Od zera do systemu AI w kwartał. Część 18: Wartości wbudowane w system

W części 17 zabezpieczyliśmy dane i automatyzacje. Omówiliśmy klucze, backup, monitoring.

Ale jest drugi rodzaj bezpieczeństwa, o którym rzadko się mówi, a który w mojej praktyce okazał się ważniejszy niż pierwszy.

System AI, który wspiera Twoją pracę, ma dostęp do tonu, komunikacji i decyzji. Może przygotować maile w Twoim imieniu. Może sugerować oferty. Może planować kampanie. Może pomóc przygotować się do rozmów z klientami.

Z tego wynika pytanie: zgodnie z czym ma podejmować te decyzje?

Odpowiedź “z tym, co jest skuteczne” brzmi rozsądnie, ale prowadzi w złe miejsca. Skuteczna w sprzedaży bywa presja czasowa. Skuteczne w marketingu bywa ukrywanie informacji. Skuteczna w zarządzaniu bywa manipulacja. Jeśli jedynym kompasem systemu jest “co działa”, to działa wszystko, nieważne, na jakich wartościach to oparliśmy.

Żeby tego uniknąć, potrzebujesz wartości wbudowanych w system. Nie jako instrukcji “nie manipuluj”, bo taka instrukcja jest zbyt ogólna. Zastosuj konkretne zasady, które system dołącza do sesji i zadań, gdy pasują do tematu.

W tym artykule pokażę, jak te zasady wyglądają u mnie i jak je wbudować do Twojego systemu.

Zastrzeżenie: to co opisuję w tym cyklu bazuje na moim stacku technologicznym, czyli macOS i Claude jako główny model językowy. Zasady i podejście działają na każdym systemie operacyjnym i z każdym modelem AI, ale konkretne kroki i skróty klawiszowe opisuję pod Maca. Jeśli pracujesz na Windows lub Linux, większość rzeczy zrobisz tak samo, ale powyższe systemy mogą się różnić detalami, które musisz dostosować.

Ważne: opisuję tu model uproszczony, czyli idealny obraz tego, jak działa ten fragment systemu. W praktyce mój obecny system ma więcej warstw, wyjątków i automatyzacji. Na potrzeby tego cyklu pokazuję wersję, którą najłatwiej zrozumieć i odtworzyć u siebie.

Problem: AI bez zasad jest tylko szybszym wykonawcą

Gdy zaczynasz korzystać z AI, zachwyca tempo. Sprawy, które zajmowały godziny, robią się w minuty. Raport, który robiłeś trzy tygodnie, robisz teraz na spokojnie wieczorem. Mail, który wczoraj czekałby do jutra, idzie za piętnaście minut.

To jest dobra zmiana. Do momentu.

Problem pojawia się, gdy system wchodzi w obszary, w których nie chodzi o tempo, ale o jakość decyzji. Na przykład: klient dzwoni i pyta o cenę, szybka odpowiedź nie jest lepsza od przemyślanej. AI proponuje treść kampanii, która rzeczywiście byłaby skuteczna, ale przekracza granicę tego, co uważasz za uczciwe. AI sugeruje maila z argumentacją, która brzmi przekonująco, ale czy bazuje na Twoich wartościach?

Bez wartości wbudowanych w system, te sytuacje zdarzają się regularnie. Model stara się pomóc, ale pomoc rozumie jako “daj użytkownikowi to, czego chce w tej chwili”. To nie jest dobra strategia długoterminowa dla biznesu, ani dla człowieka.

Wartości wbudowane w system to mechanizm, który zmienia domyślne zachowanie modelu z “co jest skuteczne” na “co jest skuteczne i spójne z moimi zasadami”.

Fundament: 12 zasad uczciwego biznesu

U mnie punktem wyjścia są konkretne zasady, które formułowałem przez lata pracy. Łączą się w jedną kategorię, którą nazywam uczciwym biznesem.

