Część 10 - ChatGPT Work w praktyce
Limity, optymalizacja i wersja Enterprise
Trzy rzeczy, o które pytają wszystkie firmy: jakie są granice, jak wycisnąć z narzędzia maksimum i co realnie daje wersja Enterprise. Po kolei.
1. Jakie są granice
Okno kontekstowe
ChatGPT Work nie „pamięta” nieskończonej liczby stron naraz (zobacz Część 05 o tokenach). Duże zadania dziel na mniejsze pakiety z jasnym celem i wskazanymi plikami.
Limity zużycia
Każdy plan ma pulę pracy agenta odnawianą cyklicznie - im wyższy plan, tym większa. Gdy limit się kończy, ChatGPT Work informuje wprost i podaje, kiedy pula wróci.
Równoległe zadania
Liczba zadań działających jednocześnie zależy od planu. W firmie ustal kolejkę: co jest pilne, co może czekać, kto zatwierdza wyniki przed wysyłką.
Dostęp do plików
ChatGPT Work widzi tylko pliki w swoim workspace - nie cały dysk. To zabezpieczenie, nie wada. Trzymaj każdy projekt w dedykowanym folderze.
2. Osiem zasad optymalnej pracy z ChatGPT Work
Te zasady to różnica między „fajna zabawka” a „narzędzie, które oszczędza godziny”. Wydrukuj i powieś obok biurka zespołu.
Jedno zadanie = jeden cel
„Przygotuj raport sprzedaży za czerwiec” zamiast „ogarnij sprzedaż, marketing i przy okazji stronę”. Małe, konkretne zadania kończą się szybciej i zużywają mniej limitu.
Kontekst wpisz raz - do AGENTS.md
Plik AGENTS.md w folderze projektu to stała instrukcja: czym jest projekt, jakich narzędzi używać, czego nie ruszać. ChatGPT Work czyta go na starcie - nie powtarzasz tego w każdym poleceniu.
Najpierw plan, potem wykonanie
Dopisz: „najpierw pokaż plan i poczekaj na moją akceptację”. Wyłapiesz nieporozumienie po 30 sekundach, a nie po 20 minutach pracy agenta.
Nowy temat = nowa sesja
Stara rozmowa ciągnie za sobą cały kontekst. Zaczynając nowe zadanie w nowej sesji, dostajesz szybsze odpowiedzi i wolniej zużywasz limit.
Powtarzalny proces = skill
Jeśli trzeci raz piszesz to samo polecenie - zamień je w skill (Część 09). Raz opisana procedura działa potem na jedno wywołanie.
Wskazuj pliki, nie „poszukaj gdzieś”
„Dane są w /raporty/czerwiec.xlsx, kolumny B i F” zamiast „znajdź dane sprzedażowe”. Każda minuta szukania to zużyty limit i ryzyko pomyłki.
Kontroluj wynik, nie każdy krok
Zamiast nadzorować agenta na żywo, ustal punkt kontrolny: draft, diff albo podsumowanie do zatwierdzenia. Ty decydujesz o wysyłce - ChatGPT Work o drodze dojścia.
Mierz, co automatyzujesz
Zapisuj: zadanie, czas „ręczny” vs czas z ChatGPT Work, liczba poprawek. Po miesiącu wiesz, które automatyzacje rozwijać, a które wyłączyć.
3. ChatGPT Work w wersji Enterprise
Ten sam agent - plus warstwa zarządzania, której wymaga większa organizacja.
Wspólna pula dla zespołu
W planach firmowych limity można zarządzać centralnie - administrator widzi zużycie i przydziela zasoby tam, gdzie dają największy zwrot, zamiast „każdy sobie”.
Kontrola i audyt
Admin decyduje, kto ma dostęp do ChatGPT Work, do jakich środowisk i integracji. Logi audytowe pokazują, kto co uruchomił - kluczowe przy RODO i compliance.
Środowiska pod kontrolą IT
Enterprise pozwala zdefiniować, w jakich środowiskach agent pracuje, jakie sekrety widzi i do jakich systemów może się łączyć. IT ustawia raz - zespół korzysta bezpiecznie.
Integracje zatwierdzane centralnie
Zamiast 50 osób podpinających prywatne konta - jedna lista zatwierdzonych konektorów (Slack, GitHub, CRM) z minimalnymi uprawnieniami.
Jak wygląda wdrożenie Enterprise w praktyce
- 1Pilotaż (2–4 tygodnie): jeden zespół, 2–3 procesy, zwykły plan Business. Zbieracie dowody, że to działa.
- 2Polityka użycia (1 strona): co wolno automatyzować, jakie dane mogą trafiać do agenta, kto zatwierdza wysyłki. Wzór polityki znajdziesz w bibliotece promptów.
- 3Rozmowa z OpenAI o Enterprise: z liczbami z pilotażu negocjujesz warunki pod realne zużycie - nie kupujesz „w ciemno”.
- 4Rollout działami: IT konfiguruje środowiska i integracje, każdy dział dostaje krótkie szkolenie i listę zatwierdzonych automatyzacji.