Oblikovanje promptova — vještina koja umjetnu inteligenciju pretvara iz alata u partnera za razmišljanje

1. Uvod: zašto je oblikovanje promptova postalo nova temeljna vještina?

Još prije nekoliko godina korištenje umjetne inteligencije mnogima je zvučalo kao nešto rezervirano za uzak krug tehnoloških stručnjaka. Danas je ona svakodnevni alat koji piše nacrte, analizira podatke, pomaže razraditi ideje i programirati, sažima dokumente, a ponekad služi i kao psiholog amater, osobni trener ili dodatna pomoć marketinškom timu.

No jedno je brzo postalo jasno: od umjetne inteligencije rijetko dobiješ najviše ako joj samo postaviš neodređeno pitanje.

Tu na scenu stupa oblikovanje promptova, odnosno vještina sastavljanja uputa umjetnoj inteligenciji tako da odgovori budu što točniji, korisniji i primjereniji situaciji.

Dobro oblikovanje promptova nije samo tehnički trik. To je vještina razmišljanja. Potiče korisnika da razjasni što zapravo želi: kome je odgovor namijenjen, u kojem je obliku potreban, uz koja ograničenja i kojoj bi odluci ili aktivnosti trebao pomoći.

Zato se o oblikovanju promptova govori kao o temeljnoj vještini budućnosti. Nalikuje čitanju i pisanju u digitalnom dobu: ne mora svatko biti majstor, ali svatko bi trebao razumjeti osnovnu logiku.

OpenAI u svojim uputama naglašava da su dobri promptovi jasni, precizni i modelu pružaju dovoljno konteksta. Upute preporučuju, među ostalim, postavljanje važnih zahtjeva na početak, odvajanje uputa od pozadinskih materijala i određivanje željenog formata odgovora.^[1]

2. Što zapravo znači oblikovanje promptova?

Jednostavno rečeno, oblikovanje promptova znači osmišljavanje ulaznih podataka za umjetnu inteligenciju. Prompt može biti:

• pitanje
• opis zadatka
• dodjela uloge
• pozadinski materijal
• primjer željenog stila
• dokument koji treba analizirati
• slika, zvuk ili datoteka
• uputa o tome što se ne smije raditi

Google Cloud definira prompt kao zahtjev na prirodnom jeziku koji se upućuje modelu radi dobivanja odgovora. Prompt može sadržavati pitanja, upute, kontekst, primjere i djelomične unose koje model dopunjuje.^[2]

Oblikovanje promptova zato ne znači samo „napiši bolje pitanje”. Riječ je više o oblikovanju zadatka tako da ga umjetna inteligencija može razumjeti.

Ako u uobičajenom poslovnom okruženju dobar opis zadatka mnogo znači, dobar je prompt njegov digitalni rođak. Govori što se radi, zašto, za koga i prema kojim kriterijima kvalitete.

Loš prompt kaže:

„Poboljšaj ovo.”

Dobar prompt kaže:

„Preuzmi ulogu stručnjaka za B2B marketing. Uredi donju objavu za LinkedIn tako da bude jasnija i stručnija. Ciljana publika su direktori finskih rastućih poduzeća. Sačuvaj autorski glas, ali učini uvod privlačnijim. Na kraju predloži tri alternativna naslova.”

Razlika nije kozmetička. Ona je presudna.

3. Anatomija prompta: uloga, kontekst, zadatak i format

Dobar prompt često se sastoji od četiri osnovna dijela:

1. Uloga — tko bi umjetna inteligencija trebala biti?
2. Kontekst — u kakvoj se situaciji zadatak obavlja?
3. Zadatak — što umjetna inteligencija treba stvoriti ili riješiti?
4. Format — u kojem se obliku želi odgovor?

Praktičan primjer:

„Preuzmi ulogu marketinškog stručnjaka. Naše poduzeće prodaje odgovorno proizvedenu radnu odjeću građevinskim poduzećima. Sastavi tri objave za LinkedIn kojima je cilj potaknuti raspravu o sigurnosti na radu i odgovornom poslovanju. Piši sažeto, izbjegavaj reklamni ton i svakoj objavi daj poseban kut gledanja.”

