Prompty do ChatGPT — 47 sprawdzonych szablonów dla marketerów (2026)

⚠️ Artykul ma charakter informacyjny i edukacyjny. Nie stanowi porady prawnej, podatkowej ani ksiegowej. Przed wykorzystaniem wygenerowanych pism urzedowych, reklamacji lub odpowiedzi z podstawa prawna skonsultuj sie z doradca podatkowym, ksiegowa lub prawnikiem.

⚠️ Ochrona danych: wklejanie do ChatGPT (lub innego publicznego LLM) danych osobowych klientow, kontrahentow lub pracownikow bez odpowiedniej podstawy prawnej moze stanowic naruszenie RODO. Przed przetwarzaniem takich danych zweryfikuj polityke przetwarzania danych dostawcy i obowiazki administratora.

⚠️ Weryfikacja faktow: tresci generowane przez modele jezykowe (cytaty, statystyki, paragrafy, ceny, daty) moga byc nieprawdziwe (tzw. halucynacje). Kazda liczbe, zrodlo i podstawe prawna nalezy zweryfikowac przed publikacja lub wyslaniem.

⚠️ Linki afiliacyjne: artykul zawiera linki partnerskie Amazon — jesli skorzystasz z nich i dokonasz zakupu, autor moze otrzymac prowizje. Nie wplywa to na cene produktu ani na trescioloka rekomendacji.

Prompty do ChatGPT — co naprawdę działa w 2026 (i co nie)

Dobry prompt w praktyce to nie magiczna formuła, tylko brief dla pracownika, który nigdy wcześniej nie pracował w Twojej firmie. Jeśli nowemu copywriterowi powiedziałbyś “napisz coś o naszym produkcie”, dostałbyś generyk. ChatGPT działa tak samo — i większość ludzi tak właśnie do niego pisze.

W 2026 GPT-4o radzi sobie z polskim copywritingiem znacznie lepiej niż GPT-3.5 sprzed dwóch lat — łapie idiomy, trzyma ton, nie tłumaczy kalką z angielskiego. Ale model nadal jest tylko tak dobry, jak input. Wrzucasz trzy zdania → dostajesz tekst, który mógłby napisać każdy. Wrzucasz brief z rolą, kontekstem firmy, buyer personą i formatem → dostajesz tekst gotowy do publikacji po 5 minutach poprawek.

Dlaczego Twoje prompty dają słabe wyniki

Cztery błędy, które widzę u 90% osób:

1. Brak roli — “napisz post na LinkedIn” zamiast “jesteś specjalistą HR z 10 lat w rekrutacji IT, piszesz dla CTO startupów B2B”.
2. Brak kontekstu firmy — model nie wie, że sprzedajesz kursy dla księgowych za 1 200 zł, a nie SaaS dla korporacji za 50 tys.
3. Brak formatu wyjścia — nie powiedziałeś “tabela z 5 kolumnami” ani “max 80 słów, 3 akapity”, więc dostajesz ścianę tekstu.
4. Brak ograniczeń — nie wykluczyłeś emoji, hashtagów, frazy “w dzisiejszym dynamicznym świecie” — i dokładnie to dostajesz.

Co dostaniesz w tym artykule

47 promptów pogrupowanych w 5 bloków: copywriting (12), content marketing i SEO (15), social media i email (10), obsługa klienta i reklamacje po polsku (6), księgowość i pisma formalne (4). Każdy z trzema metadanymi: ile minut zajmuje ręcznie, ile z ChatGPT, na którym modelu działa najlepiej (GPT-4o, Claude 3.5 Sonnet, Gemini 2.0). Bez teorii o “inżynierii promptów” — kopiujesz, podmieniasz dane w nawiasach, używasz.

Anatomia promptu który działa — framework RTF + CRIT

Dwa frameworki, które działają w praktyce: RTF (Role-Task-Format) i CRIT (Context-Role-Instruction-Task). Pierwszy stosuj do prostych zadań — nagłówek, post, opis produktu. Drugi do złożonych — brief, sekwencja maili, strategia. Różnica? CRIT wymusza, żebyś najpierw opisał kontekst firmy, a dopiero potem dał polecenie. To 80% sukcesu.

