Ten artykuł zawiera notatki z rozmowy między Hitenem Shah i Claire Vo w podkaście „How AI”. Wszystkie przedstawione tutaj przemyślenia, obserwacje i strategie pochodzą bezpośrednio od rozmówców.

TL;DR

Zarządzanie pamięcią jest kluczowe – używaj sesji tymczasowych dla losowych zapytań i strategicznie archiwizuj czaty
Meta-projekty jako fundament – stwórz projekty do tworzenia innych projektów i instrukcji deep research
Kodyfikuj dobre wyniki – gdy dostajesz świetny rezultat, poproś AI o scodyfikowanie procesu jego tworzenia
„Pokaż co oznacza doskonałość” – ucz AI przez przykłady zamiast długie instrukcje
Frameworki osobowości w praktyce – wykorzystuj Enneagram, Myers-Briggs, nawet Human Design do optymalizacji komunikacji
Replikuj swojego szefa – stwórz projekt ChatGPT oparty na instrukcjach operacyjnych przełożonego
„Copy button strategy” – kopiuj rezultaty bez czytania, liczy się szybkość iteracji nad perfekcją
„Blank canvas” ponad automatyzację – najpierw opanuj manualne polecenia, potem automatyzuj

Wprowadzenie

Hiten Shah używa sztucznej inteligencji 3-6 godzin dziennie, a także testuje 10-20 nowych narzędzi AI tygodniowo. Ten doświadczony przedsiębiorca z 20-letnim stażem w branży SaaS wypracował systematyczne podejście do wykorzystania ChatGPT w środowisku zawodowym.

Jak wyjaśnia Shah, prawdziwa siła ChatGPT w pracy nie tkwi w skomplikowanych poleceniach, lecz w przemyślanej architekturze projektów oraz wykorzystaniu rzeczywistych danych o ludziach i procesach. Przełomem dla niego był plan za $200 miesięcznie oraz funkcja pamięci – wcześniej ograniczenia Claude’a były, jak to określa, „brutalne” gdy potrzebował szybkich rezultatów.

Fundamenty: strategiczne zarządzanie pamięcią i kontekstem

Pamięć jako cenna nieruchomość

Shah traktuje funkcję pamięci ChatGPT niezwykle strategicznie. Wykorzystuje sesje tymczasowe dla wszystkich losowych zapytań, które nie mają związku z jego głównymi projektami zawodowymi. Jak tłumaczy: „Jeśli zamierzam rozmawiać z ChatGPT o rzeczach, które są trochę przypadkowe, faktycznie zacznę sesję tymczasową”.

Dodatkowo strategicznie archiwizuje stare czaty, ponieważ nie liczą się one do pamięci długoterminowej modelu. W pewnym momencie zarchiwizował wszystkie swoje rozmowy, a następnie selektywnie wyciągał tylko te wartościowe.

Meta-projekty – system do tworzenia systemów

Shah opracował coś, co nazywa „bardzo dobrym systemem projektów pomagających mu używać projektów”. Ma projekt do tworzenia projektów oraz projekt do tworzenia instrukcji deep research. To kluczowa część jego metodologii, z której większość użytkowników nie korzysta.

Gdy znajduje dobry wynik, zawsze próbuje go scodyfikować, szczególnie jeśli będzie musiał powtarzać podobne zadania. Stosuje technikę, którą opisuje jako „branie świetnych wyników i używanie ich do pomocy AI w kodyfikacji tego typu rezultatów”. W praktyce oznacza to pytanie AI: „Czy możesz pomóc mi stworzyć projekt, żebym mógł tworzyć tego typu instrukcje w przyszłości?”

Kontekst przewyższa proste polecenia

Według Shah większość ludzi popełnia fundamentalny błąd – próbują ulepszyć wynik zamiast poprawić wejście. „Zwykle nie zacznę niczego bez tony kontekstu lub z zamiarem dawania mu kontekstu w czasie” – wyjaśnia. Nigdy nie oczekuje, że pojedyncze zdanie polecenia magicznie zadziała.

Kluczem jest pokazanie AI „jak wygląda doskonałość”. Shah porównuje to do pracy z człowiekiem – jeśli nie wie, jak wygląda dobra robota, nie będzie wiedział, jak ją wykonać.

