę wykonują, trzymaj przy wąskich grupach — finansach, marketingu. I wreszcie: testując skilla, wyjdź z pokoju. Daj go ludziom, poproś o uruchomienie i zobacz, czy dadzą radę bez ciebie. Jeśli tak — jest duża szansa, że wszystko zostało zrobione dobrze. Jeśli nie — przed udostępnieniem reszcie zespołu czekają cię jeszcze poprawki.