Czego dowiesz się z tego materiału?

• Dlaczego sam prompt nie wystarcza i co naprawdę decyduje o jakości odpowiedzi?
• Jak działają skille i dlaczego dają powtarzalny rezultat przy każdym poleceniu?
• Jak handlowiec skraca research o kliencie z czterech godzin do dwudziestu minut?

Prawie każdy w biznesie coś już z AI robi. Pytanie brzmi inaczej: czy AI faktycznie daje Ci to, o co Ci chodziło?

Zwykle wygląda to tak. Wpisujesz polecenie, dostajesz odpowiedź i mówisz: „Nie o to mi chodziło”. Popraw początek. Popraw koniec. Źle policzyłeś. Jeszcze inaczej. I jeszcze raz. Aż w końcu dostajesz to, na czym Ci zależało, ale po tygodniu model już nie pamięta i wszystko tłumaczysz od nowa. Dlatego nie korzystasz z AI tak dużo, jak mógłbyś. A szkoda, bo dobrze ustawiony model AI zdejmuje z głowy sporo różnych zadań: od tworzenia streszczeń długich tekstów po analizę danych.

W tym materiale pokażę, jak używam różnych funkcji Claude’a i jak dbam o to, żeby przydawał mi się w robocie, a nie zjadał czas na poprawianiu rzeczy, które robi słabo.

Dlaczego sam prompt w to za mało?

W świecie rozmów z modelami językowymi zrobiła się taka święta trójca. Jest Claude, jest ChatGPT, jest Gemini. Niektórzy chwalą jeszcze Copilota, ale pominę go na potrzeby tego materiału. Wszystkie te narzędzia sztucznej inteligencji opierają się na rozumieniu języka naturalnego, więc równie dobrze streszczą dokumenty, jak i pomogą napisać opisy produktów.

Mówi się, że żeby AI dobrze działało, trzeba dać mu świetnego prompta. Taki prompt ma mówić: „Wciel się w taką rolę, a nie w inną. Rezultat daj mi w taki sposób, a nie w inny”. To wszystko jest fajne i chwalebne. Ale pisanie idealnych promptów za każdym razem, kopiowanie ich z różnych miejsc, przechowywanie w jakimś notesie jest dla mnie absurdem.

Do tego dochodzi druga rzecz. Żeby prompt dobrze zadziałał, model musi mieć wskazany tak zwany kontekst. To dane wejściowe, których wymaga sztuczna inteligencja. Im ten kontekst jest szerszy, tym lepsza odpowiedź. Jak zaprzęgam Claude’a do pomocy w sprzedaży, ten kontekst musi być szeroki. Claude musi rozumieć, co sprzedaję, dla kogo, jakie problemy mają ci ludzie, jakie mam propozycje wartości, jak podchodzę do negocjacji, jak wyglądają moje oferty. Bez tych potrzebnych dokumentów każda pierwsza odpowiedź będzie ogólnikowa.

Prompt bez kontekstu nie daje trochę gorszego rezultatu. Prompt ze słabym kontekstem daje rezultat wielokrotnie gorszy. Dlatego ludzie, którzy nie znają się na AI, testują je, wpisują „zrób mi to” i dostają coś, co jest po prostu słabe.

Sztuczna inteligencja z instrukcją: czym jest skill i po co go używać?

Jednym z elementów kontekstu może być instrukcja, czyli coś, co nazwiemy tu skillem. Umiejętność.

Teoretycznie w prompcie mogę opisać, jak zrobić daną rzecz. Mogę to opisywać 600 razy. Albo mogę powiedzieć: potrzebuję tej rzeczy, odpal sobie tego skilla, który w bystry sposób skorzysta z gotowego kontekstu. Dzięki temu, że skill został dopiero co zaczytany, jest bardzo duża szansa, że instruction following, czyli podążanie za instrukcją, będzie wysokie. AI zwróci mi dokładnie to, o co mi chodziło. To ogromna różnica przy takich zadaniach jak streszczanie długich dokumentów czy pisanie kreatywnych treści, gdzie liczy się powtarzalny efekt. Kropka.

Z tego powodu wybrałem Claude’a i korzystam z niego najczęściej. Z mojej perspektywy najlepiej rozwiązał temat skilli. Pozwól, że Ci to pokażę.

Claude AI w praktyce: od chaotycznej notatki do skilla

Jestem w Claude i poprosiłem go, żeby w tym projekcie nie korzystał ze skilli. Wkleiłem notatkę ze spotkania. Cel spotkania, kiedy się odbyło, ile trwało, co sobie wynotowałem w trakcie. Notatka jest nieco chaotyczna, więc Claude sam sobie zinterpretuje, jak wykonać zadanie.

