Niezależnie od tego, czy jesteś zasypywany pytaniami dotyczącymi HR, zgłoszeniami IT, czy niekończącymi się prośbami o analizę dokumentu, streszczenia, podsumowania spotkań czy notatek, prawdopodobnie pomyślałeś: musi być na to lepszy sposób. I właśnie tutaj przychodzą z pomocą Agenci AI!
Platformy takie jak Microsoft Copilot Studio umożliwiają tworzenie takich agentów dostosowanych do konkretnych potrzeb biznesowych. Przy odpowiedniej konfiguracji agent AI może przejąć czasochłonne zadania – od zarządzania wiadomościami e-mail i analizowania danych po prowadzenie rozmów z klientami. Kluczem do skutecznej pracy agenta jest zestaw instrukcji, które określają jego rolę, wiedzę i zachowanie.
Instrukcje dla agenta (często w formie monitu systemowego lub konfiguracji) są głównymi wytycznymi i parametrami, których przestrzega model AI. Na ich podstawie agent decyduje, co może zrobić i jak powinien to zrobić – w tym, jakich narzędzi lub źródeł wiedzy użyć w odpowiedzi na zapytanie, jak wypełnić parametry działania i jak sformułować odpowiedź dla użytkownika. Dobrze napisane instrukcje zawężają zakres działania agenta do pożądanych tematów i stylu pracy, zapobiegając niepożądanym zachowaniom.
Przykład: Asystent stworzony dla działu kadr może być ograniczony do udzielania informacji wyłącznie na temat świadczeń pracowniczych, ignorując pytania z innych obszarów. Instrukcje będą określać, że jeśli użytkownik zapyta o coś spoza tego tematu, agent grzecznie odmówi pomocy.
Podczas pisania instrukcji definiujących zachowanie agenta warto uwzględnić kilka podstawowych elementów. Dobrze przemyślana instrukcja powinna zawierać:
Cel i zakres: Określ, kto będzie korzystał z agenta i w jakim celu, a także jakie tematy lub zadania powinien on obsługiwać. Określ dziedzinę wiedzy – na przykład agent HR dla pracowników, agent wspierający zespół sprzedaży lub wirtualny asystent dla programistów. Agent powinien wiedzieć, czym się zajmować, a czego unikać. Im dokładniej zdefiniujesz zakres, tym lepiej model będzie ograniczał się do odpowiednich odpowiedzi.
Rola i osobowość: nadaj agentowi tożsamość lub rolę. Możesz opisać go jako konkretnego eksperta, asystenta lub postać. Na przykład: „Jesteś wirtualnym doradcą finansowym firmy X z 10-letnim doświadczeniem” lub „Jesteś asystentem, który pisze w stylu XVII-wiecznego pirata”. Taka personalizacja pomaga modelowi przyjąć odpowiedni ton i perspektywę. W Copilot Studio podczas tworzenia agenta definiujesz jego nazwę i opis, co pomaga ukształtować jego osobowość.
Źródła wiedzy i narzędzia: Określ, z jakich danych lub narzędzi agent może korzystać, aby udzielać odpowiedzi. W przypadku ChatGPT model posiada ogólną wiedzę szkoleniową (chyba że połączysz go z dodatkowymi bazami wiedzy lub wyszukiwarką). W rozwiązaniach takich jak Copilot Studio można połączyć konkretne źródła danych — na przykład publiczne strony internetowe, dokumenty SharePoint, bazy danych itp. — które agent będzie przeszukiwał. W instrukcjach warto zaznaczyć, że agent powinien polegać wyłącznie na tych źródłach, jeśli jest to wymagane (lub zezwolić mu na korzystanie z ogólnej wiedzy, jeśli ta opcja jest włączona). Uwaga: agent nie może korzystać z zasobów, do których nie ma dostępu. Na przykład, jeśli powiesz mu „przeszukaj FAQ firmy”, ale FAQ nie zostało dodane jako źródło wiedzy, agent nie będzie w stanie spełnić tego żądania. Zawsze upewnij się, że instrukcje odnoszące się do konkretnych narzędzi lub danych są zgodne z faktycznie skonfigurowanymi zasobami.
