Voittajat eivät kirjoita parempia tai pidempiä kehotteita. He rakentavat tiimin joka tekee varsinaisen työn heidän puolestaan.
Kuvitteleppa tämä tilanne. Haluat luoda sisältöä sivutyönä, mutta päätyöpäivän jälkeen energia on loppu. Lapset vaativat huomiota, illallinen pitää tehdä, ja kun vihdoin istut koneen ääreen, tuloksena on väsynyttä tekstiä joka ei kiinnosta ketään. Entä jos sinulla olisikin tiimi asiantuntijoita työskentelemässä taustalla?
Yksi hoitaa kuvat. Toinen kirjoittaa koukut. Kolmas muotoilee sisällön artikkeliksi, LinkedIn-postaukseksi tai uutiskirjeeksi. Neljäs hioo tekstin niin, että lukija pysyy mukana loppuun asti.
Tämä opas näyttää miten rakennat ensimmäisen tällaisen AI-työtekijän Clauden avulla. Yksi sessio, 20 kehotetta. Prosessi on sama riippumatta siitä, tarvitsetko sisällöntuottajan, analyytikon, myyntiavustajan vai minkä tahansa muun asiantuntijan.
AI-työtekijä ei ole kehote. Se on systeemi.
Yksi hyvä kehote tuottaa yhden hyvän vastauksen. Järjestelmä tuottaa saman tuloksen joka kerta.
Ero on kuin uuden työntekijän palkkaaminen kahdella tavalla. Ensimmäinen tapa: palkkaat älykkään ihmisen ja heität hänet suoraan työhön ilman perehdytystä. Hän selviytyy kyllä, mutta tekee virheitä, kysyy samat kysymykset uudelleen ja tuottaa epätasaista laatua.
Toinen tapa: annat hänelle perehdytyksen. Prosessikäsikirjan. Laatustandardit. Esimerkit hyvästä ja huonosta työstä. Tiedon siitä, milloin kysyä apua ja milloin toimia itsenäisesti.
AI-työtekijä on se kyseinen perehdytyskansio.
Kokonaisuus rakentuu seuraavista viidestä vaiheesta:
Vaihe | Mitä tapahtuu | Lopputulos |
|---|---|---|
1. Syvä tutkimus | Kerätään asiantuntijatason tieto | 5 tietopankkitiedostoa |
2. Taito (Skill) | Kirjoitetaan toimintaohjeet | SKILL.md-tiedosto |
3. Plugin | Paketoidaan asennettavaksi | Plugin-kansio |
4. Asennus | Asennetaan ja testataan | Toimiva työtekijä |
5. Hienosäätö | Parannetaan tulosten perusteella | Kehittyvä asiantuntija |
Kerätään siis ensin syvä osaaminen. Järjestetään se. Opetetaan Claudelle miten sitä käytetään. Paketoidaan kaikki yhteen. Sitten työtekijä hoitaa hommat yhdellä komennolla.
Vaihe 1: Rakenna aivot työntekijällesi
Ennen kuin kirjoitat yhtään ohjetta, tarvitset tiedon. Aloita kolmesta kysymyksestä:
Minkä alan asiantuntija tämä työtekijä on?
Mitä tehtäviä sen pitää toistaa päivittäin?
Miltä valmis työ näyttää?
Kirjoita vastaukset ylös. Sitten tutki aihetta viidestä kulmasta: prosessi, työkalut, päätöksenteko, tuotosmuodot ja virhetilanteet.
Kehote 1: Roolin määrittely
Ensimmäinen kehote määrittelee työtekijän roolin tarkasti, jotta tutkimus kohdistuu oikeaan suuntaan.
Rakennan automatisoitua AI-työtekijää erikoisalalle [ERIKOISALASI -- esim. "B2B-sisältömarkkinointi SaaS-yrityksille"].
