Większość Twoich tekstów na LinkedInie wychodzi z ChatGPT na ustawieniach domyślnych. Rozpoznajesz to w sekundę, nawet jeśli nie umiesz tego nazwać.
Czujesz to przy konkretnych zwrotach. "Kluczowy moment w ewolucji". "Wykorzystując synergię". "To nie tylko narzędzie, to nowy paradygmat". Coś Ci podpowiada, że żaden żywy człowiek tak nie mówi do drugiego żywego człowieka. Bo i nie mówi.
LLMy uczyły się na milionach stron TED talków, książek biznesowych. To są teksty napisane w jednym konkretnym rejestrze: konferencja korporacyjna, w której każdy mówca chce brzmieć inspirująco. Model przetrawił to wszystko i teraz produkuje średnią z tej średniej. Wynik: tekst gładki, poprawny, kompletnie pozbawiony charakteru.
Efekt "wszystko jest, niczego nie ma". Jak hotel sieciówka pod lotniskiem we Frankfurcie. Pokój schludny, łazienka działa, kawa na śniadanie się znajdzie. Nikt o takim pokoju nigdy nie powiedział "to było coś". Nie ma czego wspominać.
Sygnały, które zdradzają AI w trzy sekundy
Najmocniejszy z nich to konstrukcja, którą każdy model produkuje dziesiątki razy dziennie. Działa to tak: bierzemy sensowne stwierdzenie, najpierw wymyślamy do niego fałszywe przeciwstawienie, a potem zestawiamy oba.
"To nie chodzi o prompt. Chodzi o kontekst." "AI nie zastępuje ludzi. AI wzmacnia ludzi." "Nie potrzebujesz lepszego narzędzia. Potrzebujesz lepszego workflow." "Zapomnij o tym, co wiedziałeś o produktywności. To zmienia wszystko."
Brzmi mądrze. Wygląda jak myśl. Sprawdza się w trzysekundowym slajdzie. Gdy spojrzysz na to drugi raz, widzisz, że pierwsza część zdania jest tam tylko po to, żeby druga miała się od czego odbić. Skasuj wszystko przed kropką: "Chodzi o kontekst". Treść jest ta sama. Reszta to zbędna dekoracja.
Drugi sygnał to słownik. Każdy model ma swoją kolekcję "ulubionych" słów-paciorków. "Kluczowy", "przełomowy", "innowacyjny", "kompleksowy", "holistyczny", "transformacyjny", "ekosystem". Można je nawlekać w dowolnej kolejności i zawsze brzmią tak samo. Te słowa nie znaczą już nic. Są dźwiękiem, który AI wytwarza, gdy chce sprawiać wrażenie, że mówi coś ważnego. Podobnie "wykorzystać" jako tłumaczenie angielskiego "leverage". Po polsku poza konsultantem od transformacji cyfrowej nikt nie "wykorzystuje synergii".
Trzeci sygnał: pauza długa. Kreska, którą widzisz wszędzie, dłuższa niż polski myślnik. Nazywa się em dash. Po polsku nigdy specjalnie się nie przyjęła. Aż przyszło AI. Teraz wpycha ją w co drugie zdanie. Jeśli widzisz tekst, w którym takich kresek jest więcej niż przecinków, to nie pisał tego żaden białkowy stwór.
Czwarty: rytm metronomu. Każde zdanie ma dwadzieścia słów. Każdy akapit ma trzy zdania. Wszystko jest równe jak płotek na działce. Człowiek pisze inaczej. Krótkie zdanie. Potem dłuższe, gdy ma coś do powiedzenia. Potem fragment bez czasownika. Tak. Tekst musi mieć puls.
Piąty: rytuał trójki. AI uwielbia wyliczanki po trzy. "Szybkość, skuteczność i innowacyjność". "Prosto, szybko i bezpiecznie". Trzy przymiotniki w rzędzie, trzy krótkie frazy, trzy punkty na slajdzie. Jak naprawdę masz dwa argumenty, model dopcha trzeci dla rytmu. Jak masz cztery, jeden wyleci. Trójka to dla LLMa święta liczba.
Szósty, prawie zawsze obecny: artykuł zaczyna się od definicji. "Sztuczna inteligencja to system komputerowy, który...". Albo gorzej: "W dzisiejszym dynamicznie zmieniającym się świecie biznesu...". Pierwsze trzy słowa, które ChatGPT wypluwa, gdy nie wie, jak zacząć. Zawsze działają. Nikt nigdy nie czyta ich do końca.
