W skrócie: Dobry prompt to brief dla bardzo zdolnego, ale nowego współpracownika. Mówi mu, po co jest zadanie, na jakich danych ma pracować, jak wygląda dobry wynik (najlepiej na przykładzie), w jakiej formie oddać odpowiedź i po czym sprawdzisz jakość. OpenAI, Anthropic i Google w swoich oficjalnych wytycznych powtarzają te same zasady: konkretna instrukcja, kontekst, przykłady i jasny format. Pierwsza odpowiedź modelu jest szkicem, a o jakości decyduje feedback w kolejnych krokach. Stawka jest realna: według KPMG i University of Melbourne 66% pracowników korzysta z wyników AI bez sprawdzania ich poprawności, a 56% popełniło przez to błędy w pracy.
Spis treści
- Czym jest prompt i dlaczego dobre prompty decydują o wyniku?
- Dlaczego pisanie promptów to umiejętność delegowania?
- Z czego składa się dobry prompt? Brief delegacyjny w 5 elementach
- Jak pisać prompty w ChatGPT krok po kroku: iteracja i feedback
- Jak pracować z AI na długich dokumentach?
- Jak sprawdzić odpowiedź AI i ograniczyć halucynacje?
- Jakie dane wolno wpisać do promptu?
- Prompty dla firm: 8 gotowych przykładów
- Czy prompty do Gemini i Claude różnią się od promptów w ChatGPT?
- Jak zbudować bibliotekę promptów w zespole?
- Kiedy dobry prompt nie wystarczy
- FAQ
- Najważniejsze wnioski
Czym jest prompt i dlaczego dobre prompty decydują o wyniku?
Prompt to polecenie, które wpisujesz do narzędzia AI, takiego jak ChatGPT, Claude czy Gemini. Sztuczna inteligencja nie zna Twojej firmy, więc model językowy traktuje polecenie jako jedyne źródło wiedzy o Twoim zadaniu. Wszystko, czego w prompcie brakuje, model uzupełnia domysłem.
Prompt engineering (inżynieria promptów) to umiejętność pisania poleceń tak, żeby model dowiózł wynik bez zgadywania. Brzmi technicznie, a w firmie sprowadza się do czegoś znajomego: specyfikacja zadania musi być jasna. Dobrze napisany prompt pomaga osiągnąć efekt za pierwszym lub drugim podejściem, słaby zmusza do pięciu rund poprawek. Użytkownik, który wpisuje „napisz raport sprzedaży”, dostaje raport o niczym. Ten, który podaje dane, odbiorcę, cel i format, dostaje materiał do decyzji.
Dlaczego to ważne właśnie teraz? Bo AI weszła do pracy szybciej niż zasady korzystania z niej. Badanie KPMG i University of Melbourne (ponad 48 tys. osób w 47 krajach) pokazuje, że tylko 47% pracowników przeszło jakiekolwiek szkolenie z AI, a 66% korzysta z wyników bez sprawdzenia, czy są poprawne. Ogólnikowość polecenia i brak weryfikacji to dwa najczęstsze źródła słabych efektów, jakie widzimy u klientów.
Dlaczego pisanie promptów to umiejętność delegowania?
Pisanie promptów jest odmianą delegowania. Kto potrafi dobrze zlecić zadanie człowiekowi i dać mu konkretny feedback, ten szybko nauczy się pracować z maszyną. Kto deleguje hasłem i poprawia słowem „słabe”, będzie miał te same kłopoty w komunikacji z AI, które ma z zespołem. Maszyna ma tu tę samą potrzebę co człowiek: jasny cel i konkretną informację zwrotną.
Anthropic w wytycznych do pracy z modelem Claude radzi traktować go jak błyskotliwego, ale nowego pracownika, który nie zna norm ani sposobu pracy firmy. Proponuje też prosty test: pokaż swój prompt koledze, który nie zna tematu. Jeśli on by się pogubił, model też się pogubi.
