Želite brže istraživanje, jasnije nacrte ili jednostavno pametnije brainstorming? Učenje kako razgovarati s umjetnom inteligencijom jednostavnije je nego što izgleda. Male promjene u načinu na koji postavljate pitanja - i kako pratite - mogu pretvoriti rezultate iz osrednjih u iznenađujuće sjajne. Zamislite to kao da dajete upute vrlo talentiranom pripravniku koji nikad ne spava, ponekad pogađa i voli jasnoću. Gurate, pomaže. Vodite, briljira. Ignorirate kontekst... ionako pogađa. Znate kako je.
U nastavku slijedi cjelovit priručnik za razgovor s umjetnom inteligencijom , s brzim rezultatima, detaljnijim tehnikama i tablicom usporedbe kako biste mogli odabrati pravi alat za posao. Ako pregledavate, počnite s Brzim početkom i Predlošcima. Ako ste štreber, detaljni pregledi su vam na dohvat ruke.
Članci koje biste možda željeli pročitati nakon ovog:
🔗 Što potiče umjetna inteligencija
Objašnjava izradu učinkovitih uputa za vođenje i poboljšanje rezultata umjetne inteligencije.
🔗 Što je označavanje podataka umjetnom inteligencijom?
Objašnjava kako označeni skupovi podataka treniraju točne modele strojnog učenja.
🔗 Što je etika umjetne inteligencije
Obuhvaća načela koja vode odgovornu i poštenu upotrebu umjetne inteligencije.
🔗 Što je MCP u umjetnoj inteligenciji
Predstavlja Protokol konteksta modela i njegovu ulogu u komunikaciji umjetne inteligencije.
Kako razgovarati s umjetnom inteligencijom ✅
-
Jasni ciljevi - Recite modelu točno kako izgleda "dobro". Ne vibracije, ne nade - kriteriji.
-
Kontekst + ograničenja - Modeli bolje funkcioniraju s primjerima, strukturom i ograničenjima. Dokumentacija pružatelja usluga izričito preporučuje navođenje primjera i specificiranje oblika izlaza [2].
-
Iterativno usavršavanje - Vaš prvi upit je nacrt. Poboljšajte ga na temelju rezultata; dokumentacija glavnih pružatelja usluga to izričito preporučuje [3].
-
Verifikacija i sigurnost - Zatražite od modela da citira, obrazloži, provjeri sam sebe - i još uvijek ćete dvaput provjeriti. Standardi postoje s razlogom [1].
-
Uskladite alat sa zadatkom - Neki modeli su izvrsni za kodiranje; drugi napreduju u dugom kontekstu ili planiranju. Najbolje prakse dobavljača to izravno ističu [2][4].
Budimo iskreni: mnogi „brzi trikovi“ su samo strukturirano razmišljanje s prijateljskom interpunkcijom.
Brzi složeni mini-slučaj:
Voditelj projekta pitao je: „Napisati specifikaciju proizvoda?“ Rezultat: generičko.
Nadogradnja: „Vi ste voditelj projekta na razini osoblja. Cilj: specifikacija za šifrirano dijeljenje. Publika: mobilna tehnologija. Format: 1 stranica s opsegom/pretpostavkama/rizikom. Ograničenja: nema novih tokova autorizacije; navedite kompromise.“
Ishod: upotrebljiva specifikacija s eksplicitnim rizicima i jasnim kompromisima - jer su cilj, publika, format i ograničenja navedeni unaprijed.
Kako razgovarati s umjetnom inteligencijom: Brzi početak u 5 koraka ⚡
-
Navedite svoju ulogu, cilj i publiku.
Primjer: Vi ste savjetnik za pravno pisanje. Cilj: poboljšati ovaj dopis. Publika: osobe koje nisu pravnici. Smanjite upotrebu žargona na minimum; održite točnost. -
Dajte konkretan zadatak s ograničenjima.
Prepišite na 300–350 riječi; dodajte sažetak u 3 točke; zadržite sve datume; uklonite jezik koji ograničava. -
Navedite kontekst i primjere.
