Umíš s AI mluvit líp, než si myslíš

Dlouho jsem měla pocit, že s umělou inteligencí jsem prostě pozadu. Že zatímco já luštím, jak se ta věc vlastně ovládá, někde sedí dvacetiletí kluci, co to mají v malíku, a mně ten vlak ujíždí. A přiznám se, chvíli mě to i mrzelo, protože já jsem roky něco budovala, a najednou mám pocit, že to skoro k ničemu není.

A pak mi došla jedna věc, kvůli které vlastně píšu tenhle článek. Že to není pravda. Že velkou část toho, co dělá dobrý prompt dobrým promptem, já dávno umím. Jen jsem tomu roky říkala jinak: vzdělávání dospělých.

Než budu pokračovat, řeknu ti, kdo jsem, ať víš, odkud mluvím. Jmenuju se Kateřina a hodně let se pohybuju kolem toho, jak se dospělí učí, jak se vedou a jak jim něco předat tak, aby si to opravdu vzali. Pracuju i tam, kde se potkává svět IT a svět byznysu, což je vlastně nekonečné překládání mezi lidmi, co si navzájem nerozumí. A teď, po čtyřicítce, vedle práce, co mi pořád běží, se učím AI a spojuju si tyhle dva světy dohromady. A tohle je jedno z těch spojení, ze kterých mám upřímně radost.

Kdo byl ten člověk, o kterého se opírám

Abych vysvětlila, o co jde, musím ti představit jednoho člověka. Byl to Malcolm Knowles, americký pedagog, který zasvětil velkou část života jedné otázce: jestli se dospělý učí jinak než dítě. A došel k tomu, že ano, a docela zásadně. Hlavně jeho zásluhou se ujal takový starý pojem, andragogika, což je v zásadě věda a umění, jak pomáhat dospělým se učit. Knowles pak na přelomu šedesátých a sedmdesátých let sepsal pár předpokladů o tom, co dospělý potřebuje, aby se vůbec chtěl a mohl něco naučit.

A ta legrace je, že když si ty jeho předpoklady dneska přečteš, čteš vlastně návod, jak mluvit s umělou inteligencí. On to samozřejmě tušit nemohl, umřel dávno předtím, než tohle všechno přišlo. Ale sedí to skoro dokonale.

Pomůže, když si ten jazykový model nepředstavíš jako počítač, ale jako mimořádně schopného, ale úplně nového kolegu. Umí strašně moc, ale právě přišel, nezná kontext, neví, proč něco děláš, a nemá tvoji zkušenost. A ty, jestli roky vedeš nebo učíš dospělé, přesně víš, jak s takovým člověkem zacházet. Tak pojďme přes Knowlese.

Za prvé: dospělý chce vědět proč

Knowles říká, že dospělý potřebuje vědět, proč se má něčemu věnovat, ještě dřív, než začne. Ty to nejspíš znáš, ve školení se tomu říká „co z toho budu mít". Bez toho smyslu prostě nepřijde energie, a je jedno, jak dobře to máš připravené.

A přesně tak je na tom ta AI. Když jí napíšeš jenom „vysvětli cloud computing", dostaneš průměr všeho, co kdy kdo o cloudu napsal. Je to gramaticky správně a k ničemu. Ale jakmile dopíšeš to proč, tedy že třeba připravuješ školení pro obchodníky a chceš jim dát argumenty do prodeje, ta odpověď se úplně změní, protože jsi modelu zúžila, kam má vůbec mířit. Kontext tam nedáváš ze zdvořilosti. Dáváš mu tím směr.

Za druhé: stav na tom, co už je

Další věc, kterou Knowles pořád opakoval, je, že nejcennější, co dospělý do učení přináší, je on sám. Jeho zkušenost. Není to prázdná nádoba, kterou naplníš, ale někdo, kdo už spoustu věcí zažil, a ty na tom můžeš stavět.

