Prompt engineering w małej firmie B2B: poczta i oferty

Wspólnik firmy montażowej używał już ChatGPT do maili i Claude do ofert, a o swojej pracy z AI powiedział mi wprost: „to jest taki właśnie toporny sposób, że trzeba dać mu ten cały kontekst”. Prompt engineering w małej firmie usługowej B2B leczy dokładnie ten problem. Raz spisujesz kontekst firmy (usługi, typowych klientów, ton, zasady cenowe, rzeczy, których nie obiecujecie), a potem budujesz kilka szablonów promptów do zadań wracających co tydzień: odpowiedź na zapytanie, szkic oferty, wyciąg z faktury, notatka o kliencie. AI bierze kontekst z pliku, Ty czytasz wynik i zatwierdzasz, zamiast pisać od zera.

Ten tekst jest dla właściciela albo wspólnika firmy, w której pracuje kilka do kilkunastu osób, zapytania przychodzą mailem, oferty liczy się wieczorami, a faktury ktoś przepisuje ręcznie. Pokażę, co wpisać do pliku kontekstu, jak zbudować szablon, jak wygląda zły i dobry prompt na przykładach z biura i gdzie AI w ogóle nie ma czego szukać.

Dlaczego wklejanie kontekstu od nowa zjada Twój dzień

Poniedziałek, 7:10, skrzynka

Otwierasz pocztę. Zapytanie z Niemiec po angielsku, klient pyta o termin montażu, podwykonawca przysłał fakturę w PDF, a ktoś z zeszłego tygodnia dopytuje, czy oferta jest już gotowa. Otwierasz czat, wklejasz pierwszego maila i piszesz „odpowiedz grzecznie po angielsku”. Dostajesz tekst, który brzmi jak list z banku: dużo uprzejmości, zero konkretu, a do tego obietnica szybkiej realizacji, której nikt u Was nie składał.

Dopisujesz więc, czym się zajmujecie, że stawki podajecie dopiero po wizji lokalnej, że nie piszecie „Dear Sir or Madam”. Druga wersja jest lepsza. Przy następnym mailu historia się powtarza, bo nowa rozmowa w czacie nic nie wie o poprzedniej. Po godzinie masz cztery odpowiedzi i poczucie, że sam napisałbyś je szybciej.

Toporny sposób ma swoją nazwę

Wspólnik, którego cytuję na początku, prowadzi firmę montażową (montaż maszyn i linii produkcyjnych, dwóch wspólników i pięcioosobowe biuro). AI już było w firmie: ChatGPT do maili, Claude do ofert z kalkulatorami. Dużo korespondencji szło po angielsku. Gdy zapytałem, od czego zaczęlibyśmy porządki, jako pierwszy obszar wskazał właśnie skrzynkę.

Problem nie leżał w modelu. Model za każdym razem startował jak nowy pracownik w pierwszym dniu, któremu ktoś rano wyczyścił pamięć. Możesz mu tłumaczyć firmę codziennie od zera. Możesz też dać mu segregator z zasadami, który leży na biurku i z którego korzysta sam. Kontekst firmy w promptach to właśnie ten segregator.

Co właściciel mówi, gdy słyszy „AI”

Na rozmowach z właścicielami firm usługowych słyszę jedno zdanie częściej niż inne. Jeden z nich powiedział mi: „nie chcę tego robić na siłę, żeby wpychać AI tam, gdzie nie ma takiej potrzeby”. W ciągu 30 minut ani razu nie padło „zespół AI” ani „system”. Padały nazwy zadań: poczta, oferty, faktury, dane o klientach.

Ta kolejność ma znaczenie dla całego prompt engineeringu w firmie. Zaczynasz od listy zadań, które wracają co tydzień i zjadają godziny. Narzędzie wybierasz na końcu. Szablon promptu ma sens tam, gdzie to samo zadanie robisz dziesiątki razy w miesiącu. Tam, gdzie robisz coś raz na kwartał, szablon zje więcej czasu, niż odda. Wrócę do tego w sekcji o miejscach, gdzie AI nie pomoże.

