Umiejętności Jutra: AI 3.0 - pierwszy tydzień z perspektywy małej firmy

Pierwszy tydzień szkolenia Umiejętności Jutra: AI 3.0 za nami. Na platformie zielone „zakończony”, quiz zaliczony, głowa trochę pełna, kawa potrzebna. Czy było warto? Tak. Ale od razu uczciwie: to nie jest szkolenie z gatunku „kliknij tu, kliknij tam i od jutra masz wdrożone AI w firmie”.

To bardziej kurs, który uczy sposobu myślenia niż gotowych rozwiązań. I to jest jednocześnie jego plus i minus.

Czy Umiejętności Jutra AI 3.0 są dla początkujących?

Teoretycznie pierwszy tydzień zaczyna się od podstaw: generatywna AI, promptowanie, kontekst, praca ze źródłami, NotebookLM i bezpieczeństwo danych. Brzmi bardzo wprowadzająco, ale w praktyce dobrze mieć już choć minimalny kontakt z AI.

Nie trzeba być specjalistą. Nie trzeba budować agentów, automatyzacji i skryptów. Ale warto przynajmniej wiedzieć, że prompt to nie magiczne zaklęcie, tylko dobrze opisane zadanie dla AI.

Bez tego część materiału może przelecieć trochę obok. Można obejrzeć lekcję, kliknąć dalej i nadal nie wiedzieć, jak użyć tego w swojej pracy. Z drugiej strony osoby, które już trochę pracują z AI, mogą chwilami poczuć: „to już było”. Tempo bywa nierówne - dla jednych za szybko, dla innych za wolno.

Dla kogo to szkolenie ma największy sens?

Jeśli ktoś pyta: czy warto Umiejętności Jutra AI 3.0, odpowiedź brzmi: warto, ale pod pewnym warunkiem.

Najwięcej wyciągną z niego osoby, które:

• używały już AI, ale raczej chaotycznie,
• chcą uporządkować sposób pisania promptów,
• szukają pomysłów na zastosowanie AI w pracy,
• prowadzą firmę lub pracują z treściami, dokumentami, klientami i analizą informacji,
• chcą korzystać z AI bez ślepego zaufania do odpowiedzi.

Mniej zadowolone mogą być dwie grupy: osoby zupełnie początkujące, które potrzebują bardzo prostego prowadzenia krok po kroku, oraz osoby mocno zaawansowane, które liczą na techniczne wdrożenia, automatyzacje i gotowe schematy pracy.

Dlatego różne opinie o Umiejętności Jutra AI mogą być jednocześnie prawdziwe. Dla jednych to bardzo dobre uporządkowanie podstaw. Dla innych - powtórka z rzeczy, które już znają.

Promptowanie w praktyce - tu zaczyna się różnica

Pierwszy tydzień dobrze pokazuje jedną rzecz: AI działa dużo lepiej, gdy dostaje dobry kontekst.

Można napisać:

Napisz opis produktu ZBS-4C.

I dostaniemy jakiś opis. Często poprawny, ale nijaki.

Można też napisać:

Działaj jako doradca techniczny i ekspert SEO sklepu z oczyszczalniami ścieków. Przygotuj opis produktu dla klienta indywidualnego. Pisz zrozumiale, unikaj pustych haseł, pokaż zastosowanie, ograniczenia i sytuacje, w których warto skonsultować dobór.

I wtedy zaczyna się prawdziwa praca z AI.

W naszej branży to ma znaczenie szczególne. Oczyszczalnia, szambo, separator czy przepompownia to nie są produkty kupowane „bo ładnie wyglądają”. Klient musi zrozumieć, czy dane rozwiązanie pasuje do jego działki, gruntu, liczby użytkowników i formalności.

Dlatego AI nie może po prostu „ładnie pisać”. Musi pracować w kontekście: technicznym, sprzedażowym i odpowiedzialnym.

Deep Research i NotebookLM - narzędzia, które realnie testujemy

Ciekawy był temat Deep Research. Przez lata wyglądało to prosto: pytanie do Wujka Google, kilka zakładek, szybkie porównanie i „coś już wiemy”.

AI potrafi ten proces mocno przyspieszyć. Może zebrać informacje, porównać źródła, wyciągnąć wnioski i przygotować raport. Ale jest haczyk: nadal trzeba sprawdzać, skąd pochodzą dane i czy odpowiedź nie brzmi mądrzej, niż faktycznie jest.

W praktyce testowaliśmy to na temacie strategii sprzedaży dla sklepu technicznego. AI dostało zadanie: przeanalizować, jak zwiększyć sprzedaż w sklepie internetowym z oczyszczalniami, zbiornikami i produktami technicznymi. Efekt? Bardzo dobry punkt wyjścia, ale dopiero po dopisaniu naszego kontekstu: doradztwo techniczne, dobór do warunków działki, leady z formularzy, Tawk.to, dokumentacja, montaż i ryzyko złego doboru.

Bez tego AI mogłoby napisać typową strategię e-commerce. A my nie sprzedajemy koszulek ani kubków. U nas klient często najpierw musi zrozumieć, czy dane rozwiązanie w ogóle ma sens.

NotebookLM też wygląda ciekawie, szczególnie dla firm, które mają dużo dokumentów: karty katalogowe, instrukcje, PDF-y od producentów, oferty, notatki, artykuły i maile.

