Przez lata technologia składała użytkownikowi prostą obietnicę: WYSIWYG — What You SEE Is What You Get. To, co widzisz podczas edycji, będzie przypominało gotowy dokument, wydruk albo stronę internetową. Możesz zmienić nagłówek, przesunąć zdjęcie i od razu ocenić efekt. Nie musisz znać kodu, żeby kontrolować formę. Dziś generatywna AI przesuwa środek ciężkości: zanim zobaczymy rezultat, coraz częściej opisujemy, co chcemy osiągnąć, dla kogo i pod jakimi warunkami. Dlatego zmianę tę dobrze oddaje formuła WYTiWYG — What You THINK is What You Get. Akcent przechodzi z widzenia na myślenie.
SEE: kiedy ekran stał się obietnicą rezultatu
Znaczenie WYSIWYG łatwo docenić, przypominając sobie pracę z dokumentem, którego wygląd określały komendy lub znaczniki. Między instrukcją a efektem istniał dystans: najpierw trzeba było opisać układ, a dopiero później zobaczyć, czy wygląda zgodnie z zamiarem. Edytory wizualne skróciły tę drogę. Formatowanie stało się bezpośrednie, a tworzenie publikacji dostępniejsze dla osób bez przygotowania technicznego. Zamiast zastanawiać się nad składnią, użytkownik mógł skupić uwagę na kompozycji, czytelności i hierarchii informacji.
Nie oznaczało to jednak, że technologia przejęła odpowiedzialność za sens projektu. Edytor pozwalał precyzyjnie ustawić akapit, ale nie rozstrzygał, czy akapit jest potrzebny. Pokazywał przycisk, lecz nie odpowiadał na pytanie, dlaczego odbiorca miałby go nacisnąć. WYSIWYG ułatwiało kontrolę wykonania, nie zastępowało decyzji o celu. To rozróżnienie staje się jeszcze ważniejsze, gdy narzędzie potrafi już nie tylko wyświetlić naszą pracę, ale również zaproponować jej treść i strukturę.
THINK: zanim powstanie odpowiedź, trzeba zdefiniować problem
W pracy z AI możemy rozpocząć od intencji zamiast od ręcznego wykonania. Prosimy o analizę, tekst lub projekt i otrzymujemy pierwszą wersję, którą da się ocenić. Problem w tym, że „przygotuj strategię” jest nazwą zadania, a nie jego wystarczającym opisem. Nie wyjaśnia sytuacji firmy, odbiorcy, ograniczeń ani decyzji, której strategia ma służyć. Model może uzupełnić te luki własnymi założeniami, tworząc spójną odpowiedź na problem inny niż nasz. Profesjonalny język potrafi skutecznie zamaskować to niedopasowanie.
WYTiWYG — What You Think is What You Get traktujemy tutaj jako metaforę pracy, nie formalny standard ani obietnicę czytania myśli. „What” wskazuje rezultat, „You” przypomina o wiedzy i odpowiedzialności człowieka, a „Think” oznacza rozpoznanie problemu przed uruchomieniem generowania. Pozostała część zdania wiąże tę pracę z efektem. AI otrzymuje jednak tylko to, co rzeczywiście przekażemy: instrukcje, dane, przykłady i poprawki. Jakość myślenia musi więc zostać przełożona na komunikację, a wynik nadal zależy również od możliwości modelu i dostępnych źródeł.
Dobry brief jest ważniejszy niż magiczny prompt
Wyobraźmy sobie firmę, która prosi o artykuł dotyczący automatyzacji marketingu. Takie polecenie może przynieść poprawny przegląd zastosowań, ale niewiele powiedzieć jej potencjalnym klientom. Zadanie nabiera znaczenia dopiero wtedy, gdy określimy, że czytelnikiem jest właściciel średniej firmy, rozważający automatyzację obsługi zapytań. Tekst ma pomóc mu rozpoznać, czy problemem jest liczba wiadomości, brak wiedzy w zespole czy źle zaprojektowane przekazywanie kontaktów. Każda diagnoza prowadzi do innego rozwiązania — i do innego artykułu.
Na tym polega różnica między wydłużaniem promptu a pogłębianiem myślenia. Dobra instrukcja nie musi być rozbudowana, lecz powinna przekazywać cel, kontekst i kryteria oceny. Warto wskazać, na jakich materiałach wolno się oprzeć, czego nie należy zakładać i co odbiorca ma zrozumieć po lekturze. Własne doświadczenia firmy, pytania klientów i udokumentowane przykłady mogą nadać odpowiedzi konkretność, której nie zapewni samo polecenie „pisz jak ekspert”. Takie podejście rozwijamy w materiale Co automatyzować, a czego nie oddawać algorytmom.
