Dlaczego AI daje Ci przeciętne wyniki i jak to zmienić

Otwórz LinkedIn. Przewiń trzy posty. Ile z nich zaczyna się od „Warto podkreślić, że w dzisiejszym dynamicznie zmieniającym się świecie”? Da się z tego wyjść, a niżej pokazuję, jak pisać prompty do ChatGPT, żeby dostawać coś więcej niż średnią.

Rok temu nikt tak nie pisał. Nie dlatego, że ludzie nie pisali o zmianach. Pisali. Ale każdy inaczej.

Jeden siadał, myślał, szukał własnych słów. Drugi klepał byle co, ale przynajmniej to byle co brzmiało jak on. Dziś co drugi post na LinkedInie brzmi identycznie. Te same zwroty. Ten sam rytm.

„Nie da się ukryć”. „Holistyczne podejście”. „Nowy rozdział w mojej karierze”. „Z ogromną radością informuję”. „W erze cyfrowej”. Hashtagi pisane w sposób maszynowy, każde słowo z wielkiej litery: #TworzenieTreściSEO, #BudowanieMarkiOsobistej. Jakby ktoś zaprogramował maszynę do generowania polszczyzny, która brzmi poprawnie, ale nie pachnie prawdziwym człowiekiem.

I to nie jest tylko polska przypadłość.

Badacze Dmitrij Kobak i współpracownicy przeanalizowali 14,2 miliona abstraktów naukowych z bzy PubMed (gdybyś chciał je wydrukować, wypełniłbyś nimi kilkaset ciężarówek).

Odkryli, że angielskie słowo „delve” (mniej więcej „zagłębiać się”) wystrzeliło o 654% od momentu, kiedy ChatGPT wleciał do internetu.

Językoznawcy z Uniwersytetu na Florydzie, Tom Juzek i Nathan Ward, na konferencji COLING 2025 postawili diagnozę: dziesiątki słów zmieniających częstotliwość jednocześnie. Skomentowali to tak: „Normalnie ewoluują jedno, dwa słowa jednocześnie. Nie całe klastry naraz.” Mówiąc inaczej: to nie ludzie nagle zmienili nawyki. To AI weszło do obiegu i zaraziła język.

I to nie jest problem kilku leniwych użytkowników.

Co trzeci Polak

Gemius i Polskie Badania Internetu opublikowały dane, które warto znać.

W styczniu 2025 z ChatGPT korzystało w Polsce 3,6 miliona osób. W październiku – 10,2 miliona. Trzykrotny wzrost w sześć miesięcy. Co trzeci polski internauta. Autorzy badania podsumowali to tak: „ChatGPT w Polsce jest dziś w podobnym punkcie, w jakim znajdowały się media społecznościowe kilkanaście lat temu.” A media społecznościowe zmieniły wszystko – od tego, jak kupujemy, po to, jak głosujemy.

Jeżeli analogia do Ciebie trafia, to musisz wiedzieć, że to dopiero początek.

Polskie uczelnie musiały stworzyć Jednolity System Antyplagiatowy do wykrywania tekstów generowanych przez AI w pracach dyplomowych. Jak to wykrywają?

Szukają wzorców w tekście. Im bardziej przewidywalny ciąg słów, tym większe prawdopodobieństwo, że tekst wygenerował algorytm. Brzmi znajomo?

To dokładnie mechanizm, który opisałem w tym artykule – przewidywanie następnego słowa (next-token prediction) generuje tekst statystycznie przewidywalny, bo z definicji sięga po najczęstsze wzorce.

Tysiące ludzi wpisuje to samo: „Napisz mi post o…”. I tysiące ludzi dostaje tę samą odpowiedź. Dlaczego?

Jak pisać prompty do ChatGPT: maszyna programowana słowami

Jeśli dasz AI ogólne pytanie, model sięga po statystycznie najczęstszy ciąg wyrazów. Czyli średnią. Wszystkie posty, które kiedykolwiek powstały, uśrednione w jedno.

Ethan Mollick z Wharton School ujmuje to precyzyjnie: AI to maszyna, którą programujesz słowami. Nie rozmówca. Nie partner. Maszyna. A „napisz mi post o AI” to nie jest instrukcja.

To jak przyjść do agencji marketingowej i powiedzieć „zróbcie coś fajnego”. Żaden marketer by tego nie zrobił.

Dlatego piszesz brief. Definiujesz odbiorcę, ton, format, ograniczenia. Dopiero wtedy agencja może zrobić coś, co siądzie.

Z AI jest identycznie. Tylko że ludzie jakoś o tym zapominają.