Dostaję uporządkowaną wersję: profil firmy, co boli i tak dalej. I nagle okazuje się, że mam konkretne wymagania od mojego prezesa: żąda notatek w konkretnym formacie. Chce wiedzieć tylko: kto był na spotkaniu, ile trwało i jakie były kolejne kroki. Kolejne kroki opisane krótko. W tym momencie muszę tę pracę za każdym razem przepisywać albo tworzyć prompta, który przy każdej rozmowie kopiuję do Claude’a i o którym muszę pamiętać.

Zamiast tego proszę Claude’a: stwórz skilla, który z takiej notatki zawsze przygotuje rezultat w formacie „kiedy było spotkanie, kto na nim był, kolejne kroki”. Kolejne kroki krótko, przy osobach ich role albo informacja, że brak. Skill ma reagować na hasło „podsumowanie notatki SellWise”.

Claude w tle odpala skilla o nazwie skill creator. Warto sprawdzić, czy masz go zainstalowanego. Na jego podstawie tworzy nową umiejętność, która będzie robić notatki dokładnie w tej formule. Klikam „save skill” i skill jest już zapisany. Jak zacznę nową rozmowę, wystarczy napisać „zrób podsumowanie notatki SellWise” i wkleić notatkę. Claude zaczyta skilla i da rezultat dokładnie w tej postaci, której chciałem.

Z jednej strony mogę więc takiego skilla samodzielnie stworzyć. Z drugiej mogę go używać. A z trzeciej mogę go poprawiać.

O tym, jak Claude potrafi poprawić sam siebie

Odpaliłem zakładkę Cowork, która pozwala pracować na plikach z mojego komputera. Pobrałem tamtego skilla na pulpit, stworzyłem mu osobny folder i dałem Claude’owi do niego dostęp. Tu warto zatrzymać się na chwilę przy temacie ochrony danych: dostęp nadajesz świadomie, do konkretnej przestrzeni, nie do całego dysku. Pytam, co się w tym folderze znajduje. Claude czyta zawartość i potwierdza: to skill zamieniający luźną, chaotyczną notatkę ze spotkania sprzedażowego w krótkie podsumowanie w stałym formacie, złożone z trzech sekcji.

Wracam do rozmowy i wklejam wsad: „na bazie poniższych informacji zaudytuj skilla i popraw go. Zanim poprawisz, przedstaw mi, co chcesz zmodyfikować i dlaczego”. Podaję notatkę oraz rezultat, który wcześniej wyszedł. To moment na weryfikację: model pokazuje mi swoje wnioski, a ocena efektu całej pracy zależy od decyzji człowieka.

Cowork zaczyna pracować. Po chwili dostaję wynik. Claude przeczytał skilla, porównał wsad z rezultatem i pokazał kilka rzeczy do poprawy. Od literówek po lukę, która powoduje, że ginie część sygnałów ważnych sprzedażowo. Niespójny format nagłówków. Znalazł też drobne sprzeczności między sekcjami. I luka merytoryczna: zasada „tnij wszystko poza trzema sekcjami” jest zbyt ostra. Z notatki wypadają rzeczy, które wprost blokują kolejne kroki. Budżet nie padł, nie wiadomo, kto decyduje. To nie są tematy do wycięcia, to otwarte kwestie wymagające doprecyzowania.

Proszę: popraw wszystkie te elementy i spraw, żeby rezultat zapisywał się w pliku txt. Mogę więc dać skillowi prośbę, która wymusi na Claude’ie zawsze zapisywanie wyniku do pliku. Claude przepisuje skilla. Zapisuję nową wersję, zaufam, że zrobiona jest w porządku. Skill jest już większy, sporo się w nim wydarzyło.

Testuję ponownie. „Zrób podsumowanie notatki SellWise”. Claude zaczytuje nowego skilla i daje rezultat w pliku txt. Kiedy było spotkanie, kto był, dyrektor i kierownik, jeden nieobecny. Kolejne kroki z większą liczbą elementów, łącznie z tym, że jest to decydent, że temat trzeba przegadać, jaką ma rolę i co jest do potwierdzenia. Zachował strukturę, o którą chodziło, ale ją ubogacił, bo poprzednia wersja wycinała za dużo. Bez ponownego sprawdzenia tej luki nie dałoby się wychwycić.

