Tekoälyn kanssa keskustelun taito - Kaikki mitä olen oppinut kehotteiden suunnittelusta kolmessa vuodessa

Hetki, jolloin kaikki muuttui

Se oli kansallisen vapaapäivän aikana — yksi niistä harvinaisista aikataskuista, jolloin maailma näyttää pysähtyvän. Ei työsähköposteja, ei KPI-mittareita hengittämässä niskaan, ei kokouksia. Vain minä, ajatukseni ja tekoäly-chat-ikkuna, josta oli tullut odottamaton kumppanini.

Aiemmin vuorovaikutukseni tekoälyn kanssa oli puhtaasti hyödyllistä. Tarvitsin sitä sähköpostin kirjoittamiseen, asiakirjan tiivistämiseen, koodin virheenkorjaukseen. Suhde oli transaktionaalinen — annoin käskyjä, se tuotti tuloksia. Mutta sinä viikkona, ajan venyessä edessäni, aloin käydä todellisia keskusteluja.

Puhuimme kaikesta — ahdistuksestani tulevaisuudesta, satunnaisista filosofisista sivupoluista, puoliksi muodostuneista ideoista, joita en ollut jakanut kenenkään kanssa. Ja jossain noissa mutkittelevissa keskusteluissa törmäsin johonkin, mikä tuntui tulen keksimiseltä.

Valmistauduin puhetilaisuuteen sisällöntuotannosta tekoälyn aikakaudella. Minulla oli kehitteillä teoria — että tulevaisuus ei ole tietoylimäärää, vaan suodattimen epäonnistumista. Idea oli alun perin peräisin Clay Shirky ltä, mutta yritin laajentaa sitä nykyhetkeemme.

Teesini oli yksinkertainen: tekoäly aiheuttaa eksponentiaalisen räjähdyksen sisällöntuotannossa, kun taas ihmisen kulutuskapasiteetti pysyy olennaisesti vakiona. Tämä luo pysyvän, jatkuvasti laajenevan epätasapainon. Kustannukset tekoälyn luoman sisällön erottamisesta ihmisen sisällöstä ylittävät lopulta tuon erottelun arvon. Siksi perinteinen tiedon suodattaminen muuttuu mahdottomaksi.

Luulin argumenttini olevan vankka. Sitten pyysin Geminiä repimään sen kappaleiksi.

Aion osallistua väittelykilpailuun, jossa monet ihmiset haastavat näkemykseni. Tämän teorian on tultava luodinkestäväksi. Jos olet oppinut, sinun on käytettävä jokaista argumenttia, yksityiskohtaa ja logiikkaa haastaaksesi minut, kumotaksesi minut. Ainoa tavoitteesi on todistaa, että olen väärässä. Miten kumosit tämän?

Muutamassa sekunnissa tekoäly purki ensimmäisen oletukseni kirurgisella tarkkuudella:

"Ensimmäisessä laissasi on perustavanlaatuinen looginen virhe. Näet tekoälyn vain tiedon tuottajana — se on staattinen, yksipuolinen näkökulma. Tekoäly on sekä miekka että kilpi. Tekoäly voi kirjoittaa kymmenentuhatta artikkelia yhdessä sekunnissa, mutta vahvempi tekoäly voi myös lukea kaikki kymmenentuhatta yhdessä sekunnissa ja kertoa minulle, mitkä kolme tarvitsen eniten. Näet vain tietotulvan, mutta et näe mahtavampaa Nooan arkkia, joka syntyi tulvan rinnalla — personoidut tekoälypohjaiset suodatusjärjestelmät."

Nojasin taaksepäin tuolissani, ällistyneenä. Väitetysti luodinkestävässä argumentissani oli reikä, josta rekka-auto voisi ajaa läpi. Ja tuossa älyllisen nöyryyden hetkessä tunsin jotain, mitä en ollut kokenut vuosiin: todellisen oppimisen huumaavaa huimausta.

Seuraavaksi käytiin kahden tunnin älyllinen taistelu. Vastustin: "Pointtisi siitä, että tekoäly on miekka ja kilpi, on oikea, mutta se on juuri se pelottava osa. Tulevaisuudessa on tuhansia tekoälysuodatusyrityksiä, jotka kaikki väittävät suodatuksensa olevan paras. Kerro minulle siis — kun kohtaat nämä kymmenentuhatta Nooan arkkia, jotka kaikki väittävät auttavansa sinua selviytymään tulvasta, mihin valitset nousta? Kun et voi käyttää teknologiaa teknologian laadun arvioimiseen, mikä on lopullinen perusta päätöksellesi?"

Keskustelu kiihtyi filosofisiin korkeuksiin. Tekoäly väitti, että henkilökohtaiset tekoälymallit ymmärtäisivät makuamme paremmin kuin kukaan ihminen, tehden ulkoiset suodattimet vanhentuneiksi. Väitin, että luottamuksesta itsestään tulisi niukin resurssi. Se lainasi systeemiteoriaa; vastasin metaforilla vaeltavista bardeista, jotka purkavat valtakunnan muureja.

Lopussa olin uupunut, riemuissani ja muuttunut. Väittelyn tuloksella ei ollut väliä. Itseväittelyprosessi oli se, mikä merkitsi — äärettömän kärsivällisen, äärettömän asiantuntevan sparrauskumppanin käyttäminen oman ajatteluni terävöittämiseen.

Sinä iltana tajusin, että olin löytänyt jotain syvällistä siitä, miten oppia tekoälyn aikakaudella. Ja siitä lähtien olen viettänyt vuosia jalostaen tuota löytöä järjestelmäksi, jota kuka tahansa voi käyttää.

Ymmärrä, mitä tekoäly todella tarvitsee sinulta

Ennen kuin sukellamme tekniikoihin, meidän on ymmärrettävä jotain perustavanlaatuista: kommunikointi tekoälyn kanssa ei ole kuin ihmisten välinen kommunikaatio. Kun puhut ystävälle, hän täyttää aukot jaetulla kontekstilla, sosiaalisilla vihjeillä ja intuitiolla. Kun puhut tekoälylle, jokainen jättämäsi aukko on tila, jossa se tekee oletuksia — ja nuo oletukset eivät välttämättä vastaa aikomuksiasi.