Auta määrittelemään rooli vastaamalla näihin kysymyksiin rakenteellisesti:
1. Ammattinimike: Mikä tämä rooli olisi yrityksessä? Anna tarkin mahdollinen nimike.
2. Ydintehtävä: Yhdellä lauseella, mitä tämä henkilö tekee päivittäin?
3. Viisi toistuvinta tehtävää: Listaa tehtävät toistuvuusjärjestyksessä. Jokaisesta kerro:
- Mikä laukaisee tehtävän (mikä saa aloittamaan)
- Miltä valmis tuotos näyttää
- Kuinka kauan ihmiseltä kestää
4. Työkalut: Mitä ohjelmistoja, tietokantoja, API:ita ja alustoja tämän roolin ammattilainen käyttää päivittäin?
5. Päätösvalta: Mitä päätöksiä tämä henkilö tekee itsenäisesti ja mitä hän eskaloi? Tämä kertoo missä AI voi toimia yksin ja missä sen pitää pysähtyä kysymään.
6. Laatumittari: Mistä tietää että työ on hyvää? Mitä esimies tai asiakas tarkistaa?
7. Yleisimmät virheet: Mitä juniorit tekevät väärin, mitä seniorit eivät?
Muotoile vastaus selkeäksi dokumentiksi jonka voin tallentaa.
Kehote 2: Ydinprosessin tutkimus
Tämä kehote kartoittaa tarkan työnkulun -- ei teoriaa vaan mitä asiantuntija oikeasti tekee.
Tutki kokonainen ammattilaisen työnkulku jonka kokenut [AMMATTINIMIKE -- esim. "sisältöstrategi"] seuraa tehdessään [PÄÄTEHTÄVÄ -- esim. "kuukausittaista sisältösuunnitelmaa B2B-SaaS-yritykselle"].
Tarvitsen tämän operatiivisella tasolla -- ei teoriaa vaan mitä he oikeasti TEKEVÄT järjestyksessä. Jokaisesta vaiheesta kerro:
- Mitä konkreettisia toimenpiteitä tehdään
- Mitä dataa tai syötteitä tarvitaan
- Mitä työkaluja tai laskelmia käytetään
- Mitä etsitään (päätöskriteerit, kynnysarvot, vertailuarvot)
- Mikä saisi pysähtymään ja merkitsemään ongelman
- Miltä vaiheen tuotos näyttää ennen seuraavaan siirtymistä
Kerro myös:
- Tyypillinen järjestys ja MIKSI se on juuri tämä
- Missä kokeneet ammattilaiset poikkeavat oppikirjaprosessista
- Mitä oikopolkuja ammattilaiset käyttävät joita juniorit eivät tunne
- Ero "nopean tarkistuksen" ja "täyden analyysin" välillä
Keskity vuosien 2024-2026 metodologiaan.
Kehote 3: Työkalut ja tietolähteet
Tämä kehote kartoittaa kaikki resurssit joita työtekijä tarvitsee.
Tutki jokainen työkalu, tietolähde, API, tietokanta, alusta ja palvelu jota ammattimainen [AMMATTINIMIKE] käyttää tai voisi käyttää tehdessään [PÄÄTEHTÄVÄ].
Järjestä näihin kategorioihin:
Ensisijaiset tietolähteet:
- Mistä ydindata saadaan?
- Mikä on ilmaista vs. maksullista?
- Mikä on luotettavin lähde kullekin tietotyypille?
Analyysi- ja laskentavälineet:
- Millä ohjelmistolla analyysi tehdään?
- Mitkä kaavat, mallit ja viitekehykset ovat vakioita?
- Onko toimialan standardimalleja tai -pohjia?
Vertailu ja benchmarking:
- Mistä tietolähteistä saadaan vertailuarvot?
- Mitä toimialaraportteja tai indeksejä viitataan?
- Mitkä viranomaislähteet ovat relevantteja?
Tuotos ja toimitus:
- Missä muodossa tulokset toimitetaan? (raportit, taulukot, esitykset)
- Mitä muotoilustandardeja on?
Automaatio ja integraatiot:
- Mitä API:ita on joilla dataa voisi syöttää työnkulkuun?
- Mikä on automatisoitavissa vs. mikä vaatii ihmisen arviota?
Jokaisesta työkalusta kerro: nimi, mitä se tarjoaa, URL, ilmainen/maksullinen, miten se sopii työnkulkuun.