AI Shaping – sztuka precyzyjnego kształtowania odpowiedzi

Shah wprowadza pojęcie „AI Shaping” – proces kształtowania AI, żeby dał dokładnie to, czego potrzebujesz. To nie jest jednokrotne polecenie, lecz iteracyjny proces udoskonalania instrukcji.

Przykładem z rozmowy jest sytuacja, gdy ChatGPT nie dał mu gotowych instrukcji do projektu. Shah dopytał wtedy: „Czy możesz dać mi konkretne instrukcje, które mogę użyć w projekcie? Żebym mógł je po prostu wkleić.” To pokazuje, jak precyzyjnie komunikuje swoje oczekiwania.

Frameworki osobowości jako narzędzie optymalizacji komunikacji

Personal OS – cyfrowy profil psychologiczny

Shah stworzył projekt „Personal OS” zawierający kompletny profil psychologiczny. Obejmuje on wyniki testów Enneagram (Shah: typ 9), Myers-Briggs, Human Design (cyfry: 9, 1, 3), voice and tone guide z czasów gdy więcej pisał oraz osobiste preferencje komunikacyjne.

Mimo że przyznaje, iż Human Design „jest po stronie woo woo”, nadal wykorzystuje te dane. Gdy ktoś nowy dołącza do jego zespołu lub musi współpracować z nowym szefem, Shah wykorzystuje te informacje do analizy dynamiki międzyludzkiej.

Praktyczna analiza relacji z przełożonym

W rozmowie Shah przedstawia analizę swojej relacji z szefem Morganem:

Morgan: Enneagram typ 5, VP of Product and Growth
Shah: Enneagram typ 9, PM raportujący do Morgana

ChatGPT, mając dostęp do obu profili, automatycznie wygenerował praktyczne wskazówki obejmujące analizę zgodności stylów pracy, format cotygodniowych check-inów, sposób prezentowania problemów oraz strategie obrony pomysłów. Morgan stosuje filozofię „My job is to unblock you” i, jak zauważa Shah, „pyta cię o obronę rzeczy, ale nigdy nie sprawia, że czujesz się urażony”.

Cyfrowy bliźniak przełożonego – projekt „What Would Morgan Do”

Budowa opartego na danych projektu

Shah opracował jeden z najbardziej praktycznych projektów ChatGPT – symulator swojego szefa. Proces rozpoczyna się od załadowania instrukcji operacyjnych przełożonego oraz artykułów, które ten poleca.

W przypadku Morgana Shah wykorzystał:

Osobisty manual operacyjny szefa (wysłany gdy Morgan zaczął pracę)
Artykuł „Job is Communication”, który Morgan rekomenduje
Dane o typie osobowości (Enneagram 5)
Filozofię zarządzania

Skuteczność w praktyce

Gdy Shah chciał przedstawić „najszalszy pomysł produktowy”, ChatGPT wygenerował strategię komunikacji idealnie dopasowaną do stylu Morgana. Po przeczytaniu wygenerowanej odpowiedzi Shah skomentował: „Dziękuję. Brzmi jak on”.

System nie tylko podpowiadał, co powiedzieć, ale także wyjaśniał, co Morgan będzie szanował w prezentacji oraz dlaczego taki sposób komunikacji będzie skuteczny.

Implementacja frameworków sprzedażowych

Winning by Design w praktyce

Shah załadował do ChatGPT całą metodologię Winning by Design poprzez publicznie dostępne PDF-y. Jeszcze przed erą AI znajdował je używając „site:domain filetype:PDF” w Google – teraz ten proces trwa sekundy zamiast godzin.

System obecnie potrafi tworzyć skrypty rozmów rozpoznawczych według frameworka SPICE, generować pytania diagnozujące ból klienta oraz budować strukturę prezentacji produktu. Jak podkreśla Shah, za każdym razem gdy używa tego systemu, jest zaskoczony co najmniej jednym lub dwoma pytaniami, które byłyby dla niego wyzwaniem do samodzielnego wymyślenia.

Deep research i strategia copy button

Gdy Shah zauważył, że ChatGPT nie ma wystarczającego kontekstu o produkcie Claire Vo, zastosował technikę „deep research prompt”. Po zebraniu dodatkowych informacji system wygenerował znacznie lepsze skrypty sprzedażowe.

