Jak pisać prompty do pracy nad projektem B+R? Kontekst, ograniczenia i walidacja

Przekazujesz AI opis technologii i prosisz o pomoc w opracowaniu problemu badawczego, analizie rynku albo planowaniu prac B+R. Odpowiedź wygląda profesjonalnie, jednak po dokładniejszym sprawdzeniu pojawiają się informacje, których nie było w materiałach: dodatkowy parametr techniczny, niepotwierdzone założenie albo zbyt ogólny opis, którego trudno użyć w dokumentacji projektu.

W pracy nad projektem badawczo-rozwojowym jakość odpowiedzi zależy w dużym stopniu od tego, jak precyzyjnie zdefiniujemy zadanie. Dobry prompt powinien określać cel, kontekst projektu, dostępne dane, ograniczenia oraz sposób sprawdzenia wyniku.

Poniżej pokazujemy uniwersalny schemat pracy z AI, który można wykorzystać między innymi podczas badania rynku, planowania prac B+R i kontroli spójności projektu.

Dlaczego zwykły prompt nie wystarcza w pracy nad projektem B+R?

Polecenie „przeanalizuj projekt B+R” pozostawia modelowi bardzo szerokie pole interpretacji. Nie wiadomo, czy analiza ma dotyczyć problemu technologicznego, planowanych eksperymentów, rynku, harmonogramu, ryzyk czy sposobu opisania projektu.

W przypadku zwykłego tekstu marketingowego taka swoboda może być użyteczna. Dokumentacja projektu B+R wymaga jednak większej kontroli nad tym, z jakich informacji wynikają poszczególne wnioski.

Najczęściej pojawiają się dwa problemy:

• nieprecyzyjny zakres zadania, przez który model przygotowuje odpowiedź zbyt szeroką lub koncentruje się na niewłaściwym aspekcie projektu;
• uzupełnianie brakujących informacji, gdy model przyjmuje własne założenia dotyczące parametrów, wyników badań, rynku czy sposobu realizacji projektu.

W projekcie B+R halucynacją może być wymyślona publikacja lub źródło, ale również znacznie mniej oczywista informacja. Przykładem jest przypisanie prototypowi parametru, którego jeszcze nie zmierzono, potraktowanie planowanego rezultatu jako osiągniętego wyniku albo przyjęcie wartości technicznej, której zespół projektowy nigdy nie podał.

Dlatego prompt powinien określać zarówno zadanie dla AI, jak i granice, w których model może się poruszać.

Dobry prompt do projektu B+R opiera się na czterech elementach

Przed wysłaniem polecenia warto odpowiedzieć sobie na cztery pytania:

1. Cel: co dokładnie chcemy uzyskać?
2. Kontekst: jakie informacje o projekcie są potrzebne do wykonania tego zadania?
3. Ograniczenia: czego AI nie może zakładać, zmieniać ani uzupełniać?
4. Walidacja: w jaki sposób sprawdzimy otrzymany wynik?

Tak skonstruowany prompt zaczyna pełnić funkcję krótkiej specyfikacji zadania. Pomaga utrzymać model w określonym zakresie i ułatwia późniejszą kontrolę odpowiedzi.

Krok 1. Najpierw określ cel zadania

Częstym sposobem rozpoczynania promptu jest przypisanie AI roli: działaj jako ekspert B+R i przeanalizuj projekt.

Rola może pomóc w ustawieniu poziomu specjalistyczności odpowiedzi, ale sama nie określa, czego właściwie oczekujemy.

Znacznie więcej informacji daje polecenie: na podstawie przekazanego opisu technologii zidentyfikuj problemy technologiczne wymagające weryfikacji w trakcie prac B+R. Wskaż informacje, na których opierasz każdy wniosek. Nie analizuj kosztów ani potencjału sprzedażowego.

Cel powinien być możliwie operacyjny. Zamiast prosić o „kompleksową analizę projektu”, można zlecić na przykład:

• porównanie istniejących rozwiązań,
• identyfikację niewiedzy technologicznej,
• uporządkowanie hipotez,
• stworzenie listy pytań do zespołu technicznego,
• sprawdzenie spójności harmonogramu z zadaniami,
• wskazanie braków w danych,
• porównanie dwóch wariantów technologicznych.

Im dokładniej określimy rezultat, tym łatwiej później sprawdzić jego przydatność.

