Chain-of-thought prompting: nauč AI premýšľať krok za krokom
Jednoduchá technika promptovania, ktorá zlepšila presnosť AI z 18 % na 79 % pri úlohách na uvažovanie — s hotovými príkladmi pre bežnú prácu.
Položil si ChatGPT otázku, ktorá si vyžadovala trochu premýšľania — možno porovnanie dvoch možností, rozbor nejakého rozhodnutia alebo viackrokový problém. AI okamžite odpovedala s plnou istotou. Háčik je len v tom, že odpoveď bola úplne mimo.
Stáva sa to oveľa častejšie, ako by si čakal. AI asistenti sú trénovaní tak, aby produkovali odpovede, ktoré znejú vierohodne, nie aby sa cez problém poctivo prehrýzli. Keď im položíš zložitú otázku bežným spôsobom, často krok premýšľania úplne preskočia a rovno servírujú záver — niekedy sa pri tom mýlia až komicky, ale tvária sa absolútne presvedčivo.
Existuje na to riešenie. V roku 2022 výskumníci z Googlu zistili, že keď k promptu pridáš jedinú vetu — „Premýšľajme krok za krokom“ — presnosť pri matematických úlohách stúpla zo 17,7 % na 78,7 %. Nie, nie je to preklep. Jedna veta urobila AI štyrikrát presnejšou.
Táto technika sa volá chain-of-thought prompting (po slovensky niekedy aj „reťazec myšlienok“) a funguje preto, lebo núti AI ukázať postup namiesto skoku rovno k záveru. Tu je návod, ako ju používať na reálnu prácu — nielen na matematické príklady.
Čo je chain-of-thought prompting?
Chain-of-thought (CoT) prompting je presne to, čo z názvu vyplýva: požiadaš AI, aby pred konečnou odpoveďou vysvetlila svoje uvažovanie krok za krokom. Namiesto „Aká je odpoveď?“ povieš „Preveď ma celou úvahou a potom mi daj odpoveď.“
Predstav si, že kolegu žiadaš, aby ti ukázal postup. Keď ti niekto povie odporúčanie bez akéhokoľvek vysvetlenia, nevieš, či sa nad tým naozaj zamyslel, alebo to len strelil od oka. Ale keď ťa prevedie celou úvahou — „zvážil som X, vylúčil Y kvôli Z a tak som dospel k tomuto záveru“ — vieš si všimnúť, kde sa logika prípadne potkýna.
Pri AI to platí presne tak isto. Keď ju donútiš, aby vyslovila medzikroky, dejú sa dve veci:
AI si vlastné chyby všimne ešte počas uvažovania
Ty presne vidíš, kde sa logika pokazila, ak je odpoveď zlá
Prečo AI preskakuje kroky (a robí chyby)
Tu je niečo, čo si väčšina ľudí neuvedomuje: AI modely v skutočnosti „nepremýšľajú“ tak ako my. Hľadajú vzory v miliardách textových príkladov a predpovedajú, aké slovo má prísť ďalšie. Keď im položíš priamočiaru otázku, jednoducho skočia na štatisticky najpravdepodobnejšiu odpoveď.
Pri jednoduchých otázkach to funguje úplne v poriadku. „Aké je hlavné mesto Francúzska?“ žiadne uvažovanie nevyžaduje — túto dvojicu otázka–odpoveď AI videla milióny ráz.
Pri čomkoľvek, kde už ide o skutočnú logiku — porovnávanie možností, vážnie kompromisov, riešenie viackrokových problémov — sa však tento prístup rúca. AI vytiahne odpoveď, ktorá znie správne, no vôbec si neoverí, či správna naozaj je.
Chain-of-thought prompting tento skratový režim preruší. Tým, že AI prikážeš uvažovať nahlas, ju donútiš vygenerovať medzikroky — a tie zase zužujú, aký môže byť záver. Je oveľa ťažšie dospieť k zlému záveru, keď musíš ukázať, akou cestou si k nemu prišiel.
