W 2024 roku pisaliśmy o generatywnej AI jak o rewolucji, która dopiero nadchodzi. Dwa lata później mamy za sobą wystarczająco dużo projektów, żeby powiedzieć coś mniej efektownego, ale bardziej przydatnego: AI skraca konkretne etapy pracy, a nie pracę jako taką — i bardzo łatwo przenieść oszczędzony czas na etap poprawek, jeśli źle podzieli się zadania między model a człowieka.
Ten tekst zastępuje trzy nasze starsze wpisy o AI w projektowaniu i treściach. Jest o tym, co realnie działa w zespole projektowym i contentowym, gdzie AI zawodzi, jak wygląda proces z modelem w środku i jakie pytania — o prawa, jakość i koszty — trzeba zadać, zanim firma zacznie na nim polegać.
Najważniejsze w skrócie
Generatywna AI najlepiej sprawdza się tam, gdzie zadanie ma jasne kryterium poprawności i człowiek może je szybko zweryfikować: warianty, streszczenia, szkice, dane testowe.
Najgorzej — tam, gdzie liczy się rozumienie kontekstu firmy: decyzje projektowe, ton marki, twierdzenia faktyczne bez źródła.
Proces projektowy nie zmienił swoich etapów. Zmieniło się to, ile wariantów można obejrzeć na każdym z nich i jak szybko powstaje pierwszy prototyp.
Zanim firma oprze proces na AI, potrzebuje trzech ustaleń: kto weryfikuje wynik, do kogo należy to, co powstało, i co się dzieje z danymi wysyłanymi do modelu.
Generatywna AI i modele językowe — o czym właściwie mówimy
Pod hasłem „AI” w projektowaniu i treściach kryją się dwie różne rzeczy, które warto rozdzielić, bo inaczej się je ocenia.
Duże modele językowe (LLM) — narzędzia typu ChatGPT, Claude czy Gemini — pracują na tekście: rozumieją polecenia, streszczają, przekształcają, piszą pierwsze wersje, odpowiadają na pytania na podstawie dostarczonych dokumentów. Ich siła to język i kontekst; ich słabość — fakty, których nie dostały w poleceniu.
Generatywna AI dla mediów — modele obrazowe, wideo i głosowe — tworzy grafiki, warianty layoutów, wizualizacje, nagrania lektorskie. Świetna do szkiców i materiałów poglądowych, wciąż zawodna tam, gdzie liczy się spójność marki w setkach materiałów.
W praktyce zespoły używają obu naraz, ale wartość biznesową łatwiej policzyć dla pierwszej grupy: to modele językowe automatyzują procesy, które dziś kosztują godziny ludzi. Jedna z naszych automatyzacji — asystent pracujący na dokumentacji kadrowej — skróciła miesięczną pracę działu HR nad płacami z ponad dwóch dni do trzech godzin. Nie napisała ani jednego tekstu marketingowego.
Gdzie AI realnie skraca pracę projektanta i copywritera
Zadania z jasnym kryterium poprawności, które człowiek zweryfikuje szybciej, niż wykonałby je sam:
Warianty i alternatywy
Dziesięć wersji nagłówka, trzy układy sekcji, pięć propozycji nazwy — do wyboru, nie do publikacji. AI nie decyduje, tylko poszerza pole wyboru.
Streszczenia i synteza
Podsumowanie wywiadów z użytkownikami, notatek z warsztatów, długiej dokumentacji. Człowiek czyta streszczenie i wraca do źródła tam, gdzie coś zgrzyta.
Pierwsze szkice
Wireframe z opisu, draft artykułu z konspektu, makieta e-maila. Szkic, od którego się zaczyna, zamiast pustej kartki.
Dane testowe i treści zastępcze
Realistyczne nazwy, opisy produktów, komentarze do prototypu — zamiast „Lorem ipsum”, które ukrywa problemy z układem.
Przekształcenia
Ten sam tekst w trzech długościach, tłumaczenie roboczej wersji, zmiana rejestru z formalnego na swobodny. Praca mechaniczna, którą łatwo sprawdzić.