Jakub Bujakowski w podcaście Co Działa zwraca uwagę, że zmienił się charakter kompetencji. Dziś trzeba znać własny proces na poziomie szczegółów, umieć delegować, także maszynie, i dawać feedback w kolejnych rundach. Potrzebuje ich dziś każdy, kto zleca pracę modelowi AI, od handlowca po asystentkę zarządu.
Wniosek dla właściciela firmy: skuteczne prompty zależą bardziej od znajomości procesu niż od sprytnych formułek. Najlepsze prompty pisze osoba, która wie, jak wygląda dobra oferta albo dobry raport, a gotowy prompt z internetu jest co najwyżej punktem startu. O tym, jak uczyć zespół takiej pracy, piszemy w artykule szkolenie AI dla firm.
Z czego składa się dobry prompt? Brief delegacyjny w 5 elementach
Dobry prompt odpowiada na pięć pytań: po co, na czym, jak ma wyglądać, w jakiej formie i po czym poznasz jakość. Nazywamy to briefem delegacyjnym, bo te same pytania zadaje sobie dobry szef, zanim przekaże zadanie komuś w zespole.
- Cel i odbiorca. Czego oczekujesz i komu wynik ma służyć. „Podsumowanie dla zarządu, który w 3 minuty ma zdecydować o budżecie” daje inny tekst niż „podsumowanie”.
- Kontekst i dane wejściowe. Fakty, liczby, dokumenty, ustalenia. Wszystko, co wiesz Ty, a model nie.
- Przykład. Jeden lub kilka wzorów dobrego wyniku.
- Format. Długość, struktura, ton, forma (tabela, lista, e-mail).
- Kryteria sprawdzenia. Co musi się znaleźć w odpowiedzi, czego unikać i co model ma zrobić, gdy brakuje mu danych.
Tak wygląda tworzenie promptów, które da się powtarzać i których zespół szybko się uczy. Rola („jesteś copywriterem”, „jesteś analitykiem finansowym”) bywa przydatna, bo ustawia perspektywę i słownictwo. Sama rola bez kontekstu daje jednak tylko lepiej brzmiącą ogólnikowość.

Kontekst i dane wejściowe: dlaczego to najważniejsza część promptu?
Kontekst decyduje o tym, jak precyzyjny będzie wynik, bo model interpretuje dane wejściowe dosłownie i nie zna Twojej firmy. OpenAI zaleca w dokumentacji, żeby umieszczać w prompcie dodatkowe informacje, których model może użyć, i porządkować polecenie w sekcje: tożsamość, instrukcje, przykłady i kontekst. Google w wytycznych do Gemini radzi podobnie: podaj modelowi potrzebne informacje, zamiast zakładać, że je ma.
Dodając kontekst, pomagają trzy nawyki. Oddzielaj instrukcję od materiału znacznikami, na przykład `###` albo `
Przykłady (few-shot): jak pokazać modelowi, czego oczekujesz?
Few-shot prompting to technika, w której do promptu dołączasz kilka par „wejście i oczekiwany wynik”. Model uczy się z nich stylu, długości i struktury szybciej niż z opisu. Anthropic rekomenduje 3-5 zróżnicowanych przykładów, a Google w dokumentacji Gemini zaleca, żeby przykłady dołączać zawsze, bo prompty bez nich są zwykle mniej skuteczne.
W firmie najlepszym przykładem jest Twój własny materiał: oferta, która wygrała, mail, który zadziałał, raport, który zarząd przeczytał do końca. Jeden taki wzór często daje więcej niż akapit opisu stylu. Przy treściach, które chcesz generować seryjnie w content marketingu czy SEO, model trzyma się wzoru lepiej niż przymiotników.
Format odpowiedzi: jak ustrukturyzować wynik?