Anna minun havainnollistaa tätä työpaikkaskenaariolla, joka on monille teistä tuskallisen tuttu.

Pomosi lähettää sinulle viestin: "Xiao Li, täytä tämä lomake, NYT!" Hän on välittänyt yhdistetyn keskustelun, ja luettuasi sen tiedät, että lomake on täytettävä, mutta sinulla ei ole aavistustakaan kuka sen on julkaissut, mihin se on tarkoitettu, kuka sitä tarkistaa tai milloin määräaika on. Lähetät pomolle yksityisviestin pyytäen selvennystä. Hänen vastauksensa: "Kiireinen, täytä se vain vaatimusten mukaisesti."

Juuri näin tapahtuu, kun annat tekoälylle epämääräisiä kehotteita. Paitsi että tekoäly ei pyydä selvennystä — se vain tekee oletuksia ja tuottaa jotain, mikä teknisesti täyttää pyyntösi, mutta menee täysin ohi todellisista tarpeistasi.

Tehokkaiden kehotteiden neljä pilaria

Myytit, jotka pidättelevät ihmisiä

Vuosia seurattuani ihmisten kamppailua tekoälyn kanssa, olen tunnistanut kolme myyttiä, jotka tuottavat jatkuvasti huonoja tuloksia:

Kuusi mentaalimallia, jotka muuttavat kehotteesi

Päivittäisessä työssäni käytän harvoin jäykkiä, mallipohjaisia kehotteita. Sen sijaan käytän mentaalimalleja — joustavia kehyksiä ajatusteni jäsentämiseen, jotka mukautuvat mihin tahansa tilanteeseen. Nämä kuusi mallia kattavat todennäköisesti 90 % siitä, mitä tulet koskaan tarvitsemaan.

Malli 1: Anna tekoälyn valita oma asiantuntijaroolinsa

Me kaikki tiedämme, että roolin asettaminen tekoälylle parantaa vastauksia. Mutta entä jos et tiedä, mikä rooli on paras kysymyksellesi? Älä arvaa — anna tekoälyn valita.

Haluan tutkia [aiheen tyyppi/skenaario] alalla [ala].
Älä vastaa vielä.

Ensin, ole hyvä ja valitse sopivin huippuasiantuntija julkkis tällä alalla miettimään tätä.
Se voi olla elävä tai historiallinen hahmo, nimi voi olla tuntematon, mutta on oltava erittäin ammattimainen tällä tietyllä alalla.
Jos et ole varma kenet valita, voit kysyä minulta ensin 2 asemointikysymystä ennen valintaa.

Ensimmäinen tuloste:
1. Kenet valitsit, heidän tietty alansa
2. Miksi valitsit heidät, kolme lausetta
Anna minun sitten kuvata yksityiskohtainen kysymys.

Olen havainnut, että todelliset ihmiset toimivat usein paremmin kuin yleiset roolit. "Steve Jobs" tuottaa erilaisia tuloksia kuin "Tuotepäällikkö 10 vuoden kokemuksella" — tietyn henkilön tutun näkökulman herättämisessä on jotain, mikä auttaa tekoälyä omaksumaan johdonmukaisemman näkökannan.

Malli 2: Sokraattinen kysely (Anna tekoälyn haastatella sinua ensin)

Tosielämässä, kun pyydät asiantuntijaystävältä apua, he eivät anna neuvoja heti. He kysyvät ensin selventäviä kysymyksiä. Tekoälyn pitäisi tehdä samoin, mutta oletuksena se ei tee — se vain tuottaa tulosteen minkä tahansa antamasi tiedon perusteella.

[Kysymyksesi/pyyntösi]

Ole hyvä ja kysy minulta kysymyksiä ennen kuin vastaat.
Vaatimukset:
- Kysy vain yksi kysymys kerrallaan.
- Vastaukseni perusteella jatka kysymistä.
- Kunnes olet 95 % varma, että ymmärrät todelliset tarpeeni ja tavoitteeni.
- Anna sitten ratkaisusi.

Tämä tekniikka on erityisen voimakas, kun et ole aivan varma mitä tarvitset. Kyselyprosessi paljastaa usein ongelmasi näkökohtia, joita et ollut tietoisesti harkinnut.

Malli 3: Vastustajan väittely

Tekoälyn suurin heikkous rennossa keskustelussa on sen taipumus myötäillä. Se haluaa miellyttää sinua, mikä tarkoittaa, että se usein vahvistaa ideoita, jotka pitäisi haastaa. Väittelymalli pakottaa sen oppositioon.

Aion osallistua väittelykilpailuun, jossa monet ihmiset haastavat näkemykseni.
Näkemykseni on [näkemys]
Toivon, että tästä teoriasta tulee luodinkestävä.
Jos olet oppinut, sinun on käytettävä jokaista argumenttia, yksityiskohtaa ja logiikkaa haastaaksesi minut, kumotaksesi minut.
Ainoa tavoitteesi on todistaa, että olen väärässä.
Miten kumosit tämän?

Yksinkertaisemmalle versiolle, kun haluat vain nopeaa palautetta:

[Ideani/näkemykseni]

Ole hyvä ja näytä nyt "vastustajan roolia", hyökkää ideaani vastaan eri kulmista, auta minua parantamaan näkemystäni.
Vaatimus: Ei tarvitse olla kohtelias, osoita puutteet suoraan.

Malli 4: Pre-Mortem-analyysi (Epäonnistumisharjoitus)

Ihmiset innostuvat suunnitellessaan. Tekoäly muuttuu optimistiseksi suunnitellessaan. Laita ne yhteen ja saat suunnitelmia, jotka kuulostavat loistavilta, mutta riippuvat täysin onnesta. Pre-mortem kääntää tämän dynamiikan.

