3### Jak AI interpretuje zapytania?

Jak AI interpretuje zapytania

  • Tokenizacja – Model dzieli zapytanie na mniejsze jednostki językowe zwane tokenami – mogą to być słowa, części słów lub znaki interpunkcyjne. To pierwszy krok przetwarzania tekstu.
  • Analiza wzorców językowych – AI rozpoznaje wzorce, schematy gramatyczne i struktury zdaniowe na podstawie danych treningowych. Nie rozumie znaczenia, ale identyfikuje układy znane z przeszłych danych.
  • Kontekst bieżący – Model analizuje pełen kontekst rozmowy lub zapytania – uwzględnia wcześniejsze wiadomości, dane wejściowe oraz ciągłość tematu, aby lepiej dopasować odpowiedź.
  • Dopasowywanie do celu i stylu – AI stara się wygenerować odpowiedź zgodną z wykrytym celem użytkownika oraz dostosowaną do zadanego stylu, np. formalnego, technicznego, humorystycznego itp.
  • Brak zrozumienia „prawdziwego świata" – AI nie posiada świadomości ani wiedzy o rzeczywistości – jego odpowiedzi mogą być logiczne i przekonujące, ale niekoniecznie prawdziwe. Bazują wyłącznie na danych tekstowych.

</div>


### **Attention** ![Attention](https://obrazy.sadmin.pl/blok1-p2-attention-title.png) Mechanizm **attention** pozwala modelowi skupić się na najważniejszych częściach tekstu podczas przetwarzania i generowania odpowiedzi. Jak działa? Gdy AI analizuje token (słowo lub jego fragment), nie rozpatruje go w izolacji. Zamiast tego: - Patrzy na wszystkie inne tokeny w zdaniu lub kontekście. - Dla każdego z nich oblicza wagę, czyli jak bardzo jest on istotny w danym momencie. To się dzieje równolegle – AI analizuje **wszystkie relacje między tokenami** naraz. **Przykład praktyczny:** Zdanie: „Kasia powiedziała Oli, że jej zeszyt jest brudny." Słowo „jej" jest niejednoznaczne – czy chodzi o zeszyt Kasi, czy Oli? Mechanizm attention pozwala modelowi „spojrzeć" na całe zdanie, by określić, do kogo „jej" się odnosi – może „skupić uwagę" na „Oli", jeśli kontekst tego wymaga. **Attention** stara się rozpoznać kontekst danego słowa wśród innych słów.

### **Czym jest „temperature" w promptowaniu AI?** ![Temperature](https://obrazy.sadmin.pl/blok1-p2-temperature-title.png) Temperatura określa poziom kreatywności i losowości w odpowiedzi. LLMy nie tworzą odpowiedzi z góry zaprogramowanych. Zamiast tego przewidują kolejne słowa na podstawie prawdopodobieństwa. Na przykład: "Kiedy pada deszcz, zabieram ze sobą..." Model oblicza: 85% szans: „parasol” 10% szans: „kurtkę” 3% szans: „uśmiech” 2% szans: „pieska” - Jeśli **temperatura = 0**: Model zawsze wybierze najbardziej przewidywalną odpowiedź („parasol") – odpowiedzi są spójne, bezpieczne, powtarzalne - Jeśli **temperatura = 1**: Model czasem wybierze mniej typowe słowa („uśmiech", „pieska") – odpowiedzi są bardziej różnorodne i kreatywne Zadanie: Przygotuj jeden prosty prompt (np. „Napisz krótki opis jesiennego lasu” albo „Wymyśl nazwę dla kawiarni”). Następnie uruchom go kilkukrotnie przy różnych wartościach **temperature**: - **0.0** - **0.3** - **0.7** - **1.0** Porównaj otrzymane odpowiedzi i zastanów się: - Jak zmienił się styl, spójność i kreatywność odpowiedzi w zależności od wartości _temperature_? - Które odpowiedzi były najbardziej przewidywalne, a które zaskakujące? - Przy której wartości uzyskałeś efekt najlepiej pasujący do Twojego celu? Na końcu zapisz swoje wnioski i przygotuj krótkie podsumowanie do omówienia na forum grupy.

