Moduł 1 — AI to generator rozwiązań

AI podejmuje decyzje — ale Ty sterujesz

Sztuczna inteligencja to nie magiczny mózg. To generator rozwiązań. Kiedy pytasz AI o coś, on nie „wie” odpowiedź — on wybiera rozwiązanie, które najbardziej pasuje do treści, którą mu wprowadzisz.

To najważniejsza zasada tego kursu:

AI wybiera to, co wydaje się najbardziej zgodne z treścią wprowadzoną przez użytkownika.

To Ty decydujesz, co AI wygeneruje. Od Twojego pytania zależy jakość odpowiedzi. Suche pytanie = ogólnikowa odpowiedź. Bogate, precyzyjne pytanie = profesjonalne rozwiązanie dopasowane do Twojej sytuacji.

AI nie czyta w myślach. AI nie zna Twojej sytuacji — chyba że mu ją opiszesz.

Trzy filary pracy z AI

Żeby AI wygenerował dobre rozwiązanie, musisz opanować trzy rzeczy. Wszystkie trzy są równie ważne — pominij jeden i AI Cię zawiedzie.

Filar 1: Mocny model + dobre pytanie

Różne modele AI mają różne zdolności. To nie jest tak, że „AI to AI”. ChatGPT, Claude, Gemini, GLM — to są różne modele, zbudowane przez różne firmy, z różnymi mocnymi stronami.

Typ modelu	Przykładowe zdolności	Kiedy użyć
Mocny model ogólny	Pisanie pism, porównywanie opcji, doradztwo	Większość codziennych problemów
Model z dostępem do internetu	Aktualne informacje (dotacje, przepisy, ceny)	Kiedy potrzebujesz aktualnych danych
Model wizualny	Analiza obrazów, wykresów, zdjęć	Kiedy masz zdjęcie dokumentu
Model lokalny (na komputerze)	Działa bez internetu, pełna prywatność	Kiedy obawiasz się o dane

Ale uwaga — i to jest kluczowe: modele są coraz lepsze, ale mają swoje ograniczenia. Nawet najmocniejszy model na świecie może się mylić. Mocny model minimalizuje ryzyko błędu, nie eliminuje go. Dlatego filar 3 (ograniczone zaufanie) jest równie ważny jak filar 1.

Słabe AI do ważnej rzeczy = katastrofa

To jest kluczowa zasada, która wiele osób omija: nie można użyć słabego AI do ważnej rzeczy wymagającej precyzji. Obojętnie jak świetnie sformułujesz pytanie, jak bogaty kontekst podasz — jeśli model jest słaby, wygeneruje słabe rozwiązanie. Dobre omówienie nie pomoże, bo model nie ma wiedzy ani zdolności, żeby ją wykorzystać.

To tak jak z narzędziami: próbujesz wkręcić śrubkę młotkiem. Możesz opisywać precyzyjnie — „mała śrubka, mosiężna, do elektroniki, wkręć ją w plastik”. Młotek i tak ją zniszczy. Narzędzie musi pasować do zadania.

Słabe AI vs mocne AI — przykłady

Słabe AI:

• Wygeneruje ogólnik zamiast konkretu
• Zmyśli dane, które brzmią prawdopodobnie
• Pominie ważne ograniczenia, normy, terminy
• Nie rozumie ostrożności — w „pewne” odpowiedzi wpakuje błędy
• Napisze pismo które wydaje się profesjonalne — ale jest prawnie pułapką

Mocne AI (najnowszy, najsilniejszy model):

• Wygeneruje konkretne rozwiązanie dopasowane do sytuacji
• Częściej przyzna się do niepewności
• Rozumie ograniczenia i uwzględni je w odpowiedzi
• Statystycznie rzadziej zmyśla (ale nie omija halucynacji — patrz Moduł 5)
• Da argumenty, założenia, zastrzeżenia — nie tylko „tak/nie”

→ Wniosek: do pisania pisma do urzędu, do oceny dotacji, do decyzji finansowych — używaj najmocniejszego dostępnego modelu. Do luźnej ciekawości, do banalnego pytania — wystarczy słabszy.

Rodzaje AI — tanie webowe vs wyspecjalizowane

Nie wszystkie AI są takie same. Różnią się nie tylko mocą, ale przeznaczeniem. Dwie główne kategorie:

Rodzaj AI	Gdzie działa	Do czego służy	Dla kogo
AI webowe (chat na stronie)	ChatGPT.com, Claude.ai, Gemini.google.com	Rozmowa, porady, pisma, tłumaczenia, doradztwo	Dla każdego — w tym dla Ciebie
AI wbudowane w edytor kodu (IDE)	Cursor, GitHub Copilot, Continue, Windsurf	Asystent programisty — pisze kod, poprawia, sugeruje	Dla programistów (zaawansowani)
AI wbudowane w aplikacje	Photoshop (generuje obraz), Gmail (pisze maila), Word (poprawia tekst)	Pomocnik w konkretnej aplikacji	Dla użytkowników tych aplikacji
AI lokalne (na Twoim komputerze)	LM Studio, Ollama	Działa bez internetu — pełna prywatność	Dla osób dbających o prywatność

Dla Ciebie — jako seniora-laika — interesujące jest przede wszystkim AI webowe (ChatGPT, Claude, Gemini). To darmowe chaty w przeglądarce. AI wbudowane w edytory kodu (IDE) jest dla programistów — nie musisz się tym martwić.

Ale warto wiedzieć, że jak ktoś mówi „AI mi napisał kod, zbudował stronę, przetworzył dane” — to nie używał chatu na stronie. Używał AI w edytorze kodu. To jest silniejsze narzędzie, ale trudniejsze w obsłudze. Na tym kursie skupiamy się na AI webowym — dopasowanym do Twojego poziomu.

