Od promptu do strategii. Jak projektować proces pracy z AI

70% dużych firm wykorzystuje generatywne modele w działaniach marketingowych, a jednocześnie tylko 7% potwierdza, że AI zwiększyło efektywność ich pracy¹. Te statystyki nie dziwią ani trochę. Ludzie oczekują, że AI wykona robotę za nich, więc podają minimum informacji i liczą na maksimum wartości. Jednak na obecnym etapie rozwoju AI problem leży nie w narzędziach, tylko w metodyce i w tym, jak do całego procesu podchodzimy.

Jak wygląda typowy prompt marketera? Zespół Digital First AI przeanalizował 114 tys. promptów i okazało się, że 80% z nich to pojedyncze zdania, a ponad 70% nie zawiera podstawowych informacji o firmie². Coś w stylu: „zrób mi strategię marketingową, sprzedajemy części do drukarek, obszar cała Polska, najlepszy klient to firma B2B z małego miasta”. Z tego wychodzi pięknie sformatowany dokument, który brzmi profesjonalnie, ale po drobnych modyfikacjach będzie pasował do kilkunastu innych branż. Jak zatem wykorzystać AI do współpracy nad strategią marketingową? Tego dowiesz się z dalszej części artykułu. Zanim jednak przejdziemy do metodyki działań, ustalmy, co w ogóle znaczy „strategia marketingowa”.

Czym strategia jest (a czym nie jest)

Strategia nie jest planem kampanii, briefem kreatywnym, listą zadań w Asanie ani koncepcją komunikacji na jeden kanał. To zbiór decyzji, które podjęte w oparciu o dane wyznaczają kierunek wszystkich działań marketingowych. Sprawdź na jakie pytania powinna odpowiadać Twoja strategia: 

Słuchaj „Marketer+” Podcast

1. Kto jest, a kto nie jest Twoim klientem? Chodzi nie o szerokie grupy docelowe w rodzaju „wszyscy w wieku 25–45 lat”, ale o konkretne decyzje biznesowe. Na przykład: pracujemy z e-commerce z własnymi produktami, ale nie z dropshippingiem czy marketplace’ami. Ważne jest świadome wykluczenie części rynku.
2. Jaki problem klienta rozwiązujesz? Znów nie sprawdzą się ogólniki, takie jak „optymalizujemy koszty”, a zamiast nich należy jasno nazwać konkretny ból, np.: „nie wiesz, ile zarabiasz na kliencie, bo koszty są rozproszone po trzech systemach”.
3. Dlaczego mają Ci uwierzyć? „Jesteśmy innowacyjni” to puste słowa. Wiarygodność buduje się na autentycznych opiniach klientów – zbieranych regularnie i wykorzystywanych jako fundament środkowej części lejka.
4. Jak do nich dotrzesz? Nie „social media i content marketing”, ale uzasadniony wybór: „LinkedIn, bo tam są CFO. Bez Instagrama, bo decydenci nie szukają tam narzędzi finansowych”.

Dlaczego „zrób mi strategię” nie działa

Pomyśl, co strateg marketingowy musiałby wiedzieć, żeby zacząć pracę. Jaka jest Twoja marża na poszczególnych produktach? Który kanał sprzedaży przynosi najlepszych klientów? Dlaczego ostatni trzej klienci odeszli do konkurencji? Co mówią handlowcy o obiekcjach, które słyszą najczęściej? Jak wygląda proces decyzyjny u Twojego typowego klienta – kto go inicjuje, kto blokuje, a kto podpisuje?

Zanim zaczniesz pracę z AI, przygotuj strukturę

Najprostszą techniką na start jest poproszenie modelu, aby zadał Ci pytania. To zupełnie odwraca dynamikę działania – zamiast zgadywać, co wpisać w prompt, pozwalasz modelowi wyciągnąć od Ciebie potrzebne informacje.

Ramy metodyczne to szkielet myślenia o strategii, który budujesz z różnych „klocków” pasujących do Twojej sytuacji. Mogą to być np.: 

• Jobs to be done – do zrozumienia problemu klienta.
• ICP (ideal customer profile) – do określenia, kto jest Twoim klientem.
• Category entry points – do wyboru, jak i kiedy docierasz do odbiorców.

Każda z nich strukturyzuje myślenie w inny sposób. 

Jakość danych wejściowych decyduje o wyniku

Zanim włączysz AI do pracy, musisz zebrać i uporządkować materiały. Nie wrzucaj 50 raportów z Google Ads, ciężkich prezentacji i transkrypcji z wielogodzinnych spotkań do jednej rozmowy. Nawet jeśli model to przetworzy, będzie to nieefektywne – im więcej chaosu na wejściu, tym łatwiej o pominięcie czegoś ważnego albo zgubienie się w szczegółach. Praktyczne porady, jak przetworzyć poszczególne typy danych, znajdziesz w ramce 1.

