Przestrzeń AI dla konsultantów: prezentacje, ramy i badania w tempie partnera

Co AI naprawdę zastępuje w projekcie

Praca konsultanta to nie jedno zadanie. W ciągu jednego tygodnia strukturyzujesz problem, przeprowadzasz wywiady z interesariuszami, czyścisz wyciąg danych, budujesz storyline, piszesz slajdy i bronisz rekomendacji. Te zadania wymagają zupełnie innego zachowania modelu, dlatego jedna subskrypcja AI zawsze wydaje się w 70 procentach użyteczna i w 30 procentach frustrująca.

Uczciwe ujęcie jest takie: AI nie tworzy odpowiedzi w projekcie. Usuwa dwie godziny, które spędzasz na dojściu do pierwszej wersji czegoś, co już umiesz zbudować, i wyłapuje lukę, którą znalazłbyś w czwartek, gdybyś miał więcej czasu. Używane w ten sposób jest warte kilku godzin tygodniowo. Używane jako maszyna do odpowiedzi tworzy dokładnie ten generyczny wynik, który partnerzy nauczyli się wyłapywać. Najbardziej wartościowym przykładem tego w projekcie jest podsumowanie rozmowy, które ma własny przebieg pracy w jak podsumowywać spotkania z AI.

Oto routing, do którego dochodzi większość konsultantów po kilku tygodniach:

Zadanie	Najlepszy model	Dlaczego
Strukturyzacja problemu, drzewa decyzyjne, macierze 2x2	GPT	Trzyma się jawnych ograniczeń strukturalnych, utrzymuje logikę MECE, zwraca czytelne hierarchie
Nagłówki slajdów i storyline	Claude	Pisze ludzkim głosem, opiera się przymiotnikom wypełniaczom, utrzymuje spójny wątek argumentacyjny
Podsumowanie wykonawcze i e-mail do klienta	Claude	Najlepszy w kontroli tonu i w dyplomatycznym mówieniu trudnych rzeczy
Analizy rynku i konkurencji	Gemini	Najsilniejszy w aktualnym materiale z sieci ze źródłami, które można sprawdzić
Czytanie długich dokumentów i transkrypcji	Gemini	Okno kontekstu 1 mln tokenów, więc 120-stronicowy raport roczny mieści się w jednym przebiegu
Ekstrakcja danych do tabel lub JSON	GPT	Najbardziej niezawodny w ścisłych formatach wyjściowych, które można wkleić do Excela
Weryfikacja zdroworozsądkowa rekomendacji	Model, w którym jej nie tworzyłeś	Drugi model to najtańszy red team, jaki kiedykolwiek uruchomisz

Nie musisz tego zapamiętywać. Praktyczna wersja jest taka: strukturę twórz w GPT, prozę w Claude, badania w Gemini, a końcową logikę sprawdzaj w modelu, który jej nie napisał.

Proces 1: generowanie ram, które nie są generyczne

Prośba o "ramę dla problemu tego klienta" zwraca Pięć Sił Portera z wklejoną nazwą klienta. Rozwiązaniem jest podanie modelowi zestawu ograniczeń, jakie dałby ci menedżer: decyzję, którą klient faktycznie podejmuje, osie, które mogą mieć znaczenie, i to, co już zostało wykluczone.

Prompt: drzewo problemu

Strukturyzujesz problem dla projektu konsultingowego. Decyzja klienta: [konkretna decyzja, na przykład "czy skonsolidować trzy regionalne centra dystrybucji w jedno"]. Zbuduj drzewo problemu MECE, trzy poziomy w głąb. Poziom 1 musi zawierać 3 do 5 pytań, które po odpowiedzi rozstrzygają decyzję. Dla każdego liścia podaj wymaganą analizę i potrzebne źródło danych. Nie uwzględniaj gałęzi, których nie możemy przetestować dostępnymi danymi. Oznacz każdą gałąź, gdzie odpowiedź jest prawdopodobnie już znana.