Najmocniejsze modele — jak sprawdzić który jest najsilniejszy

Nie musisz znać nazw modeli — te się zmieniają co kilka miesięcy. Stosuj pętlę AI (krok 0): zapytaj samego AI:

„Jakie są obecnie najsilniejsze modele AI? Który jest najlepszy do [Twoje zadanie]?”

AI aktualnie doradzi — bo modele zmieniają się szybciej niż jakikolwiek podręcznik.

Dobre pytanie to takie, które precyzyjnie mówi AI:

1. Kim jesteś — „jestem emerytem z Kotliny Kłodzkiej”
2. Czego chcesz — „potrzebuję pismo do spółdzielni o naprawę dachu”
3. Jaka jest sytuacja — „dach przecieka od tygodnia, mieszkam na II piętrze”
4. W jakim stylu — „formalne, krótkie, z ‘Szanowny Panie Prezesie‘“

Filar 2: Bogaty kontekst

AI generuje rozwiązanie na podstawie tego, co mu powiesz. Im pełniej opiszesz sytuację — cel, ograniczenia, normy, które przestrzegasz — tym precyzyjniejsze rozwiązanie dostaniesz.

Złe pytanie (bez kontekstu):

„Napisz pismo do urzędu”

AI nie wie: jakiego urzędu? o co chodzi? kim jesteś? Dostaniesz szablon z miejscem na wstawienie wszystkiego samemu.

Dobre pytanie (z kontekstem):

„Napisz formalne pismo do Urzędu Gminy w Nowej Rudzie o wydanie zaświadczenia o zameldowaniu. Jestem mieszkańcem ulicy Polnej 15, 57-400 Nowa Ruda. Pismo ma być krótkie, z ‘Szanowny Panie Wójcie’, datą i miejscem na podpis.”

AI wygeneruje gotowe do druku pismo dopasowane do Twojej sytuacji. Różnica? Ty dałeś AI kontekst.

Kontekst to nie są dane osobowe. Nie podajesz PESEL-u, nie podajesz nazwiska — podajesz sytuację: „jestem emerytem”, „mieszkam w Kotlinie Kłodzkiej”, „mam 65 lat”. AI poradzi równie dobrze z anonimowym kontekstem (o tym w Module 6).

Czym właściwie jest kontekst — wyjaśnienie dla laika

Kontekst to wszystko to, co mówisz AI oprócz samego pytania. Wyobraź sobie, że idziesz do lekarza i mówisz tylko „boli mnie”. Lekarz nie wie — co boli? Gdzie? Od kiedy? Jak boli? Co jem? Czy mam gorączkę? Bez tego lekarz zgaduje. Z kontekstem — „boli mnie lewe kolano od tygodnia, rano jest sztywniejsze, mam 65 lat, pracowałem fizycznie 40 lat” — lekarz wie od czego zacząć.

Z AI jest dokładnie tak samo. Kontekst to paliwo, na którym działa generator rozwiązań. Bez kontekstu — AI zgaduje. Z kontekstem — AI wie.

Czym jest kontekst — 5 elementów

Element	Co to znaczy	Przykład
Kim jesteś	Twoja rola, wiek, sytuacja życiowa	„jestem emerytem, 65 lat, mieszkam w Kotlinie Kłodzkiej”
Jaka jest sytuacja	Co się dzieje, jaki masz problem	„kaloryfer przecieka od tygodnia, mieszkam na II piętrze”
Czego chcesz	Co AI ma zrobić — konkretnie	„napisz formalne pismo do spółdzielni o naprawę”
Jakie masz ograniczenia	Co musisz uwzględnić	„nie mam samochodu, muszę załatwić pocztą”, „mam strukturę, nie chcę podawać nazwiska”
W jakim stylu	Forma odpowiedzi	„krótkie, formalne, z ‘Szanowny Panie Prezesie‘“

Kontekst a prywatność — co podawać, czego nie

To najważniejsze: kontekst NIE oznacza podawania danych osobowych. Anonimizujesz:

• ✅ „Mam 65 lat” — zamiast daty urodzenia
• ✅ „Mieszkam w Kotlinie Kłodzkiej” — zamiast dokładnego adresu
• ✅ „Jestem na emeryturze” — zamiast numeru renty
• ✅ „Mam około 3000 zł miesięcznie” — zamiast numeru konta bankowego
• ✅ „Mam problem z [opis]” — zamiast skanu dokumentu

AI poradzi równie dobrze z anonimowym kontekstem — bo liczy się sytuacja, nie dane. Pełne zasady bezpieczeństwa — w Module 6.

Kontrast: suche pytanie vs pytanie z kontekstem

Same pytanie (zero kontekstu):

„Jakie panele wybrać?”

AI wygeneruje ogólnik — liste marek, rodzajów, wanien „to zależy”. Bezużyteczne.

Pytanie z kontekstem:

„Mam dom w Kotlinie Kłodzkiej, dach na południe, 35 m², zużycie prądu 3500 kWh rocznie, ogrzewam węglem, budżet ograniczony, interesuje mnie tylko sprawdzone marki dostępne w Polsce. Jakie panele polecasz i dlaczego?”

AI wygeneruje konkretną rekomendację dopasowaną do Twojej sytuacji — moc, ile paneli, szacowany koszt, jaki falownik, na co uważać. To jest filar 2 w działaniu: od bogactwa kontekstu zależy precyzja rozwiązania.