Analiza konkurencji
Zebranie i uporządkowanie tego, co publikują inne firmy — jako materiał do własnych wniosków, nie jako wnioski.
Gdzie AI zawodzi — i generuje poprawki zamiast oszczędności
Wspólny mianownik: zadania, w których liczy się kontekst firmy, a modelowi go nie dostarczono.
Decyzje projektowe
Model zaproponuje dowolny układ, ale nie wie, że Wasi klienci to 60-latkowie na tabletach albo że dział sprzedaży od roku walczy o jedno pole w formularzu. Decyzję o tym, co jest ważne, podejmuje człowiek.
Ton i głos marki
Bez konkretnych przykładów Waszych tekstów model pisze jak wszyscy. Efekt to treść poprawna i nijaka — łatwo ją rozpoznać i łatwo zignorować.
Twierdzenia faktyczne
Liczby, daty, nazwy, cytaty. Model potrafi je zmyślić z pełnym przekonaniem. Każdy fakt w tekście publikowanym pod Waszą marką wymaga źródła, którego model nie jest.
Spójność w skali
Sto opisów produktów w jednym stylu, pięćdziesiąt grafik w jednej identyfikacji — tu nadzór kosztuje często więcej niż generowanie.
Treść bez celu
Najczęstsze nadużycie: publikowanie tekstów, bo można je wygenerować, nie dlatego, że ktoś ich szuka. Google i czytelnicy rozpoznają to szybciej, niż się wydaje.
Czy proces projektowy się zmienił
Nie. Etapy są te same co dekadę temu — w wersji z tzw. podwójnego diamentu: odkrywanie (badanie użytkowników i kontekstu), definiowanie (sprowadzenie badań do jasno nazwanego problemu), rozwijanie (pomysły i prototypy) i dostarczanie (wdrożenie i zbieranie informacji zwrotnej). Proces jest iteracyjny; nadal najdroższą pomyłką jest dobre rozwiązanie źle postawionego problemu.
Zmieniły się dwie rzeczy. Po pierwsze, liczba wariantów, które da się obejrzeć na każdym etapie, zanim zespół się na coś zdecyduje — wcześniej ograniczał ją czas projektanta, dziś ogranicza ją czas na ocenę. Po drugie, dystans od pomysłu do pierwszego klikalnego prototypu — z dni do godzin, co przesuwa testy z użytkownikami na wcześniejszy, tańszy moment.
Czego się nie zmieniło: tego, że etap definiowania problemu wymaga rozmowy z ludźmi, a nie z modelem. Wszystkie nasze doświadczenia z projektami, które „poszły nie tak”, sprowadzają się do tego etapu — a nie do tego, kto narysował makiety.
Proces projektowy z AI w środku — jak to wygląda u nas
Ten sam podwójny diament, z zaznaczonym miejscem modelu na każdym etapie:
Odkrywanie
Wywiady i warsztaty prowadzą ludzie. AI transkrybuje, porządkuje i streszcza — a projektant czyta streszczenie z otwartym źródłem obok, bo najciekawsze rzeczy giną w podsumowaniach.
Definiowanie
Sformułowanie problemu i person zostaje po stronie zespołu. Model jest tu narzędziem do zadawania pytań („czego nie uwzględniliśmy?”), nie do udzielania odpowiedzi.
Rozwijanie
Tu AI daje najwięcej: warianty układów, szkice ekranów z opisu, teksty zastępcze, szybkie prototypy. Zespół wybiera, łączy i poprawia — i to jest praca projektowa, nie generowanie.
Dostarczanie
Projekt trafia do kodu — u nas ten sam zespół projektuje i wdraża, więc makieta nie rozjeżdża się z produktem. AI pomaga w testach: generuje scenariusze, dane, warianty do testów A/B.
Chcesz sprawdzić, który proces w Twojej firmie opłaca się zautomatyzować?
Zaczynamy od jednego procesu, który boli najbardziej, i mierzymy efekt, zanim zaproponujemy kolejne. Opisz, na czym zespół traci najwięcej czasu.
