Jak pisać polecenia dla AI — autorska metoda P.R.O.M.P.T.S.

W pracy z narzędziami AI powtarza się ta sama obserwacja: dwie osoby korzystają z tego samego modelu, a wyniki dzieli przepaść. Powód rzadko leży w narzędziu. Leży w poleceniu — czyli w tym, co po angielsku nazywa się promptem, a w praktyce księgowej najlepiej rozumieć jako zlecenie dla modelu.

Badania nad dużymi modelami językowymi opisują to zjawisko wprost: dobrze sformułowana instrukcja potrafi „ustawić" model do wykonania zadania bez żadnego dodatkowego uczenia. Prompt bywa więc nazywany programem w języku naturalnym — nie używamy formalnej składni, ale własnymi słowami narzucamy strukturę pracy, sposób argumentacji, format wyniku i kryteria kontroli.

Problem w tym, że większość poleceń wygląda tak: „napisz komentarz do wyników". I dostajemy dokładnie to, o co poprosiliśmy — coś.

Dlaczego w rachunkowości stawka jest wyższa

W wielu zastosowaniach kiepski prompt oznacza stracony czas. W rachunkowości oznacza ryzyko.

Modele generują tekst brzmiący wiarygodnie także wtedy, gdy brakuje danych albo gdy wnioskowanie jest błędne — to zjawisko halucynacji. Liczba, która nie istnieje w danych źródłowych, w wygenerowanym komentarzu wygląda tak samo dobrze jak prawdziwa.

Stąd dwie zasady, które w zastosowaniach profesjonalnych są ważniejsze niż wszystkie sztuczki promptowe razem wzięte: odpowiedź ma pochodzić z dokumentu, nie z pamięci modelu, a wynik ma zostawiać ślad dowodowy — wskazanie, skąd pochodzi każda informacja. Praktycznie oznacza to polecenia, w których model najpierw czyta wskazane materiały (politykę rachunkowości, umowę, zestawienie), a dopiero potem redaguje wniosek.

Siedem elementów: P.R.O.M.P.T.S.

Model P.R.O.M.P.T.S. porządkuje polecenie w siedem elementów. Nie jest to zbiór trików, lecz schemat opisu zadania w języku naturalnym — powstały z kilkunastu miesięcy testów na realnych zadaniach rachunkowych i skonfrontowany z wnioskami z literatury.

Dwa elementy zasługują na komentarz, bo to one najczęściej decydują o jakości.

Rezultat to nie tylko „co", ale i „po czym poznam". Kryterium sukcesu — „maks. 8 zdań", „każda liczba musi występować w danych wejściowych", „osobno fakty, osobno interpretacja" — zamienia życzenie w zadanie sprawdzalne.

Procedura wymusza kolejność. Modele wyraźnie lepiej radzą sobie ze złożonymi zadaniami, gdy polecenie każe im rozpisać pracę na etapy. W rachunkowości naturalna sekwencja brzmi: najpierw wypisz fakty z dokumentów, potem zbuduj analizę, na końcu zredaguj tekst. Odwrócenie tej kolejności to prosta droga do ładnej narracji bez pokrycia.

Jak to wygląda w praktyce

Załóżmy typowe zadanie biura rachunkowego: przygotowanie dla klienta pisemnego wyjaśnienia, dlaczego wynik projektu w tym miesiącu odbiega od planu — na podstawie zestawienia kosztów, które klient przysłał.

Polecenie zbudowane według metody wygląda mniej więcej tak:

Persona: Jesteś księgowym prowadzącym księgi spółki i przygotowujesz wyjaśnienie dla klienta nieposiadającego wykształcenia finansowego.

Rezultat: Notatka na maks. 10 zdań: trzy największe różnice wobec planu, prawdopodobne przyczyny, dwa pytania do klienta. Na końcu lista „do sprawdzenia przed wysyłką" (3 punkty).

Otoczenie: Dane wejściowe to załączone zestawienie kosztów projektu za [MM/RRRR]. Wiążące jest wyłącznie to zestawienie.

Must-haves: Nie dopisuj żadnych liczb spoza zestawienia. Oddziel fakty od przypuszczeń. Jeśli brakuje danych do oceny przyczyny — napisz to wprost.

Procedura: Krok 1 — wypisz z zestawienia pięć największych różnic. Krok 2 — wskaż możliwe przyczyny tylko tam, gdzie da się je uzasadnić danymi. Krok 3 — zredaguj notatkę.

Technika: Format: (A) fakty — lista, (B) notatka — akapity, (C) lista kontrolna. Po polsku, bez żargonu.

Sprawdzenie: Zanim odpowiesz, sprawdź, czy każda liczba w notatce występuje w zestawieniu i czy zachowano limit długości.

Różnica wobec „napisz wyjaśnienie do tych kosztów" jest taka, że wynik da się zweryfikować w minutę — i że sam prompt można zapisać jako wzorzec do wielokrotnego użycia.

Co ta metoda naprawdę daje

Największą wartością nie jest pojedyncza dobra odpowiedź. Jest nią powtarzalność: gdy polecenie ma stałą strukturę, organizacja może zbudować własny katalog sprawdzonych promptów — do zamknięcia okresu, do raportowania, do pracy na dokumentach. Wtedy jakość przestaje zależeć od tego, kto akurat siedzi przy klawiaturze.

Granica, której nie przekraczamy

I rzecz najważniejsza, którą autor metody stawia mocniej niż samą metodę: narzędzie AI nie ponosi odpowiedzialności zawodowej. Nie zna realiów jednostki w sposób kompletny, potrafi generować treści przekonujące mimo braku podstaw w danych i nie czuje wagi konsekwencji sprawozdawczych ani podatkowych.

Każde użycie AI jest w istocie decyzją o tym, jaką część procesu myślowego jesteśmy skłonni oddać maszynie — a to wymaga podniesienia, nie obniżenia standardów zawodowych. Stąd trzy zasady, które powinny obowiązywać zawsze:

• nadrzędność weryfikacji i sceptycyzmu — wynik AI jest hipotezą do sprawdzenia, nie dowodem;
• ochrona poufności — nie każdy dokument może trafić do każdej platformy;
• ślad decyzyjny — kto, kiedy i na jakiej podstawie zaakceptował wynik.

Jeżeli księgowy przestaje weryfikować wynik i kwestionować założenia, AI przestaje być wsparciem, a staje się substytutem osądu. W zawodzie zaufania publicznego to jest granica nieprzekraczalna: technologia przyspiesza pracę, ale nie zastępuje odpowiedzialności.

Źródła

Metoda P.R.O.M.P.T.S. została opisana w cyklu artykułów w miesięczniku „Rachunkowość" (wydawnictwo Stowarzyszenia Księgowych w Polsce):

• Kalinowski, J. (2026). Sztuczna inteligencja w rachunkowości (cz. I) — pojęcia i narzędzia. Rachunkowość, 4/2026.
• Kalinowski, J. (2026). Sztuczna inteligencja w rachunkowości (cz. II) — zasady pisania promptów. Rachunkowość, 5/2026. (tu opublikowano model P.R.O.M.P.T.S.)

Szerzej o zastosowaniach AI w rachunkowości — w monografii dostępnej bezpłatnie: Kalinowski, J., Kalinowski, P. (2025). Artificial Intelligence in Accounting: What the past and present mean for the future. Wydawnictwo Uniwersytetu Łódzkiego. https://doi.org/10.18778/8331-880-6

Jeśli pracujesz w gabinecie, a nie w księgowości — praktyczne zastosowania AI opisaliśmy osobno, pod kątem praktyki lekarskiej.

Pozostałe opracowania