Format określasz tak, jak określiłbyś go stażyście: długość w słowach, układ sekcji, ton i forma. Google podaje w dokumentacji przykłady formatów: tabela, lista punktowana, krótki pitch, słowa kluczowe, jedno zdanie lub akapit. Dobry prompt kończy się zdaniem, które zamyka pole do interpretacji, na przykład: „Maksymalnie 150 słów, bez wstępu, zacznij od rekomendacji”.
Jak pisać prompty w ChatGPT krok po kroku: iteracja i feedback
Pierwsza odpowiedź modelu to szkic. Najlepsze efekty daje rozmowa w 3-4 rundach, w której każda runda poprawia jeden konkretny element. Tak wygląda proces, który rekomendujemy zespołom.
Krok 1. Zanim napiszesz, określ, co chcesz osiągnąć. Jedno zdanie o celu biznesowym. Jeśli nie umiesz go napisać, model też go nie odgadnie.
Krok 2. Napisz brief i dodaj prośbę o pytania. Na końcu promptu dopisz: „Zanim odpowiesz, zadaj mi do 3 pytań, jeśli czegoś brakuje”. Model sam wskaże luki w kontekście.
Krok 3. Oceń szkic i daj feedback jak dobremu pracownikowi. Porównaj wynik z kryteriami i wskaż jedną konkretną poprawkę naraz: „Skróć sekcję o kosztach do 3 punktów i przenieś rekomendację na początek” działa, „popraw to” nie działa wcale.
Krok 4. Zapisz wersję, która zadziałała. Dobry prompt po trzech rundach feedbacku jest wart więcej niż sam wynik, bo da się go użyć ponownie.
Wśród technik prompt engineeringu dwie przydają się w firmie najczęściej. Przy złożonych zadaniach pomaga podział na etapy, które Google w dokumentacji Gemini opisuje jako łańcuch promptów: wynik jednego polecenia staje się wejściem kolejnego. Druga to chain-of-thought: prośba, żeby model rozpisał rozumowanie krok po kroku przed odpowiedzią. Łatwiej wtedy znaleźć błąd.
Jak pracować z AI na długich dokumentach?
Przy długich dokumentach, takich jak umowa, zapytanie ofertowe czy raport roczny, obowiązuje prosta zasada: dokument na górze, pytanie na końcu. Anthropic podaje, że umieszczenie pytania po materiale może poprawić jakość odpowiedzi nawet o 30% w testach, zwłaszcza przy złożonych zestawach dokumentów.
Druga zasada: najpierw cytaty, potem wnioski. Poproś model, żeby najpierw wypisał dosłowne fragmenty dokumentu związane z pytaniem, a dopiero na ich podstawie odpowiedział. Model skupia się wtedy na treści dokumentu i łatwiej sprawdzisz, skąd wziął każde twierdzenie.
Trzecia: przy kilku dokumentach oznacz każdy z nich (nazwa, data, źródło) i oddziel je znacznikami. Wtedy porównanie „wersji z marca i z czerwca” nie pomiesza treści.
Jak sprawdzić odpowiedź AI i ograniczyć halucynacje?
Halucynacja to odpowiedź, którą modele AI podają pewnym tonem, choć jest nieprawdziwa albo niezgodna z podanym materiałem. Całkowicie jej nie wyeliminujesz. Możesz za to znacząco ograniczyć ryzyko pięcioma technikami opisanymi w wytycznych Anthropic.
- Pozwól modelowi powiedzieć „nie wiem”. Dopisz: „Jeśli w materiale brakuje danych, napisz, czego brakuje”. To proste zdanie mocno ogranicza zmyślanie.
- Zamknij źródła. „Korzystaj wyłącznie z załączonych dokumentów, bez wiedzy ogólnej.”
- Wymagaj cytatu przy każdym twierdzeniu. Twierdzenie bez cytatu model ma usunąć.
- Uruchom ten sam prompt kilka razy. Rozbieżności między wersjami wskazują miejsca do sprawdzenia.
