Přesné zadání pro AI odhaluje, jak neurčitě zadáváme úkoly lidem

Nástroj, který měl ušetřit psaní, po lidech vyžaduje psát pečlivěji než dřív. Kdo chce z jazykového modelu použitelný výstup, musí říct, komu text mluví, co v něm nesmí chybět, jak dlouhý má být a čemu se vyhnout. V komunitě lidí, kteří s AI pracují denně, z toho vyrostla teze, že nás tahle nutnost učí komunikovat lépe i mezi sebou. Sedí na ní víc, než by skeptik čekal, jen se zisk neodehrává tam, kde ho většina lidí hledá.

Model nedoplní, co jste zapomněli říct

Napište kolegovi „připrav podklady na poradu“ a téměř jistě dostanete něco použitelného. Kolega ví, že porada je v úterý, že vedení zajímají čísla za kvartál a že minule chyběl přehled reklamací, takže si zbytek doplní z paměti nebo se doptá. Zadání přitom neslo zlomek informací, které k úkolu potřeboval. Rozdíl mezi tím, co jste napsali, a tím, co vzniklo, pokryla jeho zkušenost.

Stejné zadání dostane jazykový model a vrátí obecnou strukturu prezentace, protože nic jiného z těch čtyř slov vytěžit nedokáže. Teprve když do promptu doplníte, že podklady čte tříčlenné vedení výrobní firmy, že rozhodují o investici do nové linky a že klíčové jsou náklady na údržbu za poslední dva roky, začne výstup dávat smysl. Ta chvíle mezi prvním a druhým pokusem je jediné místo, kde se člověk skutečně něco dozví o vlastním zadávání.

Neurčité zadání ve firmě zaplatíte později

Mezi lidmi má nepřesné zadání odloženou splatnost. Marketér dostane pokyn „napiš text na novou landing page“, odevzdá verzi, kterou nadřízený zamítne, a náklad se projeví až po týdnu ve formě dvou kol připomínek a jedné zbytečné schůzky. Nikdo v tu chvíli neřekne, že problém vznikl v prvním e-mailu, protože viník se hledá snáz na straně výstupu než na straně zadání. Firmy tak roky provozují komunikační dluh, o kterém nevědí, protože ho splácejí v čase kolegů.

U modelu přijde stejná zpětná vazba za deset vteřin a bez dotčeného člověka na druhé straně. Právě rychlost a bezbolestnost té smyčky dělá z práce s AI lepší trenažér přesnosti než pracovní porada. Zadání se dá desetkrát přepsat, aniž by si toho někdo všiml a aniž by z toho vznikl konflikt. Kdo si tuhle zkušenost odnese zpátky k lidem, začne psát zadání, ve kterých stojí účel, adresát a měřítko úspěchu.

Přenos k lidem ale nikdo nezaručí

Teze o zlepšení mezilidské komunikace zatím stojí na dojmech praktiků, ne na měření. Generativní AI podle letošního AI Indexu Stanfordovy HAI dosáhla 53procentní úrovně přijetí populací během tří let, takže vzorek uživatelů je obrovský, doklad o přenosu dovednosti do běžné komunikace však chybí. Pravděpodobnější než plošné zlepšení je rozdělení: část lidí si formulační disciplínu osvojí, část si ji odloží k modelu a rozdíl mezi oběma skupinami poroste.

Druhý problém leží v samotné technologii. Modely rok od roku lépe odhadují úmysl a stále častěji si domyslí, co uživatel chtěl říct, i když to neřekl. Tlak na přesnost tím slábne přesně v okamžiku, kdy začal fungovat, a trenažér se mění v nástroj, který toleruje chaos podobně jako trpělivý kolega. Kdo se v tu chvíli spolehne, že si stroj poradí, ztratí i to málo, co ho práce s AI naučila.

Zvlášť viditelné je to u textů určeným lidem. Model napíše zdvořilý e-mail i z pokynu „odpověz, že to nestihnu“, jenže příjemce na druhé straně pozná generickou stavbu vět a přečte si z ní, kolik pozornosti mu odesílatel věnoval. Úspora času se pak promění v drobnou ztrátu důvěry, kterou nikdo nezměří a která se nasčítá.

Co s tím prakticky

Nejjednodušší krok vede přes sjednocení zadání pro stroj i pro člověka. Pokud si firma zvykne psát do každého úkolu účel, adresáta, formát a jednu větu o tom, jak pozná hotovo, dostane použitelnější prompty i použitelnější briefy a rozdíl mezi obojím přestane hrát roli. Nejde o formulář navíc, stačí tři řádky v zadání, které stejně někdo píše. Kontrola funguje obráceně: pokud by zadání dostal model a vrátil nesmysl, dostane ho nesmysl vytvořit i nový kolega ve zkušební době.

Zbývá otázka, kterou zatím nikdo nezodpověděl a která rozhoduje o tom, jestli má celá teze pravdu. Učíme se díky práci s AI formulovat myšlenky přesněji, nebo si jen najímáme stroj, aby za nás formuloval to, co jsme nedomysleli? Odpověď se pozná až podle toho, jak budou za pár let vypadat zadání, která si lidé posílají mezi sebou, bez modelu uprostřed.