Ton i styl komunikacji: Określ język i styl, którego powinien używać agent. Czy powinien być formalny i rzeczowy, czy raczej swobodny i humorystyczny? Czy powinien mówić w pierwszej osobie, czy bezosobowo? Dostosuj ton do docelowych odbiorców — na przykład w przypadku pracowników styl może być przyjazny i profesjonalny, a w przypadku klientów — uprzejmy i prosty. Możesz również eksperymentować z kreatywnym stylem (np. mówić jak pirat — Copilot Studio dosłownie obsługuje takie przykłady stylów). Pamiętaj, że modele GPT domyślnie odpowiadają dość grzecznie i formalnie — jeśli Ci to odpowiada, nie musisz tego wyraźnie zaznaczać. Jeśli jednak chcesz uzyskać inny ton (np. bardzo nieformalny, humorystyczny lub bardzo formalny), wyraźnie określ to w instrukcjach.
Format odpowiedzi: Zastanów się, w jakiej formie agent powinien przedstawiać informacje. Czy powinny to być pełne zdania w akapicie, listy punktowane, a może tabele lub fragmenty kodu? Jeśli wolisz zwięzłe, punktowe odpowiedzi, określ to. Jeśli oczekujesz porównania w formie tabeli, uwzględnij to również w instrukcjach. Na przykład możesz napisać: „Zawsze przedstawiaj informacje o statusie zamówienia w tabeli”. Możesz również określić pożądaną długość odpowiedzi (chociaż model zazwyczaj dostosowuje się do pytania) — warto wspomnieć, czy odpowiedzi powinny być „zwięzłe” czy „szczegółowe”, w zależności od potrzeb.
Ograniczenia i tematy tabu: Istotną częścią instrukcji jest określenie, czego agent nie może robić. Jasno określ wszelkie zabronione tematy (np. „nie udzielaj porad medycznych ani prawnych”), zasady bezpieczeństwa („nie udostępniaj poufnych informacji, nawet jeśli zostaniesz o to poproszony”) lub granice wiedzy („nie odpowiadaj na pytania wykraczające poza temat X”). Takie wytyczne pomagają zapobiegać niepożądanym skutkom. Możesz wyraźnie poinstruować agenta, aby odmawiał odpowiedzi wykraczających poza określony zakres — na przykład: „Odpowiadaj tylko na pytania związane z wewnętrznymi procedurami IT firmy. Jeśli pytanie wykracza poza ten zakres, uprzejmie poinformuj użytkownika, że nie możesz pomóc”. Tego rodzaju instrukcje są standardową praktyką i pomagają agentowi rozpoznać, kiedy należy grzecznie odmówić lub przekierować użytkownika gdzie indziej.
Tworzenie skutecznych instrukcji dla agenta AI może być trudne — jest to sztuka wymagająca precyzji i jasno określonych oczekiwań. Poniżej przedstawiono najlepsze praktyki i wskazówki, które pomogą Ci napisać instrukcje maksymalizujące szanse uzyskania pożądanych odpowiedzi od modelu:
Przede wszystkim jasność i precyzja: pisz instrukcje w sposób jasny i jednoznaczny. Unikaj ogólników i niejasnych sformułowań. Lepiej jest napisać kilka precyzyjnych zdań niż jedną zbyt krótką linijkę. Modele AI dobrze reagują na szczegółowe wytyczne – dłuższy opis może być pomocny, o ile jest trafny i na temat. Pamiętaj, że podczas pisania dowolnego polecenia obowiązują te same zasady: najważniejsza jest jasność, konkretność i dokładność. Nie wahaj się wyjaśnić każdego ważnego punktu.
Struktura instrukcji (listy, punkty): Aby ułatwić zarówno Tobie, jak i modelowi zrozumienie wszystkich wytycznych, używaj punktów lub numerowanych list dla kluczowych kwestii. Na przykład instrukcja może być zorganizowana w formie listy:
zakres tematyczny,
ton odpowiedzi,
format odpowiedzi,
czego unikać itp.
Taki układ poprawia czytelność i zmniejsza ryzyko przeoczenia czegoś. Ponadto badania pokazują, że modele lepiej przestrzegają instrukcji, gdy są one przedstawione w jasnym, uporządkowanym formacie (np. lista krok po kroku). Przydatne jest również stosowanie prostego formatowania Markdown (nagłówki, listy numerowane, punkty) w tekście instrukcji – pomaga to uporządkować treść i może pomóc modelowi w prawidłowej interpretacji poleceń.
