Ziua 2 a workshopului AI: două reacții, un singur grup mic

Pe 12 august am ținut a doua zi a workshopului nostru AI, de data aceasta la biroul OnLike Agency.

La workshop au participat Pál Alpár din Gheorgheni, invitat de Adorjáni Noémi, de la OnLike Agency și partenera noastră de colaborare.

Am vrut intenționat un grup mic. Într-un astfel de format pot să văd mai bine unde apar întrebările, ce stârnește interesul și unde trebuie să schimb ritmul. Nu trebuie să urmez mecanic un set de slide-uri, ci pot adapta workshopul după ce se întâmplă în cameră.

Ziua a doua a fost gândită ca partea mai avansată.

Dacă în prima zi am construit baza, acum am mers spre prompting frameworks, skills, Cowork, agenți, MCP, automatizări, AI local și câteva exemple practice în care am încercat să legăm toate aceste concepte de munca reală.

Am început simplu: cum reducem lucrurile pe care AI-ul trebuie să le ghicească

Am pornit cu prompting.

Am trecut prin câteva framework-uri cunoscute, precum CO-STAR, SMART, role-based prompting, one-shot și few-shot prompting.

Dar nu voiam ca participanții să plece acasă cu încă o listă de acronime de memorat.

Pentru mine, toate acestea încearcă în esență să rezolve aceeași problemă:

cum îi oferim AI-ului suficient context încât să aibă cât mai puține lucruri de ghicit.

Am folosit un exemplu foarte simplu.

În loc să cer doar:

Give me the quote of the day.

i-am dat și forma în care vreau rezultatul:

Quote of the day: "Simplicity is the ultimate sophistication." — Leonardo da Vinci

Un singur exemplu.

Modelul înțelege imediat structura dorită.

Asta este one-shot prompting în forma lui cea mai simplă.

De aici am discutat despre situațiile în care un exemplu este suficient și cele în care mai multe exemple, adică few-shot prompting, ajută AI-ul să înțeleagă mai bine tiparul.

Am ajuns și la un detaliu mult mai banal, dar foarte practic: copy-paste.

Când mutăm texte între ChatGPT, Claude, Word, un CMS sau un editor de newsletter, putem lua după noi formatare și HTML inutil.

Textul poate arăta bine la suprafață, dar în cod să rămână junk.

Este un detaliu mic, însă exact genul de lucru care începe să conteze atunci când AI-ul nu mai este doar un experiment, ci intră într-un proces real de lucru.

De la prompt la ceva ce putem refolosi

De aici am trecut la skills.

Am construit împreună un marketing audit skill.

Aici mi se pare că apare una dintre schimbările importante în modul în care folosim AI.

Dacă explicăm aceeași metodologie de zece ori, probabil că nu mai are sens să scriem de zece ori același prompt.

Putem transforma acel proces într-un skill reutilizabil.

Definim ce trebuie analizat.

Punem criteriile.

Definim structura rezultatului.

Îl testăm.

Îl îmbunătățim.

Și data viitoare nu mai pornim de la zero.

Același principiu poate fi folosit pentru audituri de marketing, SEO, sales, project management sau pentru procese interne specifice unei companii.

În momentul acela nu mai vorbim doar despre „un prompt bun".

Începem să construim un mod de lucru.

Apoi a venit Cowork și ritmul s-a schimbat

O parte importantă a zilei am dedicat-o Claude Cowork.

Am discutat despre cum poate lucra cu skills, fișiere, connectors, MCP și taskuri formate din mai mulți pași.

Pentru mine, partea interesantă la Cowork nu este că avem încă o interfață în care putem vorbi cu un AI.

Este faptul că începem să trecem de la:

„Îți pun o întrebare și îmi răspunzi."

la:

„Ai aici obiectivul, contextul, fișierele și instrumentele. Lucrează asupra problemei."

Și aici workshopul a devenit mult mai interesant decât orice demo pregătit de mine.

Noémi a început să testeze skill-urile și Cowork pe un caz real și a creat chiar în timpul workshopului un document cu oportunități de lead generation pentru Dalbe.

Asta mi-a plăcut mai mult decât orice exemplu fictiv pe care l-aș fi putut pregăti eu.

Pentru că în momentul acela nu mai testa un tool.

Începuse deja să se gândească:

„Unde pot folosi asta în activitatea mea?"

Pál Alpár a avut exact reacția opusă.

Și-a conectat mailul și calendarul și a început imediat să testeze tot ce putea.

Drafturi de emailuri.

Analiza informațiilor.

Planuri bazate pe calendar.

Întrebări despre datele la care Cowork avea acces.

Fiecare răspuns genera imediat altă întrebare.

„Poate și asta?"

„Dar dacă îl conectez aici?"

„Poate să analizeze asta?"

„Poate să facă planul pe baza calendarului?"

La un moment dat era, sincer, ca un copil într-un magazin de dulciuri.

Și mi s-a părut un moment foarte bun pentru că arăta două moduri complet diferite de a descoperi aceeași tehnologie.

Unde se termină automatizarea și unde începe AI-ul?

De la Cowork am ajuns natural la automatizare.

Am discutat despre Make și n8n și despre diferența dintre un workflow predictibil și un sistem care trebuie să interpreteze informația.

În n8n, de exemplu, putem defini:

formular completat → creează contact → transformă date → trimite notificare → salvează rezultatul

Există un trigger.

Există logica.

Există pașii.

Procesul poate rula singur de fiecare dată în același mod.

Nu avem nevoie de un AI care să „gândească" între fiecare două noduri.

AI-ul devine util acolo unde apare interpretarea.