Kehote 4: Päätöksentekokehykset
Tämä kehote tallentaa asiantuntijatason arvioinnin -- sekä kovat säännöt että pehmeän harkinnan.
Tutki päätöksentekokehykset, nyrkkisäännöt, heuristiikat ja arviointikriteerit joita kokeneet [AMMATTINIMIKE]-ammattilaiset käyttävät tehdessään [PÄÄTEHTÄVÄ].
Tarvitsen kaksi tasoa:
Taso 1 -- Kovat säännöt (määrälliset kynnysarvot):
- Mitkä luvut, suhteet, pisteet tai vertailuarvot laukaisevat "kyllä", "ei" tai "tutki tarkemmin" -päätöksen?
- Mitkä ovat toimialan vakiokynnysarvot kullekin mittarille?
- Miten kynnysarvot vaihtelevat [MUUTTUJA -- esim. "toimialan, yrityksen koon tai markkinan"] mukaan?
- Mitkä mittariyhdistelmät merkitsevät? (esim. "Jos A on hyvä mutta B huono, niin...")
Taso 2 -- Pehmeä harkinta (laadullinen arviointi):
- Mitä kokeneet ammattilaiset "tuntevat" tai "aistivat" -- ja miten se voidaan muotoilla säännöiksi?
- Mitä toistuvia kuvioita he tunnistavat?
- Mitä kysymyksiä he esittävät itselleen päätöspisteissä?
- Mitä he painottavat enemmän kun mittarit ovat ristiriidassa?
Riskien arviointi:
- Miten ammattilaiset luokittelevat ja priorisoivat riskejä tällä alalla?
- Mikä on automaattinen hylkäysperuste?
- Mitkä riskit ovat hyväksyttäviä ja millä tasolla?
Ammattilaisen ja aloittelijan ero:
- Mitä ammattilaiset tarkistavat, mitä aloittelijat ohittavat?
- Mitä ammattilaiset jättävät huomiotta, mistä aloittelijat stressaavat?
Esitä tämä rakenteellisena päätöspuuna tai viitekehyksenä jonka voin koodata AI-järjestelmän ohjeiksi.
Kehote 5: Tuotosmuodon standardit
Tämä kehote määrittelee miltä valmiin työn pitää näyttää.
Tutki ammattimainen vakiomuoto tuotokselle [TUOTOSTYYPPI -- esim. "sisältösuunnitelma"] jonka [AMMATTINIMIKE] tuottaa tehdessään [PÄÄTEHTÄVÄ].
Kerro:
Dokumentin rakenne:
- Mitkä osiot sisältyvät ja missä järjestyksessä?
- Mitä kuhunkin osioon kuuluu? (tarkasti -- ei pelkkä "yhteenveto" vaan mitä yhteenveto sisältää tässä kontekstissa)
- Kuinka pitkä kukin osio on?
Muotoilustandardit:
- Mikä visuaalinen muotoilu on vakio? (taulukot, kaaviot, otsikot, värikoodaus)
- Mikä data esitetään taulukkona vs. tekstinä vs. kaaviona?
Sävy ja kieli:
- Mikä sävy on sopiva? (muodollinen, analyyttinen, neuvova, keskusteleva)
- Mitä ammattisanastoa odotetaan vs. mitä pitää selittää?
- Miten suositukset kehystetään? (suorat, varovaiset, ehdolliset)
Mikä erottaa hyvän erinomaisesta:
- Mikä saa asiakkaan tai esimiehen sanomaan "erinomaista työtä"?
- Mitkä ovat yleisimmät muotoilu- tai esitysvirheet?
Anna yksityiskohtainen malli jonka voin käyttää AI:n tuotosmuoto-ohjeena.
Kehote 6: Virhetilanteet ja sudenkuopat
Tämä kehote estää työtekijää tekemästä virheitä joihin kokeneetkin ammattilaiset kompastuvat.
Tutki reunatapaukset, virhetilanteet, yleisimmät virheet ja poikkeustilanteet joita [AMMATTINIMIKE] kohtaa tehdessään [PÄÄTEHTÄVÄ].
