Sztuczna inteligencja przestała być tylko ciekawostką technologiczną – stała się narzędziem, które brutalnie weryfikuje efektywność pracy w marketingu. Wielu specjalistów wciąż jednak używa jej powierzchownie, generując generyczne treści, które nie przynoszą wyników. Jak wyjść poza proste prompty i zacząć budować systemy, które realnie oszczędzają czas i pieniądze?
Gościem Krzysztofa Marca jest Grzegorz Róg – współzałożyciel easy.tools, Zencal.io oraz twórca aplikacji heyalice.app. To praktyk, który od lat łączy świat marketingu z automatyzacją no-code i efektywnie wdraża cyfrowych asystentów w swoich firmach.
W 31. odcinku semCASTu opowiada o tym, jak przejść od “zabawy” z ChatGPT do budowania zaawansowanych ekosystemów pracy, w których ludzie zarządzają armią agentów AI, zamiast tracić czas na powtarzalne zadania.
Z tego odcinka dowiesz się m.in.:
- Dlaczego kontekst jest ważniejszy niż idealny prompt i jak dostarczyć go modelom AI.
- Jakie zadania warto delegować sztucznej inteligencji już dziś, by nie zostać w tyle.
- Czym jest Model Context Protocol (MCP) i dlaczego to rewolucja w pracy z danymi.
- Jak bezpiecznie eksperymentować z kampaniami marketingowymi metodą „fail fast”.
- Które narzędzia (poza ChatGPT) warto wdrożyć w swojej firmie.
Spis treści
Marketing w erze AI: Ewolucja roli specjalisty
Rozwój technologii, w tym modeli językowych (LLM) i generatorów wideo, postępuje tak szybko, że prognozowanie rynku na dwa lata w przód przypomina wróżenie z fusów. Grzegorz Róg zauważa jednak wyraźny trend: zmieniamy się z wykonawców w nadzorców. Praca marketera ewoluuje w stronę roli operatora, który zarządza zespołem wyspecjalizowanych agentów AI.
Nie oznacza to, że działy marketingu znikną. Wręcz przeciwnie – staną się bardziej multidyscyplinarne. Specjalista typu „T-shaped” zyska potężne wsparcie w postaci asystentów, którzy przejmą żmudne zadania: od klasyfikacji leadów, przez wstępny research, aż po formatowanie treści. Kluczem do sukcesu nie będzie już samo „klikanie” w narzędziach, ale umiejętność holistycznego spojrzenia na strategię i łączenie kropek między różnymi procesami.
Uważam, że trudno jest prognozować po prostu na dwa lata do przodu z tego powodu, że ja trzy lata temu nie miałem totalnie pojęcia, że w ogóle będę praktycznie na co dzień korzystał z AI i to kilkaset razy i wszystkie moje zespoły też i w jaki sposób będziemy go używać. (…) AI jest czymś, co niesamowicie szybko zmienia ekosystem naszej pracy.
Kontekst to król – dlaczego Twoje prompty nie działają?
Najczęstszym błędem marketerów jest traktowanie AI jak wyszukiwarki lub magicznej kuli, której zadaje się proste pytania bez podbudowy. Grzegorz Róg podkreśla, że jeśli model nie wie, kim jest Twój klient, jaki masz styl komunikacji (Tone of voice) i co znajduje się w Twojej ofercie, wygeneruje tekst, który brzmi jak wszystko i nic.
Przewagę buduje się poprzez dostarczanie modelom unikalnego kontekstu. Nie chodzi o pisanie długich promptów, ale o „karmienie” AI wiedzą o firmie: transkrypcjami rozmów, bazą wiedzy, historią e-maili czy plikami z ofertą. Dzięki temu odpowiedź modelu staje się spersonalizowana i użyteczna.
Tu z pomocą przychodzi Model Context Protocol (MCP). To standard, który pozwala bezpiecznie łączyć modele językowe (jak Claude czy GPT) z Twoimi lokalnymi danymi lub serwerami, bez konieczności ciągłego kopiowania i wklejania tekstów.