Schemat CRIT, którego używam codziennie:

KONTEKST: [kim jesteś, co sprzedajesz, do kogo, cena]
ROLA: [kim ma być model — branża, lata doświadczenia, styl]
INSTRUKCJA: [co dokładnie ma zrobić]
ZADANIE: [konkretny output — temat, dane wejściowe]
FORMAT: [długość, struktura, czego unikać]

Pisanie tego wygląda na overkill, ale zajmuje 90 sekund i oszczędza 3 iteracje.

Rola (persona) — dlaczego “jesteś ekspertem” nie wystarczy

Źle: “Jesteś marketerem, napisz post o naszym kursie.”

Dobrze: “Jesteś copywriterem B2B SaaS z 8 lat doświadczenia, pisałeś dla HubSpot i Pipedrive. Styl: konkretny, oparty na danych, bez korpo-języka. Lubisz zaczynać od kontrowersyjnej tezy.”

Pierwsza wersja daje generyk z LinkedIna 2019 roku. Druga daje tekst z charakterem. Sekret: branża + lata + nazwiska firm + styl. Nazwiska firm działają jak filtr — model “wie”, jakim językiem pisze HubSpot, więc trafia w ton.

Kontekst i format wyjścia

Kontekst firmy w 3 linijkach: co sprzedajesz, dla kogo, jaki problem rozwiązujesz. Nie wklejaj 20-stronicowej strategii — model zgubi sygnał.

Przykład działającego kontekstu:

“Sprzedaję kurs księgowości dla freelancerów IT za 890 zł. Klient: programista 25–40 lat, pierwsza JDG, boi się US i ZUS. USP: 6 godzin video + szablony faktur + 30 dni Q&A z księgową.”

Format wymuszaj precyzyjnie: “tabela z 4 kolumnami: nagłówek | hook | CTA | długość w znakach”, “lista 5 wariantów, każdy max 60 znaków”, “JSON z polami title, body, tags”. Bez tego dostaniesz ścianę tekstu, którą będziesz cięł ręcznie.

Few-shot prompting i chain-of-thought po polsku

Few-shot = 1–2 przykłady gotowego outputu w prompcie. Stosuj, gdy chcesz konkretny styl, którego nie umiesz opisać słowami. Wklej 2 swoje stare posty z LinkedIna i napisz “pisz w tym stylu, ten sam rytm zdań” — model skopiuje rytm lepiej niż gdybyś próbował go opisać.

Chain-of-thought = “rozumuj krok po kroku, zanim napiszesz finalną wersję”. Działa świetnie przy analizie buyer persony, briefach SEO, wyborze kąta na kampanię. Model najpierw rozpisuje myślenie, potem daje output — jakość rośnie o 30–40%, koszt: 200 dodatkowych tokenów.

Nie używaj chain-of-thought do prostych zadań typu nagłówek czy CTA — tam tylko spowalnia.

Rola (persona) — dlaczego ‘jesteś ekspertem’ nie wystarczy

47 szablonów promptów — copywriting, SEO, social media

Sekcja zawiera trzy bloki tematyczne. Pokażę po 3–4 szablony z każdej grupy (pełna lista 47 jest w darmowym pliku do pobrania pod artykułem) — z czasem ręcznym, czasem z ChatGPT i modelem, na którym działa najlepiej.

Copywriting AI: nagłówki, CTA, landing page (12 promptów)

Prompt 1 — 10 nagłówków AIDA do landing page (ręcznie: 45 min → ChatGPT: 4 min | model: GPT-4o)

KONTEKST: [opis produktu w 2 zdaniach + cena + buyer persona]
ROLA: copywriter direct response z 10 lat doświadczenia,
inspiracje: Eugene Schwartz, Joanna Wiebe (Copyhackers).
ZADANIE: napisz 10 nagłówków do hero section landing page
według struktury AIDA. Każdy musi zawierać konkretną liczbę
lub okres czasu. Bez słów: "rewolucyjny", "innowacyjny",
"odkryj", "w dzisiejszym świecie".
FORMAT: tabela markdown, kolumny: nr | nagłówek | hook (jaki triger)
| długość w znakach (max 70).