Badacze z ScienceDirect potwierdzili to w 2024 roku ilościowo: zwięzłe, ustrukturyzowane prompty dają najlepsze wyniki. Ogólne pytania dają najgorsze odpowiedzi.

Lionel Page, ekonomista badający zachowania w interakcjach z AI, porównał rozmowę z modelem językowym do rozmowy z Dory z Gdzie jest Nemo. „Lingwistycznie elokwentna, mówi bzdury z absolutną pewnością siebie.”

Trafione, bo opisuje dokładnie to, co czujesz, kiedy ChatGPT z kamienną twarzą podaje Ci zmyślone źródło albo nieistniejący fakt. Brzmi przekonująco, ale model nie ma pojęcia, o czym „mówi”. Ale jest coś jeszcze gorszego niż brak rozumienia.

W momencie kiedy ChatGPT kończy odpowiedź, nie ma żadnej pamięci o tym, co właśnie napisał. W każdej kolejnej odpowiedzi „mieli” całą konwersację od zera. A kiedy rozmowa się wydłuża, model po cichu kasuje najstarsze fragmenty, bo jego pamięć (okno kontekstowe) jest skończone. „Rozmowa” z AI bardziej przypomina pisanie listów do kogoś z krótką pamięcią.

Skoro nie rozmawiasz, to co robisz? Instruujesz. I tu zaczyna się różnica, bo nie każda instrukcja jest tak samo dobra.

W praktyce prompty dzielą się na trzy rodzaje.

Jednozdaniowy

„Napisz mi post o AI na LinkedIn.”

Wynik: „W dzisiejszym dynamicznie zmieniającym się świecie sztuczna inteligencja odgrywa coraz większą rolę…”

Model nie wie, kim jesteś, do kogo piszesz, czego nie chcesz, w jakim tonie. Sięga po średnią.

Ustrukturyzowany

Tu budujesz prompt z klocków. Masz ich sześć:

• polecenie (co model ma zrobić),
• kontekst (dlaczego),
• rola (kim ma być),
• przykład (co jest dobre i co jest złe),
• ton,
• format.

Nie zawsze wrzucisz wszystkie sześć, ale im więcej dasz, tym AI mniej model zgaduje.

„Wciel się w marketera B2B z 10-letnim doświadczeniem w SaaS (persona). Napisz post na LinkedIn, 150 słów (polecenie + format). Post ma przekonać dyrektorów marketingu, że warto testować AI w procesie tworzenia treści (kontekst). Ton bezpośredni, bez frazesów typu 'dynamicznie zmieniający się świat’ (ton + przykład negatywny). Wzoruj się na stylu, w którym autor mówi do jednej osoby, nie do 'szanownych czytelników’ (przykład pozytywny).”

W tym momencie dostajesz odpowiedź lepszą niż to, co produkuje 90% użytkowników ChatGPT. Bo większość pisze jednozdaniowe prompty.

Krok po kroku:

Dla dużych zadań dzielisz pracę na etapy i prowadzisz model za rękę (chain of thought).

Zamiast „napisz mi strategię content marketingową” mówisz:

Najpierw przeanalizuj moją grupę docelową na podstawie tych danych. Potem zaproponuj trzy filary tematyczne. Dla każdego filara zaproponuj pięć tematów na posty. Na koniec sprawdź, czy każdy temat faktycznie pasuje do mojej grupy, a jeśli nie, zamień go. Każdy krok buduje na poprzednim.

Model nie musi zgadywać całości naraz, a Ty kontrolujesz jakość na każdym etapie.

Jednozdaniowy prompt to rozmowa. Prompt ustrukturyzowany to instrukcja. Prompt chain of thought to system.

Ale to nie wszystko. Jest jeszcze spacja.

Spacja zmienia wszystko

Gdyby AI naprawdę „rozumiało”, nie powinno mieć znaczenia, czy na końcu promptu jest spacja. Spacja. Pojedynczy, niewidoczny znak.

A jednak. Federico Salinas i Fred Morstatter z Uniwersytetu Południowej Kalifornii zaprezentowali na konferencji ACL 2024 badanie, które powinno zmienić sposób, w jaki myślisz o promptowaniu.

Jedna spacja na końcu promptu zmienia odpowiedź modelu. Zmiana sposobu zapisu danych – z jednego formatu na drugi – daje ponad 10% różnicy w przewidywaniach.

GPT-4 ma jeszcze tak zwaną skłonność do pierwszeństwa (w branży mówi się „order bias„).