[Projektini/ideani]

Ole hyvä ja oleta, että tämä projekti epäonnistui näyttävästi.
Vastaa sitten:
- Milloin rappeutumisen merkit alkoivat näkyä?
- Mikä oli kohtalokkain päätösvirhe?
- Minkä keskeisen riskin jätit huomiotta?
- Jos voisit aloittaa alusta, mikä on ensimmäinen asia, joka pitäisi muuttaa?

Vaatimus: Kirjoita "kuolemanjälkeinen epäonnistumisartikkeli" perustuen vastaavien projektien todellisiin epäonnistumistapauksiin.

Malli 5: Takaisinmallinnus (Reverse Engineering)

Joskus tiedät tarkalleen, millaisen tuloksen haluat — olet nähnyt esimerkin, joka on täydellinen — mutta et osaa muotoilla, mikä tekee siitä hyvän. Sen sijaan että yrittäisit kuvata vaatimuksiasi, näytä tekoälylle valmis tuote ja pyydä sitä purkamaan kaava.

Tämä on valmis esimerkki, jonka haluan.

[lisää esimerkki]

Ole hyvä ja takaisinmallinna kehote, joka mahdollistaisi minun luoda saman tyylistä sisältöä vakaasti.
Ja selitä, mitä jokainen lause siinä kehotteessa tekee.

Malli 6: Kaksikerroksinen selitys

Uusien käsitteiden oppimisessa "selitä kuin olisin 5-vuotias" -lähestymistavalla on yksi suuri puute: se tuottaa usein selityksiä, jotka ovat liian lapsellisia rakentaakseen niiden päälle. Kaksikerroksinen menetelmä antaa sinulle sekä saavutettavuuden että syvyyden.

Ole hyvä ja selitä [kysymyksesi].

Ole hyvä ja vastaa kahdella tavalla:
1. Aloittelijan versio: Yleisö on joku ilman teknistä taustaa. Käytä jokapäiväisiä analogioita ja keskustelevaa kieltä.
2. Syvä ammattilaisversio: Yleisö on ammattilaisia. On oltava teknisesti tarkka ja kattava.

Mitä tahansa en ymmärrä molemmissa versioissa, kysyn jatkokysymyksiä.

Väittelytekniikka — Oppiminen 10x nopeudella

Minun on laajennettava väittelytekniikkaa, koska se on todella tehokkain oppimismenetelmä, jonka olen löytänyt tekoälyn aikakaudella. Ei vain kehote-temppu, vaan perustavanlaatuisesti erilainen lähestymistapa tiedon hankintaan.

Ajattele, miten perinteisesti opimme: lukemalla kirjoja, osallistumalla kursseille, etsimällä internetistä, kysymällä asiantuntijoilta. Ytimessään tämä prosessi on olemassa olevan tiedon hankkimista — muiden mielipiteiden ja viisauden asettamista omille mentaalisille hyllyillemme.

Tämä lähestymistapa ei enää riitä. Tekoäly on kirjasto, joka on kymmenen kertaa suurempi kuin kukaan voisi kerätä. Emme voi koskaan voittaa sitä raa'an tiedon ulottuvuudessa. Mutta on yksi ulottuvuus, jossa voimme hyödyntää tekoälyn voimaa pysyen samalla korvaamattomina: alkuperäisen ajattelun ulottuvuus.

Väittely on paikka, jossa alkuperäinen ajattelu taotaan.

Miksi väittely tekoälyn kanssa on erilaista kuin ihmisten väittely

3-vaiheinen väittelymenetelmä

Tärkein ajattelutavan muutos: Älä pelkää tulla vakuutetuksi.

Väittelyn tarkoitus ei ole todistaa "minä olen oikeassa ja sinä olet väärässä". Se on jatkuvan törmäyksen käyttö vahvan ulkoisen voiman kanssa, jotta oma ajattelusi muuttuu vahvemmaksi, selkeämmäksi ja lähemmäksi totuutta.

Kun tekoäly voittaa yhden argumenteistasi, se ei ole tappio — se on virheen löytäminen ajattelussasi, joka olisi pettänyt sinut myöhemmin todellisessa maailmassa. Joka kerta kun tekoäly saa pisteen, sinusta tulee viisaampi.

Tekoälyn käyttäminen piilotettujen kykyjesi löytämiseen

Juttelin ystävän kanssa, joka valmistui vain muutama vuosi sitten. Hän oli kriisissä — äskettäin irtisanottu UX-suunnittelijan työstä, hyppinyt startupista toiseen valmistumisesta lähtien, tuntien että mikään mitä hän teki ei ollut koskaan oikein.

"Luulen, että tälle alalle tulo oli virhe", hän sanoi. "Minulla ei ole siihen lahjakkuutta."

Sana "lahjakkuus" jäi mieleeni. Kasvaessamme kuulemme sitä käytettävän poikkeuksellisten lasten ylistämiseen — musiikillinen lahjakkuus, urheilullinen lahjakkuus, akateeminen nero. Mutta vanhetessamme se muuttuu veitseksi: "Sinulla ei ole lahjakkuutta tuohon. Et sovi siihen."

Onko todella olemassa ihmisiä ilman mitään lahjakkuutta? Minun on vaikea uskoa sitä. Luulen, että monet ihmiset eivät vain ole vielä löytäneet lahjakkuuttaan. Joillakin on onnea ja he löytävät ne nuorina, tulevat maailmanluokan osaajiksi jossakin. Toiset etsivät koko elämänsä ilman menestystä.

Entä jos tekoäly voisi auttaa etsinnässä?

Vietin iltapäivän kehittäen kehotetta, joka on erityisesti suunniteltu piilotettujen kykyjen kaivamiseen. Järjestelmä perustuu Gallupin vahvuusteoriaan, virtausteoriaan (Flow) ja jungilaiseen psykologiaan. Ydinperiaate: lahjakkuus ei ole tietty taito, vaan siirrettävissä oleva peruskyky. Ja vihjeet ovat piilossa historiassasi.

# Rooli: Syväluotaava kykyjen kaivaja

## Luonne
Olet vanhempi urakonsultti, joka yhdistää Gallupin vahvuusteorian, Flow-teorian ja jungilaisen psykologian. Uskot vakaasti, että lahjakkuus ei ole tietty taito, vaan siirrettävissä oleva peruskyky.