Krok 2. Dodaj kontekst i dane potrzebne do wykonania zadania

Model nie zna projektu, jeśli nie otrzyma jego podstawowych założeń. Samo podanie nazwy technologii czy branży zwykle będzie niewystarczające.

W zależności od zadania warto przekazać między innymi:

• problem technologiczny,
• obecny sposób rozwiązania problemu,
• planowaną zmianę,
• etap rozwoju projektu,
• dostępne wyniki badań lub testów,
• znane ograniczenia,
• dostępne zasoby,
• oczekiwany rezultat prac,
• dokumenty lub źródła, na których ma pracować AI.

Dobrym rozwiązaniem jest również oddzielenie opisu sytuacji od właściwych danych wejściowych:

<KONTEKST>

Projekt dotyczy opracowania...

Obecne rozwiązanie osiąga...

Celem prac jest...

</KONTEKST>

<DANE_WEJŚCIOWE>

Wynik testu A: ...

Parametr B: ...

Ograniczenie technologiczne: ...

</DANE_WEJŚCIOWE>

Taka struktura ułatwia modelowi rozpoznanie, które informacje opisują projekt, a które powinny być wykorzystane bezpośrednio w analizie.

Nie trzeba przy tym wklejać całej dostępnej dokumentacji. Warto wybierać materiały związane z konkretnym zadaniem i wskazywać, które dane są aktualne.

Krok 3. Określ, czego AI nie może dopowiadać

Polecenie „nie halucynuj” jest zbyt ogólne. Model potrzebuje jasnej informacji, jak ma zachować się w sytuacji, gdy materiał źródłowy nie daje podstaw do odpowiedzi.

Można zastosować instrukcję:

Nie dodawaj parametrów technicznych, wyników badań, kosztów ani źródeł, których nie ma w przekazanych materiałach. Jeśli informacji potrzebnej do wykonania zadania brakuje, oznacz ją jako „brak danych” i wskaż, co należy uzupełnić.

Ograniczenia warto dopasować do charakteru zadania.

• Ograniczenia merytoryczne określają zakres analizy: analizuj wyłącznie aspekt technologiczny. Nie oceniaj potencjału komercyjnego.
• Ograniczenia źródłowe wskazują, na jakich materiałach model może pracować: korzystaj wyłącznie z przekazanych raportów i dokumentacji projektu.
• Ograniczenia projektowe zabezpieczają konkretne parametry: nie zmieniaj przyjętej długości projektu ani liczby etapów.
• Ograniczenia formalne mogą odnosić się do wymagań programu finansowania. Jeżeli firma przygotowuje projekt do konkretnego naboru, model powinien pracować na aktualnej dokumentacji tego programu. Dotyczy to również konkursów B+R, takich jak Ścieżka SMART. 

Sprawdzaj przygotowane treści wyłącznie względem załączonej dokumentacji konkursowej. Jeżeli materiał nie pozwala potwierdzić spełnienia kryterium, wskaż potrzebę dodatkowej weryfikacji.

Samo dodanie takich reguł nie przesądza o poprawności dokumentacji. Pomaga jednak ograniczyć sytuacje, w których AI samodzielnie wypełnia luki i przedstawia swoje założenia jako element projektu.

Co zrobić, gdy w projekcie brakuje danych?

Niepełne informacje są naturalnym elementem pracy nad projektem B+R. Część parametrów zostanie poznana dopiero podczas badań, testów lub kolejnych iteracji prototypu.

W takim przypadku AI może pomóc w uporządkowaniu niewiadomych.

Warto dodać do promptu polecenie:

Jeżeli w przekazanym materiale brakuje informacji potrzebnej do wykonania zadania, nie uzupełniaj jej na podstawie przypuszczeń. Przygotuj listę pytań do zespołu projektowego i przy każdym pytaniu wskaż, do czego potrzebna jest odpowiedź.

Można także wymagać rozdzielenia informacji według ich statusu:

• dane potwierdzone,
• informacje ze źródeł,
• założenia projektowe,
• hipotezy,
• elementy wymagające sprawdzenia.

Załóżmy, że w dokumentacji znajduje się plan osiągnięcia sprawności urządzenia na poziomie 92%, ale nie wykonano jeszcze testów.

Model nie powinien przedstawiać wartości 92% jako potwierdzonego parametru. Użyteczna odpowiedź może wyglądać następująco:

Zakładana sprawność wynosi 92%, jednak w przekazanym materiale nie ma wyników testów potwierdzających tę wartość. Do weryfikacji potrzebne będą wyniki pomiarów prototypu wykonane w zdefiniowanych warunkach.