Kiedy dasz modelowi pytanie wielokrotnego wyboru, w 63% przypadków wybierze pierwszą opcję. Zmień kolejność odpowiedzi, a model zmieni zdanie i nadal wybierze pierwszą odpowiedź. Nie dlatego, że przemyślał sprawę. Dlatego, że pierwszy element na liście ma wyższe prawdopodobieństwo statystyczne.

Zbierzmy to do kupy.

Spacja zmienia wynik. Format zmienia wynik. Kolejność opcji zmienia wynik.

Widzisz, co tu się dzieje? To jest system, w którym każda zmienna ma znaczenie. „Rozmowa” z AI to loteria. Instrukcja to inżynieria.

Dlaczego ten sam model raz odpowiada dobrze, a raz źle na to samo pytanie, wyjaśniłem w artykule „Test myjni” sprawdza Twoją inteligencję, a nie inteligencję AI.

Najdroższe „Proszę” w historii

Sam Altman, szef OpenAI, wyznał w kwietniu 2025, że grzeczność użytkowników kosztuje firmę „dziesiątki milionów dolarów”. Ludzie piszą „proszę” i „dziękuję” do ChatGPT, a każde takie słowo zużywa moc obliczeniową. Altman dodał, że te pieniądze są „dobrze wydane”, bo – cytuję – „nigdy nie wiadomo”. Sugerował, że może kiedyś AI doceni tę uprzejmość. Żart? Może. Ale rachunek za prąd jest prawdziwy.

67% Amerykanów mówi „proszę” lub „dziękuję” do chatbota. 12% robi to „na wszelki wypadek, gdyby AI się uświadomiła i zbuntowała”.

Niby nic takiego, prawda? Ale ludzie z Microsoft Copilot wyjaśniają: grzecznie zapytane pytanie daje grzeczną odpowiedź. Nie lepszą. Grzeczniejszą.

Polacy mają z tym podwójny problem, bo „grzeczność” mamy we krwi. Typowy polski prompt: „Cześć, czy mógłbyś mi uprzejmie pomóc w przygotowaniu…”. Te piętnaście słów grzeczności zajmuje miejsce kontekstu, tonu, ograniczeń.

I nie mówię, żebyś był chamski. Mówię, żebyś te piętnaście słów zamienił na coś, co działa.

Czy to wystarczy? Nie.

Poszarpana granica

Nawet kiedy nauczysz się pisać dobre instrukcje, zostaje jeszcze jeden problem. AI jest genialne w jednych zadaniach i katastrofalne w sąsiednich. I nie wiesz, gdzie przebiega granica, dopóki jej nie przekroczysz.

W 2023 roku Fabrizio Dell’Acqua, Ethan Mollick i współpracownicy z Harvardu, Wharton i MIT przeprowadzili eksperyment na 758 konsultantach Boston Consulting Group.

Dali im dwa rodzaje zadań. Pierwsze leżały w obszarze, w którym AI jest silne. Drugie wychodziły poza ten obszar.

Tam, gdzie AI jest silne, wyniki wyglądały cudownie: konsultanci pracowali o jedną czwartą szybciej, jakość wzrosła o 40%, nawet najsłabsi poprawili się o 43%.

Problemy zaczęły się tam, gdzie AI jest słabe. Ci sami ludzie z tym samym narzędziem osiągali wyniki o 19 punktów procentowych gorsze niż bez AI.

Gorsze, nie takie same. Gorsze.

Mówiąc wprost: używasz AI do zadań, w których AI jest dobre – pracujesz lepiej. Ale jeśli wyślesz algorytm do zadań, na których się nie zna – prosisz się o kłopoty.

Gdzie w takim razie leży granica kompetencji sztucznej inteligencji? I tu sprawy się komplikują.

Badacze opisali to jednym zdaniem: „Ludzie wyłączali mózgi i podążali za rekomendacjami AI.” Nazwali to poszarpaną granicą technologiczną (po angielsku Jagged Technological Frontier). Poszarpana, bo nierówna. AI niektóre zadania ogarnia lepiej niż ekspert z 10-letnim stażem, a inne kompletnie kładzie.

Pomyśl o tym jak o GPS-ie pod Bartoszycami. Na autostradzie A4 działa perfekcyjnie. Na drodze gminnej każe Ci skręcić w pole rzepaku. Nie wiesz, gdzie jest granica, dopóki nie siedzisz w tym polu.