W praktyce wystarczy prosty test: wrzucić do NotebookLM kilka instrukcji montażu lub kart katalogowych oczyszczalni i zapytać:

• czym różnią się wymagania montażowe tych modeli,
• które parametry są kluczowe przy doborze,
• gdzie producent wspomina o ograniczeniach,
• jakie informacje warto pokazać klientowi w opisie produktu,
• jakie pytania klient powinien zadać przed zakupem.

I to jest konkret. Nie „AI może pomóc w firmie”, tylko: AI pomaga szybciej znaleźć różnice w dokumentacji, przygotować lepszy opis i wyłapać elementy, których nie wolno pominąć przy sprzedaży.

Bezpieczeństwo danych - moja prywatna filtracja przed wklejeniem do AI

Temat bezpieczeństwa też się pojawił i dobrze, bo w firmie nie pracujemy na abstrakcyjnych przykładach. Mamy maile klientów, adresy działek, dokumentację, numery telefonów, projekty i dane formalne.

Tu jednak mam wrażenie, że część prawna mogłaby być mniej rozmyta. Oczywiście, trzeba uważać. Oczywiście, są dane wrażliwe, RODO i odpowiedzialność. Ale przydałoby się więcej prostych zasad: tego nie wklejaj, to anonimizuj, to możesz opisać ogólnie, do tego potrzebne jest narzędzie firmowe, a to powinien sprawdzić człowiek.

Na własny użytek przyjmuję prostą zasadę:

Do zewnętrznego narzędzia AI nie wpisuję tego, czego nie wysłałbym obcej firmie w zwykłym mailu.

Przykład? Zamiast pisać:

Jan Kowalski, ul. Zielona 4, działka nr 123/4, chce oczyszczalnię dla domu pod Dzierżoniowem. Telefon: 500...

lepiej napisać:

Klient indywidualny, dom jednorodzinny, 4 osoby, grunt gliniasty, wysoki poziom wód gruntowych, rozważa oczyszczalnię biologiczną z drenażem. Brakuje informacji o odbiorniku ścieków oczyszczonych i dokumentacji działki.

AI nadal może pomóc przygotować odpowiedź techniczną. Nie musi znać nazwiska, telefonu i dokładnego adresu.

Czego brakuje w Umiejętnościach Jutra AI 3.0?

Na starcie brakuje mi momentami większej liczby gotowych schematów wdrożeniowych. Nie chodzi o to, żeby kurs zrobił wszystko za uczestnika. Ale przydałyby się przykłady typu:

• jak wdrożyć AI w obsłudze maili,
• jak zbudować prosty firmowy prompt startowy,
• jak analizować zapytania klientów,
• jak uporządkować dokumenty w małej firmie,
• jak stworzyć prostego asystenta do powtarzalnych zadań.

Bo sama wiedza o tym, że „AI może pomóc”, to dopiero początek. Najważniejsze pytanie brzmi:

dobrze, ale co mam zrobić w poniedziałek rano w swojej firmie?

Bez tego łatwo skończyć szkolenie z wiedzą, ale bez realnej zmiany w sposobie pracy.

Co zrobiliśmy po pierwszym tygodniu szkolenia?

Dla sklepu technicznego najważniejszy wniosek jest prosty:

AI nie ma zastąpić wiedzy technicznej. AI ma pomóc szybciej ją wykorzystać.

Pierwsze zastosowania testujemy tam, gdzie AI ma największy sens: w porządkowaniu wiedzy, tworzeniu szkiców treści, analizie zapytań klientów i przygotowywaniu lepszych promptów do powtarzalnych zadań.

Konkretnie: pracowaliśmy nad strategią sprzedaży dla sklepu, promptami do Deep Research, zasadami bezpiecznego opisywania zapytań klientów oraz pomysłem na wewnętrznego „asystenta sprzedaży”, który nie podejmuje decyzji za człowieka, ale pomaga uporządkować dane z zapytania.

Taki asystent mógłby na przykład podpowiedzieć:

• czego brakuje w zapytaniu klienta,
• o co trzeba dopytać przed doborem,
• gdzie jest ryzyko techniczne,
• jaki wariant można rozważyć,
• jak napisać ostrożną, ale pomocną odpowiedź.

Ale przy oczyszczalniach, szambach, separatorach czy przepompowniach ostateczna decyzja nadal musi należeć do człowieka. Tu błędny dobór nie kończy się tylko słabym tekstem w sklepie. Może oznaczać realny problem na działce klienta.

Podsumowanie po pierwszym tygodniu

Pierwszy tydzień Umiejętności Jutra: AI 3.0 był dobrym wejściem w temat. Momentami bardzo podstawowym, miejscami trochę powtarzalnym, czasem zbyt szeroko tłumaczonym. Ale mimo wszystko wartościowym.

Najwięcej wyciągną z niego osoby, które już trochę używały AI, ale robiły to chaotycznie. Dla nich kurs może uporządkować myślenie i pokazać, że AI to nie tylko generator tekstów, ale narzędzie do researchu, analizy, porządkowania wiedzy i wsparcia codziennej pracy.

Jeśli ktoś liczy na gotowy przepis - może się rozczarować. Jeśli chce poukładać sobie pracę z AI - to jest bardzo dobry start.

W kolejnych tygodniach sprawdzę, czy te narzędzia wytrzymają zderzenie z twardą dokumentacją techniczną naszych dostawców.

Najważniejsze pytanie po tym tygodniu nie brzmi:

Czy AI jest ciekawe?

Tylko:

Które konkretne zadanie w naszej firmie AI może zrobić szybciej, lepiej albo bardziej konsekwentnie?

I wtedy szkolenie zaczyna mieć sens.