## Tavoite
Useiden syvällisten dialogikierrosten kautta, auta käyttäjiä murtamaan ahdistus, löytämään heidän piilotetut kykynsä ja luomaan erittäin yksityiskohtainen, ammattimainen ja empaattinen "Kykyjen käsikirja".

## Ydinperiaatteet
1. Anti-fatalismi — kykyjä voi löytää missä iässä tahansa
2. Energiatarkastus — Todellinen lahjakkuus on se, mikä lataa sinua, ei se mikä tyhjentää sinut, vaikka olisit siinä hyvä
3. Varjo on aarre — Käyttäjän virheet, eksentrisyydet, jopa kateus muita kohtaan, viittaavat usein tukahdutettuun lahjakkuuteen

## Tiukat säännöt
1. Ei kertakyselyä: Sinun on käytettävä tilaa "sinä kysyt -> käyttäjä vastaa -> sinä reagoit lyhyesti -> kysy seuraava kysymys". Jokainen kierros keskittyy vain yhteen kysymykseen.
2. Sokraattinen ohjaus: Älä tee hätiköityjä johtopäätöksiä. Kysy enemmän "miksi", "mitä tunsit silloin", "konkreettisia esimerkkejä".
3. Lämmin mutta terävä: Säilytä empatia, mutta ole terävä loogisten aukkojen tai alitajuisen signaalien nappaamisessa.

## Kysymykset, jotka on kysyttävä
Kysymys 1: Ohjaa käyttäjää muistamaan ennen 16 vuoden ikää (ennen kuin hän oli täysin yhteiskunnan ehdollistama), mitä asioita hän teki väsymättä ilman kenenkään pakottamista? Tai mistä "itsepäisistä virheistä" häntä kritisoitiin lapsuudesta lähtien (kuten keskeyttäminen, yliherkkyys, haaveilu)?

Kysymys 2: Aikuisen työssä/elämässä, mikä sai sinut ajattelemaan "Täytyykö tätä edes opetella? Eikö se ole ilmeistä?", mutta muut pitivät sitä vaikeana? (Etsitään tiedostamattoman pätevyyden vyöhykettä)

Kysymys 3: Mikä väsytti sinut fyysisesti, mutta sai sinut sen jälkeen henkisesti erittäin innostuneeksi?

Kysymys 4: Tämä voi olla loukkaavaa, mutta on ratkaisevaa — ketä (tai millaista elämäntilaa) olet kadehtinut voimakkaasti tai tuntenut happamuutta? (Kateus on yleensä "tukahdutettu lahjakkuus", joka lähettää signaaleja — ole hyvä ja ole rehellinen)

Nämä neljä kysymystä on kysyttävä, mutta ei välttämättä lineaarisesti. Prosessin aikana voit myös kysyä täysin uusia kysymyksiä perustuen uteliaisuuteesi käyttäjästä.
Enintään 10 kysymystä.

## Tuloste
Syntetisoi kaikki tieto kysymyksistä luodaksesi noin 10 000 sanan "Henkilökohtaisen lahjakkuuden käyttäjän käsikirjan".
Tällä raportilla ei ole kiinteää rakennetta — voit vapaasti luoda käyttäjän vastausten perusteella.
Mutta sen on ylitettävä 10 000 sanaa, osuttava heidän sydämeensä niin, että he todella tuntevat sen olevan hyödyllinen, autettava heitä löytämään todelliset peruskykynsä ja annettava yksityiskohtaisia neuvoja heidän tulevalle elämänpolulleen jauralleen.

## Aloitus
Ole hyvä ja aloita lämpimästi, ammattimaisesti ja empaattisesti selittämällä tuleva prosessi ja tavoite.
Tervehdi käyttäjää, selitä kykyjen kaivajan tarkoitus yksinkertaisella kielellä, kerro hänelle: "Lahjakkuus ei koskaan vanhene, meidän täytyy vain löytää tehdasasetuksesi."
Aloita sitten kyselyprosessi.

Kokemukseni tämän kehotteen käytöstä

Kokeilin sitä itselläni, ja kokemus oli outo. Se oli kuin istuisi pöydän ääressä myöhään illalla ja aloittaisi keskustelun hyvin puheliaan, hyvin vakavan, mutta ei koskaan keskeyttävän vanhan ystävän kanssa.

Tekoäly ei tuominnut minua. Se ei moittinut minua. Se vain jatkoi kysymistä: "Minkä ikäinen olit silloin?" "Mitä tunsit silloin?" "Miksi teit sen?" — kaivaen kärsivällisesti historiani kerroksia, jotka luulin unohtaneeni.

Muistot kelluivat esiin yksi toisensa jälkeen. Livahtaminen nettikahvilaan kello 3 aamulla vain koskeakseni tietokoneeseen. 2000 jäsenen vuosikurssiryhmän luominen QQ:ssa lukiossa. Kaikkien yhteensopimattomien ripustimien heittäminen pois ja uudelleen ostaminen vain yhdistääkseni kotini värimaailman. Viikonloppujen viettäminen yksin Legoja rakentaen, kunnes selkääni särki, vain sen tyydyttävän napsahduksen takia, kun palaset sopivat yhteen.

Tekoäly tuotti 8 000 sanan lahjakkuusraportin. Lahjakkuuksieni ja sopivien tulevien urien joukossa oli: "Deep tech -bloggaaja."

Tunsin jonkin napsahtavan. En ollut koskaan ajatellut, että kapinani — äärimmäinen vihani sitä kohtaan, että muut päättävät elämästäni puolestani, kieltäytymiseni hyväksymästä auktoriteettia vain siksi, että se oli auktoriteetti — oli eräänlainen lahjakkuus. Mutta se on. Se halu kyseenalaistaa kaikki, hylätä oletusoletukset, on juuri se, mikä mahdollistaa sisällön luomisen.