Badacze odkryli jeszcze jedno. Ludzie, którzy najlepiej radzili sobie z AI, dzielili się na dwa typy. Centaury – jasny podział: to robię ja, to robi AI. I cyborgi – głęboka integracja, ciągłe przechodzenie między własnym myśleniem a maszyną. Oba podejścia działały. Tylko jedno podejście nie działało – oddawanie sterów całkowicie w ręce AI.

O stylu centaura, zaczynając od pojedynku Kasparowa z Deep Blue, piszę w artykule Jak korzystać ze sztucznej inteligencji, żeby wycisnąć z niej jak najwięcej..

Zaczniesz pisać jak robot

Jest jeszcze coś, o czym mało kto mówi. AI nie tylko daje Ci mdłe wyniki. AI aktywnie zmienia Twój język.

Ludzie z The Conversation przeanalizowali w 2025 roku 240 rozmów i odkryli, że AI ma mniejszy zasób słów niż ludzie. Kiedy AI daje rady, mówi: „Dbaj o zdrowie”, „Zachowaj work-life balance”. Matka powie: „Krzysiu, dlaczego u licha ciągniesz dwie prace na raz? Zgłupiałeś?”. Badacze ostrzegają: „Ludzie z czasem mogą zacząć naśladować styl AI, stopniowo wymazując kreatywność i unikalność z własnej mowy.” Washington Post ujął to ostrzej: „Zakładasz, że mówicie tym samym językiem. Tak naprawdę mówicie różnymi.”

To dzieje się powoli. Nie zauważysz tego po jednym prompcie. Ale po miesiącu codziennego korzystania z ChatGPT zaczniesz łapać się na tym, że w mailu do klienta piszesz „warto podkreślić, że” zamiast po prostu powiedzieć, o co Ci chodzi. AI nie musi zastąpić Twojego pisania. Wystarczy, że zmieni Twoje nawyki językowe.

Żebyś to poczuł, zróbmy eksperyment. Napisz do swojego AI: „Napisz post na LinkedIn o zmianie pracy.”

AI: „Z ogromną radością informuję, że rozpoczynam nowy rozdział w mojej karierze zawodowej. Jestem niezmiernie wdzięczny/a za wszystkie doświadczenia i lekcje, które wyniosłem/am z poprzedniego miejsca pracy. Z niecierpliwością oczekuję nowych wyzwań.”

Człowiek napisałby: „Dobra, to się stało. Odchodzę z pracy. Trzy lata i 47 kompletnie podłych poniedziałków później stwierdziłem, albo dziś albo wcale. Czekam na nowe wyzwania.”

Rozpoznajesz oba style ze swojego feeda. Jeden czytasz. Drugi przewijasz. A jeśli codziennie czytasz te drugie, powoli zaczynasz myśleć, że tak się pisze posty. To jest ta infekcja.

Jak zrobić z AI tekst, który brzmi jak człowiek, pokazuję krok po kroku w artykule Co zrobić, żeby AI pisało jak człowiek.

Nie rozmawiaj. Instruuj.

Zbierzmy to do kupy.

Ludzie dostają z AI przeciętne wyniki, bo rozmawiają zamiast instruować – jak kucharz, który gotuje bez przepisu i dziwi się, że wyszło mdło.

Nie dają kontekstu, więc AI sięga po średnią statystyczną. Marnują tokeny na grzeczność zamiast na precyzję. Nie znają poszarpanej granicy, więc wyłączają mózg tam, gdzie powinni go włączyć na najwyższe obroty. Akceptują pierwszy wynik, mimo że jedna spacja zmienia odpowiedź. I pozwalają AI mówić swoim językiem, zamiast narzucić własny ton, styl, głos.

Każdy z tych błędów wynika z tego samego. Ludzie traktują AI jak rozmówcę, zamiast jak program, który należy programować słowami.

Co z tym zrobić? Weź swój ostatni prompt do ChatGPT. Policz, ile z tych sześciu klocków w nim jest. Ten stosunek mówi Ci wszystko o jakości Twoich wyników. Jeśli wypada blado, to wiesz już, co zrobić 😉

Ale jest coś, czego nawet najlepszy prompt nie naprawi.

Coś, co siedzi głębiej niż Twoje umiejętności promptowania. Bo zanim ChatGPT przeczytał Twój prompt, przeczytał miliardy innych tekstów. I to one decydują o tym, co Ci odpowie.

Skąd AI wie to, co wie? Kto zdecydował, które fragmenty internetu są „wiedzą”, a które „śmieciem”? Jak działa RLHF, czyli proces, w którym ludzie za głodowe stawki uczą model, co jest „dobrą” a co „złą” odpowiedzią?

O tym następnym razem.