Pełny opis tych zasad mam w dokumentacji. Na potrzeby tego artykułu wystarczy zarys.

Gra o sumie dodatniej. Każda transakcja musi przynosić korzyść obu stronom.
Transparentność. Pełna przejrzystość: co, za ile, gdzie i po co.
Dobrowolność. Brak długich umów i kar. Zadowolony klient nie odchodzi.
Bez podstępu i przymusu. Zero manipulacji, presji czasowej, fałszywych gwarancji.
Wzajemne zaufanie. Budowane w czasie, przez konsekwentne działania.
Odpowiedzialność za jakość. Ta sama dla każdego, niezależnie od rentowności.
Edukacja. Wyjaśniaj, co kupuje klient. Nie wykorzystuj ignorancji.
Kwalifikacja. Czasem uczciwie jest powiedzieć nie.
Elastyczność. Adaptuj do sytuacji.
Partnerstwo. W trudnościach wspieraj.
Poduszka finansowa. Bezpieczeństwo w finansach umożliwia uczciwość.
Uczciwa umowa. Spis ustaleń, nie broń przeciwko partnerowi. Te zasady nie są teoretyczne. Są filtrem, przez który przechodzą wszystkie decyzje biznesowe. I każda, którą proponuje mi AI, też przez niego musi przejść.

Jak te zasady trafiają do AI

Zasady nie działają, jeśli AI ich nie zna. A model nie zna ich domyślnie, bo nie wie, że pracuje dla Ciebie.

W moim systemie jest kilka warstw, przez które zasady docierają do AI.

Warstwa 1: wspólny kontekst instruktażowy. W moim systemie część zasad źródłowych leży w CLAUDE.md, a część w plikach zasad. Z tych źródeł powstaje AGENTS.md, który trafia do różnych wykonawców AI. Claude ma własny kontekst, a Codex, Gemini i inni wykonawcy korzystają ze wspólnej warstwy. Bez tego model pracuje ogólnie. Z tym pracuje w określonym języku i według określonych ograniczeń.

Warstwa 2: profil firmy i profil osobisty. Z części 6. Każdy agent, którego używam, ma do tego dostęp. W profilach zapisane są wartości, styl komunikacji, czego unikamy, na czym nam zależy.

Warstwa 3: dyrektywy contentowe. Osobny plik z zasadami dla komunikacji marketingowej. Co robimy, czego nigdy nie robimy, jak rozmawiamy o konkurencji (krótko: nie rozmawiamy źle), jak prowadzimy się w kampaniach.

Warstwa 4: reguły w plikach agentów. Każdy agent z zarządu (CEO, CMO, CFO) ma w swoim pliku zapisane, jakie reguły go obowiązują w danym obszarze. CMO ma zasady contentu. CFO ma zasady uczciwych wycen. CSO ma zasady sprzedaży bez presji.

Te warstwy dostarczają modelowi właściwy kontekst, ale nie zastępują mojego przeglądu. Dla wybranych treści i operacji działają dodatkowe bramki, na przykład kontrola zgodności marki, dopasowania do odbiorcy, źródeł twierdzeń albo bezpieczeństwa. Resztę nadal sprawdzam sam.

Konkretne dyrektywy, które u mnie działają

Dla szerszego obrazu: kilka konkretnych reguł, które mam wpisane w system. To nie jest pełna lista. To są przykłady, żeby pokazać, jak taka zasada wygląda w praktyce.

Dyrektywa: nigdy nie mówimy źle o konkurencji. W ofertach, artykułach, rozmowach sprzedażowych nie porównujemy się do konkretnej konkurencji i nie oceniamy ich uczciwości. Mówimy, co robimy my. Klient sam sobie wyciąga wnioski.

Dyrektywa: bez presji czasowej w komunikacji. Nie piszemy “tylko do piątku”, “ostatnia szansa”, “cena obowiązuje do…”. Jeśli oferta ma termin, podajemy go neutralnie, bez presji. Klient decyduje w swoim tempie.