Ładna strona i poprawny raport mogą rozwiązywać niewłaściwy problem
Podobny mechanizm działa przy tworzeniu strony internetowej. Prośba „zrób nowoczesną stronę” może zakończyć się atrakcyjnym projektem, który nie odpowiada na najważniejszą obawę klienta. Jeżeli odbiorca chce wiedzieć, jak będzie wyglądało wdrożenie, sam efektowny nagłówek nie wystarczy. Potrzebuje informacji o przebiegu współpracy, odpowiedzialności i sposobie ograniczania ryzyka. Dopiero rozpoznanie tej potrzeby pozwala zdecydować, jakie sekcje powinny powstać i w jakiej kolejności. Estetyka wspiera wtedy stronę jako narzędzie sprzedaży, zamiast być jedynym kryterium akceptacji.
W analizie danych odpowiednikiem atrakcyjnego projektu jest przekonujące podsumowanie. AI może wskazać spadek kosztu pozyskania kontaktu, ale bez informacji o jakości tych kontaktów nie oceni sensownie skuteczności kampanii. Raport wygląda optymistycznie, podczas gdy handlowcy otrzymują więcej zapytań od osób, które nie zamierzają kupić. Myślenie poprzedzające analizę polega tutaj na ustaleniu, co naprawdę mierzymy i jaką decyzję podejmiemy na podstawie wyniku. Dopiero wtedy dobieramy dane, okres porównania i pytania do modelu.
Weryfikacja jest częścią myślenia
Formuła WYTiWYG nie oznacza, że dobrze sformułowane zadanie gwarantuje dobrą odpowiedź. Model może pomylić fakty, przeoczyć ograniczenie albo zaproponować rozwiązanie niewykonalne w konkretnej organizacji. Dlatego weryfikacja nie jest dodatkiem na końcu pracy, lecz jej integralną częścią. Trzeba sprawdzić zarówno prawdziwość informacji, jak i trafność odpowiedzi wobec celu. Czasem poprawy wymaga tekst; czasem założenie, od którego zaczęliśmy. Kolejne generowanie bez rozpoznania tej różnicy jedynie mnoży warianty tego samego błędu.
W firmie oznacza to potrzebę wskazania osoby odpowiedzialnej za ocenę i wykorzystanie rezultatu. Własne dokumenty oraz uporządkowana siatka wiedzy pomagają dostarczyć kontekst, ale nie zastępują osądu. Praca z AI staje się użyteczna wtedy, gdy wynik trafia do rzeczywistego procesu, a obserwacje z jego zastosowania wracają do następnego zadania. Wartością nie jest liczba wygenerowanych materiałów, lecz to, czy pomogły lepiej wyjaśnić ofertę, ocenić sytuację lub podjąć decyzję.
Od tego, co widzisz, do tego, co rozumiesz
WYSIWYG nie znika. Nadal potrzebujemy zobaczyć efekt, przeczytać tekst i ocenić działanie strony. WYTiWYG dodaje wcześniejsze pytanie: czy właściwie zrozumieliśmy problem, który próbujemy rozwiązać? Obie perspektywy uzupełniają się, ponieważ kontrola formy bez kontroli założeń jest niewystarczająca, a dobry zamiar bez sprawdzenia wykonania pozostaje tylko zamiarem. AI potrafi skrócić drogę do pierwszego rezultatu. To nie zwalnia nas z wyboru kierunku — sprawia, że ten wybór staje się jeszcze istotniejszy. What You SEE Is What You Get dotyczy widocznego efektu. What You THINK is What You Get przypomina, gdzie ten efekt się zaczyna.
Źródła i uwaga terminologiczna
Definicję WYSIWYG opisują Merriam-Webster i TinyMCE. WYTiWYG wykorzystujemy jako publicystyczną metaforę znaczenia myślenia w pracy z AI, nie jako formalny standard techniczny. Przykłady biznesowe są ilustracyjne.
Czytaj dalej: od intencji do całej linii produkcyjnej
W drugiej części rozwijamy najważniejszą różnicę między SEE i THINK: pokazujemy, jak Claude, Gemini, Copilot, Perplexity oraz narzędzia generatywne potrafią przejść od niepełnego pomysłu przez research, plan, projekt, kod i testy aż do wdrożenia. Czytaj: WYTiWYG, część II — od SEE do THINK.