Jak poprosić AI o kontrargument
Praktyka używania AI do sprawdzenia własnego argumentu bez traktowania modelu jak sędziego, przeciwnika albo źródła ostatecznego werdyktu.
CzytajArchiwum tagu
#zaufanie
Publikacje oznaczone tagiem zaufanie.
Jak sprawdzić, czy model ma potrzebny kontekst
Ćwiczenie pozwala sprawdzić, czy model nadal prawidłowo uwzględnia cel, ograniczenia, źródła i wcześniejsze decyzje - bez udawania, że mierzy techniczne okno kontekstu.
CzytajJak nie pomylić płynności z prawdą
Praktyka zatrzymania się przy odpowiedzi, która brzmi spójnie i pewnie, ale może ukrywać niepewność, założenia, brak źródeł albo zbyt szerokie uogólnienia.
CzytajJak poprosić model o niepewność
Praktyka proszenia AI o pokazanie założeń, braków, poziomu ostrożności i warunków, które mogą zmienić odpowiedź.
CzytajJak sprawdzić, czy odpowiedź AI ma źródła
Praktyka rozkładania odpowiedzi AI na twierdzenia, źródła i miejsca ryzyka, zanim tekst trafi do artykułu, prezentacji, notatki zespołowej albo decyzji.
CzytajNie diagnozuj ludzi z maili
AI może pomóc uporządkować trudną komunikację, ale nie powinna służyć do diagnozowania ludzi, ich osobowości ani intencji na podstawie korespondencji.
CzytajBrzmi dobrze, ale to nie znaczy, że jest prawdziwe
Krótka notatka o tym, dlaczego płynna i przekonująca odpowiedź AI nie powinna automatycznie budzić zaufania.
CzytajAI nie czyta ludzi. Pomaga uporządkować sytuację.
Studium przypadku o tym, jak AI może pomóc uporządkować trudną komunikację: napięcia, brakujące informacje, możliwe interpretacje i ryzyka odpowiedzi.
CzytajModel nie pamięta. Model ma kontekst.
W pracy z AI łatwo pomylić okno kontekstu z pamięcią. To prowadzi do błędnych oczekiwań, zbyt dużego zaufania i złych decyzji.
CzytajNie chodzi tylko o prompt
Prompt jest tylko widoczną częścią pracy z AI. Dojrzała kompetencja wymaga rozumienia kontekstu, ograniczeń modelu, własnego obciążenia poznawczego, zaufania i weryfikacji.
Czytaj