Zalijepite isječke, stilove koji vam se sviđaju ili kratki uzorak. Modeli slijede obrasce koje im pokažete; službena dokumentacija kaže da to poboljšava pouzdanost [2]. -
Zatražite obrazloženje ili provjere.
Ukratko prikažite svoje korake; navedite pretpostavke; označite sve nedostajuće informacije. -
Iteriraj - nemoj prihvatiti prvu verziju.
Dobro. Sada sažmi za 20%, zadrži snažne glagole i navedi izvore u tekstu. Iteracija je osnovna najbolja praksa, ne samo predanje [3].
Definicije (korisne skraćenice)
Kriteriji uspjeha: mjerljiva ljestvica za „dobro“ - npr. duljina, prikladnost publici, obavezni dijelovi.
Ograničenja: oni koji se ne mogu pregovarati - npr. „bez novih tvrdnji“, „APA citati“, „≤ 200 riječi“.
Kontekst: minimalne pozadinske informacije kako bi se izbjeglo nagađanje - npr. sažetak proizvoda, profil korisnika, rokovi.
Tablica usporedbe: alati za razgovor s umjetnom inteligencijom (namjerno neobično) 🧰
Cijene se mijenjaju. Mnogi imaju besplatne razine + opcionalne nadogradnje. Grube kategorije tako da ovo ostaje korisno, a ne odmah zastarjelo.
| Alat | Najbolje za | Cijena (okvirna) | Zašto funkcionira u ovom slučaju upotrebe |
|---|---|---|---|
| ChatGPT | opće razmišljanje, pisanje; pomoć pri kodiranju | Besplatno + Pro | Strogo praćenje uputa, širok ekosustav, svestrane upute |
| Claude | dugačka kontekstualna dokumentacija, pažljivo obrazloženje | Besplatno + Pro | Izvrsno s dugim unosima i postupnim razmišljanjem; nježno po zadanim postavkama |
| Google Gemini | zadaci prožeti webom, multimedija | Besplatno + Pro | Dobro pronalaženje; snažno kombiniranje slika i teksta |
| Microsoftov Copilot | Uredski tijekovi rada, proračunske tablice, e-pošta | Uključeno u neke planove + Pro | Živi tamo gdje živi tvoj posao - korisna ograničenja ugrađena |
| Zbunjenost | istraživanje + citati | Besplatno + Pro | Jasni odgovori s izvorima; brze pretrage |
| Usred putovanja | slike i konceptualna umjetnost | Pretplata | Vizualno istraživanje; lijepo se slaže s tekstualnim uputama |
| Poe | jedno mjesto za isprobavanje mnogih modela | Besplatno + Pro | Brzo prebacivanje; eksperimenti bez obveze |
Ako birate: prilagodite model kontekstu koji vas najviše zanima - dugi dokumenti, kodiranje, istraživanje s izvorima ili vizualni prikazi. Stranice s najboljim praksama pružatelja usluga često ističu u čemu njihov model izvrsno funkcionira. To nije slučajnost [4].
Anatomija uputa s velikim utjecajem 🧩
Koristite ovu jednostavnu strukturu kada želite dosljedno bolje rezultate:
Uloga + Cilj + Publika + Format + Ograničenja + Kontekst + Primjeri + Proces + Provjere rezultata
Vi ste viši marketinški stručnjak za proizvode. Cilj: napisati kratki opis lansiranja aplikacije za bilješke koja stavlja privatnost na prvo mjesto. Ciljana publika: zauzeti rukovoditelji. Format: memorandum od 1 stranice s naslovima. Ograničenja: jednostavan engleski, bez idioma, tvrdnje moraju biti provjerljive. Kontekst: zalijepite sažetak proizvoda u nastavku. Primjer: oponašajte ton priloženog memoranduma. Proces: razmišljajte korak po korak; prvo postavite 3 pojašnjavajuća pitanja. Provjera rezultata: završite s popisom rizika od 5 točaka i kratkim često postavljanim pitanjima.