- Sprawdzaj ręcznie to, co idzie do klienta lub zarządu. Liczby, nazwiska, daty, zapisy prawne.
Anthropic sam zaznacza, że krytyczne informacje i tak trzeba weryfikować. W firmie oznacza to jasną regułę: za wynik odpowiada osoba, która zleciła zadanie, a narzędzie jest wykonawcą.
Jakie dane wolno wpisać do promptu?
Do promptu wpisuj tylko dane, które firma świadomie zgodziła się przetwarzać w danym narzędziu. Dane osobowe klientów, warunki umów, wyniki finansowe i know-how wymagają konta firmowego z kontrolą nad danymi albo anonimizacji przed wklejeniem.
Skala problemu jest duża. Według KPMG i University of Melbourne prawie połowa pracowników przyznaje, że korzysta z AI wbrew zasadom firmy, w tym wgrywa wrażliwe informacje firmowe do darmowych, publicznych narzędzi. Jednocześnie tylko 40% mówi, że ich miejsce pracy ma jakąkolwiek politykę dotyczącą generatywnej AI.
Minimum, które warto wprowadzić:
- firmowe konta w planach biznesowych, w których dane domyślnie nie służą do trenowania modeli (szczegóły planów i ustawień opisujemy w artykule ChatGPT dla firm),
- anonimizacja: „Klient A, branża produkcyjna, 200 osób” zamiast nazwy i nazwisk,
- lista danych zakazanych na jednej stronie, zrozumiała dla każdego w zespole,
- ostrożność z treściami z zewnątrz: wklejony dokument lub strona może zawierać ukryte polecenia dla modelu (prompt injection).
Prompty dla firm: 8 gotowych przykładów
Poniższe prompty obejmują zarządzanie, marketing i obsługę klienta. Zobacz gotowe przykłady i porównaj je z briefem delegacyjnym: każdy ma cel, dane, format i kryteria. Prompty dla handlowców (research firmy, przygotowanie do rozmowy, oferta, notatki, follow-up) zebraliśmy osobno w artykule ChatGPT dla firm. W nawiasach kwadratowych wpisz własne dane, a przed wklejeniem danych klienta sprawdź, czy pracujesz na koncie firmowym.
1. Analiza danych i raport dla zarządu
„`
Jesteś analitykiem biznesowym. Poniżej są dane sprzedaży za [OKRES] w podziale na [PRODUKTY/REGIONY/HANDLOWCÓW].
Przygotuj raport dla zarządu: 3 najważniejsze zmiany względem poprzedniego okresu, 2 możliwe przyczyny każdej zmiany (oznacz je jako hipotezy) i 3 pytania, które zarząd powinien zadać zespołowi.
Format: maksymalnie 250 słów, na początku jedno zdanie z najważniejszym wnioskiem. Opieraj się wyłącznie na podanych danych. Jeśli czegoś nie da się policzyć, napisz, jakich danych brakuje.
„`
2. Podsumowanie długiego dokumentu
„`
Decyzja do podjęcia: [JAKA DECYZJA].
Krok 1: wypisz dosłowne cytaty z dokumentu, które dotyczą [TERMINÓW, KAR, ZAKRESU, PŁATNOŚCI].
Krok 2: na podstawie cytatów przygotuj podsumowanie w 7 punktach i listę zapisów, które wymagają konsultacji z prawnikiem.
Korzystaj tylko z treści dokumentu. Przy każdym punkcie podaj numer cytatu.
„`
3. E-mail do klienta w trudnej sytuacji
„`
Adresat: klient [OPIS KLIENTA, DŁUGOŚĆ WSPÓŁPRACY]. Sytuacja: [NP. OPÓŹNIENIE DOSTAWY O 2 TYGODNIE Z POWODU…].
Co możemy zaproponować: [REKOMPENSATA, NOWY TERMIN, PLAN DZIAŁAŃ].