Kontekst firmy w promptach: jeden plik zamiast dwudziestu wklejek

Co wpisać do pliku kontekstu

Plik kontekstu to zwykły dokument tekstowy. Trzymaj taki plik krótko: tyle, ile da się przeczytać przy kawie. Dla małej firmy usługowej wystarczą te punkty:

• Kim jesteście: dwa, trzy zdania o firmie, branży i regionie działania.
• Usługi: co robicie, a także czego nie robicie (to drugie oszczędza najwięcej nieporozumień).
• Typowi klienci: kto pisze, z jakimi pytaniami, w jakim języku.
• Ton: forma „Pan/Pani” czy po imieniu, jak długie są Wasze maile, jakich zwrotów nie używacie.
• Zasady cenowe ogólnie: na przykład „ceny podajemy po wizji lokalnej” albo „stawka godzinowa tylko w ofercie pisemnej”.
• Czego nie obiecujemy: terminów bez potwierdzenia, rabatów, zmian zakresu bez decyzji wspólnika.
• Podpis i dane kontaktowe.
• Trzy przykłady dobrych maili, które ktoś z Was naprawdę wysłał i z których jesteście zadowoleni.

Ostatni punkt robi największą różnicę. Opis tonu słowami („rzeczowo, ale ciepło”) model rozumie po swojemu. Trzy prawdziwe maile pokazują mu Wasz styl lepiej niż akapit przymiotników.

Gdzie trzymać kontekst: trzy opcje

Opcja 1: dokument na dysku, wklejany na początek rozmowy. Najprostsza wersja. Masz plik, kopiujesz go jako pierwszą wiadomość, potem pracujesz.

Dla kogo: dla firmy, która dopiero sprawdza, czy AI w ogóle się przyda; nie dla zespołu, w którym czat obsługuje kilka osób, bo każda będzie mieć inną wersję pliku.

Opcja 2: projekt w czacie. ChatGPT ma funkcję Projekty, Claude ma Projects. W obu wpisujesz instrukcje i dodajesz pliki raz, a każda nowa rozmowa w projekcie startuje z tym kontekstem. Jakie limity plików i jakie opcje udostępniania zespołowi ma Twój plan, sprawdź w ustawieniach u dostawcy, bo to zależy od wersji konta.

Dla kogo: dla firmy, w której dwie, trzy osoby regularnie piszą z AI i chcą korzystać z jednego, wspólnego kontekstu; nie dla kogoś, kto otwiera czat raz w tygodniu.

Opcja 3: asystent podpięty pod skrzynkę. Kontekst siedzi na stałe w narzędziu, które samo czyta przychodzące maile i przygotowuje szkice. To już wdrożenie, a nie praca w czacie.

Dla kogo: dla firmy, w której poczta zjada codziennie co najmniej godzinę i jest ktoś gotowy zatwierdzać szkice; nie na start, zanim szablony nie sprawdzą się ręcznie.

Jak utrzymać plik przy życiu

Plik kontekstu psuje się po cichu. Zmieniacie cennik, dochodzi nowa usługa, jeden z wspólników przestaje obsługiwać daną branżę, a plik dalej mówi swoje. Model nie wie, że coś się zmieniło, więc pisze zgodnie z wersją sprzed pół roku.

Przyjmij jedną regułę: jeśli poprawiasz AI drugi raz w ten sam sposób, poprawka trafia do pliku. Pierwsza poprawka to przypadek. Druga to brakująca zasada. Do tego jedna osoba w firmie odpowiada za plik i na górze wpisuje datę ostatniej zmiany. Gdy data ma więcej niż kwartał, plik idzie do przeglądu.

Anatomia szablonu promptu do zadań w biurze

Rola i kontekst: kto pisze i dla kogo

Każdy szablon zaczyna się od dwóch rzeczy. Kim jest AI w tym zadaniu („osoba z biura obsługująca zapytania”, „asystent działu ofert”) i skąd bierze wiedzę o firmie („korzystaj z instrukcji projektu” albo wklejony plik kontekstu). Rola zawęża styl. Asystent działu ofert pisze inaczej niż specjalista od marketingu, nawet jeśli dostaje tę samą notatkę.