Lista takich braków może być bardzo wartościowym rezultatem pracy z AI. Pokazuje zespołowi, które informacje trzeba jeszcze zdobyć przed przygotowaniem kolejnej części projektu.

Walidacja odpowiedzi AI: jak sprawdzić otrzymany wynik?

Wygenerowanie odpowiedzi powinno być jednym z etapów pracy. Kolejnym jest jej kontrola.

Można rozdzielić oba działania na dwa prompty.

Prompt 1: przygotowanie materiału

Pierwszy prompt wykonuje konkretną pracę, na przykład porządkuje zadania B+R albo przygotowuje wstępną strukturę harmonogramu.

Prompt 2: kontrola materiału

Drugi prompt służy do sprawdzenia wyniku według wcześniej określonych kryteriów:

Sprawdź przygotowany plan pod kątem zgodności z przekazanymi danymi. Wskaż niepotwierdzone twierdzenia, niespójności, brakujące kryteria sukcesu oraz elementy wymagające weryfikacji przez zespół projektowy.

Taka kontrola nadal nie zastępuje oceny eksperta. Może jednak pomóc szybciej znaleźć fragmenty wymagające dodatkowej uwagi.

Walidacja krzyżowa projektu

Przy bardziej rozbudowanej dokumentacji można wykorzystać AI do porównania kilku części projektu.

Walidacja krzyżowa oznacza tutaj sprawdzenie logicznej spójności między różnymi elementami dokumentacji.

Model może na przykład sprawdzić:

• czy zadania odpowiadają celowi projektu,
• czy harmonogram obejmuje wszystkie planowane działania,
• czy kamienie milowe pozwalają ocenić postęp prac,
• czy pozycje budżetowe mają powiązanie z zaplanowanymi zadaniami,
• czy wskazane ryzyka odnoszą się do rzeczywistych problemów technologicznych.

AI może wskazać potencjalne konflikty. Ich ocenę trzeba następnie przeprowadzić na podstawie dokumentacji projektu oraz wymagań konkretnego programu.

Trzy przykłady wykorzystania promptów w projekcie B+R

Ogólny schemat celu, kontekstu, ograniczeń i walidacji można zastosować do wielu zadań. Poniżej trzy przykłady związane bezpośrednio z przygotowaniem projektu B+R.

1. Badanie rynku i analiza istniejących rozwiązań

AI może pomóc uporządkować zgromadzony research, porównać rozwiązania i wskazać braki, które wymagają dalszego sprawdzenia.

Przykładowy prompt:

CEL: uporządkuj informacje o istniejących rozwiązaniach odpowiadających na problem [X].

DANE: pracuj wyłącznie na przekazanych raportach, stronach producentów i pozostałych materiałach.

OGRANICZENIA: nie szacuj wielkości rynku ani udziałów poszczególnych firm, jeżeli dane nie wynikają ze źródeł. Oddziel deklaracje producentów od informacji potwierdzonych w innych materiałach. Nie uzupełniaj brakujących parametrów.

FORMAT: przygotuj tabelę:

rozwiązanie | zastosowanie | potwierdzone parametry | ograniczenia | brakujące informacje.

WALIDACJA: a końcu wypisz tezy wymagające dodatkowego źródła oraz pytania, których obecne materiały nie rozstrzygają.

Taki prompt pomaga wykorzystać AI jako narzędzie do analizy zgromadzonego materiału. Jeśli potrzebne są aktualne dane rynkowe, powinny zostać wcześniej pozyskane z odpowiednich źródeł.

2. Planowanie prac badawczo-rozwojowych

Na etapie planowania realizacji projektu B+R AI może pomóc przełożyć problem technologiczny i hipotezę na bardziej uporządkowaną strukturę. 

Można poprosić model o wskazanie:

• hipotezy do zweryfikowania,
• planowanych testów,
• potrzebnych danych,
• kryteriów sukcesu,
• potencjalnych źródeł błędu,
• pytań, które trzeba rozstrzygnąć przed rozpoczęciem danego etapu.

Przykładowe polecenie:

Na podstawie przekazanego problemu technologicznego i hipotezy przygotuj roboczy plan testu.

Dla każdego elementu wskaż:

1. cel testu,
2. dane wejściowe,
3. parametry, które należy zmierzyć,
4. kryterium sukcesu,
5. potencjalne źródła błędu,
6. brakujące informacje.