S modelem je to úplně stejné. Nejlepší výsledky nedělá z ničeho, dělá je z toho, co mu dáš. Když mu ukážeš tři hotové ukázky toho, jak to má vypadat, okamžitě chytne tón i strukturu (mimochodem, tomuhle se odborně říká few-shot, ale ono to prostě znamená „ukaž mu příklad"). A když mu vložíš vlastní podklady, svoje směrnice, přepisy, poznámky, přestane si domýšlet a začne stavět na tvých věcech. Já to vidím tak, že s AI se nemá mluvit jako s vševědem. Má se s ní mluvit jako s někým, komu dáš do ruky to, co už máš.

Za třetí: řeš konkrétní věc, ne obecno

Knowles si všiml, že dospělí se neučí do zásoby na někdy. Učí se, aby vyřešili to, co mají teď na stole. Obecná teorie, u které nevidí, k čemu jim bude, je nechává chladné.

A model reaguje úplně stejně. Když napíšeš „napiš strategii pro řízení týmu", vypadnou z něj poučky, co jsi už stokrát slyšela. Ale když napíšeš něco jako „vedu vývojářský tým, dva klíčoví lidé odmítají nový systém na úkoly s tím, že je to zdržuje od práce, napiš mi osnovu rozhovoru, který s nimi zítra povedu, chci překonat jejich odpor tak, abych jim nenarušila vztah", dostaneš něco úplně jiného. Konkrétního. Tvého. Čím užší je ta situace, tím ostřejší je ta odpověď.

Za čtvrté: dej tomu roli

A ještě jedna, možná moje oblíbená. Knowles mluví o tom, že dospělý potřebuje být brán jako někdo kompetentní a samostatný. A v práci s AI tomu odpovídá jedna z nejsilnějších věcí vůbec, přidělení role. Když modelu napíšeš „chovej se jako zkušený finanční auditor, kterému hodně záleží na dodržování pravidel", přepne se mu slovník, míra formálnosti i způsob, jak přemýšlí. Dáš mu identitu, a ta identita mu rovnou určí, jak k tomu má přistoupit.

A jedna věc navíc, kterou jako lektorka oceníš

Přidám ti ještě jeden detail, protože ho nejspíš dobře znáš z druhé strany. Teorie kognitivní zátěže říká, že člověk uveze v pracovní paměti jenom pár věcí naráz, a když toho na něj hodíš moc, zahltí se a přestane se učit. No a přesně tohle má i ten model. Říká se tomu kontextové okno. Když ho zavalíš šumem, protichůdnými pokyny a hromadou nevytříděných dokumentů, začne se v tom ztrácet a jeho pozornost se rozředí. Je to úplně stejný princip a má i stejné řešení: míň balastu, jasnější struktura, oddělené části.

Kam to vede

Možná jsi někde zahlédla hotové šablony na prompty, mají zkratky jako CO-STAR nebo CRAFT a zní to hrozně technicky. Ale když se do nich podíváš, zjistíš, že jenom hezky srovnaly do řady přesně to, o čem tu celou dobu mluvím: kontext, cíl, roli, publikum, omezení, formát. Je to vlastně Knowles převlečený za akronym.

Ať to není jenom řeč, ukážu ti, jak takový prompt podle CO-STARu vypadá:

Kontext: Vedu online kurz pro začínající kouče.
Cíl: Vysvětlit jim rozdíl mezi otevřenou a uzavřenou otázkou.
Styl: Srozumitelně, s příklady z koučovací praxe.
Tón: Vřelý, povzbudivý, žádné kázání.
Publikum: Lidé bez psychologického vzdělání.
Formát: Krátký text a k němu tři ukázkové dvojice otázek.

Šest řádků. A výstup je najednou rovnou k použití, ne k předělávání.

Takže jestli máš pocit, že ti to ujíždí

Já ti dávám svůj pohled: neujíždí. Aspoň jak to vidím já. Prompt engineering není nový obor, co se musíš učit od nuly. Je to spíš překlad něčeho, co už roky umíš, do nového jazyka. Ty umíš předat smysl, ukotvit to v kontextu, stavět na zkušenosti a nechat člověku prostor, aby si to dořešil po svém. A to je vlastně skoro celé to tajemství dobrého promptu.

Možná se v tom najdeš, možná ne. Ale jestli tě to chytlo, zkus si příště, než něco napíšeš té své AI, představit, že učíš kolegu. A pak mi klidně napiš, jak to dopadlo.