Porovnanie AI, ktorá rovno skočí k odpovedi, a AI, ktorá pred odpoveďou prejde jednotlivými krokmi uvažovania
Najjednoduchší spôsob, ako CoT použiť
Najľahšia verzia nepotrebuje žiadnu prípravu. Stačí na koniec promptu pripojiť jednu z týchto fráz:
„Premýšľajme krok za krokom.“
„Preveď ma svojou úvahou.“
„Pred konečnou odpoveďou vysvetli, ako rozmýšľaš.“
„Rozlož to na kroky.“
Vo výskume sa najlepšie ukázalo „Premýšľajme krok za krokom“, no nadväzujúca štúdia objavila ešte účinnejšiu formuláciu: „Prejdime si to krok za krokom, aby sme mali istotu, že máme správnu odpoveď.“
Pozri sa, ako to vyzerá v praxi. Povedzme, že sa rozhoduješ, či prijať pracovnú ponuku.
Bez chain-of-thought:
Mám prijať pracovnú ponuku, ktorá ponúka o 20 % vyššiu mzdu, ale vyžaduje sťahovanie do mesta s o 40 % vyššími životnými nákladmi?
AI ti pravdepodobne hodí rýchle „áno“ alebo „nie“ na základe povrchného hľadania vzorov.
S chain-of-thought:
Mám prijať pracovnú ponuku, ktorá ponúka o 20 % vyššiu mzdu, ale vyžaduje sťahovanie do mesta s o 40 % vyššími životnými nákladmi?
Preveď ma tým krok za krokom — zvážme finančné dôsledky, kvalitu života aj vplyv na kariéru, a až potom dospej k záveru.
AI teraz rozoberie každý faktor zvlášť, prepočíta, či 20 % vyššia mzda vôbec pokryje o 40 % drahší život, zváži, čo môžeš získať alebo stratiť, a podloží odporúčanie konkrétnymi argumentmi.
Few-shot CoT: ukáž AI, ako má premýšľať
Prístup „Premýšľajme krok za krokom“ sa volá zero-shot CoT, lebo AI neukazuješ žiadne príklady. V mnohých situáciách to úplne stačí, no pri zložitejších alebo špecializovaných úlohách dostaneš ešte lepšie výsledky, keď jej priamo ukážeš, akú schému uvažovania chceš.
Toto sa volá few-shot CoT — k promptu pripojíš jeden alebo dva rozpracované príklady, na ktorých AI presne vidí, ako má cez podobné problémy uvažovať.
Tu je šablóna na rozbor obchodných rozhodnutí:
Potrebujem pomôcť s vyhodnotením možností. Takto chcem, aby si pri každej úvahu viedol:
Príklad:
Otázka: Mali by sme prejsť z mesačnej fakturácie na ročnú?
Krok 1 — Identifikuj kľúčové faktory: predvídateľnosť cash flow, riziko odchodu zákazníkov, cenotvorba.
Krok 2 — Analyzuj každý faktor:
- Cash flow: ročná fakturácia prináša tržby vopred, čo zvyšuje predvídateľnosť
- Odchody zákazníkov: tí, čo platia ročne, odchádzajú menej často
- Cenotvorba: pri ročnom pláne môžeme dať zľavu bez straty na výnose
Krok 3 — Porovnaj kompromisy: hlavná nevýhoda je vyššia bariéra pri nových registráciách.
Krok 4 — Záver: áno, ale ponúknime obe možnosti, pričom ročná bude s 15 % zľavou.
Teraz použi rovnakú štruktúru uvažovania na moju otázku:
{{question}}
Príklad sa nemusí presne zhodovať s tvojou otázkou — má len ukázať schému uvažovania, ktorú chceš. AI si ju potom prispôsobí na tvoju konkrétnu situáciu.
Kedy CoT skutočne pomáha (a kedy nie)
CoT prompting nie je zázrak na každú interakciu s AI. Výskum z Whartonu ukázal, že pri ťažkých problémoch síce zlepšuje výsledky, no pri jednoduchých môže presnosť skôr zhoršiť, lebo do nich zbytočne pridáva komplexnosť.