Nie ustalaj samodzielnie wartości parametrów ani liczby prób, jeżeli nie wynikają one z przekazanych danych.

Odpowiedź może być punktem wyjścia do pracy zespołu technicznego. Parametry eksperymentu powinny wynikać z wiedzy specjalistów odpowiedzialnych za badania.

3. Kontrola spójności dokumentacji projektu

AI może również porównywać kilka przygotowanych wcześniej części projektu.

Przykładowy prompt:

Porównaj:

1. cel projektu,
2. opis zadań B+R,
3. harmonogram,
4. kamienie milowe,
5. budżet.

Dla każdej potencjalnej niespójności wskaż:

• których elementów dotyczy,
• na czym polega problem,
• jakie dane trzeba sprawdzić,
• jaki fragment wymaga decyzji zespołu projektowego.

Nie poprawiaj automatycznie dokumentacji i nie dopisuj brakujących wartości.

Taka analiza może pomóc znaleźć na przykład zadanie niewidoczne w harmonogramie, koszt bez jasnego powiązania z pracami albo kamień milowy, którego nie da się zmierzyć na podstawie obecnego opisu.

Jeden rozbudowany prompt czy kilka krótszych?

Przy prostym zadaniu jeden prompt może być wystarczający. Im bardziej złożony jest proces, tym większą kontrolę daje jego podział na etapy.

W projekcie B+R można zastosować następujący schemat:

1. Analiza danych → 2. identyfikacja problemu → 3. plan prac → 4. kontrola spójności

Każdy etap korzysta wtedy z wyniku poprzedniego, ale ma własny cel i kryteria oceny.

Takie podejście ułatwia również wykrycie momentu, w którym pojawiła się błędna informacja. Jeśli cały projekt powstaje w jednej odpowiedzi, znalezienie źródła nieścisłości jest znacznie trudniejsze.

Uniwersalny szablon promptu do pracy nad projektem B+R

Poniższy schemat można dostosować do analizy rynku, planowania badań, harmonogramowania czy kontroli dokumentacji.

CEL

Chcę wykorzystać AI do:

[...]

KONTEKST PROJEKTU

Problem:

[...]

Stan obecny:

[...]

Zakładany rezultat:

[...]

Etap prac:

[...]

DANE WEJŚCIOWE

[...]

ZADANIE

1. [...]
2. [...]
3. [...]

OGRANICZENIA

• korzystaj wyłącznie z przekazanych danych;
• nie dopisuj parametrów ani wyników;
• oddziel dane potwierdzone od założeń;
• jeżeli informacji brakuje, oznacz „brak danych”;
• nie analizuj obszarów niewskazanych w zadaniu.

FORMAT WYNIKU

[...]

WALIDACJA

Na końcu wskaż:

• brakujące informacje,
• twierdzenia wymagające potwierdzenia,
• wykryte niespójności,
• elementy wymagające oceny eksperta.

Schemat warto traktować jako punkt wyjścia. Prompt powinien zmieniać się razem z zadaniem i etapem projektu.

AI może przyspieszyć pracę nad projektem B+R, ale wynik nadal wymaga weryfikacji

AI może wspierać zespół przy porządkowaniu danych, przygotowywaniu roboczych struktur, porównywaniu materiałów i wykrywaniu potencjalnych niespójności. Największą wartość daje wtedy, gdy pracuje na dobrze przygotowanych danych i otrzymuje jasno określone zasady.

Wraz ze zbliżaniem się do przygotowania dokumentacji aplikacyjnej rośnie znaczenie kontroli merytorycznej i formalnej. Trzeba sprawdzić między innymi zgodność opisu projektu z rzeczywistym zakresem prac, aktualnymi wymaganiami programu oraz dokumentami źródłowymi.

Jeśli chcesz przećwiczyć wykorzystanie AI przy analizie pomysłu, badaniu rynku, planowaniu prac oraz przygotowywaniu elementów dokumentacji, sprawdź szkolenie Elpartners dotyczące praktycznego wykorzystania AI w przygotowaniu projektu B+R.

Podczas pracy nad projektem warto przyjąć prostą zasadę: AI pomaga analizować i porządkować materiał, a decyzje dotyczące technologii, finansowania i finalnego kształtu dokumentacji powinny opierać się na danych projektu oraz wiedzy osób odpowiedzialnych za jego przygotowanie.

FAQ - najczęściej zadawane pytania