Prompt: macierz 2x2, która zasługuje na swoje miejsce

Zaproponuj trzy kandydackie macierze 2x2 dla tego problemu. Dla każdej nazwij obie osie, wyjaśnij, co pozycja w każdej ćwiartce oznaczałaby dla klienta, i podaj jedną decyzję, którą napędza macierz. Odrzuć każdą parę osi będącą powtórzeniem tej samej zmiennej. Następnie zarekomenduj jedną i wyjaśnij, dlaczego pozostałe dwie są tu słabsze. Kontekst: [wklej swoje notatki dotyczące sytuacji].

Prompt: test naprężeniowy dla już zbudowanej ramy

Oto rama, którą zbudowałem: [wklej]. Zachowaj się jak sceptyczny menedżer projektu. Zidentyfikuj nakładające się gałęzie, brakujące gałęzie, gałęzie, których nie da się przeanalizować w dostępnym czasie, oraz każde miejsce, gdzie struktura zakłada odpowiedź. Nie przepisuj jej. Wypisz tylko problemy.

Ten ostatni prompt jest najcenniejszy na tej stronie. Modele znacznie lepiej krytykują strukturę niż ją wymyślają, a przebieg krytyki zajmuje 30 sekund. Przepuść przez niego własną ramę, zanim zaniesiesz ją na przegląd menedżerski, nie po.

Proces 2: narracja prezentacji, która przetrwa przegląd partnera

Tryb awarii slajdów pisanych przez AI to nie gramatyka. To fakt, że każdy nagłówek jest tematem, a nie twierdzeniem. "Przegląd rynku" to temat. "Kategoria urosła o 11 procent, podczas gdy nasz klient stracił 3 punkty udziału, napędzane w całości przez kanał rabatowy" to twierdzenie, a prezentacja złożona z twierdzeń czyta się jako myślenie, a nie jako raportowanie.

Prompt: najpierw storyline, potem slajdy

Zbuduj poziomą narrację dla prezentacji klienta. Sytuacja: [2 zdania]. Komplikacja: [2 zdania]. Pytanie, które zadaje klient: [1 zdanie]. Dowody, które mam: [punkty]. Rekomendacja: [1 zdanie]. Zwróć 8 do 12 nagłówków slajdów, każdy jako pełne twierdzenie z podmiotem i orzeczeniem, które czytane po kolei tworzą jeden argument. Bez etykiet tematycznych. Po nagłówkach wypisz każde twierdzenie, na które nie mam jeszcze dowodów.

Ta ostatnia instrukcja jest tą, która cię ratuje. Daje ci listę luk dowodowych, zanim zbudujesz slajdy, czyli dokładnie tę listę, którą partner i tak wygeneruje podczas przeglądu.

Prompt: napisz slajd

Napisz treść tego slajdu. Nagłówek: [wklej nagłówek]. Dane wspierające: [wklej liczby lub wyniki]. Odbiorcy: [na przykład "COO i dwóch bezpośrednich podwładnych, operacyjnie biegli, sceptyczni wobec konsultantów"]. Ograniczenia: maksymalnie trzy punkty wspierające, każdy poniżej 20 słów, żadnych przymiotników, których nie da się zmierzyć, żadnego twierdzenia wykraczającego poza podane dane. Dodaj jednolinijkowe "co to oznacza" dla klienta.

Prompt: przebieg tonu

Przepisz to, dopasowując do próbki głosu. Zachowaj każdą liczbę i twierdzenie identyczne. Usuń każde zdanie, które pasowałoby niezmienione do prezentacji dla innego klienta. Próbka głosu: [wklej dwa akapity z prezentacji, którą lubił twój partner]. Wersja robocza: [wklej].

Próbka głosu ma większe znaczenie niż jakakolwiek instrukcja dotycząca tonu. Dwa akapity prawdziwego tekstu twojej firmy przesuną wynik dalej niż akapit przymiotników opisujących, jak ma brzmieć.