U ovom promptu umjetna inteligencija dobiva:

• ulogu: marketinški stručnjak
• kontekst: odgovorno proizvedena radna odjeća za građevinski sektor
• zadatak: tri objave za LinkedIn
• cilj: poticanje rasprave
• uputu o stilu: sažeto, bez reklamnog tona
• strukturni zahtjev: poseban kut gledanja za svaku objavu

To je već posve drukčije polazište od „napravi objave za društvene mreže”.

Prema uputama Google Clouda za oblikovanje promptova, na učinkovitost prompta utječu i sadržaj i struktura: model mora dobiti informacije važne za zadatak, a njihov redoslijed, naslovi i razdjelnici pomažu mu bolje protumačiti zahtjev.^[3]

4. Zašto dobar prompt djeluje?

AI model ne „razumije” svijet na isti način kao čovjek. Predviđa i stvara odgovore na temelju podataka za treniranje, korisnikova unosa i konteksta razgovora.

Zato prompt djeluje poput zemljovida. Što je zemljovid precizniji, to je vjerojatnije da ćeš stići na pravo mjesto.

Dobar prompt pomaže modelu na četiri načina:

1. Određuje granice zadatka

Umjetna inteligencija ne mora nagađati želiš li analizu, popis, e-poruku, tablicu ili razradu ideja.

2. Daje kontekst

Bez konteksta model stvara općenit tekst. Uz kontekst može odgovoriti baš na tvoju situaciju.

3. Određuje kriterije kvalitete

„Dobro” može značiti različite stvari: kratko, dubinsko, prodajno, neutralno, tehničko, razumljivo široj publici ili kritičko.

4. Smanjuje pogrešna tumačenja

Što model manje mora nagađati, to će rjeđe davati odgovore koji promašuju temu.

To je srž oblikovanja promptova: umjetna inteligencija ne zamjenjuje razmišljanje, nego nagrađuje jasno razmišljanje.

5. Oblikovanje promptova kao nova pismenost u svijetu rada

O oblikovanju promptova često se govori kao o tehničkoj vještini, ali ono je ujedno i komunikacijska vještina. Povezuje:

• pisanje
• definiranje problema
• kritičko razmišljanje
• pružanje konteksta
• davanje povratnih informacija
• iteraciju, odnosno postupno poboljšavanje

U tom smislu oblikovanje upita nalikuje dobrom vođenju ili dobro postavljenom zadatku. Ako osobi zadaš nejasan zadatak, vjerojatno ćeš dobiti nejasan rezultat. Isto vrijedi i za umjetnu inteligenciju.

U svijetu startupova to je osobito zanimljivo. Mali timovi imaju malo vremena, a svaki alat mora ubrzati rad. Dobro oblikovani upiti mogu pomoći timu da testira ideje, pripremi prodajne materijale, analizira povratne informacije kupaca i razmotri strateške odluke.

No mogu stvoriti i privid učinkovitosti. Kad umjetna inteligencija brzo proizvede mnogo teksta, lako se stječe dojam da posao napreduje. Pravo je pitanje ipak: vodi li to boljim odlukama?

To podsjeća na logiku vođenja rastućih poduzeća. U razgovorima podcasta Startup-ministeriö često se ističe da alat, proces ili način rada nisu sami sebi svrha — bitno je donose li željeni rezultat. Primjerice, u epizodi o vođenju scaleup poduzeća Anssi Rusi naglašava sustav upravljanja kao cjelinu u kojoj ljudi, procesi i alati služe postizanju željenog rezultata.

Isto vrijedi i za oblikovanje upita. Upit nije dobar zato što izgleda impresivno. Dobar je ako pomaže bolje obaviti posao.

