W skrócie: Wrażliwość promptu mierzy, jak bardzo zmieniają się treść, źródła lub rekomendacje w odpowiedzi AI po niewielkiej, kontrolowanej znaczeniowo zmianie promptu.
Jak wykorzystuję wrażliwość promptu w praktyce
Nie traktuję wrażliwości promptu jako kolejnej liczby w prezentacji. Najpierw ustalam, którą decyzję ma doprecyzować, jakie dane lub obserwacje ją wspierają oraz kto zmieni coś na podstawie wyniku. Testuję wcześniej zdefiniowane parafrazy tej samej potrzeby i oddzielam wpływ sformułowania od zwykłej zmienności powtarzanych odpowiedzi. Zapisuję też wartość bazową, datę pomiaru i granice interpretacji. Dzięki temu można później odróżnić rzeczywisty postęp od zmiany narzędzia, próby lub brzmienia zapytania.
Na co uważać
Największym ryzykiem jest dokładność, która tylko wygląda na precyzyjną. Jeśli parafraza zmienia intencję klienta, nie jest to wrażliwość na sformułowanie, lecz inne pytanie i inny mierzony rynek. Dlatego porównuję wyniki w czasie, na stabilnej próbie i wraz z kontekstem biznesowym. Jeśli termin nie prowadzi do konkretnego kolejnego kroku, nie powstała analiza, lecz tylko nowa etykieta.
Pytania pomocne przy podejmowaniu decyzji
- Czy warianty zachowują tę samą intencję?
- Które słowa zmieniają wybór źródeł?
- Czy efekt można powtórzyć?
- Czy wrażliwe prompty powinny trafić do osobnego klastra?