Dyrektywa: zawsze pokazujemy co i za ile. Nie ma ukrytej ceny ani niespodzianek w umowie. Gdzie produkt jest ustandaryzowany, cena podana jest na stronie i każdy może ją porównać bez rozmowy ze mną. Gdzie zakres trzeba wyliczyć pod konkretną sytuację, publiczna jest zasada wyceny: od czego zależy, co ją podnosi, co obniża. Tego drugiego nie zamieniam na „wycena po zapytaniu” bez wyjaśnienia, bo to zdanie służy zwykle temu, żeby klient nie mógł porównać.

Dyrektywa: gdy klient nie pasuje, mówimy to. Kwalifikacja jest częścią sprzedaży. Nie każdy klient jest dobrym klientem dla naszej usługi. Lepiej odmówić niż źle obsłużyć.

Dyrektywa: edukujemy, nie robimy z tego tajemnicy. Klient ma prawo wiedzieć, co kupuje. Tłumaczymy proces. Pokazujemy, jak pracujemy. Ryzyko, że ktoś “podpatrzy” i pójdzie gdzie indziej, istnieje, ale akceptujemy je. Klient świadomy decyzji to lepszy klient.

Większość tych dyrektyw ma w moim systemie osobny zapis, który ją rozwija: przykłady, wyjątki i test. Nie każda zasada ma jednak własny dokument. Część jest grupowana według obszaru i agenta.

Test spójności

Ważny mechanizm, który działa ponad samymi dyrektywami. Przy treściach przeznaczonych do publikacji system ocenia zgodność z marką, dopasowanie do odbiorcy i pokrycie twierdzeń źródłami:

Czy to, co zaproponowałem, jest spójne z zasadami Marcina? Konkretnie: czy nie wykorzystuje ignorancji klienta, nie używa presji, nie ukrywa informacji, nie ocenia źle konkurencji, nie obiecuje tego, czego nie można dostarczyć?

Przy wyniku poniżej ustalonych progów treść trafia do needs_review i nie idzie do publikacji. Pozostałe rekomendacje nadal wymagają mojego przeglądu. System może wskazać problem, ale nie przejmuje odpowiedzialności za decyzję.

Nie prowadzę jednej statystyki skuteczności tego testu. Wynik bramki jest sygnałem do dodatkowego sprawdzenia, a decyzja nadal należy do mnie.

Ten sposób pracy powstał po sytuacjach, w których AI pomogło mi napisać coś, czego później żałowałem. Sama instrukcja nie wystarczyła. Potrzebny był także pomiar i etap przeglądu.

Zasada, której nikt nie pilnuje, nie jest zasadą

Najważniejsza rzecz, której nauczyłem się w tym obszarze, brzmi niewygodnie: wartość zapisana w pliku działa dokładnie tak długo, jak długo o niej pamiętasz. A zapominasz o niej wtedy, gdy jest najbardziej potrzebna, czyli w piątek wieczorem, przy trzecim podejściu do tego samego tekstu, czy po terminie.

Test spójności opisany wyżej jest instrukcją dla modelu. Instrukcja to prośba. Prośba działa w większości przypadków i nie działa w tych kilku, o które nam chodzi.

Dlatego u mnie najważniejsze zasady mają drugą warstwę: mechanizm, który sprawdza ich spełnienie. Zanim treść pójdzie do publikacji, przechodzi przez bramkę oceniającą zgodność marki, dopasowanie do odbiorcy i pokrycie twierdzeń źródłami. Niespełnienie twardego progu kieruje treść do needs_review.

Różnica między jednym a drugim jest taka: instrukcja prosi o sprawdzenie, a bramka daje mierzalny wynik. Jeśli twardy próg nie jest spełniony, treść nie przechodzi do publikacji bez dodatkowego przeglądu.