6. Osnovna formula dobrog upita

Dobar upit možeš sastaviti prema ovoj jednostavnoj formuli:

1. Navedi ulogu

„Preuzmi ulogu iskusnog direktora B2B prodaje…”

Uloga pomaže modelu odabrati perspektivu, rječnik i naglaske.

2. Pruži kontekst

„Naša tvrtka prodaje SaaS rješenje srednjim industrijskim poduzećima u Finskoj.”

SaaS je softver koji se upotrebljava kao usluga u oblaku uz pretplatu. Kontekst pomaže modelu razumjeti o kakvom je poslovanju riječ.

3. Definiraj zadatak

„Pripremi strukturu prodajnog poziva za privlačenje novih kupaca.”

Zadatak mora biti konkretan.

4. Navedi cilj

„Cilj je potaknuti kupca da rezervira 30-minutnu demonstraciju.”

Cilj pomaže modelu odrediti prioritete.

5. Odredi format odgovora

„Odgovor prikaži u tablici: faza, cilj, primjer rečenice, rizik koji treba uzeti u obzir.”

Format štedi vrijeme i čini odgovor korisnijim.

6. Dodaj ograničenja

„Izbjegavaj agresivan prodajni pristup. Zadrži stručan ton koji gradi povjerenje.”

Upravo ograničenja često čine razliku između korisnog i osrednjeg odgovora.

7. Praktične metode oblikovanja upita

7.1 Dodjeljivanje uloge

Dodjeljivanje uloge znači da od umjetne inteligencije tražiš da djeluje u određenoj stručnoj ulozi.

Primjer:

„Preuzmi ulogu iskusnog stručnjaka za zapošljavanje i procijeni ovaj oglas za posao iz perspektive kandidata.”

To dobro funkcionira kada želiš određenu stručnu perspektivu. No dodjeljivanje uloge nosi i rizik: uloga može stvoriti pretjeranu samouvjerenost. Uputa „Djeluj kao pravnik” ne pretvara umjetnu inteligenciju u pravnika. Može pomoći u strukturiranju pitanja, ali pravno važne stvari treba provjeriti sa stručnjakom.

7.2 Pružanje konteksta

Pružanje konteksta znači da modelu daješ dovoljno pozadinskih informacija.

Primjer:

„Finski smo startup s 12 zaposlenika koji prodaje softver za ljudske resurse malim i srednjim poduzećima. Imamo 80 kupaca, ali churn, odnosno odljev kupaca, porastao je u posljednjem tromjesečju. Sastavi popis mogućih uzroka i predloži koje podatke trebamo prvo provjeriti.”

Ovaj upit ne traži samo općenitu analizu. Opisuje konkretnu situaciju.

7.3 Davanje primjera

Umjetna inteligencija često radi bolje kad joj pokažeš primjer željenog rezultata.

Primjer:

„Napiši tri naslova u stilu ovog primjera: ‘Zašto najbolji startupovi ne zapošljavaju u žurbi?’”

To se često naziva few-shot prompting: model dobiva nekoliko primjera na temelju kojih nastavlja prema istom obrascu.

7.4 Iteracija

Prvi odgovor nije konačan rezultat. To je nacrt. Vješt korisnik nastavlja:

• „Skrati ovo.”
• „Dodaj kritičniju perspektivu.”
• „Prepiši ovo s manje konzultantskog žargona.”
• „Predloži tri alternativne strukture.”
• „Što ovdje nedostaje?”

Rad s umjetnom inteligencijom često više nalikuje uređivanju nego naručivanju.

7.5 Traženje procjene odgovora

Jedna je učinkovita metoda zatražiti od umjetne inteligencije da procijeni vlastiti rezultat.

Primjer:

„Kritički procijeni prethodni odgovor. Koji su dijelovi previše općeniti? Što treba pojasniti da bi odgovor bio koristan direktoru?”

To pomaže otkriti slabe točke.

7.6 Postavljanje granica

Ako želiš nešto izbjeći, reci to.