### **Efekt dżina – dlaczego precyzja promptu jest kluczowa?** ![Efekt dżina](https://obrazy.sadmin.pl/blok1-p2-efekt-djina.png)

Wyobraź sobie, że korzystasz z modelu językowego jak z magicznego dżina spełniającego życzenia. Jeśli powiesz: „Chcę nowe auto”, dżin może zinterpretować to na wiele sposobów – niekoniecznie tak, jak oczekujesz. Przykład:

Proszę dżina o nowe auto. Zamiast natychmiastowego pojawienia się samochodu, dżin sprawia, że mój ojciec kupuje nowe auto, potem umiera, a ja dziedziczę ten samochód. Życzenie spełnione – ale nie w taki sposób, jak chciałem!

Co pokazuje ta metafora?

  • Modele językowe (podobnie jak dżin) nie „czytają w myślach” i nie domyślają się naszych intencji.
  • Odpowiedź będzie zgodna z literalnym znaczeniem promptu, nawet jeśli nie o to nam chodziło.
  • Brak precyzji prowadzi do nieoczekiwanych, czasem absurdalnych rezultatów.

Wniosek:

Im bardziej precyzyjny, jednoznaczny i szczegółowy prompt, tym większa szansa, że model AI wygeneruje odpowiedź zgodną z naszymi oczekiwaniami. Warto zawsze doprecyzować:

  • Kto/co ma być podmiotem działania
  • Jaki jest cel i kontekst
  • Jakiego efektu oczekujemy

Dzięki temu unikniemy „efektu dżina” i otrzymamy dokładnie to, czego potrzebujemy.


Precyzja promptu w agentach AI

Precyzja promptu w agentach AI

W przypadku klasycznych modeli językowych każde zapytanie możemy doskonalić w trakcie rozmowy – przez iterację, doprecyzowanie, poprawienie błędów. Założeniem agenta AI jest minimalizacja naszej pracy i kontaktu do absolutnego minimum. Dążymy do sytuacji, w której wystarczy np. wrzucić notatki ze spotkania, a agent sam wykonuje całą pracę – analizuje, kategoryzuje, tworzy raporty, wysyła powiadomienia. Brak iteracji oznacza, że prompt musi być precyzyjny od samego początku, bo agent działa autonomicznie bez naszej korekty.

Konsekwencje nieprecyzyjnego promptu:

Agent obsługi klienta bez jasnych granic:

Prompt: 
„Odpowiadaj na pytania klientów"

Problem: Agent może zacząć udzielać informacji, których nie powinien (np. o wynagrodzeniach pracowników, planach biznesowych firmy), lub obiecywać rzeczy, których firma nie może zrealizować.

Agent z precyzyjnym promptem:

Prompt: „Jesteś asystentem obsługi klienta. Odpowiadasz TYLKO na pytania dotyczące: statusu zamówienia, terminów dostawy, procedur zwrotu. Jeśli klient pyta o coś innego, uprzejmie przekieruj go do odpowiedniego działu. NIE podawaj informacji o cenach hurtowych, rabatach specjalnych ani wewnętrznych procesach firmy."

Efekt: Agent działa w ściśle określonych ramach, chroniąc firmę przed błędami i wyciekami informacji.


Halucynacje – największe zagrożenie w agentach AI

Halucynacje

Czym są halucynacje AI?

Halucynacje to sytuacja, w której model językowy generuje informacje, które brzmią przekonująco, ale są całkowicie nieprawdziwe lub wymyślone.

Przykłady halucynacji:

  • Agent podaje nieistniejące numery polis ubezpieczeniowych
  • Cytuje regulacje prawne, które nie istnieją
  • Twierdzi, że firma oferuje usługi, których nie ma w ofercie
  • Generuje fikcyjne dane klientów lub zamówień

Dlaczego halucynacje są szczególnie niebezpieczne w agentach AI?