Napisz e-mail, który: przyznaje problem w pierwszym zdaniu, podaje przyczynę w jednym zdaniu, przedstawia konkretny plan z datami i kończy się propozycją krótkiej rozmowy.
Ton spokojny i rzeczowy, bez przesadnych przeprosin i bez obietnic, których nie ma w planie. Maksymalnie 150 słów.
„`
4. Plan spotkania zarządu lub zespołu
„`
Spotkanie: [TERMIN], uczestnicy: [UCZESTNICY], temat: [TEMAT]. Cel spotkania: [DECYZJA, KTÓRA MA ZAPAŚĆ]. Czas: [MINUTY].
Przygotuj agendę z podziałem czasu, pytaniem otwierającym każdy punkt i materiałami, które uczestnicy powinni przeczytać wcześniej.
Dodaj 3 ryzyka, przez które spotkanie skończy się bez decyzji, i jak im zapobiec.
Format: tabela z kolumnami punkt, czas, pytanie, odpowiedzialny.
„`
5. Analiza konkurencji
„`
Jesteś analitykiem rynku B2B. Poniżej są opisy ofert trzech konkurentów, skopiowane z ich stron:
Nasza oferta: [OPIS].
Porównaj: grupę docelową, główną obietnicę, dowody (referencje, liczby), model cenowy (jeśli podany) i słabe punkty komunikacji.
Format: tabela i 3 obszary, w których możemy się odróżnić. Opieraj się tylko na wklejonych tekstach.
„`
6. Post na LinkedIn właściciela firmy
„`
Autor: właściciel firmy [BRANŻA, SKALA]. Odbiorcy: [NP. DYREKTORZY PRODUKCJI].
Temat posta: [OBSERWACJA LUB LEKCJA Z PROJEKTU].
Oto dwa wcześniejsze posty autora, które dobrze przyjęto (wzór stylu):
Napisz post w tym samym stylu: pierwsze zdanie z konkretną obserwacją, rozwinięcie w 3 krótkich akapitach, zakończenie jednym wnioskiem. Maksymalnie 1300 znaków, bez emotikonów, bez hasztagów w treści, bez pytań na końcu zachęcających do komentowania.
„`
7. Instrukcja dla zespołu
„`
Proces: [NAZWA PROCESU, NP. PRZYJĘCIE ZAPYTANIA OD KLIENTA]. Poniżej są luźne notatki, jak to robimy dziś: [NOTATKI].
Przygotuj instrukcję dla nowego pracownika: cel procesu, kroki w kolejności, kto odpowiada za każdy krok, typowe błędy i jak je rozpoznać.
Format: numerowana lista kroków, każdy do 2 zdań. Jeśli w notatkach czegoś brakuje albo kroki są sprzeczne, wypisz pytania na końcu zamiast zgadywać.
„`
8. Ocena ryzyka decyzji lub projektu
„`
Planujemy [DECYZJA, NP. WEJŚCIE NA RYNEK NIEMIECKI / WDROŻENIE NOWEGO SYSTEMU]. Założenia: [BUDŻET, TERMIN, ZESPÓŁ, CEL].
Wciel się w sceptycznego członka rady nadzorczej. Wypisz 8 ryzyk, oceń każde w skali 1-5 pod kątem prawdopodobieństwa i wpływu, a dla 3 najpoważniejszych zaproponuj sposób ograniczenia i sygnał ostrzegawczy, który warto monitorować.
Format: tabela. Najpierw rozpisz rozumowanie krok po kroku, potem tabelę.
„`
Każdy z tych promptów zadziała lepiej po dopisaniu jednego wzoru z Twojej firmy. To gotowe przykłady do adaptacji: najlepiej działają dostosowane do konkretnej sytuacji, odbiorcy i danych.
Czy prompty do Gemini i Claude różnią się od promptów w ChatGPT?