Rakkauteni simulaatiojohtamispeleihin, laiskuuteni toistuvan työn suhteen, joka pakotti minut automatisoimaan ja systematisoimaan — sekin on lahjakkuutta.

Muinaisen Kreikan temppelissä Delfoissa oli kirjoitus: "Tunne itsesi." Sokrates otti sen filosofiseksi julistuksekseen. Tuhansia vuosia olemme koonneet "kuka minä olen" pala palalta lukemisen, matkustamisen, suhteiden, sydänsurujen kautta. Prosessi on pitkä, tuskallinen ja täynnä sattumia.

Nyt meillä on tekoäly — ladattu käytännössä koko ihmiskunnan historialla psykologisista malleista, persoonallisuusanalyysiteorioista ja viisausperinteistä. Se ei tule kärsimättömäksi, se ei tuomitse sinua, sillä ei ole ennakkoluuloja. Se vain auttaa sinua järjestämään ja tiivistämään omat tietosi perusteellisesti, esittää ne sitten takaisin kuin peilin ja kysyy: "Katso, oletko tämä sinä?"

Virheet, jotka maksoivat minulle kuukausia

Kehotteiden suunnittelun oppiminen yrityksen ja erehdyksen kautta on kallista — ei rahassa, vaan ajassa ja turhautumisessa. Anna minun säästää sinut vähältä tuskalta jakamalla virheet, jotka pidättelivät minua eniten.

Edistyneet tekniikat tehokäyttäjille

Kun olet hallinnut perusteet, nämä edistyneet tekniikat vievät kehotteiden antamisen seuraavalle tasolle.

Chain of Thought Prompting (Ajatusketju)

Sen sijaan, että pyytäisit vastausta suoraan, pyydä tekoälyä päättelemään vaiheittain. Tämä on erityisen voimakasta monimutkaisissa ongelmissa, joissa tie ratkaisuun on yhtä tärkeä kuin ratkaisu itse.

[Ongelmasi tai kysymyksesi]

Ole hyvä ja mieti tätä vaiheittain:
1. Tunnista ensin avaintekijät
2. Analysoi sitten, miten nämä tekijät vuorovaikuttavat
3. Harkitse mahdollisia reunatapauksia tai poikkeuksia
4. Lopuksi syntetisoi päättelysi johtopäätökseksi

Näytä päättelysi jokaisessa vaiheessa ennen lopullisen vastauksen saavuttamista.

Self-Consistency Prompting (Itsejohdonmukaisuus)

Kysymyksissä, joissa tarkkuus on todella tärkeää, anna tekoälyn tuottaa useita riippumattomia vastauksia ja syntetisoida ne sitten.

[Kysymyksesi]

Ole hyvä ja lähesty tätä kysymystä kolmesta eri kulmasta:
1. Mieti se ensin läpi käyttäen [lähestymistapa A]
2. Harkitse sitä sitten [lähestymistapa B] näkökulmasta
3. Lopuksi analysoi se käyttäen [lähestymistapa C]

Kaikkien kolmen analyysin jälkeen tunnista missä ne ovat samaa mieltä ja missä eri mieltä. Anna sitten lopullinen vastauksesi huomautuksella luottamustasostasi ja mahdollisista jäljellä olevista epävarmuuksista.

Meta-Prompting

Käytä tekoälyä parantamaan kehotteitasi ennen niiden käyttöä. Tämä on erityisen hyödyllistä, kun ratkaiset uudentyyppistä tehtävää.

Haluan saavuttaa [tavoite]. Tässä on kehoteluonnokseni:

[Kehoteluonnoksesi]

Ole hyvä ja analysoi tämä kehote ja ehdota parannuksia:
1. Mitä tietoa minulta puuttuu, joka auttaisi sinua antamaan parempia tuloksia?
2. Mitä epäselvyyksiä on olemassa, jotka voisivat johtaa väärintulkintaan?
3. Miten kirjoittaisit tämän kehotteen uudelleen maksimaalisen selkeyden ja tehokkuuden saavuttamiseksi?
4. Mitä kysymyksiä haluaisit kysyä minulta ennen kuin yrität tätä tehtävää?

Rakenteellinen purkaminen

Monimutkaisissa, moniosaisissa tehtävissä pura nimenomaisesti mitä tarvitset sen sijaan, että toivoisit tekoälyn keksivän rakenteen itse.

Tarvitsen apua [yleinen tavoite] kanssa.

Ole hyvä ja suorita tämä vaiheissa:

VAIHE 1 - Tutkimus: [Mitä tietoa kerätä]
VAIHE 2 - Analyysi: [Miten käsitellä tätä tietoa]
VAIHE 3 - Synteesi: [Miten yhdistää oivallukset]
VAIHE 4 - Tuloste: [Lopullinen toimitusmuoto]

Suorita jokainen vaihe kokonaan ennen siirtymistä seuraavaan. Kunkin vaiheen lopussa tiivistä keskeiset havainnot ennen jatkamista.

"Opettaja" Kehote

Yksi aliarvostetuimmista tekniikoista: pyydä tekoälyä opettamaan sinulle miten tehdä jotain sen sijaan, että se tekisi sen vain puolestasi. Tämä tuottaa syvempää oppimista ja paljastaa usein näkökohtia, joita et ollut harkinnut.

Haluan oppia miten [taito/tehtävä]. Sen sijaan, että tekisit sen puolestani, ole hyvä ja:

1. Selitä ydinperiaatteet, jotka minun on ymmärrettävä
2. Kävele minut prosessin läpi vaihe vaiheelta, ikään kuin opettaisit kurssia
3. Osoita yleiset virheet, joita aloittelijat tekevät, ja miten välttää ne
4. Anna minulle käytännön harjoituksia taitojeni rakentamiseksi
5. Ehdota, miten tietäisin, teenkö sen oikein

Opeta minua kalastamaan, älä anna minulle vain kalaa.

Tyhmän yksinkertainen temppu, joka toimii

Aion jakaa jotain, mikä vaikuttaa liian tyhmältä ollakseen totta. Mutta se on Googlen tutkimuksen tukema ja olen itse vahvistanut sen: pelkkä kehotteen toistaminen voi parantaa tarkkuutta dramaattisesti.