Mógłbym teraz iść dalej. Jeśli brakuje jakiejś informacji, dopytaj przed wygenerowaniem pliku. Wejdź na stronę firmy, zrób research i dopisz dane na końcu. Wiele rzeczy mogę zapisać tak, żeby skill zawsze pracował w powtarzalny sposób. To samo działa przy budowaniu argumentów, planie prezentacji czy tekstach marketingowych: raz ustalone zasady obowiązują przy każdym projekcie.

Jak używać Claude w codziennej pracy?

Takich skilli mam w swoim Claude całą masę. Pomagają mi pisać wiadomości sprzedażowe, oceniać dane, robić research o klientach, budować strategię. Ale też rzeczy tak prozaiczne, jak plan dnia albo plan tego, co danego dnia zjeść i poćwiczyć. Nie chce mi się tego rozkminiać samodzielnie. Wolę, żeby zrobił to Claude, bo mam gotowego skilla, który da mi powtarzalny rezultat. Dla właścicieli firm i menedżerów to prosty sposób, żeby te same standardy obowiązywały w różnych działach.

A jak wejdziesz w zakładkę Customize, znajdziesz tam Connectors. Całą masę aplikacji, które możesz podłączyć do swojego Claude’a. Znajdziesz tu Google Workspace i sporo innych aplikacji biznesowych. Możesz poprosić go, żeby wykonał działanie na pliku, potem coś w Twojej aplikacji, potem przepisał wynik do innego pliku. Przez API łączy się z kolejnymi usługami, więc obsłuży dane klientów tam, gdzie już pracujesz. Liczba kombinacji jest ogromna, bo integracji są setki.

Pipedrive’a akurat nie ma, ale jest HubSpot. Jest też Make, a przez Make podłączysz Pipedrive’a. Jest nawet Zapier, więc i tak dalibyśmy radę. Pluginów jest tu dużo, od Anthropic i od partnerów. Osobna sprawa to programowanie: Claude radzi sobie w różnych językach programowania, więc dla programistów bywa doskonałym rozwiązaniem przy prostych zadaniach i przy pisaniu integracji.

Model AI, który robi research o kliencie w 20 minut

Nasze wnioski z kursu AI Sales są takie: dla większości ludzi praca ze skillami przełożyła się na wyższą skuteczność w procesie. I na to, że znacznie szybciej byli w stanie skontaktować się z klientem w mięsisty, dopracowany sposób.

W prawdziwym świecie handlowiec nie ma czasu, żeby przeczytać trzy strony klienta, wszystkie newsy na jego temat, jego wpisy i artykuły, zrobić z tego analizę, sprawdzić dane finansowe, a potem przefiltrować to przez ustalenia ze spotkania i transkrypcję rozmowy. Model rozpisuje pytania klientów, porównuje je z tym, na czym firma pracuje na co dzień, i podpowiada, gdzie w wypowiedziach klienta kryją się prawdziwe potrzeby. Research, który AI robi w minutę, handlowcowi zająłby dwie godziny. Nagle tę samą pracę zamiast w cztery godziny wykonuje w dwadzieścia minut. A klient nie ma pojęcia, że handlowiec korzystał z AI. Widzi tylko, że ktoś był w końcu przygotowany na spotkanie. Ktoś, kto wiedział o jego firmie wszystko, co powinien. Ktoś, kto coś wniósł, a nie tylko wyniósł jego czas.

Głównym wyzwaniem AI jest to, że trudno po prostu wejść, zacząć korzystać i mieć z tego uzysk. Trzeba mieć jasną rzecz, którą wpisujesz, wiedzieć, którego skilla użyć na danym etapie procesu, i zrobić to tak, żeby było powtarzalne. Trzeba też znać ograniczenia: model nie działa w czasie rzeczywistym bez podłączonych danych, a jego odpowiedzi wymagają kontroli człowieka. Dlatego używam Claude’a. Instruction following i świeże zaczytywanie skilli do dowolnego projektu czy konwersacji to dla mnie game changer. To ma znaczenie zwłaszcza wtedy, kiedy zależy Ci na zgodności wyników za każdym razem. Dla własnej firmy budujemy nawet osobną aplikację, ale bazuje ona właśnie na skillach i na pracy dokładnie w ten sposób.

Trzy rzeczy do zapamiętania. Masz prompt. Masz kontekst, który jest kluczowy. I masz skille, zaczytywane na żywo przy każdym poleceniu w zależności od tego, o co poprosisz. Do tego Cowork, który pracuje na plikach i może Ci na przykład poprawić plik ze skillem. Kropka.