Musimy niestety nauczyć się trochę inaczej pracować z AI, niż do tej pory pracowaliśmy. (…) Im lepiej te dane są przygotowane pod AI, tym lepsze dostajemy odpowiedzi. I jasne, że modele będą coraz bardziej inteligentne (...), ale mimo wszystko te najlepsze odpowiedzi będziemy zawsze dostawać wtedy, kiedy będziemy pracowali na małym zestawie danych i kiedy będziemy sami dokładnie wiedzieli, co w tym zestawie danych jest.
Narzędzia i automatyzacja w praktyce (No-Code)
Aby wyjść poza ramy czatu w przeglądarce, warto zainteresować się narzędziami typu Alice (aplikacja desktopowa integrująca różne modele AI) oraz platformami do automatyzacji jak Make czy Zapier. Pozwalają one tworzyć scenariusze, które dzieją się w tle.
Przykłady zastosowań omawiane w odcinku:
- Repurposing treści: Zamiana jednego nagrania wideo na wpis blogowy, serię postów na LinkedIn i newsletter – z zachowaniem stylu autora.
- Analiza sentymentu i klasyfikacja: Automatyczne ocenianie wiadomości wpadających do firmy (np. feedbacku od klientów) i nadawanie im priorytetów.
- Wsparcie programistyczne i SEO: Praca z narzędziem Cursor, gdzie AI pomaga tworzyć i edytować pliki tekstowe (np. Markdown) z gotową strukturą pod pozycjonowanie.
Ważne jest jednak zachowanie balansu. AI świetnie radzi sobie z obróbką danych i tworzeniem „brudnopisów”, ale finalny szlif (human touch) musi należeć do człowieka. Automatyzacja ma uwalniać czas na kreatywność, a nie zalewać internet spamem.
Strategia „Fail Fast” i masowe eksperymenty
Dzięki AI bariera wejścia w testowanie nowych pomysłów drastycznie spadła. Grzegorz sugeruje podejście oparte na szybkich, tanich eksperymentach. Zamiast planować jedną wielką kampanię przez kwartał, lepiej uruchomić 100 małych testów (np. z mikroinfluencerami, różnymi wariantami reklam czy landing page’y) w krótkim czasie.
Zakładamy z góry, że 80% z nich nie wypali, ale te 20%, które odniesie sukces, pokryje koszty z nawiązką i pozwoli na skalowanie. AI umożliwia przygotowanie materiałów do tych testów w tempie, które dla ludzkiego zespołu byłoby nieosiągalne bez ogromnych budżetów.
I chyba taką inspiracją poboczną, którą z tego złapałem i to też coś, co my ostatnio często robimy, to nagle może się okazać, że projekty, które były super skomplikowane w przeszłości, których nie robiliśmy, teraz z AI są banalne. I nawet jak nam się wydaje, że mogą nie wypalić, czy wypalić, trzeba to przetestować, bo to jest nie kilka dni, tylko parę godzin pewnie pracy na testach.
Podsumowanie
Rozmowa z Grzegorzem Rogiem pokazuje, że AI w marketingu to nie chwilowa moda, ale fundamentalna zmiana w sposobie pracy. Kluczem nie jest jednak ślepe zachłyśnięcie się technologią, ale mądre wplecenie jej w procesy firmy. Wygrają ci, którzy nauczą się dostarczać modelom odpowiedni kontekst i wykorzystają automatyzację do szybszego testowania hipotez, zachowując przy tym autentyczność i jakość komunikacji. Jeśli chcesz zobaczyć, jak w praktyce wygląda praca z asystentami AI, koniecznie sprawdź narzędzia wspomniane w odcinku, takie jak Alice czy platforma Make.
Posłuchaj pełnego odcinka podcastu
Konkretna wiedza i praktyczne wskazówki do wdrożenia od zaraz
FAQ
Loading...