Realny ROI: z 10 propozycji wybierasz 2 do A/B testu w 5 minut.

Prompt 2 — 8 wariantów CTA pod konkretną obiekcję (15 min → 2 min | GPT-4o)

Wklejasz obiekcję klienta (“za drogo”, “nie mam czasu wdrożyć”, “boję się że nie zadziała w mojej branży”) i model generuje 8 CTA, które tę obiekcję rozbrajają. Działa świetnie pod przyciski w sekcji pricing.

Prompt 3 — hero section z 3 wariantami stylistycznymi (60 min → 8 min | Claude 3.5 Sonnet)

Tu Claude bije GPT-4o o głowę w polskim — lepiej trzyma rytm, mniej kalk. Prompt prosi o ten sam hero w 3 stylach: agresywny direct response, spokojny ekspercki, narracyjny storytelling. Wybierasz, który pasuje do brandu.

Prompt 4 — opis produktu na sklep (PIM/Shopify) (20 min → 3 min | GPT-4o)

Wklejasz specyfikację techniczną, model wypluwa: nagłówek + 3 bullets korzyści + akapit narracyjny + sekcję “dla kogo” + 5 słów kluczowych pod SEO. Format: gotowy do wklejenia w Shopify lub Shoper.

Kiedy NIE używać: opisy produktów medycznych, suplementów, finansowych — model halucynuje twierdzenia, których nie udźwigniesz prawnie. Pisz ręcznie albo zatrudnij specjalistę.

Content marketing i SEO: brief, outline, meta (15 promptów)

Prompt 5 — brief contentowy z buyer personą (2 h → 15 min | Claude 3.5 Sonnet)

KONTEKST: [firma, produkt, cena, target]
ROLA: strateg contentowy, 8 lat w SEO, znasz framework
Content Design Kelly's hierarchy + buyer personas Adele Revella.
ZADANIE: napisz brief contentowy dla artykułu "[temat]".
Brief musi zawierać: 1) buyer persona w 5 punktach (demograficzne,
ból, pragnienie, obiekcje, język), 2) search intent
(informational/commercial/transactional), 3) angle artykułu —
co nas wyróżni vs konkurencja, 4) 5 entity NLP do pokrycia,
5) outline H2/H3, 6) meta title + description.
FORMAT: markdown, każda sekcja oddzielnie.

To jeden z najlepszych szablonów w bibliotece. Brief, który ręcznie piszę 2 godziny, dostaję w 15 minut do poprawek.

Prompt 6 — outline H2/H3 z target word count na sekcję (40 min → 5 min | GPT-4o)

Model proponuje strukturę z konkretnym targetem słów na każdą sekcję — od razu wiesz, że artykuł zmieści się w 3 000 słów, a nie nagle urośnie do 6 000.

Prompt 7 — 10 meta descriptions A/B (25 min → 2 min | GPT-4o)

10 wariantów meta description, każdy max 155 znaków, z CTR-friendly hookiem. Wybierasz 2, testujesz w Search Console przez 4 tygodnie.

Prompt 8 — FAQ z PAA (People Also Ask) (50 min → 8 min | Claude 3.5 Sonnet)

Wklejasz screenshot PAA z Google’a (Claude czyta obrazy świetnie), dostajesz 8 odpowiedzi po 40–80 słów, każda gotowa pod featured snippet.

Kiedy ChatGPT przegrywa z dedykowanymi narzędziami SEO: keyword research (Ahrefs, Senuto — model nie zna realnych volumenów), audyt techniczny (Screaming Frog), analiza SERP konkurencji (Surfer SEO). ChatGPT do strategii i pisania — narzędzia SEO do danych.

Social media i email: posty LinkedIn, newslettery (10 promptów)

Prompt 9 — post LinkedIn hook-value-CTA (30 min → 4 min | GPT-4o)

KONTEKST: [firma, USP, target na LI]
ROLA: ghostwriter LinkedIn z 5 lat, pisałeś dla CEO B2B SaaS,
średni engagement 200+ reakcji.
ZADANIE: napisz post LinkedIn na temat "[temat]" w strukturze:
hook (1 zdanie, max 12 słów, prowokacja lub kontra), value
(3-5 punktów konkretów, każdy 1-2 zdania), CTA (pytanie do
komentarza, NIE "co myślisz?", konkretne).
FORMAT: gotowy do wklejenia, krótkie akapity 1-2 zdania,
puste linie między akapitami. Max 1 300 znaków. Bez emoji,
bez hashtagów, bez "Czy zdarzyło Ci się...".