Ovaj zalogaj svaki put pobjeđuje nejasne dosjetke.
Detaljan pregled 1: Ciljevi, uloge i kriteriji uspjeha 🎯
Modeli poštuju jasne uloge. Navedite tko je asistent, kako izgleda uspjeh i kako će se ocjenjivati. Poslovno orijentirano usmjeravanje preporučuje definiranje kriterija uspjeha unaprijed - to održava rezultate usklađenima i lakšima za evaluaciju [4].
Taktički savjet: prije nego što model išta napiše, zatražite kontrolnu listu
Dubinska analiza 2: Kontekst, ograničenja i primjeri 📎
Umjetna inteligencija nije psihička; gladna je uzoraka. Dajte joj prave uzorke. Stavite najvažniji materijal na vrh i budite eksplicitni u pogledu oblika izlaza. Za duge ulaze, dokumentacija dobavljača napominje da redoslijed i struktura materijalno utječu na rezultate u dugim kontekstima [4].
Isprobajte ovaj mikro-predložak:
-
Kontekst: maksimalno 3 stavke koje sažimaju situaciju
-
Izvorni materijal: zalijepljen ili pričvršćen
-
Uradi: 3 metka
-
Ne: 3 metka
-
Format: određena duljina, odjeljci ili shema
-
Traka kvalitete: što odgovor A+ mora sadržavati
Dubinski zaron 3: Rasuđivanje na zahtjev 🧠
Ako želite pažljivo razmišljanje, zatražite ga - kratko. Zatražite sažet plan ili obrazloženje; neki službeni vodiči predlažu poticanje planiranja za složene zadatke kako bi se poboljšalo pridržavanje uputa [2][4].
Brzi poticaj:
Planirajte svoj pristup u numeriranim koracima. Navedite pretpostavke. Zatim dajte samo konačni odgovor, s obrazloženjem od 5 redaka na kraju.
Mala napomena: više obrazloženja u tekstu nije uvijek bolje. Uravnotežite jasnoću i sažetost kako se ne biste utopili u vlastitim skelama.
Duboki zaron 4: Iteracija kao supermoć 🔁
Tretirajte model kao suradnika kojeg ciklički trenirate. Zatražite dva kontrastna nacrta s različitim tonovima; ili prvo zatražite samo nacrt . Zatim doradite. OpenAI i drugi izričito preporučuju iterativno doraditi - jer funkcionira [3].
Primjer petlje:
-
Daj mi tri mogućnosti obrisa s različitim kutovima.
-
Odaberite najjače, spojite najbolje dijelove i napišite nacrt.
-
Skratite za 15%, nadogradite glagole i dodajte skeptični odlomak s citatima.
Detaljan pregled 5: Zaštitne ograde, provjera i rizik 🛡️
Umjetna inteligencija može biti korisna, a ipak biti u krivu. Kako biste smanjili rizik, posudite nešto iz utvrđenih okvira za upravljanje rizikom: definirajte uloge, zahtijevajte transparentnost i dodajte provjere za pravednost, privatnost i pouzdanost. Okvir za upravljanje rizikom umjetne inteligencije NIST-a opisuje karakteristike pouzdanosti i praktične funkcije koje možete prilagoditi svakodnevnim tijekovima rada. Zatražite od modela da otkrije nesigurnost, navede izvore i označi osjetljiv sadržaj - a zatim provjeravate [1].
Upute za provjeru:
-
Navedite 3 najvažnije pretpostavke. Za svaku ocijenite pouzdanost i navedite izvor.
-
Navedite barem dva pouzdana izvora; ako ne postoje, jasno to navedite.
-
Navedite kratak protuargument vlastitom odgovoru, a zatim se pomirite.
Detaljan pregled 6: Kada modeli pretjeruju - i kako ih obuzdati 🧯
Ponekad umjetne inteligencije postanu pretjerano željne, dodajući složenost koju niste tražili. Anthropicove smjernice ukazuju na sklonost pretjeranom inženjeringu; rješenje su jasna ograničenja koja izričito kažu „bez dodataka“ [4].
