Czy uprzejmość wobec AI daje lepsze odpowiedzi?

Większość z nas wpisuje “proszę” i “dziękuję” do chatbota bez namysłu. Wydaje się to uprzejme, a niektórzy po cichu podejrzewają, że dzięki temu dostają lepszą odpowiedź. Więc szczera wersja: uprzejmość nie poprawia zauważalnie tego, co daje ci AI, a szorstkość też nie pomaga w sposób pewny. Tym, co naprawdę zmienia odpowiedź, jest to, jak jasno i konkretnie piszesz.

To nie jest zgadywanie. Test już przeprowadzono, a wyniki są trochę niewygodne dla każdego, kto sądził, że dobre maniery to sekret.

Co naprawdę wykazało badanie nad uprzejmością

W październiku 2025 roku dwoje badaczy z Penn State przeprowadziło mały, schludny eksperyment. Napisali 50 pytań wielokrotnego wyboru z matematyki, nauk ścisłych i historii, a potem przeredagowali każde w pięciu tonach: bardzo uprzejmym, uprzejmym, neutralnym, szorstkim i bardzo szorstkim. Dało to 250 wersji tych samych pytań, które przepuścili przez model GPT-4o od ChatGPT.

Niespodzianka: szorstkie prompty poradziły sobie nieco lepiej. Bardzo uprzejme sformułowania trafiały w poprawną odpowiedź w 80,8 % przypadków. Bardzo szorstkie dochodziły do 84,8 %. Wersje suche, bez uprzejmości, wyprzedziły te pochlebcze.

Zanim zaczniesz rozkazywać swojemu chatbotowi, przeczytaj drobny druk. To był jeden model, 50 pytań bazowych i różnica około czterech punktów. Sami autorzy nazwali to punktem wyjścia do dalszych badań, a nie radą, by być niemiłym. Tak wąski wynik może się odwrócić przy innym modelu albo innym zadaniu.

I się odwraca. Wcześniejsze badanie z 2024 roku, na wielu językach, wykazało niemal coś przeciwnego: szorstkie prompty często pogarszały wyniki, a nadmiar pochlebstw nie dawał wyraźnej korzyści. To badanie zauważyło też, że idealny punkt przesuwa się zależnie od języka, bo normy uprzejmości w angielskim, chińskim i japońskim nie są takie same. Dwa badania, dwa przeciwne nagłówki. Gdy badania aż tak się nie zgadzają, rozsądny odczyt jest taki, że ton to głównie szum.

Czy więc powinieneś być szorstki wobec AI? Nie

Krótka odpowiedź: nie, i nie tylko dlatego, że to nieprzyjemne w pisaniu.

Zmierzona korzyść z szorstkości jest znikoma i niepewna. Wada jest realna. Suche, agresywne prompty zwykle wycinają kontekst, którego model potrzebuje, bo jesteś zbyt zajęty byciem opryskliwym, żeby wyjaśnić, czego naprawdę chcesz. Trenujesz też nawyk. Jeśli cały dzień warczysz na chatbota, część tego tonu przecieka do tego, jak piszesz do prawdziwych ludzi. To niewarte czterech punktów w teście.

Jest też kwestia kosztów, która rozeszła się wiralowo w zeszłym roku. Gdy ktoś zapytał, ile pieniędzy na prąd spalają wszystkie te dodatkowe “proszę” i “dziękuję”, Sam Altman z OpenAI odpowiedział, że to “dziesiątki milionów dolarów dobrze wydanych”. To był po części żart. Ale sens pozostaje: uprzejmość nie jest darmowa dla firm, które utrzymują te modele, i nie kupuje ci też mądrzejszych odpowiedzi. To po prostu nawyk, i to nieszkodliwy.

Co naprawdę zmienia odpowiedź

Jeśli ton to szum, to co jest sygnałem? Konkret. Ogólne pytanie daje ogólną odpowiedź, choćbyś pytał najsłodziej. Oto szczera kolejność tego, co się liczy:

Spójrz na cztery dolne wiersze. Nie mają nic wspólnego z manierami, a wszystko z jasnym komunikowaniem się. To ten sam powód, dla którego to samo pytanie może zwrócić różne odpowiedzi zależnie od tego, jak je sformułujesz. Ton to ozdoba. Prośba pod spodem to to, z czym model pracuje.

Przed i po pokazuje to jasno. “Napisz mi miłego maila” jest uprzejme i bezużyteczne. “Napisz krótkiego, uprzejmego maila do mojego właściciela mieszkania z prośbą o naprawę cieknącego kranu w tym tygodniu, poniżej 80 słów” jest konkretne i daje coś, co naprawdę możesz wysłać. Bez “proszę”, choć możesz je dodać.

Nawyk, który bije dobre maniery

Oto część, która czyni to użytecznym, a nie tylko ciekawym. Gdy przestajesz się martwić tonem i zaczynasz pisać jasne prompty, kolejną największą dźwignią jest to, do którego modelu wysyłasz ten prompt. To samo jasne pytanie może dostać ostrzejszą odpowiedź od jednego modelu i bardziej płaską od innego, zależnie od zadania.

Łatwo to sprawdzić samemu. Weź dobrze napisany prompt i przepuść go przez kilka modeli obok siebie. Do starannego zadania na myślenie wolisz może jeden; do szybkiej, lekkiej odpowiedzi inny. Ton, którego użyłeś, prawie się nie liczy. Model, który wybrałeś, i to, jak jasno zapytałeś, decydują o niemal wszystkim.

Nie potrzebujesz do tego pięciu osobnych aplikacji i pięciu logowań. Jedno miejsce, każdy duży model, jedno jasne pytanie.

Zachowaj więc swoje maniery, jeśli je lubisz. Nie ma nic złego w “dziękuję” na końcu dobrej odpowiedzi. Miej tylko świadomość, że to dla ciebie, nie dla maszyny. Prawdziwe zyski biorą się z jasnego pytania i wysłania go do właściwego modelu.