Filar 3: Ograniczone zaufanie

AI generuje rozwiązanie przekonująco — ale nie zawsze poprawnie. Każdy model, nawet najmocniejszy, może:

• Halucynować — zmyślać fakty, liczby, daty, przepisy
• Uproszczać — pomijać ważne szczegóły
• Być nieaktualny — nie wiedzieć o czymś, co wydarzyło się po jego dacie treningu

Ograniczone zaufanie to nie brak zaufania — to ufanie z weryfikacją. Ufasz AI jak doradcy — doradca może się mylić. Dlatego sprawdzasz kluczowe fakty w 2–3 niezależnych źródłach.

Więcej o weryfikacji w Module 5. Na razie zapamiętaj: nawet najlepszy model nie bierze odpowiedzialności za to, co z jego odpowiedzi zrobisz.

Dlaczego ludzie nie rozumieją potencjału AI

Większość ludzi ma niezrozumienie potencjału AI już na starcie. Widzą reklamę: „AI robi wszystko za Ciebie!”. Oczekują że AI zrobi wszystko za nich — napisze pismo, wyśle je, przebierze za nich. A kiedy widzą że AI nie wysyła pisma, że AI nie klika za nich, że AI nie podejmuje decyzji za nich — mówią: „AI nie działa, to głupie”.

To jest fundamentalne nieporozumienie. AI nie jest robotem który robi rzeczy za Ciebie. AI jest generatorem rozwiązań — daje Ci wiedzę profesjonalisty, ale Ty musisz umieć go użyć. AI to narzędzie — a narzędzie trzeba się nauczyć używać.

To tak jak z wiertarką. Wiertarka nie zrobi dziury za Ciebie. Ty musisz trzymać, naciskać, wiedzieć jakim wiertłem, pod jakim kątem. Wiertarka daje moc — ale moc bez umiejętności to tylko hałas. AI jest tym samym: potężne narzędzie, ale trzeba wiedzieć jak je stosować.

Trzy najczęstsze błędy początkujących

Błąd 1: „Zrobi wszystko za mnie” Senior wpisuje: „napisz pismo do urzędu”. AI pyta: „jakiego urzędu? o co chodzi?”. Senior myśli: „AI nie umie”. Ale nie umie przez słabe pytanie, nie przez AI. AI daje to, co mu dasz.

Błąd 2: „To głupie, nie umie” Senior pyta AI o aktualny program dotacji. AI odpowiada starymi danymi albo zmyśla nowymi. Senior: „Widzisz? AI nie działa.” Ale AI nie jest encyklopedią aktualną co sekundę — to model który musi wiedzieć z jakiego okresu pochodzą jego dane. Trzeba pytać AI z dostępem do internetu albo weryfikować.

Błąd 3: „Nie ufam temu” Senior: „AI mówi że mam 65 lat, mieszkam w Kotlinie Kłodzkiej. Ale nie daję mu nazwiska, PESEL-u, adresu — więc nie doradzi.” Fałsz. AI doradzi równie dobrze z anonimowym kontekstem (Filar 2). Wystarczy opisać sytuację.

Co to znaczy „umieć używać AI”

Umieć używać AI to:

1. Wybrać właściwy model — mocny do ważnej rzeczy, słabszy do błahostki
2. Dać bogaty kontekst — opisać sytuację, ograniczenia, normy
3. Sformułować precyzyjne pytanie — konkretnie, nie ogólnikowo
4. Weryfikować odpowiedź — ograniczone zaufanie, nie ślepa wiara
5. Podjąć decyzję samemu — AI doradza, człowiek decyduje

Przez to kurs uczy — umiejętności używania AI, nie tylko „co to jest AI”. AI daje dostęp do wiedzy profesjonalisty bez szkoły, bez tytułów — ale trzeba wiedzieć jak tę wiedzę wyciągnąć. To jest proteza edukacji — nie zastępuje myślenia, dodaje do niego.

AI lepsze w podsuwaniu rozwiązań niż w zgadywaniu — paradoks laika

Wielu początkujących wyobraża sobie, że żeby AI zrobił coś dobrze, musi mu dokładnie wytłumaczyć krok po kroku co ma zrobić — jak instrukcję dla robota. To jest naturalne — boimy się że AI zrobi coś źle, więc sterujemy każdym detalem.

To jest paradoks laika. W rzeczywistości AI działa lepiej, kiedy nie próbujesz tłumaczyć mu jak ma coś zrobić — tylko pytasz go, jakie są najlepsze sprawdzone rozwiązania danego problemu.

Dlaczego tak jest

AI przetrenowano na milionach dokumentów — poradników, regulaminów, pism, umów, instrukcji. Dzięki temu AI zna sprawdzone standardowe rozwiązania dla większości problemów, z którymi spotkasz się w życiu. Te rozwiązania są lepsze niż zapożyczona intuicja laika — bo pochodzą od profesjonalistów którzy robili to tysiące razy.

Ale gdy zamiast poprosić AI o najlepsze rozwiązanie, sam próbujesz mu dyktować krok po kroku co ma robić — zmuszasz AI do zgadywania Twoich intencji. AI nie czyta w myślach. Zaczyna strzelać w ciemno — „czy chodziło mu o to? a może o tamto?” — i generuje coś co pasuje do Twojej niepełnej instrukcji, ale niekoniecznie najlepsze znane rozwiązanie problemu.

To tak, jakby zamiast zapytać lekarza „jaki jest najlepszy sposób leczenia” — wchodzić do gabinetu i mówić „proszę dać mi antybiotyk, bo tak mi się wydaje że to infekcja bakteryjna”. Lekarz nie da Ci antybiotyku jak to wirusówka — ale jeśli zmusisz go do zgadywania, może podać coś co Ci nie pomoże.

Dlaczego laik osiąga TOP możliwości AI — a ekspert często gorszy wynik

Klucz nie w tym że wiedza szkodzi. Wiedza jest cenna — ale musisz rozumieć jak AI działa, żeby dobrze z nim współpracować.