Zanim cokolwiek wyślesz, przepuść prezentację przez test odwrotny: wklej swoje nagłówki z powrotem do nowego czatu i zapytaj Jaki argument jest tu wysuwany i jakie jest jego najsłabsze ogniwo? Jeśli model nie potrafi odtworzyć twojego argumentu, klient też nie potrafi.

Proces 3: analizy rynku, które faktycznie możesz zacytować

Badania to obszar, w którym AI jest najbardziej użyteczne i najbardziej niebezpieczne w projekcie. Pewna siebie, zmyślona liczba wielkości rynku, która trafia do prezentacji klienta, to problem kariery, a nie niedogodność. Dyscyplina jest prosta: używaj modelu połączonego z siecią, żądaj źródeł i traktuj każdą liczbę jako niezweryfikowaną, dopóki sam nie otworzysz źródła.

Prompt: skan kategorii

Zbadaj rynek [kategoria]. Zwróć: (1) szacunki wielkości rynku z ostatnich 24 miesięcy, każdy z organizacją publikującą, rokiem i adresem URL; (2) 5 do 8 największych graczy z publicznie raportowanymi przychodami lub udziałami; (3) istotne zmiany w ostatnich 12 miesiącach, czyli wejścia, wyjścia, rundy finansowania, przejęcia i zmiany regulacyjne; (4) dwie lub trzy siły strukturalne najbardziej prawdopodobne do zmiany obrazu konkurencyjnego w kolejnych 24 miesiącach. Gdy źródła się nie zgadzają, pokaż obie liczby zamiast je uśredniać. Oznacz jako NIEZWERYFIKOWANE wszystko, czego nie możesz uźródłowić.

Prompt: rozbiórka konkurenta

Zbuduj rozbiórkę pozycjonowania [konkurent]. Uwzględnij: deklarowaną propozycję wartości ich własnymi słowami, segmenty docelowe, ceny tam, gdzie są publiczne, kanały dystrybucji, ostatnie zmiany produktu lub komunikacji z datami oraz motywy skarg klientów widoczne w publicznych recenzjach. Zacytuj każde twierdzenie. Oddziel to, co deklaruje firma, od tego, co obserwują strony trzecie.

Prompt: czytanie długiego dokumentu

Przeczytaj ten dokument i wyciągnij tylko to, co ma znaczenie dla [decyzji klienta]. Zwróć tabelę z: twierdzeniem, odniesieniem do strony lub sekcji oraz informacją, czy wspiera, przeczy, czy jest neutralne wobec hipotezy, że [podaj hipotezę]. Następnie wypisz trzy rzeczy w tym dokumencie, które najbardziej zaskakują na tle norm branżowych.

Ostatni prompt pokazuje, dlaczego duże okno kontekstu ma znaczenie w tej pracy. Załadowanie całego raportu rocznego, pełnego zgłoszenia regulacyjnego lub zestawu 15 transkrypcji wywiadów i zadanie jednego pytania wobec całości to zupełnie inna zdolność niż podsumowywanie strony po stronie. Gemini 3.7 Flash czyta okno kontekstu 1 mln tokenów w Whizi, czyli mniej więcej 2000 stron tekstu, więc jest domyślnym wyborem do tego przebiegu.

Głębsze omówienie źródeł i weryfikacji znajdziesz w przewodniku AI do badań rynkowych.

Poufność klienta: co redagować przed wklejeniem

Każdy konsultant pyta o to przed drugim promptem, a uczciwa odpowiedź ma dwie części. Whizi nie trenuje na twoich rozmowach, a polityka przetwarzania danych każdego dostawcy jest dostępna, zanim go włączysz. To pokrywa platformę. Nie pokrywa umowy z klientem, która zwykle jest surowsza niż jakakolwiek polityka dostawcy i to ten dokument faktycznie cię obowiązuje.