W zwykłej rozmowie z ChatGPT użytkownik wie, że rozmawia z AI i może zweryfikować informacje. Agent AI działa w imieniu firmy – klienci, kandydaci czy partnerzy biznesowi mogą przyjąć jego odpowiedzi za prawdę, co prowadzi do:

  • Utraty zaufania klientów
  • Problemów prawnych (np. złamanie umów, wprowadzenie w błąd)
  • Strat finansowych (np. obietnice rabatów, których firma nie może zrealizować)
  • Uszkodzenia reputacji marki

Przykład halucynacji - skrzedełka wieprzowe

Przykład halucynacji - skrzydełka wieprzowe

Prompt użytkownika:

Podaj przepis na wieprzowe skrzydełka

Odpowiedź modelu językowego:

Oto prosty i smaczny przepis na wieprzowe skrzydełka, bez jajek i bez sosu sojowego:

Wieprzowe skrzydełka pieczone w aromatycznej marynacie

Składniki (na ok. 1 kg skrzydełek wieprzowych):

- 1 kg skrzydełek wieprzowych
- 3 ząbki czosnku, przeciśnięte
- 1 łyżeczka soli
- 1 łyżeczka słodkiej papryki
- 1 łyżeczka wędzonej papryki (opcjonalnie, ale polecam)
- 1/2 łyżeczki ostrej papryki
- 1 łyżeczka majeranku
- 1 łyżeczka miodu albo syropu klonowego
- 2 łyżki oleju
- 1 łyżka octu jabłkowego
- pieprz do smaku

Przygotowanie:

1. Wymieszaj wszystkie składniki marynaty w misce.
2. Dodaj skrzydełka, dokładnie obtocz i odstaw minimum na 2 godziny (najlepiej na noc).
3. Rozgrzej piekarnik do 180°C.
4. Ułóż skrzydełka na blasze lub w naczyniu żaroodpornym.
5. Piecz 60-80 minut, co jakiś czas polewając je wytapiającym się sosem.
6. Pod koniec możesz zwiększyć temperaturę do 200°C na 10 minut, żeby były bardziej przypieczone.

Podanie:
Najlepsze z pieczonymi ziemniakami, surówką z kiszonej kapusty albo świeżą bułką i ogórkiem kiszonym.

Chcesz wersję pikantną, słodką, albo w stylu BBQ (bez soi)?

Model AI może wygenerować szczegółowy przepis na „wieprzowe skrzydełka", mimo że świnie nie mają skrzydeł. Odpowiedź będzie brzmiała przekonująco – z listą składników, czasem pieczenia, temperaturą – ale będzie całkowicie zmyślona, bo taki produkt nie istnieje.

Co to pokazuje?

Model nie rozumie rzeczywistości – generuje tekst na podstawie statystycznych wzorców. Jeśli prompt brzmi sensownie językowo, model wyprodukuje odpowiedź, nawet jeśli jest absurdalna. W agencie AI taka halucynacja może prowadzić do poważnych konsekwencji biznesowych.


Przykład literalnej interpretacji promptu

Prompt użytkownika:

Stwórz obraz ryby pływającej po wodzie

Ryba pływająca po wodze

Co się stało?

Model zinterpretował prompt dosłownie – zamiast poprawić błąd ortograficzny („wodze" zamiast „wodzie"), wygenerował obraz ryby pływającej po wodzy (element uprzęży końskiej). To pokazuje, że model nie rozumie intencji – wykonuje polecenie literalnie, nawet jeśli jest absurdalne.

Konsekwencje w agentach AI:

Nawet małe odstępstwo od normy, użycie skrótu myślowego czy slangu może spowodować, że model językowy wykona nasze polecenie dosłownie, generując niepożądane lub błędne wyniki. Dlatego precyzja promptu jest kluczowa.