Wniosek, na który potrzebowałem kilku powtórzeń tego samego błędu: zapis przypomina, mechanizm mierzy. Zapisu potrzebujesz, żeby wiedzieć, o co chodzi. Mechanizmu potrzebujesz, żeby to obowiązywało w dniu, w którym np. jesteś zmęczony i zapominasz o swoich zasadach.

Dla kogoś, kto zaczyna, to nie znaczy „zbuduj sobie bramkę w pierwszym tygodniu”. Znaczy: gdy zauważysz, że tę samą zasadę przypominasz sobie po raz trzeci, to nie jest problem z pamięcią. To sygnał, że ta konkretna zasada potrzebuje mechanizmu, a nie kolejnego zapisywania.

Jak formułować własne wartości

Może Twoje zasady wyglądają inaczej niż moje. To normalne. Wartości są osobiste. Nie ma jednego kodu, który pasuje do każdej firmy.

Cztery pytania, które pomagają wyłuskać własne:

Pytanie 1: z czego jestem dumny w swojej pracy? Napisz pięć rzeczy. To są Twoje wartości pozytywne. Rzeczy, które chcesz kontynuować.

Pytanie 2: czego w swojej branży nie robię, nawet jeśli działa? Napisz pięć rzeczy. To są Twoje granice. Rzeczy, których AI nie może Ci zasugerować.

Pytanie 3: co powiedziałby o mojej firmie klient, który był z nami pięć lat i odszedł zadowolony? Napisz trzy zdania. To są Twoje długoterminowe zasady.

Pytanie 4: czego żałowałbym na łożu śmierci w związku z tym, jak prowadziłem biznes? Napisz jedną rzecz. To jest kotwica. Coś, czego nie robisz pod żadnym pozorem.

Odpowiedzi zamieniasz w zdania dyrektywne. “Edukujemy klientów” zamiast “jestem dumny z tego, że edukuję klientów”. “Nie używamy presji czasowej” zamiast “nie znoszę sztuczek sprzedażowych”.

Każde zdanie staje się częścią Twojego systemu wartości w AI.

Co się dzieje, gdy wartości kolidują ze skutecznością

Nie ukrywam: czasem zasady kosztują. Odmówienie klientowi, który nie pasuje, to utracona sprzedaż. Rezygnacja z presji czasowej to wolniejsze decyzje klientów. Pełna transparentność cen ułatwia życie konkurencji.

Z tych sytuacji wynikają trzy obserwacje, które mogę potwierdzić po latach pracy.

Po pierwsze, koszt wartości jest widoczny od razu. Zysk wartości jest odroczony w czasie. Dlatego łatwo jest pójść na kompromis: “tym razem odstąpię, bo bardzo potrzebuję klienta”. Ale jeśli odstąpisz raz, odstąpisz też drugi. System zbudowany na kompromisach staje się systemem bez zasad.

Po drugie, wartości działają, gdy skala rośnie. Firma z kilkoma klientami może działać na charakterze, niuansach relacji i wyjątkowym traktowaniu każdego. Przy większej liczbie klientów potrzeba systemu, który utrzymuje standardy niezależnie od zmęczenia pracownika, pory dnia czy nastroju właściciela. Wartości wbudowane w AI pomagają utrzymać spójność.

Po trzecie, zasady ułatwiają utrzymanie jakości współpracy. Klient nie musi znać całego systemu, żeby zauważyć spójność komunikacji, jasne warunki i przewidywalny sposób pracy. To może ułatwiać zaufanie i dalszą współpracę, ale nie zastępuje pomiaru satysfakcji ani retencji.

Granica: AI nie jest sumieniem

Ważne zastrzeżenie, bo tu łatwo wpaść w pułapkę.

AI z wbudowanymi wartościami jest filtrem, nie sumieniem. Model flaguje rzeczy, które mogą naruszać regułę, ale decyzja ostateczna jest Twoja.