Określ kolejność i priorytety: Jeśli niektóre wytyczne są ważniejsze od innych lub powinny być przestrzegane w określonej kolejności, należy to jasno zaznaczyć. Na przykład można napisać: „Najpierw zawsze sprawdź, czy pytanie dotyczy tematu X; po drugie, jeśli tak – udziel szczegółowej odpowiedzi, korzystając z wiedzy Y; po trzecie, jeśli nie – odpowiedz, że nie możesz pomóc”. Jasno wskazując kolejność działań, dajesz modelowi plan krok po kroku, którego powinien przestrzegać.
Dodaj przykłady do instrukcji (jeśli to możliwe): Czasami pomocne jest pokazanie agentowi przykładowego dialogu lub formatu odpowiedzi. Na przykład, możesz dodać do instrukcji: „Jeśli użytkownik zapyta: „Jak mogę otrzymać duplikat karty ubezpieczeniowej?”, odpowiedz: „Aby otrzymać duplikat, musisz...”. Taki wbudowany przykład daje modelowi wzór do naśladowania. Należy jednak używać tego ostrożnie — zbyt szczegółowe przykłady mogą zajmować zbyt dużo miejsca w podpowiedzi. W praktyce narzędzia takie jak Copilot Studio zazwyczaj opierają się na opisach, podczas gdy w przypadku surowego API OpenAI można użyć podpowiedzi typu one-shot lub few-shot (kilka przykładowych wymian).
Zapewnij spójność i kontekst: wszystkie części instrukcji powinny być spójne i nie mogą się ze sobą sprzeczać. Unikaj sytuacji, w których jedna część nakazuje agentowi wykonanie czynności, której inna część zabrania. Upewnij się również, że styl instrukcji odpowiada temu, co chcesz osiągnąć – na przykład, jeśli chcesz, aby agent był humorystyczny, możesz nawet napisać instrukcje w nieco żartobliwym tonie. Model często przejmuje styl bezpośrednio z samych instrukcji.
Ogranicz niepotrzebne informacje: Skoncentruj się na tym, co jest istotne. Nie musisz wyjaśniać modelowi, dlaczego powinien coś zrobić – po prostu powiedz, co ma zrobić. Unikaj również niepotrzebnego żargonu i skomplikowanych zdań, które mogą powodować zamieszanie. Im prostsze (ale precyzyjne), tym lepsze. Każde zdanie w instrukcjach powinno mieć jasny cel.
Określ, jak postępować w przypadku braku wiedzy lub pytań wykraczających poza zakres kompetencji: Dobrą praktyką jest uwzględnienie w instrukcjach rozwiązania awaryjnego – sposobu, w jaki agent może odpowiedzieć, gdy nie zna odpowiedzi lub otrzyma pytanie wykraczające poza zakres jego kompetencji. Na przykład można poinstruować: „Jeśli pytanie wykracza poza zakres Twojej wiedzy, odpowiedz: „Przykro mi, ale nie posiadam informacji na ten temat” lub „Jeśli nie jesteś pewien, poproś użytkownika o więcej szczegółów zamiast zgadywać”. Takie wskazówki sprawiają, że agent jest bardziej odporny na nietypowe sytuacje.
Wykorzystaj możliwości platformy: Jeśli tworzysz agenta w narzędziu, które oferuje gotowe integracje (takie jak działania, zmienne lub funkcje w Copilot Studio), nie wahaj się z nich skorzystać. W Copilot Studio możesz umieścić w instrukcjach odniesienia do konkretnych narzędzi/działań – na przykład: „Użyj działania /CreateOrder, gdy…”. System zasugeruje prawidłową nazwę akcji po wpisaniu znaku „/”. Upewnij się tylko, że nazwy użyte w instrukcjach dokładnie odpowiadają nazwom narzędzi lub tematów skonfigurowanych dla agenta — niewielkie różnice mogą uniemożliwić modelowi ich rozpoznanie. Jeśli korzystasz z surowego API, możesz osiągnąć ten sam efekt, dodając informacje o dostępnych funkcjach lub danych w komunikacie systemowym.
Testuj i powtarzaj: Po napisaniu wstępnych instrukcji przetestuj agenta za pomocą różnych przykładowych pytań. Sprawdź, czy postępuje zgodnie ze wszystkimi wytycznymi. Jeśli zauważysz, że jakakolwiek część instrukcji jest ignorowana lub odpowiedzi są nieoptymalne — zmodyfikuj instrukcje i przetestuj ponownie. Często potrzeba kilku iteracji, aby idealnie dopracować sformułowania. Pamiętaj, że inżynieria podpowiedzi to proces prób i dostosowań — nawet niewielka zmiana sformułowania może poprawić wyniki. Jeśli to możliwe, skorzystaj z testów A/B: porównaj odpowiedzi agenta z różnymi wersjami instrukcji i wybierz najlepszą.