Ton i styl w komunikacji agenta AI

Precyzja promptu to nie tylko treść – to także sposób komunikacji. Agent może mieć dostęp do wszystkich danych i idealną logikę działania, ale jeśli komunikuje się w niewłaściwy sposób, może:

  • Zniechęcić klientów – zbyt formalny ton w sytuacji wymagającej empatii
  • Stracić autorytet – zbyt swobodny ton w kontekście profesjonalnym
  • Wprowadzić zamieszanie – niejasny lub zbyt techniczny język dla przeciętnego użytkownika
  • Zaszkodzić wizerunkowi marki – niespójny ton z wartościami firmy

Ton i styl to nie ozdoba – to narzędzie biznesowe, które bezpośrednio wpływa na doświadczenie użytkownika i postrzeganie organizacji.


Kluczowe wymiary tonu w promptach dla agentów AI

1. Formalność (Formalny ↔ Swobodny)

Ton formalny:

  • Używany w: komunikacji B2B, dokumentach prawnych, oficjalnej korespondencji
  • Cechy: pełne zdania, brak skrótów, oficjalne formuły grzecznościowe

Przykład promptu:

Komunikuj się w sposób profesjonalny i formalny. Używaj pełnych zdań, unikaj skrótów i kolokwializmów. Zwracaj się do użytkowników per „Szanowny Panie/Pani" lub „Pan/Pani". Kończ odpowiedzi uprzejmym zwrotem: „Pozostaję do dyspozycji w razie pytań."

Ton swobodny:

  • Używany w: marketingu skierowanym do młodszej grupy, social media, startupy
  • Cechy: krótkie zdania, bezpośredni styl, emoji (z umiarem)

Przykład promptu:

Komunikuj się w sposób przyjazny i bezpośredni. Używaj prostego języka, krótkich zdań. Możesz używać zwrotów typu „Hej!", „Super!" czy „Daj znać, jeśli masz pytania". Zachowaj entuzjazm, ale nie przesadzaj z emoji.

2. Empatyczność (Neutralny ↔ Empatyczny)

Ton neutralny:

  • Używany w: przekazywaniu faktów, raportach, systemach informacyjnych
  • Cechy: obiektywny, bezstronny, skupiony na danych

Przykład promptu:

Odpowiadaj w sposób rzeczowy i obiektywny. Podawaj fakty i konkretne informacje bez dodawania emocjonalnych komentarzy. Unikaj fraz typu „rozumiem Twoje zmartwienie" – skup się na rozwiązaniu problemu.

Ton empatyczny:

  • Używany w: obsłudze klienta, sytuacjach konfliktowych, reklamacjach
  • Cechy: uznanie emocji użytkownika, zapewnienie wsparcia

Przykład promptu:

Komunikuj się w sposób empatyczny i wspierający. Jeśli klient wyraża frustrację lub niezadowolenie, zacznij od uznania jego emocji: „Rozumiem Twoje zaniepokojenie" lub „Przykro mi, że tak się stało". Następnie przedstaw rozwiązanie i zapewnij o dalszym wsparciu.

3. Szczegółowość (Zwięzły ↔ Szczegółowy)

Ton zwięzły:

  • Używany w: czatbotach, szybkich odpowiedziach, FAQ
  • Cechy: krótkie, konkretne, na temat

Przykład promptu:

Odpowiadaj krótko i na temat. Maksymalnie 2-3 zdania. Jeśli użytkownik potrzebuje więcej informacji, zapytaj: „Czy chcesz, żebym rozwinął ten temat?"

Ton szczegółowy:

  • Używany w: raportach, instrukcjach, edukacji
  • Cechy: rozwinięte wyjaśnienia, przykłady, kontekst

Przykład promptu:

Odpowiadaj w sposób szczegółowy i wyczerpujący. Podawaj kontekst, wyjaśniaj krok po kroku, dodawaj przykłady. Upewnij się, że użytkownik otrzymał pełny obraz tematu.

