Jak zmienia się praca z AI, gdy Agent zna kontekst i zasady firmy

W skrócie: AI pracuje lepiej, gdy zna Twoją firmę i jej zasady. W tym wpisie pokazuję, jak doszliśmy do wspólnej pamięci dla agentów, i podpowiadam trzy kroki, od których możesz zacząć bez budowania serwera.

Pierwszy szkic tego wpisu napisał agent AI. Zanim zaczął, przeczytał to, co zapisaliśmy o tej serii, notatkę z nagrania rozmowy o tym blogu i moje instrukcje, a dopiero potem ja zacząłem go poprawiać.

Ten sam model bez tego kontekstu napisałby najpewniej tekst ogólny, jakich w sieci jest wiele. O tej różnicy jest ten wpis i w ten sposób będą powstawać wszystkie kolejne.

Od czego zaczynam

Nie chcę zaczynać tego bloga od narzędzi, tylko od pytania, które w firmie jest ważniejsze: co właściwie nie działa i jaką zmianę warto przeprowadzić, żeby poprawić sposób pracy?

AI samo nie porządkuje firmy. Nie naprawi procesu, którego nikt nie rozumie, ani nie zdejmie odpowiedzialności z ludzi. Może za to pomóc szybciej znaleźć kontekst i ograniczyć ręczne kroki, pod warunkiem że wiadomo, po co wprowadzasz zmianę i kto odpowiada za jej wynik.

Co będę tu robił

Co tydzień opiszę to, co poznaję, i to, jak zmienia sposób, w jaki działamy. Tematy biorę z projektów, które tworzymy w 77 Ventures oraz w spółkach i markach z mojego portfolio. Nie każdy z nich skończy się sukcesem, ale możesz w tym uczestniczyć, czytając to, co opiszę.

Jak powstają te wpisy

Materiał zbieram tam, gdzie praca zostawia ślad: rozmowy nagrywam i podsumowuję z Plaud, zadania prowadzimy w ClickUp, a wiedzę, decyzje i bieżące aktualizacje organizacji trzymamy w Business Memory, do którego agenci mają dostęp przez nasz serwer MCP. Z tego składa się kontekst.

Agent, który z niego korzysta (pracuję z Claude i Codexem), ma też instrukcje z moim sposobem pisania, czyli tone of voice (TOV). To spisane zasady tonu, słownictwa i budowy tekstu wraz z przykładami tego, co brzmi jak ja, a co nie. Na tej podstawie agent przygotowuje szkic, a ja go dopracowuję i decyduję o tym, co finalnie zostanie opublikowane. Wsparcia AI nie ukrywam także w kodzie: wkład narzędzi oznaczam w repozytorium.

Droga do dzisiejszego rozwiązania

Nie zaczęliśmy od serwera MCP. Najpierw opisywaliśmy markę w dokumentach. Potem przekazaliśmy tę wiedzę własnym GPT’s i Gemom, a później pracowaliśmy z dokumentami w Notebook LM. Przez pewien czas dobrze sprawdzały się też uporządkowane pliki na Dysku Google.

Ustalenia i zasady krążyły przy tym po całej organizacji: w rozmowach, przez telefon, na Slacku i w zadaniach. Część z nich znikała, bo nie było jednego miejsca, w którym da się je połączyć.

Dlaczego skończyło się na MCP, a nie na samym dysku? W jednej firmie jest łatwiej: otwieram dysk, daję agentowi dostęp i pracuję. U nas są różne obszary, klienci i spółki, a dostęp ustawiamy nie na poziomie działów, jak w większości firm, tylko spółek. Na dysku da się to zrobić, ale lista folderów z wieloma twórcami szybko staje się trudna do utrzymania. Serwer z interfejsem dał nam cztery rzeczy:

• wiedzę zbieramy wszyscy, z różnych czatów, więc budujemy nawyk zapisywania ustaleń po zamknięciu rozmowy z GPT albo Claude,
• to, co trafia do wspólnej wiedzy, czeka na potwierdzenie przez upoważnioną osobę,
• wiedza ma szkielet organizacji: tematy są przypisane do marek, spółek i konkretnych kategorii, a dostęp zależy od poziomu przyznanego konkretnej osobie,
• wiedza jest podzielona na skille, know-how, zasady i kontekst osobowy.

Dzięki temu agent, który pracuje między ludźmi, może wpasować się w to, jak działa organizacja, i dostosowywać się do niej na podstawie lessons learned z naszej praktyki.

Co zmienia kontekst i zasady

Twoje AI nie zna Twojej firmy. Dlatego odpowiada ogólnikami.

To jak z nowym pracownikiem. Dajesz mu zadanie pierwszego dnia, a on robi je nie tak, jak chciałeś. Nie dlatego, że jest słaby. Nie zna firmy ani jej zasad. Z agentem jest tak samo.

Kontekst sprawia, że agent trafia w temat: wie, czym jest firma, kto jest kim i za co odpowiada. Zasady sprawiają, że robi to tak, jak oczekujemy.

Najlepszy przykład, jaki mam, to podsumowanie tygodnia. Agent zbiera czat, Slacka, ClickUp i nagrania. Wie, kto jest kim i za co odpowiada. Na końcu dostaję cztery rzeczy:

• co zostało dowiezione,
• czego nie dowiozłem,
• kto na kogo czeka i z czym,
• co przesunąć na kolejny tydzień.

Nigdy wcześniej nie miałem tak dobrego podsumowania tygodnia. Na jego podstawie planuję kolejne działania.