AI jest wyspecjalizowane w określonych, sprawdzonych rozwiązaniach. Przetrenowano je na milionach dokumentów — poradników, regulaminów, pism, umów, instrukcji. AI zna standardowe wzorce i w nich radzi sobie najlepiej. To jak młotek — stworzony do wbijania gwoździ. Działa idealnie, gdy używasz go do tego, do czego jest stworzony.

Kiedy laik pyta: „jak to się robi?” — pozwala AI pokazać sprawdzone rozwiązanie z jego specjalizacji. AI nie musi zgadywać — po prostu sięga do swojej „biblioteki wzorców” i podaje najlepszą praktykę. Laik osiąga TOP możliwości AI, bo pyta o to co AI potrafi najlepiej.

Kiedy ekspert przychodzi z własnym pomysłem i dyktuje AI: „zrób dokładnie tak” — wymaga od AI czegoś nieosiągalnego. AI nie zgadnie pomysłu eksperta — bo ten pomysł nie jest w jego bibliotece sprawdzonych wzorców. AI spróbuje wykonać instrukcję, ale będzie mu brakowało pełnego obrazu tego co ekspert ma w głowie. Ekspert dostaje gorszy wynik — nie bo jego wiedza jest zła, ale bo zmusza AI do pracy w schemacie którego AI nie zna i nie potrafi odtworzyć.

To tak, jakby wejść do świetnie działającej fabryki z własnym gotowym planem produkcji i dyktować pracownikom każde posunięcie. Fabryka działa najlepiej swoimi sprawdzonymi metodami — a dyktowanie im cudzego planu tylko miesza im w głowie. Lepiej powiedzieć: „potrzebuję mebla o takich parametrach — pokaż mi jak go zrobicie” — i zobaczyć najlepsze co fabryka potrafi.

Wiedza pomaga — ale w ocenie, nie w dyktowaniu

Wiedza eksperta nie szkodzi — pomaga weryfikować czy to co AI przedstawił, ma sens. Wiedza pomaga ocenić rozwiązanie, a nie dyktować je.

W praktyce, najlepsza praca z AI wygląda tak: pytasz AI jak to rozwiązać → AI przedstawia sprawdzone rozwiązanie ze swojej specjalizacji → Ty oceniasz je ze swojej wiedzy → korygujesz jeśli trzeba → weryfikujesz. Laik pozwala AI zaproponować najlepsze rozwiązanie z jego biblioteki. Ekspert ocenia to rozwiązanie ze swojej wiedzy — i koryguje. Obaj mogą osiągnąć świetny wynik — jeśli pytają o rozwiązanie, nie dyktują je.

Lepiej: „Jakie są najlepsze rozwiązania…” niż „Zrób dokładnie tak…”

Słabsze podejście (mikrosterowanie):

„Napisz pismo do spółdzielni w ten sposób: zacznij od »Szanowny Panie Prezesie«, potem napisz że dach przecieka, wymień że to jest na drugim piętrze, poproś o przyjęcie hydraulika w czwartek, podpisz jako gospodarz mieszkania, dodaj datę dzisiejszą 15 lipca…”*

AI wykona — ale to co wygeneruje, będzie odbiciem Twojej wiedzy pisania pism do spółdzielni, a nie najlepszej praktyki. Jeśli zapomniałeś o czymś (np. że warto podać numer mieszkania albo że prawo wymaga odpowiedzi w ciągu 30 dni) — AI nie zwróci tego, bo dokładnie wykonał Twoje instrukcje.

Lepsze podejście (poproś o najlepsze rozwiązanie):

„Muszę napisać pismo do spółdzielni mieszkaniowej o naprawę przeciekającego dachu. Mieszkam na drugim piętrze. Jakie elementy powinno zawierać takie pismo, żeby było skuteczne? Napisz je.*

AI przedstawi sprawdzone standardowe rozwiązanie — bo zna wzór pism do spółdzielni. Doda numer mieszkania (który mógłbyś zapomnieć), wskaże odpowiednią podstawę prawną, poprosi o odpowiedź w terminie (standardowa praktyka), użyje odpowiedniego tonu. Dostajesz lepszy wynik mniejszym wysiłkiem.

Nie mikrosteruj — zostaw AI miejsce na pokazanie najlepszej praktyki

Praktyczna zasada:

Najpierw opisz problem i zapytaj AI o najlepsze rozwiązanie. Dopiero potem — jak Cię nie satysfakcjonuje — koryguj.

To jest także część pętli sterowania z poprzedniej sekcji: krok 0 — zapytaj AI jak się to robi. AI podpowie sprawdzone standardowe podejście zamiast zgadywać co miałeś na myśli. Dopiero jeśli to rozwiązanie Ci nie pasuje — wchodzisz z korektą: „Tylko bez tego fragmentu o czynszu” albo „Skróć do 5 zdań”.

Ale nie zaczynaj od korekty. Daj AI szansę zaproponować najlepsze znane rozwiązanie. AI jest biblioteczką sprawdzonych wzorców — pozwól mu tę biblioteczkę otworzyć.

To oczywiście nie zwalnia z weryfikacji — ograniczone zaufanie obowiązuje tak samo. AI może podsunąć sprawdzone rozwiązanie, ale może też podsunąć przestarzałe albo niezgodne z Twoją konkretną sytuacją. Dlatego zawsze analizujesz wygenerowane rozwiązanie z własnym zdrowym rozsądkiem — i weryfikujesz kluczowe elementy (patrz Filar 3 i Moduł 5).

Pętla AI — sekret superspecjalisty

Nie wiesz, którego modelu użyć? Nie wiesz, jak podejść do problemu? Zapytaj najpierw AI jak się to robi.