Kontrolni upit:
Radite samo promjene koje izričito zatražim. Izbjegavajte dodavanje apstrakcija ili dodatnih datoteka. Rješenje neka bude minimalno i fokusirano.
Kako razgovarati s umjetnom inteligencijom za istraživanje u odnosu na izvršenje 🔍⚙️
-
Način istraživanja: zatražite konkurentska gledišta, razine pouzdanosti i citate. Zahtijevajte kratku bibliografiju. Sposobnosti se brzo razvijaju, stoga provjerite sve što je ključno [5].
-
Način izvršenja: navedite osobitosti formata, duljinu, ton i neizostavne stavke. Zatražite kontrolnu listu i završnu samoprovjeru. Neka bude kratka i provjerljiva.
Savjeti za multimodalni marketing: tekst, slike i podaci 🎨📊
-
Za slike: opišite stil, kut kamere, raspoloženje i kompoziciju. Ako je moguće, priložite 2-3 referentne slike.
-
Za zadatke s podacima: zalijepite primjere redaka i željenu shemu. Recite modelu koje stupce treba zadržati, a koje ignorirati.
-
Za mješovitu tehnikom: navedite gdje svaki dio ide. „Jedan uvodni odlomak, zatim grafikon, pa natpis s jednom rečenicom za društvene mreže.“
-
Za duge dokumente: bitno stavite na prvo mjesto; redoslijed je važniji kod vrlo velikih konteksta [4].
Rješavanje problema: kada model ide postrance 🧭
-
Previše nejasno? Dodajte primjere, ograničenja ili kostur formatiranja.
-
Previše opširno? Postavite proračun za riječi i zatražite kompresiju grafičkih oznaka.
-
Ne razumijete poantu? Preformulirajte ciljeve i dodajte 3 kriterija uspjeha.
-
Izmišljate? Zahtijevajte izvore i napomenu o nesigurnosti. Navedite ili recite "nema izvora".
-
Previše samouvjeren ton? Zahtijevajte zaštitu od rizika i ocjene samopouzdanja.
-
Halucinacije u istraživačkim zadacima? Provjerite unakrsno korištenjem uglednih okvira i primarnih referenci; smjernice o riziku od strane tijela za standardizaciju postoje s razlogom [1].
Predlošci: kopiraj, prilagodi, idi 🧪
1) Istraživanje s izvorima
Vi ste istraživački asistent. Cilj: sažeti trenutni konsenzus o [temi]. Ciljna publika: netehnička. Uključite 2-3 ugledna izvora. Proces: navedite pretpostavke; zabilježite nesigurnost. Izlaz: 6 grafičkih oznaka + sinteza od 1 odlomka. Ograničenja: bez nagađanja; ako su dokazi ograničeni, navedite ih. [3]
2) Izrada sadržaja
Vi ste urednik. Cilj: napisati objavu na blogu na [tema]. Ton: prijateljski i stručni. Format: H2/H3 s grafičkim oznakama. Duljina: 900–1100 riječi. Uključite odjeljak s protuargumentima. Završite s TL;DR. [2]
3) Pomoćnik u kodiranju
Vi ste viši inženjer. Cilj: implementirati [značajka] u [stog]. Ograničenja: bez refaktoriranja osim ako se ne zatraži; fokus na jasnoći. Proces: skiciranje pristupa, popis kompromisa, zatim kod. Izlaz: blok koda + minimalni komentari + plan testiranja u 5 koraka. [2][4]
4) Strateški memorandum
Vi ste strateg za proizvod. Cilj: predložiti 3 opcije za poboljšanje [metrike]. Uključite prednosti/nedostatke, razinu napora, rizike. Izlaz: tablica + preporuka s 5 točaka. Dodajte pretpostavke; postavite 2 pojašnjavajuća pitanja na kraju. [3]
5) Pregled dugog dokumenta
Vi ste tehnički urednik. Cilj: sažeti priloženi dokument. Stavite izvorni tekst na vrh kontekstnog prozora. Izlaz: sažetak, ključni rizici, otvorena pitanja. Ograničenja: zadržati izvornu terminologiju; bez novih tvrdnji. [4]
Uobičajene zamke koje treba izbjegavati 🚧
-
Vague pita nešto poput "učiniti ovo boljim." Kako bolje?