4. Techniczność (Przystępny ↔ Ekspercki)

Ton przystępny:

  • Używany w: komunikacji z osobami nietechnicznymi, edukacji podstawowej
  • Cechy: unikanie żargonu, proste analogie

Przykład promptu:

Wyjaśniaj pojęcia w prosty sposób, bez używania żargonu technicznego. Jeśli musisz użyć specjalistycznego terminu, wyjaśnij go od razu. Używaj analogii i przykładów z życia codziennego.

Ton ekspercki:

  • Używany w: komunikacji B2B technicznej, dokumentacji, dla specjalistów
  • Cechy: precyzyjne terminy branżowe, szczegóły techniczne

Przykład promptu:

Komunikuj się na poziomie eksperckim. Używaj precyzyjnych terminów technicznych, zakładając, że odbiorca ma wiedzę specjalistyczną. Podawaj szczegóły implementacyjne i odniesienia do standardów branżowych.

Jak zdefiniować ton w prompcie dla agenta?

Szablon definiowania tonu:

Jesteś [rola agenta] w [kontekst organizacji].

Ton komunikacji: [formalny/swobodny], [empatyczny/neutralny], [zwięzły/szczegółowy], [przystępny/ekspercki]

Zasady stylu:
1. [Określ, jak zaczynać odpowiedzi]
2. [Określ, jakiego języka używać]
3. [Określ, czego unikać]
4. [Określ, jak kończyć odpowiedzi]

Przykładowe odpowiedzi w odpowiednim tonie:
- [Przykład 1]
- [Przykład 2]

Przykład gotowego promptu dla agenta HR:

Jesteś asystentem HR w firmie technologicznej zajmującej się tworzeniem oprogramowania.

Ton komunikacji: profesjonalny, ale przyjazny | empatyczny | umiarkowanie szczegółowy | przystępny

Zasady stylu:
1. Zaczynaj odpowiedzi od „Dziękuję za kontakt" lub „Dziękuję za pytanie"
2. Używaj prostego języka, unikaj żargonu technicznego (chyba że kandydat o to pyta)
3. Unikaj obietnic, których firma nie może spełnić (np. „Na pewno dostaniesz pracę")
4. Kończ odpowiedzi: „Chętnie odpowiem na dodatkowe pytania!" lub „Powodzenia w procesie rekrutacji!"

Przykładowe odpowiedzi:
- Pytanie o wymagania: „Dziękuję za zainteresowanie stanowiskiem. Poszukujemy osoby z [lista wymagań]. Jeśli spełniasz te kryteria, zapraszamy do aplikowania!"
- Pytanie o proces: „Nasz proces rekrutacji składa się z trzech etapów: [opis]. Każdy etap trwa około [czas]. Chętnie odpowiem na dodatkowe pytania!"

Podsumowanie – precyzja promptu i ton w agentach AI

Kluczowe zasady budowania skutecznych agentów AI:

  1. Precyzja treści promptu
    • Określ jasne granice działania agenta
    • Zdefiniuj, co agent może i czego nie może robić
    • Zapewnij dostęp do wiarygodnych danych, aby minimalizować halucynacje
  2. Precyzja tonu i stylu
    • Zdefiniuj ton na czterech wymiarach: formalność, empatyczność, szczegółowość, techniczność
    • Podaj konkretne przykłady odpowiedzi w odpowiednim tonie
    • Testuj agenta w różnych scenariuszach, aby upewnić się, że ton jest spójny
  3. Konsekwencje biznesowe
    • Nieprecyzyjny prompt lub niewłaściwy ton prowadzi do utraty zaufania klientów
    • Może skutkować problemami prawnymi, stratami finansowymi i uszkodzeniem reputacji
    • Dobrze zaprojektowany agent to inwestycja w wizerunek i efektywność firmy

Wniosek: Precyzja promptu – zarówno w treści, jak i w tonie – to fundamentalna różnica między agentem, który wspiera firmę, a agentem, który może jej zaszkodzić.