Zasady tworzenia dobrych promptów są wspólne dla wszystkich dużych modeli AI, więc prompty dla AI różnych dostawców piszesz według tego samego briefu. Oficjalne wytyczne OpenAI, Anthropic i Google zgadzają się co do fundamentów: jasna instrukcja, kontekst, przykłady, określony format, podział złożonych zadań.
Różnice dotyczą szczegółów. Claude dobrze reaguje na strukturę opartą na znacznikach XML (np. `
Wybór narzędzia ma mniejsze znaczenie, niż sugeruje rynek. Przegląd narzędzi AI, ich zastosowań i kryteriów wyboru znajdziesz w artykule narzędzia AI dla firm.
Jak zbudować bibliotekę promptów w zespole?
Biblioteka promptów to wspólny zbiór sprawdzonych poleceń, z których korzysta cały zespół. Pozwala pisać skuteczne polecenia szybciej i skalować dobre praktyki: zamiast dziesięciu osób piszących to samo polecenie od zera, zespół dzieli się poleceniami, które dały najlepsze rezultaty i przeszły kilka rund feedbacku.
Dobrze prowadzona biblioteka ma cztery cechy:
- jeden prompt na jedno zadanie, z opisem, kiedy go używać,
- wzór wyniku, żeby każdy wiedział, jak wygląda dobra odpowiedź,
- właściciela, który aktualizuje prompt, gdy zmienia się proces albo narzędzie,
- stałe instrukcje zapisane w projekcie lub prompcie systemowym (instrukcji, którą model dostaje przed każdą rozmową), na przykład ton marki i zasady danych.
Gdy ten sam prompt uruchamiacie codziennie na tych samych danych, warto rozważyć automatyzację albo agenta, który wykona zadanie bez ręcznego wklejania. Różnice opisujemy w artykule agenci AI, a szerszy obraz zastosowań w sprzedaży w przewodniku AI w sprzedaży.
Umiejętność promptowania najszybciej rośnie w zespole, który ćwiczy ją na własnych procesach. Przygotowujemy szkolenia AI dla handlowców i działów sprzedaży, a o tym, czego powinny uczyć, piszemy w artykule szkolenie AI dla firm.
Zestaw, który działa: 6 sprawdzonych narzędzi do sprzedaży. Sześć narzędzi, które weszły w nasze procesy sprzedażowe w firmach usługowych B2B. Każde z oceną od 1 do 10, miejscem w procesie i opisem, kiedy zawodzi.
Pobierz zestaw 6 narzędzi (PDF)
Kiedy dobry prompt nie wystarczy
Gdy proces jest nieopisany. Prompt przenosi wiedzę o procesie. Jeśli nikt w firmie nie potrafi powiedzieć, jak wygląda dobra oferta, żadna formułka tego nie zastąpi.
Gdy dane wejściowe są złe. Nieaktualny cennik albo niepełna tabela dają przekonująco napisany błąd.
Gdy zadanie wymaga wiedzy spoza materiału. Aktualne przepisy, ceny rynkowe, sytuacja konkretnej firmy. Bez dostępu do źródeł model odpowie z pamięci, która może być nieaktualna.
Gdy nikt nie sprawdza wyniku. Nawet gdy prompt działa bez zarzutu, odpowiedzialność za decyzję zostaje po stronie człowieka.
FAQ
Jak napisać dobry prompt?
Opisz cel i odbiorcę, dodaj kontekst i dane, pokaż przykład dobrego wyniku, określ format i napisz, co model ma zrobić, gdy brakuje mu informacji. Potem popraw szkic konkretnym feedbackiem w 2-3 rundach.
Jak pisać prompty w ChatGPT?
Konkretnie, z kontekstem i formatem, jak w innych narzędziach. Stałe instrukcje i pliki warto zapisać w projekcie, żeby nie powtarzać kontekstu w każdej rozmowie.
Czy długość promptu ma znaczenie?
Liczy się kompletność informacji. Proste zadanie wymaga krótkiego polecenia, złożone dłuższego briefu.
Czy muszę znać się na programowaniu, aby pisać dobre prompty?