Primjer:

„Ne upotrebljavaj superlative, ne izmišljaj statistike i ne navodi izvore ako nisu dostavljeni.”

To je osobito važno kod stručnog sadržaja, gdje se vjerodostojnost može brzo narušiti.

8. Primjeri: loš upit, bolji upit, izvrstan upit

Primjer 1: Marketing

Loš upit:

„Napiši objavu za društvene mreže o umjetnoj inteligenciji.”

Rezultat će vjerojatno biti općenit, generičan i prilično bezličan.

Bolji upit:

„Napiši objavu za LinkedIn o tome zašto bi mala i srednja poduzeća trebala naučiti upotrebljavati umjetnu inteligenciju u svakodnevnom radu.”

Ovo je već jasnije.

Izvrstan upit:

„Preuzmi ulogu stručnjaka za finski B2B marketing. Napiši objavu za LinkedIn namijenjenu direktorima malih i srednjih poduzeća o tome zašto korist od umjetne inteligencije ne proizlazi samo iz alata, nego iz dobrog oblikovanja upita. Počni konkretnim primjerom iz svakodnevice. Zadrži stručan, ali pristupačan ton. Duljina: 1 200 znakova. Završi pitanjem koje potiče raspravu.”

Ovaj upit sadrži ulogu, ciljnu skupinu, perspektivu, stil, duljinu i strukturu.

Primjer 2: Strategija

Loš upit:

„Kako da razvijemo tvrtku?”

Bolji upit:

„Predloži strategiju rasta za SaaS tvrtku s 20 zaposlenika.”

Izvrstan upit:

„Preuzmi ulogu savjetnika specijaliziranog za strategije rasta scaleup poduzeća. Naša SaaS tvrtka ima 20 zaposlenika, a ARR, odnosno godišnji ponavljajući prihod, iznosi 1,8 milijuna eura. Naši su kupci finska mala i srednja poduzeća. Rast je usporio, ali zadržavanje kupaca je dobro. Predloži tri alternativna smjera rasta za sljedećih 18 mjeseci: 1) povećanje prodaje u Finskoj, 2) širenje u Švedsku, 3) proširenje proizvoda za postojeće kupce. Za svaki smjer procijeni koristi, rizike, potrebne resurse i korake u prvih 90 dana.”

Ovdje umjetna inteligencija ne mora nagađati u kakvoj je poslovnoj situaciji tvrtka. Dobiva ključne varijable za analizu.

Primjer 3: Stvaranje sadržaja

Loš upit:

„Napiši članak o oblikovanju upita.”

Bolji upit:

„Napiši članak o oblikovanju upita za finske stručnjake.”

Izvrstan upit:

„Napiši članak od 1 500 riječi o oblikovanju upita za finske stručnjake i poduzetnike. Objasni pojam jednostavnim jezikom, upotrijebi konkretne primjere iz poslovnog života i istakni rizike. Strukturiraj tekst podnaslovima. Ton: moderan, jasan, stručan, ali ne akademski. Na kraju sažmi pet praktičnih pouka.”

Ovo je već zadatak na temelju kojeg se može pripremiti tekst za objavu.

9. Oblikovanje upita u tvrtkama i startupovima

U tvrtkama se vrijednost oblikovanja upita očituje na tri razine:

1. Produktivnost pojedinca
2. Zajednička kvaliteta tima
3. Organizacijsko učenje

Razina pojedinca

Pojedini zaposlenik može upotrebljavati umjetnu inteligenciju, primjerice, za:

• pripremu nacrta e-poruka
• sažimanje izvješća
• usavršavanje prodajnih argumenata
• analizu povratnih informacija kupaca
• osmišljavanje ideja
• uređivanje tekstova
• objašnjavanje formula u Excelu ili programskog koda

To je često prva faza. Ljudi isprobavaju umjetnu inteligenciju u svojem radu i otkrivaju male koristi.

Razina tima

Sljedeća je faza zanimljivija: tim počinje dijeliti dobre predloške upita.