To jest najważniejsza zasada tego kursu: AI sam podpowie najlepszy model i podejście do Twojego zadania. Nie musisz znać się na modelach. Musisz umieć zapytać.

Kroki pętli

Krok 0: Zapytaj jak.

„Mam problem z [opisz krótko]. Jakie modele AI są najlepsze do tego zadania? Jakie podejście rekomendujesz?”

AI sam doradzi: „Do tego zadania najlepiej nadaje się model z dostępem do internetu, bo potrzebujesz aktualnych informacji. Użyj ChatGPT z wyszukiwarką albo Gemini. Zapytaj w ten sposób…”

To jest meta-AI — używasz AI do wyboru narzędzia AI.

Krok 1: Wybierz mocny model, podaj bogaty kontekst.

Na podstawie rady z kroku 0, wybierasz model i opisujesz sytuację szczegółowo. Im bogatszy kontekst — cel, ograniczenia, normy — tym lepsze rozwiązanie.

Krok 2: AI generuje rozwiązanie.

AI wybiera to, co najbardziej pasuje do treści, którą wprowadziłeś. To Ty sterujesz tym, co AI produkuje — przez jakość pytania i bogactwo kontekstu.

Krok 3: Weryfikuj — ograniczone zaufanie.

Nawet najlepszy model może się mylić. Sprawdź kluczowe fakty w 2–3 źródłach. AI nie bierze odpowiedzialności.

Krok 4: Decyduj i działaj — to Ty, nie AI.

AI dał Ci listę opcji i argumenty. Decyzja należy do Ciebie. Działanie też. AI podnosi Cię w górę — decyzja i konsekwencje są Twoje.

Wyznacz cel — i pilnuj go. Koryguj AI kiedy zbacza.

To jest najważniejsza umiejętność w pracy z AI — ważniejsza niż formułowanie poleceń, niż wybór modelu, niż kontekst. Sens pracy z AI to wyznaczanie celu i dążenie do niego.

Wyobraź sobie, że pytasz AI: „Napisz pismo do spółdzielni o naprawę dachu”. AI pisze pismo — ale w treści proponuje też żebyś zażądał obniżenia czynszu. Ty nie chciałeś obniżenia czynszu — chciałeś naprawić dach. AI zboczyło z celu.

Co robisz? Korygujesz.

„Nie — chcę tylko naprawę dachu. Usuń fragment o czynszu. Pismo ma być krótkie, tylko o naprawie.”

AI poprawia. Znowu dąży do Twojego celu.

To jest pętla sterowania — serce pracy z AI:

1. WYZNACZASZ CEL — precyzyjnie, jednoznacznie
   „Chcę pismo o naprawę dachu, krótkie, formalne"
   ↓
2. AI GENERUJE ROZWIĄZANIE — dąży do celu
   ↓
3. SPRAWDZASZ — czy AI dąży do mojego celu?
   ↓
4A. TAK → akceptujesz, idziesz dalej
4B. NIE → KORYGUJESZ — „nie o to chodzi, usuń to, dodaj to"
   ↓ wraca do kroku 2

Dlaczego AI zboczy

AI to generator rozwiązań — wybiera to, co wydaje mu się najbardziej zgodne z Twoim pytaniem. Ale AI nie czyta w myślach. Jeśli cel nie jest precyzyjny, AI zgaduje — i często zgaduje źle.

Przykład: Pytasz „jakie panele wybrać?”. AI pisze o panelach słonecznych — a Ty miałeś na myśli panele ogrodzeniowe. AI zboczyło — bo cel był niejasny.

Lekcja: im bardziej precyzyjnie wyznaczysz cel, tym mniej AI zboczy. Ale nawet przy precyzyjnym celu — AI może zboczyć. Dlatego zawsze sprawdzasz czy AI dąży do Twojego celu — i korygujesz kiedy nie.

Jak korygować AI — konkretne przykład

Krok 1 — wyznaczasz cel:

„Napisz pismo do spółdzielni o naprawę cieknącego kaloryfera w kuchni. Mieszkam na II piętrze. Pismo krótkie, formalne.”

Krok 2 — AI generuje: AI pisze pismo — ale dodaje fragment o „roszczeniach odszkodowawczych” i „konieczności wymiany całej instalacji”. Ty chciałeś tylko naprawić kaloryfer.

Krok 3 — sprawdzasz: czy AI dąży do mojego celu? Nie. AI dodało rzeczy których nie prosiłeś. Zboczyło.

Krok 4 — korygujesz:

„Usunąć fragment o odszkodowaniach i wymianie instalacji. Chcę tylko naprawę kaloryfera. Proszę o wysłanie hydraulika. Krótkie, proste pismo.”

Krok 5 — AI poprawia: AI generuje poprawne pismo — zgodne z Twoim celem.

To jest istota pracy z AI: nie ACCEPTUJESZ pierwszej odpowiedzi jak ślepiec. Sprawdzasz czy AI dąży do Twojego celu. Korygujesz kiedy zbacza. Ty jesteś sternikiem — AI jest silnikiem.

Częste sposoby jak AI zboczy

Co robisz	Jak AI zboczy	Jak skorygować
Pytasz ogólnikowo	AI dodaje rzeczy których nie chciałeś	„Tylko o [X]. Usuń [Y]“
Nie podajesz stylu	AI pisze zbyt formalnie albo zbyt luźno	„Pisz prościej / bardziej formalnie”
Nie podajesz długości	AI pisze za długo albo za krótko	„Maksymalnie 5 zdań”
Nie określasz tonu	AI ton pesymistyczny albo optymistyczny	„Ton neutralny, bez ocen”
Cel nieprecyzyjny	AI zgaduje i zgaduje źle	„Nie o [X] chodzi — o [Y]“

Złota zasada sterowania AI

AI to silnik. Ty jesteś sternikiem. Silnik daje moc — ale sternik decyduje gdzie płynąć. Bez sternika silnik niesie gdzie popadnie. Bez silnika sternik stoi w miejscu. Wyznacz cel, dąż do niego, koryguj AI kiedy zbacza.