Szkielet, z którego robię szablony u siebie, wygląda tak:

ROLA: kim jesteś w tym zadaniu
KONTEKST: korzystaj z pliku kontekstu firmy (albo wklej go tutaj)
ZADANIE: jedno zdanie, co ma powstać
DANE: wklejony mail, notatka, faktura
OGRANICZENIA: czego nie robisz, czego nie obiecujesz
FORMAT: długość, struktura, język
JEŚLI BRAKUJE DANYCH: wypisz pytania zamiast zgadywać

Zadanie i ograniczenia

Zadanie piszesz jednym zdaniem i mówisz, że chodzi o szkic. To słowo zmienia zachowanie modelu mniej, niż zmienia Twoje: wiesz, że czytasz wersję roboczą, a nie gotowca do wysłania.

Ograniczenia to miejsce, w którym chronisz firmę. W szablonie do maili dopisz zakaz podawania cen i terminów, których nie ma w danych. Model chętnie „pomaga” i obiecuje realizację w dwa tygodnie, bo tak brzmi uprzejma odpowiedź. Jedna linijka w szablonie zamyka ten problem. Druga, równie ważna: „Jeśli w danych brakuje informacji, wypisz pytania, nie wymyślaj”. Bez niej AI uzupełni luki czymś, co brzmi wiarygodnie.

Format i kryterium „gotowe”

Format to długość, struktura i język. „Do 150 słów, temat maila, podpis z pliku kontekstu” daje odpowiedź, którą da się wysłać po jednej poprawce. „Napisz odpowiedź” daje cztery akapity, z których trzy wycinasz.

Kryterium „gotowe” dopisuję tam, gdzie wynik trafia dalej, do arkusza albo programu księgowego. Przykład: „zwróć tabelę z dokładnie tymi kolumnami” albo „na końcu jedna linia: TAK albo NIE”. Dzięki temu każdy wynik wygląda tak samo i nie musisz go za każdym razem przerabiać. Szablony promptów do maili i ofert działają dopiero wtedy, gdy wynik ma stały kształt.

Zły prompt vs dobry prompt: trzy przykłady z biura

Poniżej trzy pary z zadań, które w małej firmie usługowej wracają co tydzień. Dobre wersje są dłuższe, ale piszesz je raz. Potem zmieniasz tylko dane na dole.

Zapytanie od klienta po angielsku

Odpisz na tego maila po angielsku.

Jesteś osobą z biura firmy montażowej (montaż maszyn i linii produkcyjnych). Korzystaj z pliku kontekstu firmy z instrukcji projektu.
Zadanie: przygotuj szkic odpowiedzi na zapytanie poniżej.
Język: angielski, rzeczowy, bez przesadnej uprzejmości.
Ograniczenia: nie podawaj ceny ani terminu realizacji. Zaproponuj krótką rozmowę albo wizję lokalną. Jeśli w zapytaniu brakuje danych do wyceny (lokalizacja, rodzaj maszyn, oczekiwany termin), zadaj o nie najwyżej 3 pytania.
Format: temat maila, treść do 150 słów, podpis z pliku kontekstu. Pod spodem 2 zdania po polsku: czego chce klient i co proponujesz.
Zapytanie:
[wklej maila]

Ostatnia linijka formatu, czyli dwa zdania po polsku, to drobiazg, który warto stosować przy każdej korespondencji obcojęzycznej. Nie musisz czytać całej odpowiedzi słowo po słowie, żeby wiedzieć, czy AI dobrze zrozumiało klienta.

Szkic oferty z wygranych wzorców

Napisz ofertę na montaż linii produkcyjnej.

Jesteś asystentem działu ofert. Kontekst firmy masz w instrukcjach projektu, a w plikach projektu są trzy wygrane oferty z ostatniego roku.
Zadanie: przygotuj SZKIC oferty dla klienta opisanego niżej, w strukturze wygranych ofert.
Dane od klienta: [notatka z rozmowy: zakres, lokalizacja, oczekiwany termin]
Ograniczenia: nie wpisuj kwot ani liczby roboczogodzin. W miejscach na liczby wstaw [DO WYCENY]. Wypisz założenia, które przyjąłeś, i ryzyka do sprawdzenia na wizji lokalnej.
Format: 1. Zakres prac. 2. Czego oferta nie obejmuje. 3. Etapy realizacji bez dat. 4. Założenia. 5. Pytania do klienta.