Primjerice, prodajni tim može imati zajednički upit za pripremu sastanka s kupcem:

„Analiziraj ovu tvrtku kupca na temelju njezine web-stranice i bilježaka u CRM-u. Za sastanak pripremi tri moguća problema s kojima se suočava, pet pitanja i prijedlog za otvaranje razgovora.”

Marketinški tim može imati upit za procjenu ideja za kampanje. Tim za razvoj proizvoda može imati upit za razvrstavanje povratnih informacija korisnika.

Razina organizacije

Treća je faza uključivanje oblikovanja upita u procese. Tvrtka se tada više ne pita samo: „Kako zaposlenici upotrebljavaju ChatGPT?”

Pita se:

• U kojim radnim koracima umjetna inteligencija doista poboljšava kvalitetu?
• Koje je podatke dopušteno dati modelu?
• Koje podatke nije dopušteno dati?
• Kako se odgovori provjeravaju?
• Tko je odgovoran za konačan rezultat?
• Koji su upiti zajednički standard?
• Kako se mjeri uspjeh?

To je velika promjena. Umjetna inteligencija od pojedinačnog pomoćnika postaje dio strukture rada.

U svijetu startupova to može biti konkurentska prednost. Mali tim može postići više ako zna pametno upotrebljavati umjetnu inteligenciju. No, kao i općenito u vođenju startupova, kopiranje nije dovoljno. U epizodi podcasta Startup-ministeriö o Supercellu Ilkka Paananen upozorava na slijepo kopiranje modela: ono što funkcionira u jednoj tvrtki ne mora funkcionirati u drugoj.

Isto vrijedi i za upite. „Savršen upit” druge tvrtke može biti loš u vlastitom kontekstu ako se cilj, kupci, podaci i način rada razlikuju.

10. Rizici: halucinacije, lažna sigurnost i nejasna odgovornost

Najveća opasnost oblikovanja upita jest to što dobar upit može učiniti čak i loš odgovor uvjerljivim.

Umjetna inteligencija može:

• izmisliti izvore
• pomiješati činjenice
• davati pretjerano samouvjerene preporuke
• prešutjeti nesigurnost
• proizvesti uvjerljiv, ali netočan tekst
• potvrditi korisnikove vlastite pretpostavke

To se često naziva halucinacijom: model iznosi tvrdnje koje zvuče istinito, ali nisu točne.

U članku Eline Lappalainen za HS Visio umjetna inteligencija prikazana je kao zanimljiv svakodnevni pomoćnik, ali i kao nepouzdan savjetnik. U članku ispravno prepoznaje dio biljaka u vrtu, ali za jedan korov izmišlja nepostojeći naziv „medvjeđa kandža” te kasnije priznaje da ga je izvukla „iz šešira”. Važna je pouka članka da umjetna inteligencija može biti korisna i zabavna, ali korisnik mora znati preispitati njezine odgovore, osobito kada je riječ o zdravlju, sigurnosti i drugim važnim pitanjima.

To je ključna pouka za oblikovanje upita. Dobar upit ne uklanja potrebu za kritičkim vrednovanjem izvora.

Može je čak i povećati jer bolji upit često daje odgovor koji zvuči bolje. Zato je korisniku još važnije postaviti pitanja:

• Na čemu se ovo temelji?
• Postoje li izvori?
• Može li tvrdnja biti zastarjela?
• Je li ovaj savjet siguran?
• Nedostaje li neka perspektiva?
• Je li odgovor previše samouvjeren?

Poseban oprez potreban je kada je tema povezana s:

• zdravljem
• pravom
• financijskim odlukama
• osobnim podacima
• sigurnošću
• pravednošću pri zapošljavanju
• ulaganjem
• poslovima s nadležnim tijelima

Umjetna inteligencija može pomoći u pripremi, strukturiranju i postavljanju boljih pitanja. To ne znači da je automatski konačan autoritet.