Prompt 10 — sekwencja 5 maili onboardingowych (4 h → 30 min | Claude 3.5 Sonnet)

Daje 5 maili: powitanie, edukacja, case study, social proof, oferta. Każdy z subject line, preview text i body. Wystarczy dograć w ConvertKit lub MailerLite, sprawdzić dwa razy i wysłać.

Prompt 11 — repurposing 1 artykułu w 8 postów (3 h → 20 min | GPT-4o)

Wklejasz pełny artykuł 2 500 słów, dostajesz: 3 posty LinkedIn, 2 wątki na X, 1 newsletter, 1 carousel script (10 slajdów), 1 short script na YouTube. Każdy z innym kątem, żeby się nie kanibalizowały.

Prompt 12 — newsletter w stylu Justin Welsh / Sahil Bloom (90 min → 10 min | Claude 3.5 Sonnet)

Few-shot prompting: wklejasz 2 newslettery, które Ci się podobają, model kopiuje rytm i strukturę. Polski Claude oddaje tu vibe lepiej niż GPT-4o — mniej kalek z angielskiego.

Kiedy NIE używać do social: posty oparte na osobistym story (rodzina, klient z imienia, anegdota z konferencji) — model wymyśli detale, które się nie zdarzyły. Story pisz ręcznie, edytuj w ChatGPT.

Prompty dla małych firm w PL — księgowość, reklamacje, obsługa klienta

MŚP w Polsce mają specyficzny problem: szablony z anglojęzycznych biblioteki promptów nie działają. Polski klient pisze reklamację inaczej niż amerykański, US wymaga konkretnej formy pisma, a ton “ugodowy po amerykańsku” w polskim brzmi protekcjonalnie. Te 6 promptów testowałem w swojej firmie i u 3 klientów — działają na GPT-4o po polsku bez tłumaczenia.

Reklamacje i obsługa klienta po polsku

Prompt 13 — odpowiedź na reklamację, ton ugodowy (ręcznie: 25 min → ChatGPT: 3 min | GPT-4o)

KONTEKST: Sklep [branża], sprzedaję [produkt] w cenie [X zł].
Klient złożył reklamację: [wklej treść].
ROLA: specjalista obsługi klienta z 6 lat w e-commerce,
piszesz w stylu Allegro/Zalando — uprzejmie, konkretnie,
bez wazeliny. Znasz ustawę o prawach konsumenta z 30.05.2014.
ZADANIE: napisz odpowiedź uznającą reklamację. Zaproponuj:
1) wymianę towaru lub zwrot pieniędzy do wyboru,
2) zwrot kosztów wysyłki, 3) konkretny termin (14 dni roboczych).
FORMAT: max 180 słów, 3 akapity. Bez "drogi kliencie",
bez "z przykrością informujemy", bez emoji. Zakończ
konkretnym pytaniem o decyzję klienta.

Prompt 14 — odpowiedź odmowna z podstawą prawną (40 min → 5 min | GPT-4o)

Klient żąda zwrotu po 35 dniach noszenia butów z widocznym śladem użytkowania. Model pisze odmowę z powołaniem na art. 556¹ KC — uprzejmie, ale stanowczo, z miejscem na zdjęcia dokumentujące. Zawsze weryfikuj podstawę prawną — model czasem podaje art. z 2018 roku, który już nie obowiązuje.

Prompt 15 — follow-up 7 dni po reklamacji (15 min → 1 min | GPT-4o)

Krótki mail “czy wszystko gra po wymianie?” z prośbą o opinię w Google. Konwertuje 4x lepiej niż automatyczny mail z systemu, bo brzmi jak napisany przez człowieka.