Zwróć uwagę na punkt „Czego oferta nie obejmuje”. W ofertach usługowych spory biorą się częściej z tego, czego nikt nie wypisał, niż z ceny. Model, który ma przed sobą trzy wygrane oferty, wyłapie typowe wyłączenia z Waszej branży i podsunie je do sprawdzenia.

Faktura do programu księgowego

Przepisz mi tę fakturę.

Z załączonej faktury wyciągnij dane do programu księgowego.
Zwróć tabelę z kolumnami: numer faktury, data wystawienia, termin płatności, sprzedawca, NIP sprzedawcy, kwota netto, VAT, kwota brutto, waluta.
Zasady: przepisuj dokładnie to, co jest na dokumencie. Jeśli pola nie ma albo jest nieczytelne, wpisz BRAK, nie zgaduj. Jeśli nabywcą jest inny podmiot niż [nazwa Twojej firmy], napisz to w pierwszej linii.
Na końcu jedna linia: czy netto plus VAT daje brutto (TAK albo NIE).

Sprawdzenie nabywcy nie jest tu ozdobnikiem. U siebie mam automat do faktur kosztowych. Bez zabezpieczeń (ten sam PDF w kilku skrzynkach, paragon dosłany obok faktury, faktura na inny podmiot) w lipcu 2026 do księgowej poszło 6 błędnych dokumentów. Prompt, który nie każe tego sprawdzać, przepisze błąd bardzo starannie.

Szablony promptów do maili, ofert i danych o klientach w praktyce

Poczta: AI przygotowuje, człowiek wysyła

Moja skrzynka działa tak: agent czyta wiadomości i przygotowuje wersję odpowiedzi, ja ją zatwierdzam albo poprawiam, dopiero wtedy wychodzi. Każdy obsłużony mail od razu trafia do archiwum. W skrzynce zostają tylko te, które czekają na moją decyzję. Nic nie wychodzi w świat beze mnie.

Dla małej firmy usługowej z tego układu najważniejsza jest jedna zasada: AI nie wysyła. Szablon do poczty ma sens dopiero wtedy, gdy wiesz, kto zatwierdza szkice i kiedy. W praktyce wystarczają trzy szablony: odpowiedź na nowe zapytanie, przypomnienie o wysłanej ofercie i odpowiedź na pytanie o termin. Reklamacje i sprawy sporne zostawiam ludziom od początku.

Dla kogo: dla firmy, w której zapytania przychodzą mailem i ktoś codziennie siedzi nad odpowiedziami; nie dla firmy, w której klient dzwoni, a mail to tylko potwierdzenie ustaleń.

Oferty: wzorce z wygranych i research przed rozmową

W firmie montażowej, o której pisałem wyżej, przy stawce godzinowej oferta jest prosta. Przy wycenie całej instalacji (bywają oferty na milion złotych i projekty na 8 tysięcy godzin) przygotowanie zajmuje „z kilka, no nawet kilkanaście godzin całego zespołu”: jedna osoba liczy, druga sprawdza, wysyłka, rewizje, czasem wizja lokalna. Sam właściciel ocenił, że część tego know-how da się przenieść do wzorców z wygranych ofert, ale ostatnie słowo zostaje po stronie człowieka.

To dobry podział pracy dla promptu. AI składa strukturę, wyłączenia, założenia i pytania do klienta z Waszych wygranych ofert. Ludzie liczą i decydują. U siebie poszedłem jeszcze o krok wcześniej. Gdy ktoś rezerwuje rozmowę w moim kalendarzu, automat (codziennie o 7:15) robi research firmy, zapisuje notatkę i przygotowuje plan rozmowy. Osobna bramka odrzuca zgłoszenia, które wyglądają na spam, i potwierdza prawdziwe. Efekt: od rozmowy o 11:30 do wysłanej oferty z wyceną minęło kilka godzin.

Dla kogo: dla firmy, która ma archiwum co najmniej kilku wygranych ofert i powtarzalny typ zleceń; nie dla firmy, w której każda oferta jest projektem od zera.

Dane o klientach: notatka po każdej rozmowie

W tej samej firmie montażowej na pytanie o dane z zapytań usłyszałem: „nie zbieramy takich danych, a to by się na pewno przydało”. CRM to tablica w Trello, „bardzo prymitywny”, reszta w pamięci („część się pamięta, aczkolwiek to jest bardzo zawodne”). Formularz na stronie łapie głównie spam, prawdziwe zapytania przychodzą mailem.