-
Nema ograničenja pa model popunjava praznine nagađanjima.
-
Jednokratno poticanje bez iteracije. Prvi nacrt rijetko je najbolji - istinit i za ljude [3].
-
Preskakanje provjere kod visokorizičnih rezultata. Posuđivanje standarda rizika i dodavanje provjera [1].
-
Ignoriranje uputa pružatelja usluga koje doslovno govore što funkcionira. Pročitajte dokumentaciju [2][4].
Mini studija slučaja: od nejasnog do fokusiranog 🎬
Nejasan upit:
Napišite neke marketinške ideje za moju aplikaciju.
Vjerojatni ishod: raspršene ideje; slab signal.
Nadograđeni upit korištenjem naše strukture:
Vi ste marketinški stručnjak za cijeli životni ciklus. Cilj: generirati 5 eksperimenata aktivacije za aplikaciju za bilješke koja je na prvom mjestu o privatnosti. Publika: novi korisnici u 1. tjednu. Ograničenja: bez popusta; mora biti mjerljivo. Format: tablica s hipotezom, koracima, metrikom, očekivanim utjecajem. Kontekst: broj korisnika opada nakon 2. dana; glavna značajka je šifrirano dijeljenje. Provjere izlaza: postavite 3 pojašnjavajuća pitanja prije predlaganja. Zatim isporučite tablicu plus sažetak od 6 redaka.
Rezultat: oštrije ideje povezane s ishodima i plan spreman za testiranje. Nije magija - samo jasnoća.
Kako razgovarati s umjetnom inteligencijom kada su ulozi visoki 🧩
Kada tema utječe na zdravlje, financije, pravo ili sigurnost, potrebna vam je dodatna pažljiva pozornost. Koristite okvire rizika za usmjeravanje odluka, zahtijevanje citata, dobivanje drugog mišljenja i dokumentiranje pretpostavki i ograničenja. NIST AI RMF je čvrsto sidro za izradu vlastite kontrolne liste [1].
Kontrolna lista za važne stvari:
-
Definirajte odluku, scenarije štete i ublažavanja
-
Zahtijevajte citate i istaknite nesigurnost
-
Pokrenite protučinjenični scenarij: „Kako bi ovo moglo biti pogrešno?“
-
Zatražite stručnu procjenu prije nego što djelujete
Završne napomene: Predugo, nisam pročitao/la 🎁
Učenje kako razgovarati s umjetnom inteligencijom nije stvar tajnih čarolija. To je strukturirano razmišljanje izraženo jasno. Postavite ulogu i cilj, unesite kontekst, dodajte ograničenja, zatražite obrazloženje, ponavljajte i provjeravajte. Učinite to i dobit ćete rezultate koji se čine nevjerojatno korisnima - ponekad čak i ugodnima. Drugi put će model lutati, i to je u redu; pogurate ga natrag. Razgovor je posao. I da, ponekad ćete miješati metafore poput kuhara s previše začina... a zatim ih smanjiti i poslati.
-
Definirajte uspjeh unaprijed
-
Navedite kontekst, ograničenja i primjere
-
Tražite obrazloženje i provjere
-
Ponovi dva puta
-
Uskladite alat sa zadatkom
-
Provjerite sve važno
Reference
-
NIST - Okvir za upravljanje rizicima umjetne inteligencije (AI RMF 1.0). PDF
-
OpenAI platforma - Brzi inženjerski vodič. Link
-
Centar za pomoć OpenAI-a - Najbolje prakse brzog inženjeringa za ChatGPT. Veza
-
Antropni dokumenti - Poticanje najboljih praksi (Claude). Link
-
Stanford HAI - AI indeks 2025: Tehničke performanse (Poglavlje 2). PDF.