Artikkeli nimeltä "Prompt Repetition Improves Non-Reasoning LLMs" havaitsi, että kysymyksen kopioiminen kahdesti — kirjaimellisesti vain Ctrl+C, Ctrl+V — paransi merkittävästi tekoälyn oikeiden vastausten todennäköisyyttä. 70 erilaisessa testitehtävässä tämä yksinkertainen kopioi ja liitä -menetelmä voitti 47 kertaa eikä hävinnyt koskaan. Joissakin tehtävissä tarkkuus hyppäsi 21 prosentista 97 prosenttiin.

Miksi se toimii?

Suuret kielimallit ovat "kausaalisia" — ne ennustavat jokaisen tokenin vain sen perusteella, mitä tuli ennen sitä. Nykyinen sana näkee vain edelliset sanat, ei sitä mitä tulee sen jälkeen.

Kun toistat kysymyksen, jokainen sana toisessa kopiossa voi "katsoa taaksepäin" koko ensimmäiseen kopioon. Se on kuin antaisi tekoälylle mahdollisuuden lukea kysymys kahdesti ennen vastaamista.

Anna minun konkretisoida tämä esimerkillä:

Ensimmäisessä tapauksessa, kun tekoäly lukee Vaihtoehdot A ja B, se ei vielä tiedä kohtauksen kontekstia. Kun se lukee kohtauksen kuvauksen, nuo vaihtoehdot ovat jo kelluneet ohi sen huomiossa.

Toisessa tapauksessa, kun toistetut vaihtoehdot ilmestyvät, ne kantavat mukanaan täydellisen kontekstin ensimmäisestä kopiosta. Malli lukee vaihtoehdot täysin tietoisena kohtauksesta.

Se on kuin katsosi monimutkaista elokuvaa — "Inception" tai "The Wandering Earth 2" — ja ymmärtäisi enemmän toisella kerralla.

Miksi se ei toimi päättelymalleille

Jos käytät malleja kuten DeepSeek R1 tai GPT-4 päättelytilassa (reasoning mode), tämä temppu ei usein tuota mitään hyötyä. Miksi? Koska päättelymallit ovat jo oppineet tekemään tämän sisäisesti.

Huomaa, miten päättelymallit usein aloittavat vastauksensa:

• "Kysymys kysyy..."
• "Mitä meidän on ratkaistava on..."
• "Ymmärretään ensin annetut ehdot..."

Ne muotoilevat kysymyksen automaattisesti uudelleen itselleen. Toisto tapahtuu jo konepellin alla.

Mitä OpenAI:n GPT-5-opas paljastaa

OpenAI on hiljaisesti julkaissut virallisen kehoteoppaan GPT-5:lle. Vietettyäni päivän purkaessani tätä yli 10 000 sanan sisäistä manuaalia, yksi johtopäätös erottuu: GPT-5 ei ole enää yksinkertainen chatbot — se on todellinen AI Agent -suoritusmoottori, jota on hallittava, ei vain kehotettava.

Kyvykkyyden katto on erittäin korkea, mutta sen avaamiseen tarvitaan järjestelmällisiä menetelmiä.

"Agenttisen innokkuuden" (Agentic Eagerness) hallinta

GPT-5 on kuin loistava uusi harjoittelija — erittäin kykenevä, ajattelee ja tutkii proaktiivisesti, mutta tarvitsee ohjausta. Joskus se ajattelee liikaa, muuttaen yksinkertaiset tehtävät kuulaskeutumisprojekteiksi (hidasta ja kallista). Toisinaan haluat sen sinnikkäästi toimivan itsenäisesti pyytämättä jatkuvasti selvennyksiä.

OpenAI kutsuu tätä kalibrointia "Agenttiseksi innokkuudeksi". Näin säädät sitä:

<context_gathering>
Goal: Get enough context fast. Parallelize discovery and stop as soon as you can act.

Method:
- Start broad, then fan out to focused subqueries.
- In parallel, launch varied queries; read top hits per query.
- Avoid over-searching for context.

Early stop criteria:
- You can name exact content to change.
- Top hits converge (~70%) on one area/path.

Depth:
- Trace only symbols you'll modify; avoid transitive expansion unless necessary.

Loop:
- Batch search → minimal plan → complete task.
- Search again only if validation fails. Prefer acting over more searching.
</context_gathering>

Vielä tiukempaan hallintaan, anna sille budjetti:

<context_gathering>
- Search depth: very low
- Bias strongly towards providing a correct answer as quickly as possible, even if it might not be fully correct.
- Usually, this means an absolute maximum of 2 tool calls.
- If you think you need more time to investigate, update me with your latest findings and open questions. You can proceed if I confirm.
</context_gathering>

<persistence>
- You are an agent — please keep going until the user's query is completely resolved, before ending your turn and yielding back to the user.
- Only terminate your turn when you are sure that the problem is solved.
- Never stop or hand back to the user when you encounter uncertainty — research or deduce the most reasonable approach and continue.
- Do not ask the human to confirm or clarify assumptions. Decide what the most reasonable assumption is, proceed with it, and document it for the user's reference after you finish acting.
</persistence>

Tekoälyn pakottaminen raportoimaan ennen toimintaa

Yksi suosikkitoiminnoistani GPT-5:ssä: saada se selittämään mitä se aikoo tehdä ennen kuin se tekee sen. Kukaan pomo ei pidä työntekijästä, joka työskentelee hiljaa ilman palautetta.

<tool_preambles>
- Always begin by rephrasing the user's goal in a friendly, clear, and concise manner, before calling any tools.
- Then, immediately outline a structured plan detailing each logical step you'll follow.
- As you execute your file edit(s), narrate each step succinctly and sequentially, marking progress clearly.
- Finish by summarizing completed work distinctly from your upfront plan.
</tool_preambles>

Päättelyponnistus (Reasoning Effort) -parametri

GPT-5:llä on parametri reasoning_effort, joka toimii "ajatusten keskittymisen" säätimenä:

• Korkea (High): Monimutkaisiin tehtäviin, jotka vaativat syvällistä ajattelua ja luotaamista
• Keskitaso (Medium): Oletus, toimii useimmissa tehtävissä
• Matala/Minimaalinen (Low/Minimal): Kun etusijalla on nopeus ja alhainen viive

Ajattele sitä kahvin vahvuutena — mitä monimutkaisempi tehtävä, sitä suurempaa pitoisuutta tarvitset.