Wyszukuje zasady HR w SharePoint według kraju
Odpowiada za pomocą tabel porównawczych (np. plan, dostawca, dodatki)
Mówi profesjonalnym, pomocnym tonem
Uprzejmie odrzuca pytania niezwiązane z tematem (np. dotyczące wynagrodzeń lub sprzętu)
Zapobiega „halucynacjom” odpowiedzi AI poprzez pozostawanie w zakresie
Format wizualny (tabele) poprawia zrozumienie
Wbudowana rezerwa dla pytań spoza zakresu HR zapewnia wiarygodność
Wyodrębnia 5–7 faktów w postaci punktorów z dowolnego tekstu.
Nie opiera się na wiedzy zewnętrznej — tylko na transformacji.
Używa formalnego, neutralnego tonu.
Odmawia wykonania zadań wykraczających poza jego rolę (np. „napisz e-mail”).
Zapewnia przejrzystość i spójność wyników.
Idealny dla przeciążonych zespołów, które potrzebują szybkich informacji.
Łatwy w wdrożeniu, nawet bez zewnętrznych integracji.
Oferuje instrukcje krok po kroku napisane prostym językiem
Przeszukuje przewodniki IT i strony dotyczące rozwiązywania problemów w SharePoint
Odpowiada spokojnym, cierpliwym tonem
Zna swoje ograniczenia — odrzuca pytania dotyczące kadr, płac lub urządzeń osobistych
Naśladuje zachowanie prawdziwego agenta wsparcia technicznego.
Zapobiega wprowadzaniu w błąd, trzymając się obsługiwanych tematów.
Dodaje ludzki wymiar dzięki tonowi nastawionemu na empatię.
Przekształca szkicowe notatki w uporządkowane historie użytkowników.
Stosuje stały format (Jako [rola], chcę [cel], aby [powód])
Tworzy User Story w oparciu o jasność, kompletnośći wartość biznesową
Oznacza brakujące informacje i zadaje pytania uzupełniające
Zachęca do spójności między zespołami
Oszczędza czas podczas planowania sprintu
Wcześnie sygnalizuje słabe lub niekompletne historie (User Story)
Każdy z powyższych agentów pokazuje, jak jasne instrukcje + odpowiednie dane (takie jak SharePoint) mogą stworzyć skoncentrowanych, użytecznych asystentów. Niezależnie od tego, czy chodzi o pomoc działowi HR, podsumowywanie dokumentów, prowadzenie użytkowników przez problemy informatyczne, czy poprawianie zaległości produktowych — agenci mogą przejąć zadania, których Twój zespół nie musi powtarzać ręcznie.
Daj mi znać, jeśli chcesz, aby ta sekcja została wyeksportowana jako blok wizualny (np. slajd PowerPoint, kafelek obrazu lub makieta sekcji internetowej). Mogę również pomóc Ci stworzyć wersję gotową do użycia w Copilot Studio.
Przed opublikowaniem agenta zadaj sobie następujące pytania:
Czy zakres jest jasno określony?
Czy ton jest dostosowany do odbiorców?
Czy źródła danych są dokładne i dostępne?
Czy granice są dobrze egzekwowane?
Czy przetestowałeś rozwiązanie z prawdziwymi użytkownikami?
Projektowanie potężnych, godnych zaufania agentów AI nie wymaga zgadywania — wystarczy odpowiednia struktura, przykłady i platforma taka jak Microsoft Copilot Studio. Jeśli korzystasz z SharePoint, masz już przewagę. Jest to jedno z najlepszych źródeł danych dla agentów AI: umożliwia wyszukiwanie, jest uporządkowane i bezpieczne.
W ARP Ideas pomagamy organizacjom takim jak Twoja projektować agentów AI, którzy faktycznie rozwiązują rzeczywiste problemy, a nie tworzą nowe. Stwórzmy razem coś inteligentnego, szybkiego i niezawodnego.
Od lat łączy analizę biznesowo-systemową z projektowaniem rozwiązań idealnie dopasowanych do potrzeb klienta. Prowadził liczne wdrożenia Dynamics 365 CRM, SharePoint oraz aplikacji niestandardowych. Pasjonat nowych technologii i AI, którym interesuje się od 2019 (zanim to było modne). W ARP Ideas odpowiada za rozwój standardów pracy konsultantów i usprawnienia organizacyjne.