11. Od oblikovanja upita do oblikovanja konteksta

Uz oblikovanje upita pojavio se novi pojam: oblikovanje konteksta, odnosno context engineering.

To znači da se pozornost s pojedinačnog upita premješta na šire pitanje: koje se informacije daju umjetnoj inteligenciji, kojim redoslijedom, u kojem obliku i uz koja ograničenja?

U smjernicama Google Clouda za agentske AI sustave oblikovanje konteksta opisano je kao proces upravljanja informacijama kojim svaki agent dobiva upravo onaj kontekst koji odgovara njegovu zadatku. Kontekst može sadržavati dokumentaciju, korisničke preferencije, poveznice, povijest razgovora i operativna ograničenja.^[4]

To je velika promjena.

Pojedinačni upit nalikuje dobrom pitanju. Oblikovanje konteksta nalikuje uređivanju cijelog radnog stola: pravi dokumenti, prave upute, prava ograničenja i pravi cilj dostupni su modelu u pravom trenutku.

Za tvrtke to, primjerice, znači:

• uključivanje internih smjernica u AI alate
• sigurnu upotrebu podataka o kupcima
• dohvat dokumenata kao podršku umjetnoj inteligenciji
• automatizaciju radnih procesa
• procjenu odgovora modela
• upravljanje pravima pristupa
• osiguravanje informacijske sigurnosti i kvalitete

U tom trenutku oblikovanje upita od individualne vještine postaje organizacijska sposobnost.

12. Budućnost: nestaje li oblikovanje upita ili postaje nevidljivo?

Jedno je zanimljivo pitanje: hoće li oblikovanje upita biti potrebno u budućnosti ako AI modeli postaju sve bolji?

Odgovor je: da i ne.

Da, jer će ljudi i dalje morati znati reći što žele. Što je zadatak složeniji, to je važnije definirati cilj, kontekst i kriterije uspjeha.

Ne, jer će oblikovanje upita vjerojatno postati manje tehničko. Modeli će bolje razumjeti nepotpune upute, znati postavljati dodatna pitanja i upotrebljavati više pozadinskih informacija.

OpenAI Academy opisuje oblikovanje upita kao razgovor u kojem su eksperimentiranje i iteracija ključni. Smjernice ističu da ne postoji jedan savršen način oblikovanja upita. Korisnik bi umjetnu inteligenciju trebao promatrati kao kolegu kojem zadaje jasan zadatak i kojeg po potrebi dalje usmjerava.^[5]

Zato vještina budućnosti možda nije „znam napisati složen upit”. Prije je riječ o sljedećem:

• znam definirati problem
• znam pružiti dovoljno konteksta
• znam kritički procijeniti odgovor
• znam nastaviti razgovor
• znam upotrijebiti umjetnu inteligenciju kao nadogradnju vlastitoj stručnosti

Oblikovanje upita neće nestati. Postat će dio dobrog razmišljanja, komunikacije i planiranja rada.

13. Zaključci: što iz ovoga vrijedi naučiti?

Oblikovanje upita mnogo je više od pomodnog izraza. To je vještina koja pomaže pretvoriti umjetnu inteligenciju iz stroja za nasumične odgovore u korisnog suradnika.

Ovo su najvažnije spoznaje:

1. Dobar upit počinje dobrim razmišljanjem

Ako ni sam ne znaš što želiš, umjetna inteligencija mora nagađati.

2. Uloga, kontekst i format uvelike određuju rezultat

„Napiši nešto o ovome” slab je zahtjev. „Napiši za koga, zašto, kojim tonom i u kojem formatu” već je koristan alat.

3. Umjetnu inteligenciju treba usmjeravati korak po korak

Prvi je odgovor nacrt. Najbolji rezultat često nastaje iteracijom.

4. Upit ne zamjenjuje stručnost

Što je tema važnija, to je potrebnije provjeravanje, kritičko vrednovanje izvora i ljudska odgovornost.