Prompt 16 — FAQ produktowy z prawdziwych pytań (2 h → 20 min | Claude 3.5 Sonnet)

Wklejasz 30 maili od klientów z ostatniego miesiąca (anonimizowane!), model grupuje w 10 kategorii i pisze odpowiedzi po 50–100 słów. Wrzucasz do Tidio lub na stronę — spadek tikietów o 30–40% w 2 tygodnie.

Pisma formalne, ponaglenia, komunikacja z US/ZUS

Prompt 17 — ponaglenie do zapłaty (3 wersje eskalacji) (45 min → 4 min | GPT-4o)

KONTEKST: Klient B2B, faktura [nr] na [kwota] z terminem
płatności [data], przekroczenie [X dni].
ZADANIE: napisz 3 wersje wezwania do zapłaty:
v1 — uprzejme przypomnienie (3 dni po terminie),
v2 — formalne wezwanie (14 dni po terminie, z odsetkami
ustawowymi za opóźnienie w transakcjach handlowych),
v3 — przedsądowe wezwanie do zapłaty (30 dni, z zapowiedzią
skierowania sprawy do sądu i wpisu do KRD).
FORMAT: każda wersja max 150 słów, format pisma firmowego.
Bez agresji w v1 i v2, w v3 ton stanowczy ale kulturalny.

Realny ROI: skuteczność v2 u moich klientów to 60–70%. Pisanie 3 wersji ręcznie zajmuje 45 minut, model robi to w 4. Sprawdzam tylko kwoty, NIP-y i numery faktur.

Prompt 18 — pismo wyjaśniające do US (90 min → 10 min | Claude 3.5 Sonnet)

Urząd wzywa do wyjaśnienia rozbieżności w JPK_VAT. Wklejasz treść wezwania + swoją wersję faktów, model formatuje pismo w formie urzędowej z podstawą prawną. Stop: ChatGPT NIE zastąpi księgowej. Używaj do formy pisma, nie do merytoryki podatkowej. Stawki VAT, terminy, interpretacje — weryfikuj zawsze u księgowej albo na podatki.gov.pl. Halucynacja w piśmie do US to nie literówka, to realne ryzyko grzywny.

W tej grupie modeli GPT-4o wygrywa nad Claude — lepiej trzyma polski język urzędowy i formuły grzecznościowe (“Z poważaniem”, “W odpowiedzi na pismo z dnia…”). Claude czasem wpada w styl “amerykański formalny”, który w polskim urzędzie brzmi obco.

Iteracja promptu — co zmienić, gdy output jest słaby

Większość poradników o promptach kończy się banałem “pisz precyzyjnie”. To bezużyteczne. Iteracja to proces — pokażę go na jednym prompcie do generowania opisu produktu, który zaczął jako śmieć, a po 4 wersjach dawał output gotowy do publikacji.

v1 (output: generyk): “Napisz opis produktu — kurs Excela dla księgowych.” Dostałem 200 słów o “rozwijaniu kompetencji w dynamicznym środowisku biznesowym”. Klasyk.

v2 (output: lepszy, ale nadal nijaki): dodałem rolę. “Jesteś copywriterem e-commerce, napisz opis kursu Excela dla księgowych.” Tekst poprawny gramatycznie, ale brzmiał jak 100 innych kursów na rynku. Brak konkretu.

v3 (output: konkretny, ale za długi): dodałem kontekst firmy i USP. “Kurs 890 zł, 12 h video, target: księgowa w biurze rachunkowym 30–50 lat, obsługuje 40 klientów ręcznie w Excelu. USP: 60 gotowych makr do skopiowania.” Tekst trafny, ale 600 słów zamiast 200 — i z 3 emoji.

v4 (działający): dodałem format i ograniczenia. “Max 180 słów, struktura: hook (1 zdanie) + 3 bullets korzyści + akapit dla kogo. Bez emoji, bez słów: rozwiń, odkryj, kompleksowy.” Output gotowy do wklejenia. Cały proces: 4 minuty.