Siódmy: mostki konstrukcyjne. "Co więcej". "Dodatkowo". "Ponadto". "Niemniej jednak". "Skoro omówiliśmy X, przejdźmy do Y". Człowiek po prostu zaczyna nowy temat. AI musi go zapowiedzieć, podkreślić, opakować w tasiemkę z napisem "uwaga".
Ósmy, najbardziej irytujący: dyplomatyczna miękkość. "Istnieją pewne ograniczenia, które mogą wpływać na...". "Należy zauważyć, że...". "Warto rozważyć różne perspektywy". Czytasz cztery akapity i nie wiesz, czy autor uważa, że to dobry pomysł czy nie. Bo autor (czyli model) nie ma zdania. Ma "zrównoważone podejście".
Dlaczego to ma znaczenie
Nikt nie odpisuje na te posty. Nikt ich nie udostępnia. W najlepszym wypadku trafiasz na łapkę z grzeczności od trzech kolegów z roku, którzy nie czytają, a tylko lajkują.
Drugi problem jest poważniejszy. Kiedy publikujesz tekst pachnący ChatGPT na kilometr, czytelnik dostaje sygnał: tej osobie nie chciało się usiąść i pomyśleć. Wrzuciła prompt, skopiowała wynik. Zaufanie spada szybciej niż akcje niektórych spółek. I nie wraca.
Jest też trzeci problem, mniej oczywisty. Im więcej tekstów AI publikujesz, tym mniej zostaje z Twojego głosu. Z każdym kolejnym postem oddajesz kawałek tego, jak myślisz, modelowi. Po roku już nie pamiętasz, czy "kluczowe znaczenie ma elastyczność wdrożenia" to Ty, czy GPT.
Co działa
Claude i GPT umieją pisać po ludzku, jeśli się im to porządnie powie. Domyślne ustawienia są skalibrowane na produkcję "neutralnej treści korporacyjnej", bo to bezpieczne i sprzedaje się. Model można skalibrować inaczej.
Sztuczka polega na podaniu modelowi dokładnej instrukcji: czego absolutnie nie wolno, jakie słowa są zakazane, jakie konstrukcje uznaję za sygnał porażki. Im konkretniej, tym lepiej. "Pisz po ludzku" nie działa. "Nigdy nie używaj słowa 'kluczowy' i nigdy nie konstruuj zdań typu 'to nie X, to Y'" działa.
Zebrałem te zasady. Najpierw obserwowałem własne teksty: co AI najczęściej mi wciskało i co potem ręcznie wycinałem. Potem porównywałem z opracowaniami innych. Na końcu wszystko skompresowałem do jednego pliku markdown, który wkleja się raz do projektu w Claude albo do instrukcji własnego GPT, a potem działa już samo.
Plik nazywa się human-voice-dna.md. Zawiera:
→ listę zakazanego słownictwa (osobne dla polskiego i angielskiego, po kilkadziesiąt pozycji) → siedem rodzajów zakazanych konstrukcji z negatywnym paralelizmem na czele → zasady rytmu, tempa i akapitowania → wzorce, których AI uczy się z TED talków i które trzeba zabić → sekcję anti-overfitting (kiedy odpuszczać, żeby tekst nie brzmiał jak parodia samego siebie)
Możesz samemu stworzyć sobie taki plik. Możesz zasilić projekt w ChatGPT własnymi tekstami, żeby model nauczył się, jak piszesz. Możesz też skopiować mój.
Plik do pobrania
Pełną treść human-voice-dna.md plus krok po kroku, jak wdrożyć go w Claude i ChatGPT, opublikowałem na Substacku. Tam też pokazuję, jak przerobić plik pod własny głos. Wstawiasz raz, używasz przy każdej rozmowie o pisaniu. Działa też do tłumaczeń, redakcji cudzych tekstów i komentarzy.
Jedna rzecz na koniec, żeby nie było rozczarowania. Plik nie zadziała magicznie. Model nadal czasem wciśnie Ci "kluczowy" albo zacznie zdanie od "Co więcej". Trzeba czytać i poprawiać. Różnica polega na tym, że wycinasz pięć rzeczy na artykuł zamiast pięćdziesięciu. I tekst od razu wychodzi 80% gotowy zamiast 30%.