To jest umiejętność która robi z laika superspecjalistę. Nie umiejętność formułowania poleceń — umiejętność sterowania.

Piramida — jak to wszystko się składa

        OGRANICZONE ZAUFANIE
         ↳ każdy model może się mylić

       BOGATY KONTEKST
        ↳ opisz sytuację, ograniczenia, normy

      MOCNY MODEL + DOBRE PYTANIE
       ↳ wybierz najsilniejszy, pytaj precyzyjnie

     WYZNACZ CEL + KORYGUJ AI
      ↳ sternik — dąż do celu, koryguj kiedy zbacza

    = PROFESJONALNE ROZWIĄZANIE
     DO WERYFIKACJI I Twojej DECYZJI

Mocny model + dobre pytanie daje lepsze rozwiązanie. Ale nie gwarancję poprawności. Bogaty kontekst daje precyzyjniejsze rozwiązanie. Ale nie nieomylne. Wyznaczanie celu i korygowanie daje kontrolę nad kierunkiem — ale nie perfekcję. Ograniczone zaufanie jest tarczą, która chroni Cię przed konsekwencjami błędu AI.

Ćwiczenie — pierwsze zapytanie (10 min)

Na tej stronie działa chatbot — asystent kursu (przycisk w prawym dolnym rogu). Zadaj mu dwa pytania i porównaj odpowiedź:

1. Pytanie bez kontekstu: „Czym jest fotowoltaika?”
2. Pytanie z kontekstem: „Mieszkam w domu jednorodzinnym w Kotlinie Kłodzkiej. Dach skierowany na południe, nachylenie 35 stopni. Czy warto instalować panele fotowoltaiczne? Jakie zalety i wady dla mojej sytuacji? Jaki koszt i w jakim czasie się zwróci?”

Zauważ różnicę: drugie pytanie da Ci odpowiedź dopasowaną do Twojej sytuacji, nie ogólnik z Wikipedii. To jest filar 2 w działaniu.

A teraz — spróbuj kroku 0 z pętli. Zapytaj chatbot:

„Mam problem z [twój problem]. Jakie modele AI są najlepsze do tego zadania? Jakie podejście rekomendujesz?”

Zobacz, jak AI sam doradzi Ci, jak się do tego zabrać.

Przykład praktyczny: Senior pisze pismo do ZUS z pomocą AI

Oto realny scenariusz. Prześledź go krok po kroku — zobaczysz trzy filary w działaniu.

Scena: Pan Adam, 68 lat, emeryt z Kotliny Kłodzkiej

Pan Adam potrzebuje napisać pismo do ZUS — przeliczenie emerytury. Nigdy nie pisał pisma urzędowego. Ma dostęp do internetu przez smartfon żony. Ktoś mu pokazał ChatGPT.

Krok 0 — pętla AI: Pan Adam pyta najpierw:

“Mam 68 lat, jestem emerytem. Muszę napisać pismo do ZUS o przeliczenie emerytury — pracowałem 5 lat dłużej niż początkowo naliczyli. Jakie modele AI są najlepsze do tego zadania? Jak mam to zrobić?”

AI odpowiada: “Do tego zadania wystarczy zwykły ChatGPT lub Claude. Potrzebujesz podać: okres dodatkowej pracy, gdzie pracowałeś, jakie dokumenty masz. Użyj modelu ogólnego — nie potrzebujesz modelu z internetem. Pisz formalnie, z ‘Szanowni Państwo’, podaj swoje dane kontaktowe (bez PESEL-u).”

Krok 1 — mocny model + bogaty kontekst: Pan Adam otwiera ChatGPT (mocny model ogólny) i pisze:

“Napisz pismo do ZUS o przeliczenie emerytury. Jestem emerytem, 68 lat, mieszkam w Kotlinie Kłodzkiej. Pracowałem dodatkowo 5 lat (2018–2023) na umowę o pracę w firmie budowlanej, ale ZUS początkowo naliczył emeryturę tylko do 2018 roku. Mam świadectwo pracy z 2023 roku. Pismo ma być formalne, z ‘Szanowni Państwo’, datą, miejscem na podpis, bez PESEL-u — podam go ręcznie na wydruku.”

Krok 2 — AI generuje: ChatGPT generuje gotowe pismo. 4 akapity: (1) przedstawienie się, (2) opis sytuacji — dodatkowa praca, (3) prośba o przeliczenie, (4) informacja że świadectwo pracy w załączeniu.

Krok 3 — weryfikacja: Pan Adam:

• Sprawdza czy AI nie zmyśliło numeru oddziału ZUS (sprawdza na stronie ZUS)
• Pyta sąsiada który niedawno pisał do ZUS — czy pismo wygląda OK
• Sprawdza czy ZUS wymaga specjalnego formularza (sprawdza na zus.pl)
• Wszystko się zgadza. AI dało dobry wzór.

Krok 4 — decyzja i działanie: Pan Adam drukuje pismo, dopisuje ręcznie PESEL i numer telefonu, podpisuje, wkłada do koperty ze świadectwem pracy i wysyła.