Nie musisz. Pisanie poleceń odbywa się w zwykłym języku, także po polsku. Bardziej przydaje się znajomość procesu.
Czy firma potrzebuje prompt engineera?
Firma B2B mid-market zwykle go nie potrzebuje. Inżynier promptów ma sens przy budowie własnych produktów opartych na AI, a do codziennej pracy wystarczy efektywny, przeszkolony zespół ze wspólną biblioteką promptów.
Jak pisać prompty do grafiki?
Żeby wygenerować dobrą grafikę, opisz temat, styl, kompozycję, kolory i format obrazu, a zamiast ogólnych przymiotników podaj konkretne cechy.
Co to jest prompt systemowy?
To stała instrukcja, którą model dostaje przed każdą rozmową, na przykład w projekcie ChatGPT albo własnym GPT: rola, ton, zasady danych i format.
Najważniejsze wnioski
- Dobry prompt to brief dla nowego pracownika. Cel i odbiorca, kontekst, przykład, format i kryteria sprawdzenia.
- Pisanie promptów to delegowanie i feedback. Kto zna swój proces i umie zlecać zadania, szybko pisze skuteczne prompty.
- Przy długich dokumentach materiał idzie na górę, pytanie na koniec, a model najpierw cytuje, potem wnioskuje.
- Halucynacje ogranicza zgoda na „nie wiem”, zamknięte źródła i cytaty. Za wynik i tak odpowiada człowiek.
- Poufność zaczyna się od konta firmowego i listy danych zakazanych. Tylko 40% pracowników deklaruje, że ich firma ma politykę korzystania z AI.
Chcesz, żeby zespół sprzedaży pracował z AI według wspólnych zasad?
Umów bezpłatną konsultację. Przejdziemy przez Twój proces sprzedaży i wskażemy miejsca, w których dobrze napisane prompty oszczędzą zespołowi najwięcej pracy.
Źródła
- KPMG i University of Melbourne, Trust, attitudes and use of artificial intelligence: A global study 2025 (ponad 48 tys. respondentów, 47 krajów, XI 2024 – I 2025): https://kpmg.com/xx/en/our-insights/ai-and-technology/trust-attitudes-and-use-of-ai.html
- KPMG, Global study reveals trust of AI remains a critical challenge (komunikat, kwiecień 2025: 47% szkolenia, 40% polityka, 66% bez weryfikacji, 56% błędy): https://kpmg.com/xx/en/media/press-releases/2025/04/trust-of-ai-remains-a-critical-challenge.html
- Anthropic, Prompting best practices (nowy pracownik, złota zasada, 3-5 przykładów, długi kontekst i poprawa do 30%): https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices
- Anthropic, Reduce hallucinations: https://platform.claude.com/docs/en/test-and-evaluate/strengthen-guardrails/reduce-hallucinations
- OpenAI, Prompt engineering (tożsamość, instrukcje, przykłady, kontekst; few-shot learning): https://developers.openai.com/api/docs/guides/prompt-engineering
- Google, Gemini API: Prompt design strategies (instrukcje, przykłady few-shot, kontekst, format, łańcuch promptów): https://ai.google.dev/gemini-api/docs/prompting-strategies
- Google Workspace, Tips to write prompts for Gemini: https://support.google.com/a/users/answer/14200040
- Podcast Co Działa, „Gdzie AI naprawdę pomaga w sprzedaży B2B?” (Jakub Bujakowski, 21.09.2026): https://www.youtube.com/watch?v=Bq-gMYYeDjU
Buduję dla firm B2B kompletne systemy pozyskiwania klientów: od precyzyjnego profilu klienta i baz, przez cold mailing i LinkedIn, po proces sprzedaży i pomiar. Zamiast pojedynczych kampanii układam powtarzalne maszyny, które dowożą leady miesiąc po miesiącu. Praktyką dzielę się na kanale YouTube.