Poikkeustilanteet:
- Mitkä skenaariot rikkovat vakiotyönkulun? (puutteellinen data, ristiriitaiset signaalit, epätavalliset olosuhteet)
- Miten kukin poikkeustilanne pitäisi käsitellä?
- Milloin analyysi pitäisi keskeyttää ja kysyä ihmiseltä?
Yleisimmät virheet (myös kokeneilta):
- Mitkä oletukset menevät todennäköisimmin väärin?
- Mitkä datan laatuongelmat ovat yleisiä ja miten ne tunnistetaan?
- Mitkä laskenta- tai menetelmävirheet toistuvat?
- Mitkä kognitiiviset vinoumat vaikuttavat tällä alalla?
Eettiset ja lailliset suojakaiteet:
- Mitä väitteitä ei saa koskaan esittää?
- Mitkä sääntely- tai vaatimustenmukaisuusnäkökohdat koskevat?
- Mitkä vastuuvapauslausekkeet ovat välttämättömiä?
Hallittu heikkeneminen:
- Kun data on puutteellista, mikä on vähimmäisanalyysi?
- Mikä pitää merkitä epävarmaksi vs. luotettavaksi?
- Milloin "en voi luotettavasti analysoida tätä" on oikea vastaus?
Muotoile tarkistuslistaksi jossa on "tee" ja "älä tee" -säännöt.
Kehote 7: Tutkimuksen järjestäminen
Kun kuusi edellistä kehotetta on ajettu, sinulla on valtava määrä raakadataa. Tämä kehote järjestää sen käyttökelpoisiksi tiedostoiksi.
Olen tehnyt syvän tutkimuksen AI-työtekijän rakentamiseksi alalle [ERIKOISALA/ROOLI]. Liitän tutkimustulokseni alle. Tarvitsen sinun:
1. Järjestä tutkimus seuraaviin erillisiin tiedostoihin poistaen päällekkäisyydet mutta säilyttäen kaiken olennaisen:
- 01-ydinprosessi.md -- Askel askeleelta -työnkulku tarkkaa suoritusjärjestyksessä
- 02-tyokalut-ja-lahteet.md -- Jokainen työkalu, API, tietolähde ja palvelu
- 03-paatoksentekokehykset.md -- Kaikki mittarit, kynnysarvot, säännöt ja päätöskriteerit
- 04-tuotosmallit.md -- Tuotoksen muoto, rakenne ja malli
- 05-reunatapaukset.md -- Kaikki virhetilanteet, suojakaiteet ja "älä tee" -säännöt
2. Muotoile jokainen tiedosto selkeäksi, skannattavaksi markdowniksi josta AI löytää tiedon nopeasti. Käytä otsikoita, taulukoita ja luetteloita.
3. Luo README.md joka tiivistää: mitä tämä AI-työtekijä tekee, mitä tiedostoja tietopankissa on ja milloin kutakin pitää käyttää.
4. Tunnista aukot -- kerro mitä tutkimuksesta puuttuu.
Tässä tutkimustulokseni:
[LIITÄ KAIKKI TUTKIMUSTULOKSET TÄHÄN]
Vaihe 2: Kirjoita käsikirja
Tietopankki on valmis. Nyt muutetaan se toimintaohjeiksi.
Tilaa AI-Sanomien Plus-jäsenyys niin näet loput sisällöstä
Tilaamalla AI-Sanomien maksullisen jäsenyyden saat pääsyn kaikkiin uutiskirjeen sisältöihin sekä tuet Suomen parasta AI-mediaa.
Tilaa jäsenyys tästä! Voit lopettaa koska tahansa.Miksi tilaus kannattaa?:
- Pääsy kaikkiin maksullisiin oppaisiin
- Webinaari-tallenteet
- Näet kaikki uutiskirjeen sisällöt, uudet AI-työkalut sekä vinkit tekoälyn käyttöön.
- GPT4o-botti: Tämä on tietoturvallinen versio ChatGPT:stä, jossa syöttämääsi dataa ei käytetä kielimallin kouluttamiseen.
- Tuet Suomen parasta AI-mediaa 😊