De exemplu:

lead nou → AI analizează compania → clasifică oportunitatea → scrie un rezumat → workflow-ul îl salvează în CRM

Pentru mine, întrebarea nu este:

„AI sau automatizare?"

Ci:

„Unde avem nevoie de judecată și unde vrem doar ca lucrurile să funcționeze predictibil?"

În multe procese răspunsul corect va fi o combinație între cele două.

Am discutat aici și despre Hermes, agenți, connectors și MCP, nu ca să intrăm foarte adânc în arhitectură, ci pentru a înțelege direcția.

Promptul spune ce vrem.

Skill-ul poate defini cum lucrăm.

Connectorul oferă acces la alt sistem.

MCP poate standardiza modul în care AI-ul folosește diferite instrumente.

Iar un agent poate combina mai multe dintre acestea pentru a ajunge la un rezultat.

Am construit și un website, dar asta nu înseamnă că website-ul este gata

Am făcut și un exercițiu de creare de website.

Am lucrat în paralel cu Claude și Lovable prin MCP, construind un landing page.

Nu mă interesa neapărat care tool genera primul ceva spectaculos.

Mai interesant era să comparăm cum interpretează aceeași cerință și ce se întâmplă după prima versiune.

Pentru că astăzi putem genera foarte repede un website.

Asta nu înseamnă că website-ul este bun.

Tot trebuie să ne întrebăm:

Care este obiectivul?

Pentru cine îl construim?

Mesajul este clar?

Structura are sens?

Este responsive?

Este accesibil?

Este corect din punct de vedere SEO?

Poate fi menținut?

Ce se întâmplă după demo?

AI-ul poate accelera enorm execuția.

Dar dacă problema este definită prost, doar ajungem mai repede la soluția greșită.

AI-ul nu trebuie obligatoriu să ruleze în cloud

Am vrut să arăt și o zonă ceva mai tehnică: AI local.

Am instalat și rulat Gemma prin Ollama, inclusiv varianta:

ollama run gemma3:12b

Am trecut prin pașii de instalare atât pentru macOS, cât și pentru Windows.

Nu pentru că toată lumea ar trebui să renunțe la ChatGPT sau Claude.

Ci pentru că voiam să fie clar că un model AI poate rula și local, pe propriul calculator.

Pentru anumite proiecte, asta poate deveni relevant din motive de confidențialitate, lucru offline, experimentare sau control mai mare asupra mediului.

Bineînțeles, faptul că modelul rulează local nu înseamnă automat că întregul sistem este sigur.

Dar este important să știm că opțiunea există.

Un restaurant ne-a arătat foarte bine ce înseamnă contextul

La un moment dat a apărut o întrebare despre Leadomator și despre cât de mult poate AI-ul ajuta deja la cercetarea unor companii și potențiali clienți.

În loc să încercăm direct un caz de sales, am ales ceva mult mai simplu.

Restaurante.

Prima cerere a fost aproximativ:

Verifică toate restaurantele din apropierea străzii Retezatului 12 din Târgu Mureș, într-o rază maximă de 1 km, și recomandă-mi un restaurant.

Rezultatul a fost OK.

Dar generic.

Apoi am schimbat cererea.

Am spus că sunt o persoană căreia nu îi place fast food-ul, că vreau analizate meniurile și că fiecare restaurant trebuie evaluat din acest punct de vedere. Am cerut rezultatele într-un tabel și ratingurile Google sau Tripadvisor acolo unde există.

Dintr-o dată, răspunsul a devenit ceva ce puteai folosi efectiv pentru a lua o decizie.

Modelul era același.

Nu se schimbase nimic tehnic.

Se schimbase întrebarea și contextul pe care îl oferiserăm.

Și exact același principiu se aplică în sales.

„Găsește-mi potențiali clienți" este aproape inutil.

Mult mai util este să definim:

ce fel de companie căutăm;

în ce zonă;

ce dimensiune;

ce tehnologie folosește;

ce semnale indică o nevoie;

ce vrem să excludem;

și după ce criterii evaluăm oportunitatea.

La final, doi oameni au plecat în două direcții diferite

La finalul zilei, Noémi a spus ceva foarte sincer:

A fost foarte multă informație și are nevoie de puțin timp să se așeze.

Am fost de acord.

Când treci de la ChatGPT folosit ca un simplu chatbot la skills, Cowork, agenți, MCP, automatizare și modele locale, foarte repede apar zeci de direcții în care ai putea merge.

Am stabilit că va continua să testeze skill-urile construite și, dacă apar întrebări, discutăm.

Dar deja se vedea că începuse să se gândească la oportunități.

La ce ar putea construi.

Unde ar putea folosi skills.

Ce procese ar putea schimba.

Pál Alpár, în schimb, nu părea să aibă nevoie de timpul acela de procesare.

El era deja cu mailul conectat, calendarul conectat și încă testa.

Unul voia să lase informația să se așeze.

Celălalt voia să deschidă fiecare cutie din raft.

Și cred că ambele reacții sunt corecte.

Unii oameni trebuie să înțeleagă mai întâi sistemul și abia apoi să îl introducă în activitatea lor.

Alții învață conectând lucrurile și văzând imediat ce pot face cu ele.

Pentru mine, asta a fost partea cea mai bună a zilei.

Nu faptul că am trecut prin CO-STAR, skills, Cowork, MCP, n8n, Gemma sau Lovable.

Ci momentul în care participanții au început să vadă singuri unde ar putea folosi toate acestea.

Asta încerc să obțin prin workshopurile noastre.

Nu să pleci acasă cu încă o listă de tool-uri AI.

Ci ca, după câteva zile, să te uiți la un proces din propria activitate și să îți vină gândul:

„Stai puțin. Cred că partea asta aș putea să o fac altfel acum."