Použi chain-of-thought, keď:
Porovnávaš viacero možností alebo zvažuješ kompromisy
Úloha si vyžaduje viackrokové uvažovanie alebo výpočty
Potrebuješ niečo vyriešiť alebo identifikovať príčinu problému
Odpoveď stojí na rozbore príčin a následkov
Chceš vidieť postup AI, nielen jej záver
Vynechaj chain-of-thought, keď:
Pýtaš sa na jednoduchý fakt alebo definíciu
Potrebuješ kreatívny výstup, napríklad brainstorming alebo písanie
Žiadaš zhrnutie alebo preklad
Záleží ti viac na rýchlosti než na presnosti
Úloha žiadnu logiku nevyžaduje
A ešte jedna vec: CoT prompting je menej účinný pri malých modeloch. Pôvodný výskum Googlu ukázal, že výrazné zlepšenie sa objavuje až pri modeloch so 100+ miliardami parametrov. Pri dnešných spotrebiteľských AI nástrojoch ako ChatGPT-4, Claude a Gemini si na bezpečnej strane. Ak však používaš staršie alebo menšie modely, výsledky sa môžu líšiť.
5 hotových CoT promptov na bežnú prácu
Tu máš prompty, ktoré si môžeš skopírovať a hneď použiť. Každý už má štruktúru chain-of-thought zabudovanú v sebe.
1. Rozbor rozhodnutia
Pomôž mi rozhodnúť sa: {{decision_to_make}}
Postupuj krok za krokom:
1. Vymenuj kľúčové faktory, ktoré by som mal/a zvážiť
2. Vyhodnoť, ako si jednotlivé možnosti počínajú pri každom faktore
3. Identifikuj hlavné riziká a kompromisy
4. Daj mi odporúčanie a vysvetli, prečo tak myslíš
Buď konkrétny a vychádzaj z mojej skutočnej situácie, nie zo všeobecných rád.
2. Porovnanie pre a proti
Porovnaj tieto možnosti: {{option_1}} vs. {{option_2}}
Postupuj systematicky:
1. Najprv urči 5 kritérií, ktoré sú pri tomto type rozhodnutia najdôležitejšie
2. Vyhodnoť každú možnosť podľa každého kritéria
3. Označ prípadné dealbreakery alebo nutné podmienky
4. Zváž celkové kompromisy
5. Daj mi jasné odporúčanie
Nevypisuj len plusy a mínusy — naozaj porozmýšľaj, ktoré faktory vážia viac a prečo.
3. Hľadanie príčiny
Pomôž mi prísť na to, prečo sa toto deje: {{problem_description}}
Postupuj takto:
1. Vyjasni, čo sa skutočne deje a čo by sa diať malo
2. Vypíš všetky možné príčiny (aj tie nepravdepodobné)
3. Pri každej príčine zváž, čo by ju potvrdilo alebo vyvrátilo
4. Na základe dostupných informácií urči najpravdepodobnejšiu hlavnú príčinu
5. Navrhni, ako to overiť a čo s tým ďalej robiť
4. Plánovanie krok za krokom
Potrebujem {{goal}}.
Rozlož to na kroky:
1. Najprv urči, čo musí prebehnúť ešte predtým, než vôbec začnem (predpoklady)
2. Potom rozkresli hlavné fázy alebo míľniky
3. Pri každej fáze vypíš konkrétne úkony
4. Označ závislosti (čo musí prebehnúť skôr, aby mohlo začať niečo iné)
5. Spomeň možné prekážky a ako ich zvládnuť
Buď konkrétny — daj mi reálne kroky, nie nejaké všeobecné rady.
5. Rozbor zložitej otázky
{{complex_question}}
Predtým, než odpovieš, prejdime to dôkladne:
1. Rozlož otázku na to, čo sa naozaj pýta
2. Identifikuj predpoklady, ktoré sú v otázke skryté
3. Zváž kľúčové faktory, ktoré odpoveď ovplyvňujú
4. Prejdi každý faktor zvlášť
5. Až potom mi daj odpoveď a vysvetli, čo ju podopiera
Ak je niečo skutočne neisté, pokojne to priznaj namiesto toho, aby si predstieral istotu.