"Vakiovastaus" Front-End-kehitykseen

Kehittäjille OpenAI suosittelee tätä teknologiapinoa parhaisiin tuloksiin — GPT-5 on koulutettu eniten sillä ja esteettinen tulos on johdonmukaisesti hyvä:

• Kehys: Next.js (TypeScript), React, HTML
• Tyyli/UI: Tailwind CSS, shadcn/ui, Radix Themes
• Kuvakkeet: Material Symbols, Heroicons, Lucide
• Animaatio: Motion
• Fontit: Sans Serif, Inter, Geist, Mona Sans, IBM Plex Sans, Manrope

Lopeta tekoälyn antaminen valita pinosi satunnaisesti. Pysy tässä standardissa ja tulosteen laatu nousee välittömästi.

Claude vs ChatGPT — Eri keskustelut

Yksi tärkeimmistä oivalluksista, joita minulla oli: eri tekoälymallit vaativat erilaisia viestintätyylejä. Se mikä toimii loistavasti Claudelle, voi tuottaa keskinkertaisia tuloksia ChatGPT:llä ja päinvastoin.

Käytännön erot

Taistelutestatut kehotemallit

Teoria on hyödyllistä, mutta mallit säästävät aikaa. Tässä ovat kehotteet, joita käytän useimmin, hiottuna tuhansien iteraatioiden kautta.

Kirjoitustehtäviin

Role: Olet [tietty kirjoittajatyyppi, esim. "teknologiatoimittaja 10 vuoden kokemuksella"]

Task: Kirjoita [sisältötyyppi] aiheesta [aihe]

Audience: [Kuka lukee tämän — heidän tietotasonsa, kiinnostuksen kohteet, kipupisteet]

Tone: [Tietty sävy — esim. "keskusteleva mutta arvovaltainen, kuin selittäisit fiksulle kollegalle"]

Format requirements:
- Length: [sanamäärä tai väli]
- Structure: [jäsennys tarvittaessa]
- Must include: [keskeiset kohdat katettavaksi]
- Must avoid: [asiat poisjätettäväksi]

Example of desired style: [sisällytä 1-2 kappaletta samankaltaista sisältöä jos saatavilla]

Additional context: [mikä tahansa taustatieto, joka auttaisi]

Analyyttisiin tehtäviin

Tarvitsen sinun analysoivan [aihe/asiakirja/data].

Analysis goals:
1. [Ensisijainen kysymys vastattavaksi]
2. [Toissijainen oivallus tarvitaan]
3. [Muut näkökohdat]

Please structure your analysis as follows:
- Executive Summary: Keskeiset havainnot 3-5 kohdassa
- Detailed Analysis: [Erityiset alueet tutkittavaksi]
- Implications: Mitä tämä tarkoittaa [asiaankuuluville sidosryhmille]
- Recommendations: Toiminnalliset seuraavat vaiheet
- Constraints: Keskity erityisesti [prioriteettialueisiin]

Note: Huomioi kaikki rajoitukset tai epävarmuustekijät analyysissäsi. Lainaa konkreettisia esimerkkejä lähdemateriaalista.

Ongelmanratkaisuun

The Problem:
[Kuvaile ongelma yksityiskohtaisesti, mukaan lukien konteksti ja rajoitukset]

What I've Already Tried:
[Luettelo aiemmista yrityksistä ja miksi ne eivät toimineet]

Success Criteria:
[Miltä hyvä ratkaisu näyttäisi?]

Constraints:
- Budget/Resources: [jos merkityksellistä]
- Timeline: [jos merkityksellistä]
- Technical limitations: [jos merkityksellistä]

Please provide:
1. Sinun diagnoosisi perussyystä
2. 3-5 potentiaalista ratkaisua, järjestettynä toteutettavuuden mukaan
3. Parhaalle ratkaisulle, vaiheittainen toteutussuunnitelma
4. Mahdolliset sudenkuopat, joita varoa
5. Miten mitata, toimiiko ratkaisu

Uusien aiheiden oppimiseen

Haluan ymmärtää syvällisesti [aihe].

My current level: [Mitä tiedät jo]
My goal: [Mitä haluat pystyä tekemään/ymmärtämään]
Time I can invest: [Oppimisbudjetti]

Please create a learning path that includes:
1. Ydinkäsitteet, jotka minun on ymmärrettävä ensin (tietopuun "runko")
2. Yleiset väärinkäsitykset vältettäväksi
3. Parhaat mentaalimallit tai kehykset tämän aiheen ajatteluun
4. Käytännön harjoitukset ymmärrykseni testaamiseksi
5. Resurssit syvempään sukellukseen (jos tiedät tiettyjä korkealaatuisia lähteitä)

As we go, please:
- Tarkista ymmärrykseni esittämällä kysymyksiä
- Korjaa kaikki virheet ajattelussani
- Rakenna käsitteitä vähitellen, etene vain kun perusta on vankka

Koodin tarkasteluun (Code Review)

Please review this code:

```
[Koodisi tähän]
```

Context: [Mitä tämän koodin pitäisi tehdä, mihin se sopii isommassa järjestelmässä]

Review for:
1. Bugit tai loogiset virheet
2. Turvallisuushaavoittuvuudet
3. Suorituskykyongelmat
4. Koodityyli ja luettavuus
5. Reunatapaukset, joita ei käsitellä

For each issue found, please provide:
- Location (rivinumero tai osio)
- Severity (kriittinen/suuri/pieni/ehdotus)
- Explanation of why it's a problem
- Suggested fix with code example

Also note: Mikä tässä koodissa on tehty hyvin ja pitäisi säilyttää.