Tu szablon promptu robi coś prostego: z maila albo z notatki po rozmowie wyciąga stały zestaw pól. Kto, z jakiej firmy, czego chce, skąd przyszedł, jaki budżet albo skala, następny krok i jego data. Wynik wklejasz do arkusza albo karty w Trello. Po kwartale masz to, czego wcześniej nie było wcale: listę zapytań, z której policzysz, ile z nich zamieniło się w zlecenia. Ostatnia linijka szablonu powinna brzmieć: „Jeśli czegoś nie ma w tekście, wpisz BRAK”. Dzięki temu w arkuszu widać luki, a nie wymyślone budżety.

Dla kogo: dla wspólników, którzy dziś nie potrafią powiedzieć, ile zapytań miesięcznie przychodzi do firmy; nie dla firmy, która ma już działający CRM i dyscyplinę jego uzupełniania.

Dane klientów w promptach: co wkleić, a czego nie

Zanim wkleisz: sprawdź warunki swojego planu

Obawa o dane klientów w chmurze jest uzasadniona i nie zbywam jej. Odpowiedź zależy od tego, z jakiego planu i u jakiego dostawcy korzystasz, a warunki się zmieniają. Dlatego zamiast podawać tu ogólniki, daję listę rzeczy do sprawdzenia w dokumentacji i ustawieniach Twojego konta:

• czy rozmowy z Twojego planu mogą służyć do trenowania modeli i czy da się to wyłączyć,
• czy dostawca podpisuje umowę powierzenia przetwarzania danych osobowych,
• jak długo przechowywane są rozmowy i pliki oraz czy możesz je usunąć,
• kto w Twoim zespole ma dostęp do wspólnych projektów.

Każdy z tych punktów wymaga weryfikacji dla Twojego konkretnego planu. Jeśli na któryś nie znajdziesz jasnej odpowiedzi, traktuj narzędzie tak, jakby odpowiedź brzmiała „nie”.

Anonimizacja, która nie psuje promptu

Większość zadań biurowych da się zrobić bez nazwisk. Model nie potrzebuje wiedzieć, że klient nazywa się tak a tak, żeby napisać dobrą odpowiedź na pytanie o termin montażu. Zamieniasz nazwy na znaczniki: [KLIENT], [FIRMA KLIENTA], [OSOBA KONTAKTOWA], [ADRES INWESTYCJI]. W szablonie dopisujesz: „Znaczniki w nawiasach kwadratowych zostaw bez zmian”. Gotowy szkic wklejasz do maila i podmieniasz znaczniki na prawdziwe dane już u siebie.

Dla kogo: dla firmy, która chce zacząć od poczty i ofert, zanim przejdzie formalną weryfikację dostawcy; nie dla zadań, w których dane osobowe są sednem (na przykład wyciąg z faktury z NIP-em), tam rozstrzygają warunki planu.

Czego nie wklejam wcale

Do żadnego czatu, niezależnie od planu, nie wklejaj haseł i danych dostępowych, dokumentów objętych umową o poufności bez zgody drugiej strony ani danych pracowników z kadr. Przy wątpliwościach zaczynam od materiałów bez danych klientów: plik kontekstu, wzorce wygranych ofert po usunięciu nazw, procedury biurowe. Na nich też da się zbudować i przetestować szablony, a do danych klientów wracasz, gdy sprawdzisz warunki.

Gdzie prompt engineering nie pomoże

Trzy miejsca, w których sam odradzam AI

Klientom mówię wprost o trzech sytuacjach. Duże wyceny ryczałtowe: decyduje doświadczenie i wizja lokalna, AI zrobi szkic i podliczy pozycje, ostatnie słowo zostaje po stronie firmy. Robota raz na kwartał: jeśli zadanie zajmuje kwadrans co trzy miesiące, wdrożenie zje więcej czasu, niż odda. Obszar bez historii: bez archiwum ofert, korespondencji albo dokumentów model nie ma się na czym oprzeć, wtedy najpierw zbieramy dane.