Zasady działają osobno. Gdy agent tworzył zadania w ClickUp bez daty startu, zaburzał kalendarz. Odpowiedzią był zapisany standard tworzenia zadań, z którego agent ma korzystać.

Moja obserwacja jest taka, że przy dobrze pogrupowanych plikach na dysku praca z agentem już była dobra. Gdy zbudowałem serwer MCP, bo wiedziałem już, co chcę udostępniać i jak, zmieniły się szybkość, znajomość firmy przez agenta i jakość pracy. Różnica była bardzo duża. Nie umiem jej jeszcze wyrazić liczbą.

Mały start w trzech krokach

Nie musisz od razu budować serwera. Zacznij od małych kroków. Gdy zdecydujesz się na większy, będziesz miał gotowy fundament.

1. Zapisz, czym jest Twoja firma. Jedna strona, siedem odpowiedzi: dla kogo pracujemy, co sprzedajemy, kto za co odpowiada, dokąd zmierzamy, jak mówimy do klientów, czego nie robimy, jakie zasady obowiązują. Bieżące decyzje trzymaj osobno.
2. Raz w tygodniu dopisz trzy zdania. Co się wydarzyło. Co postanowiliśmy. Kto, co i do kiedy.
3. Ustal trzy poziomy dostępu. Wszyscy, kierownicy, zarząd. Każda informacja trafia na jeden z nich.

Do tego jeden nawyk: po zamkniętej rozmowie z AI zapisz, co ustaliliście. Jedno zdanie wystarczy, zanim wejdziesz w transkrypcje spotkań.

I jedno zdanie, które możesz dziś wkleić do ustawień swojego asystenta AI:

„Zanim odpowiesz, sprawdź najpierw nasze dokumenty firmowe, potem pliki, które Ci dałem, a dopiero na końcu internet. Jeśli czegoś nie wiesz, zapytaj.”

U nas działa to tak samo: najpierw wiedza firmowa, potem lokalna, na końcu sieć. Kosztuje to trochę więcej tokenów, ale agent zaczyna od tego, co wie o firmie.

Gdy ten zestaw urośnie i będzie z niego korzystać więcej osób lub agentów, pojawi się potrzeba wspólnej pamięci. Tak doszliśmy do serwera MCP.

Człowiek w pętli

Jest tu ograniczenie, o którym warto powiedzieć wprost. Notatki z nagrań robi AI. Ich jakość zależy od tego, co dostaje na wejściu.

Jedna rozmowa z września dała mi dwie notatki, w których klient był nazwany inaczej niż w tytułach nagrań. W jednej z nich rozmówca został zapisany jako „Speaker 2” i tym samym kontekst nie był zaktualizowany tak, aby był przydatny. Nie padło imię i nie do końca było wiadomo, którego projektu dotyczy rozmowa, więc agent nie mógł się do niej odnieść w łatwy sposób. Jeśli jesteś na etapie tworzenia transkrypcji ze spotkań, wyjaśnienie jest proste: jakość opisu zależy od tego, jak zaczynamy spotkanie. Gdy wchodzimy od razu w temat, bywa gorzej. To zasada SISO: śmieci na wejściu, śmieci na wyjściu.

Co z tego wynika dla Ciebie? Zanim zaczniesz nagrywać, powiedz trzy rzeczy: kto rozmawia, o czym i po co. Albo uruchom spotkanie z kalendarza, gdzie tytuł już to mówi. Notatka od razu będzie lepsza.

Dlatego każdy szkic i każdą notatkę sprawdza człowiek. Na dziś to dla mnie najsłuszniejszy model pracy z AI.

Na jakim etapie jesteśmy

To dopiero początek. Wspólnie z zespołem dodajemy do pamięci kontekst każdej osoby: kim jest i czym się zajmuje. Do tego aktualizacje operacyjne, decyzje, zasady i odkrycia.

Moja obserwacja: ja widzę różnicę, zespół jeszcze nie do końca. Ale każdego dnia wiemy więcej o tym, jak z tego korzystać. Cieszę się, gdy mogę komuś odpowiedzieć: „zapytaj asystenta”. Bo wiem, że dzień wcześniej spisałem know-how tego procesu po rozmowie z kimś innym i zatwierdziłem je w MCP.

Nie mierzymy jeszcze, ile czasu oszczędza ten sposób pracy. Gdy pojawią się dane, opiszę je tutaj, także wtedy, gdy wyniki będą słabsze, niż oczekuję.

Dlaczego pokazuję więcej niż dotychczas

Odsłonię na tym blogu sporo informacji, o których normalnie bym nie pisał. Środowisko zmienia się tak szybko, a projekty postępują w takim tempie, że wolę dzielić się tym na bieżąco. Stoi za tym idea, która mi przyświeca: działania, dzięki którym firmy mogą szybciej się rozwijać, a ich wartość rosła z roku na rok. Z korzyścią dla właścicieli i founderów.

Na koniec: sprawdź u siebie

Gdzie w Twojej firmie ucieka kontekst? W rozmowach? W czatach z AI, które zamykasz bez zapisu? W głowie jednej osoby? Od tego miejsca zacznij krok pierwszy.

W osobnym wpisie pokażę, jak zbudowaliśmy serwer MCP, i dam instrukcję, którą możesz skopiować.

Bo transformacja nie zaczyna się od narzędzia. Zaczyna się od decyzji, co w firmie powinno działać lepiej.