Jeśli zaczniesz traktować AI jako zewnętrzne sumienie, które za Ciebie rozstrzyga, przekazujesz mu odpowiedzialność, którą musisz nosić sam. Model nie zna kontekstu pełniej niż Ty. Nie widzi wyrazu twarzy klienta. Nie słyszał tonu głosu w poprzedniej rozmowie. Nie czuje, jak duża jest stawka pomyłki.

W moim systemie model może wskazać, że propozycja narusza konkretną regułę. Przy treściach publikowanych niespełnienie twardego progu kieruje materiał do needs_review. Ostateczna decyzja nadal należy do mnie.

Różnica jest subtelna, ale ważna. Pierwsze to rodzicielskie podejście. Drugie to partnerskie. AI jest Twoim asystentem z dostępem do zasad, nie Twoim strażnikiem.

Czego unikać

Wartości zbyt ogólnych. “Bądź uczciwy” to nie jest reguła, to pobożne życzenie. Model nie wie, co z nim zrobić. “Nie piszemy oferty z brakiem ceny” to reguła. Konkretna, testowalna, zastosowalna.

Wartości, które sami nie stosujemy. Jeśli wpisujesz zasadę “zawsze odpowiadam w ciągu 24 godzin”, a potem sam odpisujesz na maile po tygodniu, AI będzie konfliktował się z Twoim zachowaniem. Albo zmień regułę, albo zmień zachowanie. Ale nie pozwól, żeby był dysonans.

Zbyt wielu reguł naraz na start. Pięć jasnych zasad wystarcza na początek i pięć jasnych zasad zapamiętasz. Piętnaście napisanych w jednym tygodniu nie zadziała, bo nie będziesz pamiętał, które obowiązują.

Muszę tu jednak powiedzieć coś przeciwnego do tego, co pisałem w pierwszej wersji tego artykułu, bo mój własny system poszedł obecnie w drugą stronę. Zasad mam dziś kilkadziesiąt, nie pięć. Nie dlatego, że lubię regulaminy, tylko dlatego, że każda z nich powstała po konkretnej pomyłce, której nie chcę powtórzyć.

Różnica nie leży w liczbie, leży w tym, że przestałem trzymać je w jednym pliku dla wszystkich. Każda zasada ma zapisane, kogo dotyczy i kiedy jest istotna. Przed sesją do modelu trafia tylko ten podzbiór, który pasuje do tematu. Reszta leży na dysku i czeka. Dzięki temu agent zajmujący się treścią nie czyta reguł o rotacji kluczy, a agent techniczny nie czyta reguł o tonie w mailach.

Praktyczna wskazówka, gdy dojdziesz do tego etapu: nie pytaj „ile mam zasad”, pytaj „czy ta zasada trafia do właściwego miejsca”. Pięć zasad wrzuconych wszystkim naraz robi więcej szkody niż czterdzieści posegregowanych.

Dyrektyw bez przykładów. Reguła “bez manipulacji” bez przykładu, co uważam za manipulację, jest bezużyteczna. W każdej dyrektywie zamieszczam przykład: co jest OK, co jest blisko granicy, co jest wyraźnie przekroczeniem tej granicy.

Ignorowania flag AI. Jeśli system flaguje rekomendację jako problematyczną, a Ty regularnie ją przepuszczasz bez sprawdzenia, flagi przestają pełnić funkcję kontrolną, bo problemy przechodzą dalej. Jeśli system ma pomagać utrzymywać standardy, musisz reagować na jego sygnały.

Czego nauczyłeś się na tym etapie?

Bezpieczeństwo techniczne chroni dane. Wartości wbudowane w system chronią Ciebie przed systemem, który pracuje szybciej niż myślisz.

AI bez zasad optymalizuje pod “co jest skuteczne”. To działa krótkoterminowo, ale prowadzi w miejsca, w których nie chcesz być. Wartości zmieniają domyślne zachowanie modelu z “co jest skuteczne” na “co jest skuteczne i spójne z moimi zasadami”.