Najcenniejsze źródła to te, w których klient mówi swoim językiem i bez filtra – transkrypcje rozmów z handlowcami, powody odrzucenia oferty w CRM, komentarze z Google Maps, wzmianki z Brand24, zgłoszenia do BOK. Nie raporty przygotowane pod zarząd i nie ankiety, w których ludzie odpowiadają tak, jak wypada.

Synteza i wnioski – co AI zrobi lepiej od Ciebie

Model nie zastąpi Twojego myślenia strategicznego, ale ma nad Tobą jedną przewagę – potrafi pracować z dziesiątkami źródeł jednocześnie i wyłapywać wzorce między nimi.

Dlatego najlepsza rolą dla narzędzi AI jest krzyżowanie źródeł. Jak to może wyglądać w praktyce? Wrzucasz uporządkowane wnioski z wywiadów, analizy konkurencji, danych wewnętrznych i prosisz sztuczną inteligencję o szukanie sprzeczności i nieoczywistych powiązań. Człowiek szybko gubi się w detalach z 30 dokumentów – model językowy potrafi je zestawić w jedną całość. Przykład krzyżowania źródeł i wnioskowania z AI znajdziesz w ramce 2.

Pamiętaj o tym, że każdy wniosek, który dostaniesz od AI, warto zweryfikować – poproś model o wskazanie źródła. Jeśli nie będzie w stanie go podać, prawdopodobnie wymyślił odpowiedź, zamiast sformułować ją na podstawie załadowanych danych. Poniżej znajdziesz przykładowy prompt.

Jak zorganizować pracę z AI

Praca nad strategią jest rozłożona w czasie i wymaga różnych trybów – raz szukasz danych, innym razem analizujesz, piszesz, weryfikujesz. Nie da się tego zmieścić w jednej rozmowie z modelem AI. W którymś momencie wyczerpiesz okno kontekstu i nie będziesz mógł kontynuować w tym samym czacie. 

Dlatego lepiej od razu ustawić sobie specjalnych asystentów (Projects w Claude, Gemy w Gemini) z dobrze przetestowanymi instrukcjami. Gdy jedna rozmowa się skończy, otwierasz nową w tym samym projekcie i działasz dalej na tych samych wytycznych. W moim systemie podstawą są cztery role:

1. Główny strateg – projekt z wgranymi materiałami: briefem, danymi, wcześniejszymi ustaleniami. Tu zapadają decyzje strategiczne i łączone są wszystkie wątki. Warto korzystać z modeli rozumujących (reasoning), a nie zwykłych konwersacyjnych, ponieważ przy złożonych problemach zwykłe modele częściej zmyślają.
2. Syntetyk – łączy wyniki z wielu źródeł: deep researchów, wywiadów, analiz. Krzyżuje dane, szuka wzorców i sprzeczności, wyciąga esencję, którą przekazujesz strategowi.
3. Redaktor – pisze finalne sekcje dokumentu i pilnuje spójnego tonu na całości. Daj mu przykłady swojego stylu i listę zwrotów do unikania, które są typowe dla AI – np.: „warto zauważyć”, „co więcej”, „w kontekście”.
4. Weryfikator – sprawdza spójność i wyłapuje zmyślenia. Powinien działać na innym modelu niż strateg, ponieważ jeśli jeden model ma tendencję do pewnych błędów, inny ma większą szansę je wyłapać.

AI może Ci pomóc, ale nie zastąpi Twojego myślenia

Sztuczna inteligencja przeanalizuje więcej materiałów, niż Ty jesteś w stanie przetworzyć. Znajdzie źródła, do których trzeba byłoby docierać ręcznie tygodniami. Wyciągnie wzorce z dziesiątek dokumentów. Nawet powie Ci, co z tych danych może wynikać. Jednak AI ma ograniczenia. Nie porozmawia za Ciebie z klientami (jeszcze nie). Nie zna kontekstu, którego nie ma w internecie. Nie wie, które informacje są strategicznie ważne, dopóki jej tego nie wskażesz. I przede wszystkim – nie podejmie decyzji biznesowej i nie weźmie za nią odpowiedzialności. To zawsze będzie spoczywać na Tobie.

^{1. „From complexity to clarity: How CMOs can reclaim marketing to build competitive edge”}

^{2. „What marketers don’t know about prompting”}