5. U tvrtkama treba sustavno oblikovati upite

Dobri upiti, zajedničke prakse i jasni kriteriji kvalitete mogu uštedjeti vrijeme i poboljšati kvalitetu rada.

6. Budućnost je u kontekstu

Pojedinačni je upit tek početak. Najveća korist nastaje kada umjetna inteligencija dobije prave informacije u pravo vrijeme, sigurno i kontrolirano.

Oblikovanje upita na kraju je mali prozor u veću promjenu. U poslovnom životu više nije dovoljno znati upotrebljavati digitalne alate. Moramo znati razgovarati s njima, usmjeravati ih i procjenjivati njihove rezultate.

To je nova temeljna vještina — ne zato što bi svi trebali postati stručnjaci za umjetnu inteligenciju, nego zato što će razmišljanje, pisanje i odlučivanje u gotovo svačijem poslu ubuduće na neki način biti povezani s njom.

14. Predlošci upita za svakodnevni rad

14.1 Opći stručni upit

Preuzmi ulogu: [uloga].
Kontekst: [opiši situaciju, ciljnu skupinu i cilj].
Zadatak: [točno opiši što želiš].
Oblik odgovora: [popis, tablica, članak, plan, analiza].
Stil: [stručan, sažet, topao, kritičan, prodajan].
Ograničenja: [što treba izbjegavati, što treba uzeti u obzir].
Na kraju: [zatraži sažetak, rizike, sljedeće korake ili alternative].

14.2 Upit za stvaranje sadržaja

Preuzmi ulogu iskusnog stratega sadržaja.
Napiši [vrsta sadržaja] o temi [tema].
Ciljna skupina je [ciljna skupina].
Cilj je [cilj].
Počni zanimljivim zapažanjem ili primjerom.
Koristi jasne podnaslove i kratke odlomke.
Ton je [ton].
Izbjegavaj [ono što treba izbjegavati].
Završi s tri praktične pouke.

14.3 Upit za stratešku analizu

Preuzmi ulogu strateškog savjetnika za rastuće tvrtke.
Analiziraj sljedeću situaciju: [situacija].
Veličina tvrtke: [veličina].
Tržište: [tržište].
Cilj: [cilj].
Razradi tri moguća smjera djelovanja.
Za svaku opciju procijeni koristi, rizike, potrebne resurse, vremenski okvir i aktivnosti u prvih 30 dana.
Na kraju navedi koje informacije još treba prikupiti prije odluke.

14.4 Upit za kritičku provjeru

Kritički procijeni sljedeći tekst.
Pronađi dijelove koji su preopćeniti, nejasni, podložni pogreškama ili zahtijevaju izvor.
Još nemoj prepisivati tekst.
Najprije navedi probleme i prijedloge za poboljšanje.
Na kraju predloži kako poboljšati strukturu teksta.

14.5 Upit za startup tim

Preuzmi ulogu operativnog sugovornika za startup.
Naša je situacija: [situacija].
Naš je cilj u sljedećih 90 dana [cilj].
Tim raspolaže sljedećim: [resursi].
Izradi praktičan akcijski plan s tjednim prioritetima, najvažnijim pokazateljima, rizicima i odlukama koje treba odmah donijeti.
Neka plan bude realističan i izbjegavaj preopćenite savjete.

Bit oblikovanja upita na kraju je jednostavna: umjetna inteligencija bolje odgovara kada čovjek bolje pita.

No u najboljem slučaju nije riječ samo o boljim odgovorima, nego i o boljim pitanjima. Upravo zato oblikovanje upita može biti jedna od najvažnijih poslovnih vještina ovog desetljeća.

Izvori

1. Best practices for prompt engineering with the OpenAI API — OpenAI Help Center
2. Introduction to prompting — Generative AI on Vertex AI, Google Cloud Documentation
3. Overview of prompting strategies — Generative AI on Vertex AI, Google Cloud Documentation
4. Choose a design pattern for your agentic AI system — Google Cloud Documentation
5. Prompting — OpenAI Academy