Analiza: co AI zrobiło dobrze, a gdzie Pan Adam musiał zadziałać

AI zrobiło	Pan Adam zrobił
✅ Wygenerowało profesjonalne pismo w 5 minut	✏️ Sprawdził numer oddziału ZUS na stronie urzędu
✅ Sformułowało formalny język poprawnie	✏️ Skonsultował się z sąsiadem (ludzka weryfikacja)
✅ Zastosowało zwroty grzecznościowe	✏️ Dodał PESEL ręcznie (AI nie dostało PESEL-u)
✅ Zostawiło miejsce na podpis i datę	✏️ Podpisał, wysłał fizycznie (AI nie wysyła)
❌ Nie znało dokładnego oddziału ZUS dla jego regionu	✏️ Sprawdził sam

Wniosek: AI zrobiło 85% pracy — treść pisma. Pan Adam zrobił 15% — weryfikacja, dane poufne, wysyłka. Trzy filary w akcji: mocny model (ChatGPT), bogaty kontekst (historia pracy), ograniczone zaufanie (sprawdził oddział ZUS).

Przykład praktyczny 2: Rolnik planuje zakup paneli — porównanie modeli

Scena: Pan Stanisław, 55 lat, rolnik spod Nowej Rudy. Ma 30 m² dachu na południe. Zastanawia się nad fotowoltaiką. Pierwszy raz używa AI.

Próba 1 — słaby model, słabe pytanie. Pan Stanisław wpisuje w darmowy chatbot na stronie (słaby model):

“Czy panele słoneczne się opłacają?”

Odpowiedź: “Panele słoneczne mogą się opłacać w zależności od wielu czynników takich jak nasłonecznienie, koszt instalacji, dotacje…” — ogólnik z Wikipedii, zero konkretów. Pan Stanisław myśli: “AI nie umie”.

Próba 2 — mocny model + bogaty kontekst. Ktoś mu pokazuje Claude’a (mocniejszy model). Pan Stanisław pisze:

“Mam dom w Kotlinie Kłodzkiej, dach 30 m² na południe, nachylenie 35°. Zużywam 3500 kWh rocznie, ogrzewam węglem. Budżet: do 15 000 zł. Czy panele się opłacą? Jaka moc, ile paneli, jaki szacunkowy koszt i zwrot? Interesują mnie tylko marki dostępne w Polsce.”

Claude odpowiada: “Przy 30 m² na południe zmieścisz ok. 10 paneli o łącznej mocy 4 kWp. Szacunkowy koszt: 12 000–14 000 zł z montażem. Przy Twoim zużyciu 3500 kWh panele pokryją ok. 60–70% zapotrzebowania. Zwrot: 7–9 lat przy obecnych cenach prądu. Sprawdź program ‘Mój Prąd’ — dotacja do 6000 zł (zweryfikuj na NFOŚiGW). Polecane marki w Polsce: Longi, JA Solar, Selfa. Unikaj najtańszych paneli noname — szybko tracą moc.”

Różnica: ta sama osoba, ten sam problem. Inny model + bogaty kontekst = profesjonalna odpowiedź vs ogólnik.

Czego uczy przykład praktyczny Pana Stanisława

1. Model ma znaczenie — słaby model dał ogólnik; mocny model dał konkretną rekomendację
2. Kontekst jest paliwem — “czy panele się opłacają” vs “30 m², 3500 kWh, budżet 15k zł” — różnica jak między pytaniem “czy deszcz pada” a “czy będzie padać jutro w Nowej Rudzie między 14 a 16”
3. AI nie zastąpi wykonawcy — Claude podał szacunek; instalator musi zmierzyć dach, sprawdzić konstrukcję, dać realną ofertę
4. Weryfikacja jest konieczna — “sprawdź na NFOŚiGW” — AI samo mówi że trzeba zweryfikować

Jak AI „myśli” — wyjaśnienie dla laika (bez żargonu)

Wyobraź sobie, że AI to ktoś kto przeczytał całą bibliotekę — każdą książkę, każdy artykuł, każdy regulamin, każdą instrukcję. Ale ten ktoś nie rozumie tego co czytał. On zauważył wzorce: po tym słowie zwykle następuje tamto, w takiej sytuacji zwykle pomaga takie rozwiązanie.

Kiedy Ty zadajesz pytanie — ten ktoś nie „zastanawia się” nad odpowiedzią. On przewiduje jakie słowo powinno być następne, na podstawie milionów tekstów które widział. To jak autocorrect w telefonie, ale mądrzejszy.

Co to znaczy dla Ciebie praktycznie:

1. AI nie „rozumie” Twój problem — on dopasowuje wzorce. Dlatego bogaty kontekst jest kluczowy: AI dopasuje wzorzec do Twojej sytuacji, nie do ogólnego pytania.
2. AI może się mylić przekonująco — bo dopasowuje wzorce, które brzmią prawidłowo, ale mogą być błędne. To są „halucynacje” — o tym w Module 5.
3. AI jest tak dobry jak jego dane treningowe — jeśli nie widział programu dotacji z 2026, nie odpowie poprawnie o dotacji 2026. Dlatego możesz potrzebować modelu z dostępem do internetu.
4. AI nie ma intuicji — on nie „czuje” że coś jest nie tak. Jeśli brakuje ważnego elementu w Twoim opisie, AI go nie domyśli.

Analogia: AI jest jak najbardziej oczytana osoba na świecie, która nie była nigdy w Twoim domu, nie zna Twoich sąsiadów, nie wie co jesz na śniadanie. Pomoże Ci napisać znakomite pismo — ale nie powie Ci czy Twój遵义 kaloryfer jest na gwarancji.

Przykłady z życia — rozpoznawanie dobrego i złego pytania

Przykład A: Odzież do ZUS o zwiększenie renty

❌ Słabe pytanie (zero kontekstu):

„Napisz pismo o zwiększenie renty”

AI wygeneruje szablon: „Szanowni Państwo, zwracam się z prośbą o zwiększenie renty… [miejsce na uzasadnienie]…”. Bezużyteczne — musisz sam wymyślić treść.