Tworzenie treści z AI — zasady, które chronią przed zaśmieceniem strony
Największe ryzyko generatywnej AI w marketingu nie jest techniczne. To pokusa publikowania więcej, bo taniej. Strona zapełnia się poprawnymi, wymiennymi tekstami, które nie odpowiadają na żadne konkretne pytanie — i cała domena traci na tym w wyszukiwarce, także te podstrony, które były dobre.
Zasady, których trzymamy się przy treściach dla siebie i klientów:
- Najpierw popyt, potem tekst. Piszemy pod pytania, które ludzie faktycznie zadają (widać je w Search Console), a nie pod tematy, które da się wygenerować.
- Model pisze szkic, człowiek pisze tekst. Szkic to konspekt, struktura, warianty nagłówków. Wersja publikowana przechodzi przez osobę, która zna firmę i odpowiada za każde zdanie.
- Każda liczba ma źródło. Jeśli nie da się jej zweryfikować, wypada z tekstu — nawet jeśli brzmi dobrze.
- Doświadczenie jest nie do wygenerowania. Realne wdrożenie, realna liczba z projektu, realna pomyłka — to jedyne fragmenty, których konkurencja nie może skopiować i które czytelnik zapamiętuje.
- Nie datujemy na siłę. Zmiana daty w tekście bez zmiany treści nie czyni go aktualnym. Aktualizujemy, gdy zmieniły się fakty.
Trzy ustalenia, zanim firma oprze proces na AI
Techniczne wdrożenie to najłatwiejsza część. Te trzy pytania warto rozstrzygnąć na piśmie:
Kto weryfikuje wynik i kto za niego odpowiada — Model nie ponosi odpowiedzialności — ponosi ją osoba, która publikuje albo wdraża. Bez nazwanego właściciela etapu weryfikacji „oszczędność” zamienia się w błędy na produkcji.
Do kogo należy to, co powstało — Status prawny treści wygenerowanych przez AI nie jest jednoznaczny — zależy od jurysdykcji i od tego, ile wkładu twórczego wniósł człowiek. Dla materiałów, które mają być Waszym aktywem (logo, kluczowe teksty, kod), warto to skonsultować z prawnikiem, zanim staną się fundamentem marki.
Co się dzieje z danymi wysyłanymi do modelu — Wywiady z klientami, dokumentacja kadrowa, dane produkcyjne — sprawdźcie, czy dostawca modelu przetwarza je do treningu, gdzie są przechowywane i czy potrzebna jest umowa powierzenia danych osobowych. Przy wdrożeniach na własnej dokumentacji rozwiązujemy to na etapie audytu, nie po fakcie.
Ile to kosztuje i jak to mierzyć
Koszt narzędzi jest zwykle najmniejszą pozycją. Prawdziwe koszty to czas zespołu na naukę, zmianę procesu i weryfikację wyników — dlatego wdrożenie „AI wszędzie naraz” prawie zawsze kończy się na etapie pilotażu. Rozsądniej działa odwrotna kolejność: jeden proces, w którym da się policzyć czas przed i po, mierzalny efekt, dopiero potem kolejny.
Dobre miary to nie „liczba wygenerowanych treści”, tylko: czas od briefu do publikacji, liczba rund poprawek, koszt godziny pracy zaoszczędzonej na zadaniu, a dla treści — czy ktoś je czyta i czy prowadzą do zapytań. Jeśli po trzech miesiącach żadna z tych liczb się nie ruszyła, narzędzie nie działa, niezależnie od tego, jak dobrze wygląda w demo.
Jak podchodzimy do wdrożeń AI od strony procesu i wyceny, opisujemy na stronie wdrożenia AI dla firm. O tym, kiedy warto budować własne narzędzia zamiast używać gotowych, piszemy w tekście dlaczego gotowe aplikacje blokują rozwój firmy.
Najczęściej zadawane pytania
Czy AI zastąpi projektanta lub copywritera?+
Które zadania w projektowaniu najlepiej oddać AI?+
Czy treści generowane przez AI szkodzą pozycjonowaniu?+
Do kogo należą treści i grafiki wygenerowane przez AI?+
Od czego zacząć wdrożenie AI w firmie?+
Masz pomysł na projekt?
Pomożemy go zaprojektować i wdrożyć, od strategii po gotowe rozwiązanie.