Praktycznym nawykiem jest usuwanie tożsamości bez usuwania struktury. Rozumowanie AI nie potrzebuje nazwy klienta, żeby być użyteczne, a jej usunięcie nic cię nie kosztuje:

• Zamień nazwy klienta i konkurentów na tokeny: Klient A, Konkurent B, Region 1.
• Zaokrąglaj lub indeksuj liczby. "Przychód zindeksowany do 100 w 2023, 94 w 2025" zachowuje każdy element kształtu analitycznego.
• Usuń nazwiska, e-maile i stanowiska z transkrypcji wywiadów przed wgraniem. Role wystarczą, a role są tym, czego używa analiza.
• Trzymaj wszystko objęte konkretną klauzulą NDA, dane osobowe lub istotne informacje niepubliczne z dala od jakiegokolwiek narzędzia AI, włącznie z tym.
• Jeśli projekt podlega podwyższonym ograniczeniom, skonsultuj się z zespołem ryzyka twojej firmy przed projektem, nie po.

Zredagowany prompt jest zwykle i tak lepszym promptem. Zmuszenie się do opisania sytuacji w kategoriach strukturalnych usuwa przypadkowy szczegół, który rozpraszał uwagę modelu.

Dlaczego jedna przestrzeń robocza bije trzy subskrypcje

Konkretną przewagą w projekcie nie jest cena, choć arytmetyka jest realna: ChatGPT Plus, Claude Pro i Google AI Pro kosztują po około $20 każdy, czyli mniej więcej $60 miesięcznie, wobec $29.99 za Whizi Pro, a wiadomość Claude Sonnet 5 zużywa 10 kredytów z 2000, które Pro daje co miesiąc, więc komplet przebiegów nagłówków dla prezentacji ledwo nadgryza limit. Niezależni odczuwają ostrzejszą wersję tej arytmetyki, omówioną w narzędziach AI dla freelancerów. Prawdziwą przewagą jest to, że kontekst przetrwa zmianę modelu. Wgrywasz wyciąg danych klienta, strukturyzujesz problem w GPT, tworzysz storyline w Claude i wyciągasz kontekst rynkowy w Gemini, wszystko w jednym wątku, który pamięta, co było wcześniej. Robienie tego samego w trzech produktach oznacza tłumaczenie projektu od nowa trzy razy i trzymanie historii wersji w głowie.

Porównanie obok siebie to druga przewaga i mapuje się bezpośrednio na to, jak ocenia się jakość konsultingu. Przepuszczenie tego samego podsumowania wykonawczego przez dwa modele i zatrzymanie lepszego akapitu to dwuminutowy nawyk, który mierzalnie podnosi podłogę tego, co wysyłasz. Zmniejsza też reakcję "to brzmi jak AI", bo dostarczasz najlepszy wynik dla każdej sekcji, zamiast rozciągać styl domowy jednego modelu na cały dokument.

Trzecią jest przebieg red team. Poproś model, który nie tworzył rekomendacji, żeby argumentował przeciwko niej: Przedstaw najsilniejszy argument, że ta rekomendacja jest błędna. Co musiałoby być prawdą, żeby przeciwny wniosek się utrzymał? Cokolwiek znajdzie, CFO klienta znalazłby to też.

Czego AI za ciebie nie zrobi

Nie powie ci, czego klient naprawdę chce, co zwykle różni się od tego, co mówi RFP, i czego można się nauczyć tylko w sali. Nie będzie wiedzieć, że COO, który ma wdrożyć twoją rekomendację, zablokował ten sam pomysł dwa lata temu. Nie poniesie odpowiedzialności za żadną liczbę, więc każda liczba, która trafia na slajd, jest twoja do zweryfikowania.

Jest też słabe w konkretnej rzeczy, za którą płaci się konsultantom: osąd przy niepełnej informacji z konsekwencjami reputacyjnymi. Model chętnie da ci pewną siebie odpowiedź na podstawie skąpych dowodów, bo pewność siebie jest dla niego tania, a dla ciebie kosztowna. Traktuj każdy wynik jako pierwszą wersję dobrze oczytanego analityka, który nigdy nie spotkał klienta i nie można go winić.