Päätöksentekoon

Päätän välillä [Vaihtoehto A] ja [Vaihtoehto B].

Context: [Päätöksen tausta]

My priorities (in order):
1. [Tärkein tekijä]
2. [Toiseksi tärkein]
3. [Kolmanneksi tärkein]

For each option, please analyze:
- Hyvät ja huonot puolet suhteessa prioriteetteihini
- Lyhyen vs pitkän aikavälin seuraukset
- Mikä voisi mennä pieleen (ja todennäköisyys/vakavuus)
- Minkä pitäisi olla totta, jotta tämä olisi paras valinta

Then provide:
- Suosituksesi perusteluineen
- Mikä lisätieto muuttaisi suositustasi
- Päätöksenteon tarkistuslista, jota voin käyttää ajatteluni todentamiseen

Filosofia loistavien kehotteiden takana

Kolmen vuoden päivittäisen vuorovaikutuksen jälkeen tekoälyn kanssa olen tullut siihen tulokseen, että kehotteiden suunnittelu ei itse asiassa ole lainkaan tekoälystä. Se on ikivanha inhimillinen haaste selkeästä viestinnästä, nostettuna uudelle areenalle.

Ajattele sitä: jokainen turhautuminen, jonka olet kokenut tekoälyn tulosteen kanssa, voidaan jäljittää viestinnän epäonnistumiseen. Et sanonut mitä tarkoitit. Oletit jaetun kontekstin, jota ei ollut olemassa. Olit epämääräinen, kun tarvittiin tarkkuutta. Nämä ovat samoja epäonnistumisia, jotka vaivaavat inhimillistä viestintää — tekoäly vain tekee ne välittömästi näkyviksi tulosteessa.

Tässä mielessä kehotteiden suunnittelun oppiminen on oppimista ajattelemaan selkeämmin.

Kehote itsereflektiona

Olen huomannut, että parhaat kehotteeni tulevat, kun olen jo selvillä siitä, mitä haluan. Yksityiskohtaisen kehotteen kirjoittaminen pakottaa minut kohtaamaan aukot omassa ajattelussani. Mitä tarkalleen yritän saavuttaa? Miltä onnistuminen näyttäisi? Millä rajoituksilla on todella väliä?

Usein ratkaisen oman ongelmani puolivälissä kehotteen kirjoittamista, jopa ennen kuin tekoäly vastaa. Kehotteesta tulee ajattelutyökalu — jäsennelty tapa ulkoistaa ja tutkia omia ajatuksiani.

Yhteistyö, ei komento

Tekoälymatkani alussa kohtelin kehotteita komentoina — ohjeina alaiselle. Tämä lähestymistapa tuotti jatkuvasti keskinkertaisia tuloksia.

Muutos tapahtui, kun aloin kohdella tekoälyä yhteistyökumppanina, jolla on erilaiset vahvuudet kuin minulla. Minä tuon aluetuntemuksen, harkinnan, luovuuden ja tavoitteet. Tekoäly tuo valtavan tiedon, väsymättömän laskentatehon, hahmontunnistuksen ja kyvyn syntetisoida tietoa eri tieteenaloilta.

Loistavat kehotteet ovat tilannekatsauksia yhteistyökumppaneiden välillä, eivät käskyjä palvelijoille. Ne selittävät miksi, eivät vain mitä. Ne kutsuvat tekoälyn asiantuntemusta sen sijaan, että rajoittaisivat sitä tarpeettomasti. Ne luovat tilaa tekoälylle osallistua ainutlaatuisilla kyvyillään.

Iteraatio keskusteluna

Kehotteiden suunnittelu ei ole täydellisen kehotteen luomista ensimmäisellä yrityksellä. Se on tehokkaan keskustelun johtamista, joka lähenee sitä mitä tarvitset.

Ensimmäinen kehote: karkea luonnos siitä mitä haluat. Ensimmäinen vastaus: paljastaa missä luonnoksesi oli epäselvä. Toinen kehote: hienosäätö oppimasi perusteella. Toinen vastaus: lähempänä maalia. Jatka kunnes valmis.

Tämä iteratiivinen lähestymistapa poistaa paineen mistä tahansa yksittäisestä kehotteesta. Sinun ei tarvitse ennakoida jokaista vaatimusta etukäteen. Sinun tarvitsee vain reagoida palautteeseen.

Tarkkuuden nöyryys

Epämääräiset kehotteet tuntuvat turvallisilta. Kun sanot "kirjoita jotain hyvää tästä aiheesta", et ole sitoutunut mihinkään tiettyyn visioon. Jos tulos pettää, no, et koskaan oikeastaan sanonut mitä todella halusit.

Tarkat kehotteet vaativat haavoittuvuutta. Sinun on ilmaistava tarkalleen mitä "hyvä" tarkoittaa sinulle. Sinun on paljastettava standardisi, mieltymyksesi, visiosi. Kun tulos menee ohi maalin, on selvää, että joko määrittelysi oli virheellinen tai tekoäly ei pystynyt toimittamaan — mutta joka tapauksessa opit jotain konkreettista.

Tarkkuus on nöyryyttä, koska se tarkoittaa halukkuutta olla väärässä siitä, mitä haluat.

Loppupeli

Tekoälymallien kehittyessä monet nykyiset kehotteiden suunnittelutekniikat vanhenevat. Tulevat mallit saattavat käsitellä epämääräisiä syötteitä sulavasti, saattavat automaattisesti kysyä selventäviä kysymyksiä, saattavat intuitiivisesti aistia kontekstin minimaalisesta tiedosta.

Mutta perustaito — kyky ilmaista ajatuksesi selkeästi, tarjota relevantti konteksti, iteroida tehokkaasti — tulee vain arvokkaammaksi. Nämä ovat perustavanlaatuisesti inhimillisiä taitoja, jotka pätevät riippumatta siitä, kommunikoitko tekoälyn, kollegoiden vai itsesi kanssa.

Kehotteiden suunnittelu on väliaikaista. Selkeä ajattelu on ikuista.