W skrócie
Kilku nawyków należy uczyć na krótkiej sesji z rzeczywistymi przykładami z własnej pracy: sprawdzić, czy AI jest właściwym narzędziem, pisać jasne i konkretne prompty, prosić o krótkie odpowiedzi, poprawiać zamiast generować od nowa i oszczędnie korzystać z obrazów i wideo. Szkolenie warto wesprzeć wydajnymi ustawieniami domyślnymi w narzędziach firmy, bo ustawienia domyślne docierają też do osób, które pominęły kurs.
Kroki
- Wybrać trzy lub cztery rzeczywiste zadania, do których pracownicy już używają AI, i wykorzystać je jako przykłady.
- Nauczyć pięciu nawyków, pokazując dla każdego prompt „przed” i „po”.
- Na jednym slajdzie wyjaśnić, dlaczego długość odpowiedzi, obrazy i ponowne generowanie zwiększają zużycie energii.
- Ustawić wydajne ustawienia domyślne w narzędziach, z których korzystają pracownicy, aby nawyki nie zależały od pamięci.
- Włączyć sesję do szkolenia wdrożeniowego i odświeżać ją, gdy zmieniają się narzędzia.
Krótkie szkolenie oparte na przykładach i dobre ustawienia domyślne działają lepiej niż długi wykład o energii. Te same nawyki oszczędzają czas pracowników i pieniądze, a to zwykle łatwiejszy argument.
Jakich nawyków uczyć?
- Najpierw właściwe narzędzie. Wyszukiwarka, szablony, arkusze kalkulacyjne i istniejące oprogramowanie często wystarczą.
- Jasne, konkretne prompty. Należy podać, czego się oczekuje, dla kogo i jak długa ma być odpowiedź. Warto wkleić odpowiedni fragment, a nie cały dokument.
- Prośba o krótkie odpowiedzi. UNESCO i University College London ustalili, że krótsze prompty i odpowiedzi mogą zmniejszyć zużycie energii o ponad połowę.
- Poprawianie zamiast generowania od nowa. Należy wskazać narzędziu, co zmienić, zamiast wielokrotnie naciskać „spróbuj ponownie”.
- Oszczędne korzystanie z obrazów i wideo. W testach Luccioni, Jernite'a i Strubell generowanie obrazów zużywało średnio około 2,9 kWh na 1000 obrazów, wobec 0,002 kWh na 1000 klasyfikacji tekstu.
Dlaczego długość ma znaczenie?
Energia rośnie wraz z tym, ile model czyta i pisze. Epoch AI szacuje typowe zapytanie do ChatGPT na około 0,3 Wh. Przy danych wejściowych o długości 10 000 tokenów rośnie to do około 2,5 Wh, a przy 100 000 tokenów do prawie 40 Wh. Wklejanie długiego raportu do każdego czatu się sumuje.
Co daje największą różnicę
Ustawienia domyślne. Jeśli firmowy asystent startuje z mniejszym modelem, ogranicza długość odpowiedzi i ma wyłączone nieużywane funkcje AI, korzystają wszyscy, także osoby, które nigdy nie przyszły na szkolenie.
Częste błędy
- Wzbudzanie poczucia winy. Lepiej przedstawić to jako dobre wykonywanie pracy.
- Abstrakcyjne przykłady. Należy używać własnych zadań.
- Jednorazowe szkolenie. Narzędzia się zmieniają; szkolenie trzeba odświeżać.
Więcej nawyków w części wydajne korzystanie z AI.
Źródła
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- How much energy does ChatGPT use?, Epoch AI (2025)
Powiązane
Efektywne korzystanie z AI: codzienne nawyki
Codzienne nawyki, które ograniczają zużycie energii przez AI: jasne prompty, mniej ponownych generowań, umiar z obrazami i wideo, buforowanie, wyłączanie.
Jak pisać prompty, które zużywają mniej energii?
Jak pisać prompty wymagające mniej obliczeń: konkretnie, z limitem długości, wklejając tylko to, co ważne, i trafiając za pierwszym razem zamiast ponawiać.
Jak napisać politykę zielonej AI?
Co powinna zawierać krótka polityka zielonej AI: kiedy używać AI, jakie ustawienia domyślne przyjąć, o co pytać dostawców, jak mierzyć i kto za nią odpowiada.
Jak przestać w kółko generować odpowiedzi AI od nowa?
Dlaczego wielokrotne klikanie „wygeneruj ponownie” marnuje energię i czas oraz jak zamiast tego uzyskać użyteczną odpowiedź jednym dobrym promptem i krótką poprawką.