Všetky tieto prompty fungujú podľa rovnakej schémy: povedz, čo potrebuješ, a hneď za tým konkrétne opíš postup uvažovania, ktorý chceš od AI. Tá štruktúra ju prevedie poctivou analýzou a nedovolí jej skočiť rovno k záveru.
Karta so šablónou promptu a premennými, ktoré sa dajú dopĺňať pre rôzne úlohy
Ak prídeš na to, že tieto prompty používaš opakovane — len si zakaždým vymeníš iné rozhodnutie, problém alebo otázku — nástroj ako PromptNest ti dovolí uložiť ich aj s pripravenými {{premennými}}. Keď ho budeš potrebovať, len doplníš medzery a skopíruješ hotový prompt.
Riešenie problémov: keď sa úvaha pokazí
Občas sa stane, že chain-of-thought prompting použiješ, AI ti pekne ukáže kroky… a aj tak dôjde k zlému záveru. Tu je, ako to riešiť.
Úvaha vyzerá v poriadku, ale záver je zlý. AI mohla vychádzať z chybného predpokladu. Spýtaj sa: „Z akých predpokladov tu vychádzaš? Vymenuj ich.“ Chyba býva často v nevyslovenom predpoklade, nie v samotnej logike.
AI vynechala dôležité faktory. Odpíš jej: „Nezahrnul si {{factor}}. Ako sa kvôli tomu mení tvoj rozbor?“ AI novú informáciu zapracuje a často svoj záver prepíše.
Úvaha je vágna alebo sa točí dokola. Pýtaj si konkrétnosti: „V kroku 2 si napísal, že ‚to môže byť rizikové‘. O aké konkrétne riziká ide a ako by si ich vyčíslil?“ Keď trváš na detailoch, hmlisté myslenie vyjde najavo.
Máš pocit, že si AI je príliš istá. Skús: „Hraj diablovho advokáta. Aký je najsilnejší argument proti tomuto záveru?“ Často tým vytiahneš slabiny, ktoré AI v prvej odpovedi prešla mlčaním.
Zmysel chain-of-thought promptingu nie je len v lepších odpovediach — je v tom, aby si videl, ako AI uvažuje, a vedel chyby zachytiť a opraviť. Prvú odpoveď ber ako východiskový bod, nie ako finálny výrok.
Začni s chain-of-thought už dnes
Nemusíš sa učiť žiadne techniky naspamäť ani sa pridŕžať komplikovaných rámcov. Stačí pamätať na základ: keď chceš, aby AI naozaj premýšľala a nie len tipovala, povedz jej, nech ti ukáže postup.
Začni jednou úlohou, ktorú s AI bežne riešiš — niečo, kde ide o analýzu, porovnanie alebo hľadanie príčiny. Pridaj „Prejdime si to krok za krokom“ a všimni si, ako sa odpoveď zmení. Keď ten rozdiel raz uvidíš, sám rozpoznáš, kedy to použiť.
Ak si chceš vybudovať knižnicu promptov na uvažovanie ako tie vyššie, môžeš ich uložiť kdekoľvek — do appky na poznámky, do dokumentu, do čohokoľvek, čo už používaš. Alebo, ak by si rád niečo na to vyrobené, PromptNest je natívna mac aplikácia ($19.99 jednorazovo na Mac App Store, žiadne predplatné, žiadny účet, beží lokálne), ktorá ti drží prompty pekne usporiadané a s premennými. Ako-tak, ide o jedno: mať najlepšie prompty po ruke vtedy, keď ich potrebuješ — nie ich loviť v starých chatoch.
Rozdiel medzi AI, ktorá ti pomáha premýšľať, a AI, ktorá len sebavedome rozpráva, sa často zmestí do jednej vety: „Prejdime si to krok za krokom.“