✅ Dobre pytanie (z kontekstem):

„Mam 68 lat, jestem emerytem z Kotliny Kłodzkiej. Mam rentę rolniczą od 2020 roku. Od 2023 roku moje dochody spadły bo zmarła żona (renta rodzinna była wcześniej naliczana na nią). Chcę wystąpić o ponowne przeliczenie renty. Napisz pismo do ZUS Oddział w Wałbrzychu, formalne, z prośbą o przeliczenie w oparciu o nową sytuację rodzinną. PESEL i adres wstawię ręcznie po druku.”

AI wygeneruje gotowe pismo dopasowane do sytuacji: prośba o przeliczenie, powód (zmiana sytuacji rodzinnej), odwołanie do odpowiednich przepisów, formalny ton.

Przykład B: Porada o pcach na węgiel

❌ Słabe pytanie:

„Czy warto zmienić piec?”

AI: „Decyzja o wymianie pieca zależy od wielu czynników: wieku pieca, kosztów paliwa, dotacji…” — ogólnik z Wikipedii.

✅ Dobre pytanie:

„Mam piec węglowy z 1998 roku, 15 kW, w domu 120 m² w Kotlinie Kłodzkiej. Spalam około 5 ton węgla rocznie (ekogroszek), koszt 3500 zł/rok. Piec jest sprawny ale stary. Otrzymuję rentę 2500 zł/mies. Czy warto wymienić na pompę ciepła? Jakie dotacje są dostępne? Jaki zwrot z inwestycji? Uwzględnij że mam dach na południe, 30 m², jeśli panele też pomogą.”

AI dac konkretną analizę: koszty, dotacje, czas zwrotu, połączenie pompy + paneli.

Twoje ćwiczenie — pierwsze zapytanie (~3 min)

Na tej stronie działa chatbot — asystent kursu (przycisk w prawym dolnym rogu). Zadaj mu dwa pytania i porównaj odpowiedź:

1. Pytanie bez kontekstu: „Czym jest fotowoltaika?”
2. Pytanie z kontekstem: „Mieszkam w domu jednorodzinnym w Kotlinie Kłodzkiej. Dach skierowany na południe, nachylenie 35 stopni. Czy warto instalować panele fotowoltaiczne? Jakie zalety i wady dla mojej sytuacji? Jaki koszt i w jakim czasie się zwróci?”

Zauważ różnicę: drugie pytanie da Ci odpowiedź dopasowaną do Twojej sytuacji, nie ogólnik z Wikipedii. To jest filar 2 w działaniu.

A teraz — spróbuj kroku 0 z pętli. Zapytaj chatbot:

„Mam problem z [twój problem]. Jakie modele AI są najlepsze do tego zadania? Jakie podejście rekomendujesz?”

Zobacz, jak AI sam doradzi Ci, jak się do tego zabrać.

Typowe błędy — czego NIE robić начинаjąc

Błąd 1: Pytanie zbyt ogólnikowe

❌ „Napisz pismo do urzędu”

Dlaczego nie działa: AI nie wie jakiego urzędu, o co chodzi, kim jesteś. Wygeneruje szablon.

✅ Poprawnie: „Napisz pismo do Urzędu Gminy w Nowej Rudzie o zaświadczenie o zameldowaniu. Jestem mieszkańcem Nowej Rudy, na emeryturze.”

Błąd 2: Brak ograniczeń w pytaniu

❌ „Jakie panele kupić?”

AI wypisze listę 20 marek z całego świata.

✅ Poprawnie: „Jakie panele kupić w Polsce, do 15 000 zł, mały dom 120 m², dach 30 m² na południe? Interesują mnie tylko sprawdzone marki.”

Błąd 3: Nie weryfikują odpowiedzi

❌ Bierzesz odpowiedź AI jaką jest, wierzysz w 100%, działasz.

✅ Poprawnie: Bierzesz odpowiedź AI jako punkt wyjścia. Potem weryfikujesz w 2-3 źródłach (Moduł 5).

Czego się nauczyłeś w tym module

1. AI to generator rozwiązań — wybiera to, co najbardziej pasuje do Twojego pytania
2. AI „myśli” przez dopasowywanie wzorców — nie rozumie, dopasowuje. Dlatego kontekst jest kluczowy
3. Różne modele mają różne zdolności — dobieraj model do zadania; słabe AI do ważnej rzeczy = katastrofa
4. Nawet najmocniejszy model ma ograniczenia — ograniczone zaufanie
5. Kontekst to paliwo AI — 5 elementów: kim jesteś, sytuacja, czego chcesz, ograniczenia, styl
6. Bogaty kontekst = lepsze rozwiązanie — opisz sytuację szczegółowo, anonimizując dane
7. Nie wszystkie AI są takie same — webowe (chat), IDE (dla programistów), wbudowane w aplikacje, lokalne
8. Ludzie nie rozumieją potencjału — bo oczekują że AI „zrobi wszystko za nich”; AI to narzędzie, trzeba umieć używać
9. Pętla AI — zapytaj najpierw AI jak się to robi, on sam doradzi model i podejście
10. Wyznacz cel i koryguj AI — Ty jesteś sternikiem, AI jest silnikiem. AI zboczy — sprawdzasz i korygujesz
11. Decyzja jest zawsze Twoja — AI podnosi Cię w górę, ale konsekwencje są Twoje
12. Nie ufaj ślepo ani nie odrzucaj całkowicie — mądre używanie to środek

---

Dalej: Moduł 2 — Co AI może zrobić za mnie →