U mnie fundamentem jest 12 zasad uczciwego biznesu. Konkretne dyrektywy: bez presji czasowej, bez oceniania konkurencji, pełna transparentność cen, kwalifikacja jako część sprzedaży, edukacja zamiast tajemnicy.

Reguły trafiają do AI przez wspólny kontekst, profile, dyrektywy tematyczne i reguły konkretnych agentów. Źródła są kompilowane do warstw używanych przez różnych wykonawców, więc AGENTS.md nie jest plikiem, który edytuję ręcznie.

Przy publikowanym contencie działa bramka zgodności marki, dopasowania do odbiorcy i pokrycia twierdzeń źródłami. Wynik needs_review oznacza konieczność dodatkowego sprawdzenia. Decyzja publikacyjna pozostaje po stronie człowieka.

Zapis przypomina, mechanizm mierzy. Instrukcja dla modelu jest prośbą i działa w większości przypadków, czyli nie działa w tych kilku, o które chodzi. Gdy przypominasz sobie tę samą zasadę po raz trzeci, to nie problem z pamięcią, tylko sygnał, że ta zasada potrzebuje bramki, a nie kolejnego zapisania.

Formułowanie własnych wartości: z czego jestem dumny, czego nie robię, co powiedziałby lojalny klient, czego żałowałbym na łożu śmierci.

Granica: AI jest filtrem, nie sumieniem. Odpowiedzialność nosisz Ty.

W następnej części otwieramy blok szósty: codzienność systemu. Zaczniemy od cyfrowego bliźniaka. Pokażę, jak AI nauczyło się pisać tak jak ja bym to robił bez pomocy narzędzi.

Twój następny krok: zadanie na dzisiaj

Dwie rzeczy.

1. Napisz pięć swoich wartości. Otwórz plik w vault. Odpowiedz na cztery pytania: z czego jestem dumny, czego nie robię nawet jeśli działa, co powiedziałby lojalny klient, czego żałowałbym. Wyciągnij z odpowiedzi pięć konkretnych zdań dyrektywnych. Nie ogólników. Konkretów.

2. Dodaj zasady do źródła kontekstu dla AI. Otwórz główny plik instruktażowy albo źródłowy plik zasad używany przez Twój system. Wklej pięć wartości jako osobną sekcję pod tytułem “Zasady firmy”. Dodaj przykłady zachowań zgodnych z zasadą i zachowań, których nie akceptujesz. Jeśli korzystasz z generatora wspólnego kontekstu, przebuduj wynik po zmianie. Nie edytuj ręcznie wygenerowanego pliku wynikowego. Od następnej sesji AI może pracować z tymi wartościami.

Zasoby

Patrick Lencioni, “Przewaga nad konkurentami. Dlaczego zdrowie organizacji jest w biznesie najważniejsze” - o tym, jak wartości firmy przestają być plakatem na ścianie, a zaczynają wpływać na decyzje operacyjne. Napisane dla zarządów, ale zasady przekładają się na jednoosobową firmę.
Simon Sinek, “Zacznij od dlaczego” - fundament myślenia o celu firmy, z którego wyciągasz wartości. Warto przeczytać raz, zanim zaczniesz formułować swoje zasady.
Twoje 12 zasad uczciwego biznesu (albo jakiekolwiek inne, które sformułujesz sam) - najcenniejszy dokument. Nie kopiuj moich. Wyciągnij własne, bazujące na Twojej historii, klientach i branży. Kopia nie zakorzeni się, bo nie jest Twoja.

Ten artykuł jest częścią cyklu “Od zera do kompletnego systemu AI w kwartał”. Krok po kroku opisuję jak zbudowałem system AI do zarządzania firmą i rozwojem osobistym, żebyś mógł wdrożyć podobny u siebie. W następnej części: cyfrowy bliźniak, czyli jak AI uczy się pisać jak Ty. Masz pytania? Napisz. Odpowiadam osobiście.