Ten ostatni punkt łączy się z bazą wiedzy. W firmie montażowej procedury napisał kiedyś jeden pracownik i nikt z nich nie korzysta. Właściciel o czasie w biurze powiedział: „często jak przychodzę do biura, to nie wiem gdzie ten czas leci”. Prompt nie wyciągnie z modelu wiedzy, która siedzi wyłącznie w głowie wspólnika. Najpierw trzeba ją spisać, choćby w formie notatek głosowych przepisanych na tekst.

Prompt nie zastąpi czasu na naukę

Agent, który pisze w moim stylu, nie powstał w jeden dzień. Dostał wszystko, co wcześniej napisałem, a potem uczył się przez używanie: piszę, poprawiam, on wdraża poprawki. Dopiero po jakimś czasie brzmi jak ja. Kto obiecuje, że AI zrobi to od ręki, ściemnia.

To samo dotyczy szablonów w Twojej firmie. Pierwsza wersja szablonu do zapytań da szkice, które poprawiasz w połowie. Po kilku tygodniach poprawek dopisanych do pliku kontekstu poprawiasz jedno zdanie. Jeśli ktoś sprzedaje Ci „gotowe prompty dla Twojej branży”, które mają działać od pierwszego dnia, zapytaj, skąd znają Waszego klienta, Wasz cennik i Wasze wyłączenia z ofert.

Plan na pierwszy tydzień

1. Dzień 1: wypisz zadania biurowe, które wracają co tydzień, i przy każdym zanotuj, ile mniej więcej czasu zajmuje. Wybierz jedno z największą sumą godzin.
2. Dzień 2: napisz plik kontekstu według listy z tego artykułu. Dodaj trzy prawdziwe maile albo jedną wygraną ofertę.
3. Dzień 3: zbuduj szablon na szkielecie ROLA, KONTEKST, ZADANIE, DANE, OGRANICZENIA, FORMAT.
4. Dni 4 i 5: używaj szablonu przy każdym zadaniu tego typu. Każdą poprawkę, którą robisz drugi raz, dopisz do pliku.
5. Koniec tygodnia: porównaj czas z notatką z dnia 1. Jeśli zysk jest, bierzesz kolejne zadanie. Jeśli nie ma, to też jest wynik: odpuszczasz ten obszar bez żalu.

FAQ

Czym jest prompt engineering w małej firmie usługowej?

To spisanie kontekstu firmy raz i zbudowanie szablonów promptów do zadań, które wracają co tydzień: odpowiedzi na zapytania, szkiców ofert, wyciągów z faktur, notatek o klientach. AI korzysta z kontekstu z pliku, a człowiek zatwierdza wynik.

Czy do prompt engineeringu trzeba umieć programować?

Nie. Szablon promptu to tekst w stałym układzie: rola, kontekst, zadanie, dane, ograniczenia, format. Programowanie przydaje się dopiero przy podpinaniu asystenta pod skrzynkę albo program księgowy.

Od ilu szablonów zacząć?

W mojej praktyce od jednego, dla zadania, które zjada najwięcej godzin w tygodniu. Dopiero gdy ten działa i daje szkice wymagające drobnych poprawek, dokładasz kolejny.

Czy AI może samo wysyłać maile do klientów?

Technicznie da się to ustawić, ale u siebie tego nie robię. Agent przygotowuje szkic, ja zatwierdzam albo poprawiam, dopiero wtedy mail wychodzi. W firmie usługowej jedna błędna obietnica terminu kosztuje więcej niż minuta na przeczytanie szkicu.

Czy mogę wklejać dane klientów do ChatGPT albo Claude?

To zależy od planu i warunków dostawcy, więc wymaga weryfikacji dla Twojego konta. Sprawdź, czy rozmowy służą do trenowania modeli, czy dostawca podpisuje umowę powierzenia i jak długo przechowuje dane. Do tego czasu zamieniaj nazwy klientów na znaczniki.

Wróć do poniedziałku, 7:10. Zapytanie z Niemiec ma już szkic po angielsku i dwa zdania po polsku pod spodem. Przypomnienie o ofercie czeka na Twój klik. Faktura leży w tabeli z jednym polem BRAK, które sprawdzisz w minutę. Plik kontekstu leży tam, gdzie wczoraj, i nikt nie musiał go wklejać. Kawa jest jeszcze ciepła.