Shah opisuje swoje podejście: „Nie czytam tego nawet. Nie obchodzi mnie to. To wszystko dobre”. Określa siebie jako „bardzo copy button” – liczy się szybkość iteracji, nie perfekcja w pierwszym podejściu.

Najlepsze praktyki według doświadczenia Shah’a

„Blank canvas” przed automatyzacją

Shah przestrzega przed przedwczesną automatyzacją. Jego zdaniem większość ludzi próbuje zautomatyzować procesy, zanim nauczy się, jak sprawić, by działały manualnie. Wyjaśnia: „Wiem, że gdybym spróbował to zautomatyzować (…) prawdopodobnie zostałbym z wszystkimi wynikami, które są do dupy”.

Zaleca najpierw wielokrotne manualne wykonywanie zadania, dopiero potem budowanie automatyzacji. Jako inspirację wskazuje Nathan’a z Lex Page – nazywa go „jednym z najlepszych product people” – który pozwala użytkownikom modyfikować wszystkie instrukcje w produkcie.

Traktowanie AI jako narzędzia

Shah ma jasne stanowisko: nie traktuj ChatGPT jak człowieka, nawet jeśli interfejs to sugeruje. Gdy coś nie działa, mówi wprost: „To jest niepoprawne”. Nie przekupuje AI ani nie używa emocjonalnej manipulacji.

„Nie chcę go przekupywać cały czas, bo zostanie wytrenowany na oczekiwanie przekupstwa” – tłumaczy, porównując to do wychowywania dzieci.

Wybór narzędzi

Mimo testowania 10-20 nowych narzędzi AI tygodniowo, Shah zawsze wraca do „blank canvas” ChatGPT. Powód jest prosty: większość narzędzi próbuje automatyzować, zanim użytkownik zrozumie, jakie polecenia działają. W pięć minut Shah może naprawić błędne polecenie w projekcie, jednak w zautomatyzowanym narzędziu zostaje z kiepskimi wynikami bez możliwości naprawy.

Praktyczne wskazówki z materiału źródłowego

Na podstawie doświadczeń Shah’a można wyodrębnić następujące praktyki:

Przed utworzeniem projektu:

Zdefiniuj konkretny cel projektu
Zbierz wszystkie dostępne materiały źródłowe
Określ, jakie frameworki mogą być pomocne
Sprawdź, czy masz projekt do tworzenia projektów

Podczas tworzenia:

Załaduj pliki przed pisaniem instrukcji
Użyj ChatGPT do generowania instrukcji projektu
Przetestuj na konkretnym przykładzie
Zastosuj AI Shaping dla precyzyjnych rezultatów

Po utworzeniu:

Iteruj na podstawie pierwszych wyników
Scodyfikuj dobre rezultaty dla przyszłego użytku
Dokumentuj co działa, a co nie
Regularnie czyść pamięć projektu

Kluczowa obserwacja

Szybkość ponad perfekcję

Standardowo myślimy: Trzeba dokładnie przeczytać i przeanalizować każdy wynik AI zanim go użyjesz, żeby upewnić się co do jakości.

W praktyce okazuje się, że: Kopiowanie rezultatów bez czytania i szybka iteracja dają lepsze końcowe rezultaty niż staranne sprawdzanie każdego kroku.

Dlaczego to jest istotne: Gdy traktujemy AI jak współpracownika którego trzeba sprawdzać, tracimy jego główną przewagę – możliwość błyskawicznego testowania dziesiątek wariantów. Shah może naprawić słaby wynik w pięć minut, jednak stracone godziny na „quality control” się już nie odzyskają.

Test na jutro: Następnym razem gdy AI da ci długi wynik, skopiuj go bez czytania do kolejnego polecenia z prośbą o poprawkę i sprawdź, czy druga iteracja nie jest lepsza niż gdybyś spędził ten czas na analizie pierwszej.

Ten wpis jest częścią mojej kolekcji notatek z ciekawych podcastów, webinarów i innych treści, które uważam za wartościowe i do których sam chcę wracać. Jeśli chcesz sprawdzić oryginalne źródło, znajdziesz je tutaj: Mastering ChatGPT: Advanced techniques for workplace communication and productivity | Hiten Shah

Tag: Enneagram W Pracy

ChatGPT jako osobisty coach komunikacji: sprawdzone techniki od 20-letniego weterana SaaS #EN193