Checklist iteracji: 7 rzeczy do sprawdzenia

Gdy output jest słaby, idę po kolei:

1. Czy jest rola? Nie “marketer”, tylko branża + lata + nazwiska firm referencyjnych.
2. Czy jest kontekst firmy? Cena, target, USP w 3 zdaniach — nie więcej.
3. Czy format wyjścia jest wymuszony? Liczba słów, struktura, kolumny tabeli.
4. Czy są ograniczenia “nie rób”? Lista słów do wykluczenia (emoji, hashtagi, frazy AI).
5. Czy prompt nie ma sprzeczności? “Krótko ale wyczerpująco”, “formalnie ale luźno” — model wybiera losowo.
6. Czy prompt nie jest za długi? Powyżej 800 słów input model gubi pierwsze instrukcje. Tnij kontekst.
7. Czy temperatura pasuje do zadania? W ChatGPT nie ustawisz, ale w API: 0.3 do faktów, 0.8 do kreacji.

90% słabych outputów wraca do punktów 1, 3 i 4.

Anti-patterns — przykłady ‘źle vs dobrze’ z realnymi outputami

Anti-pattern 1: prompt zbyt ogólny. “Napisz post o naszym produkcie.” → model halucynuje czym jest produkt. Dobrze: wklej landing page + jedno zdanie zadania.

Anti-pattern 2: sprzeczne wymagania. “Napisz krótko, ale szczegółowo o wszystkich funkcjach.” → dostajesz 400 słów ani krótkich, ani szczegółowych. Dobrze: wybierz jedno — “max 100 słów, tylko top 3 funkcje”.

Anti-pattern 3: przeciążenie kontekstem. Wklejasz 5-stronicową strategię + brief + buyer personę + 3 stare posty. Model gubi sygnał, miesza priorytety. Dobrze: kontekst max 200 słów, reszta osobnym promptem w tym samym czacie.

Anti-pattern 4: brak przykładu, gdy styl jest niestandardowy. Próbujesz opisać słowami “ironiczny ale nie cyniczny” → model pisze cynicznie. Dobrze: wklej 2 swoje stare teksty i napisz “pisz w tym rytmie”.

Kiedy ChatGPT NIE jest najlepszym wyborem

ChatGPT jest świetny do pisania, kiepski do liczb. To nie obraza modelu — to architektura. LLM przewiduje najbardziej prawdopodobne słowo, a nie sprawdza fakt w bazie. Dlatego w trzech obszarach trzeba uważać szczególnie: aktualne dane, liczby finansowe i fakty z 2025–2026.

Halucynacje i ograniczenia modelu

Konkrety z mojej praktyki:

• Cytaty: poprosiłem o cytat Setha Godina o pozycjonowaniu. Model dał piękny, brzmiący autentycznie cytat z książki “This Is Marketing”. Nie istnieje. Sprawdziłem w PDF — nigdzie takiego zdania nie ma.
• Statystyki: “73% marketerów B2B w Polsce używa ChatGPT codziennie” — model podał źródło: raport HubSpot 2024. Raport istnieje, statystyki w nim nie ma. Klasyk.
• Ceny narzędzi: zapytałem o cennik Ahrefs w 2026 — dostałem $99/mc za plan Lite. Realnie $129. Model trzyma się danych z trainingu (czasem 2023).
• Volumeny SEO: “fraza X ma 12 100 wyszukiwań miesięcznie w Polsce” — zmyślone w 100% przypadków. Do volumenów tylko Ahrefs, Senuto, Semrush.
• Przepisy prawa: art. 556¹ KC istnieje, ale model podał mi też art. 627² KC — nie ma takiego.

Reguła: każdą liczbę, cytat, datę, paragraf i nazwisko z outputu weryfikuj zanim opublikujesz. Bez wyjątku.

GPT-4o vs Claude vs Gemini — ten sam prompt, różne wyniki

Testowałem 3 prompty na każdym modelu (luty 2026, GPT-4o, Claude 3.5 Sonnet, Gemini 2.0 Flash):

Zadanie	GPT-4o	Claude 3.5 Sonnet	Gemini 2.0 Flash
Polski copywriting (hero section)	7/10	9/10	6/10
Pismo urzędowe po polsku	8/10	6/10	7/10
Analiza arkusza CSV 200 wierszy	7/10	8/10	9/10
Długi kontekst (50 stron PDF)	6/10	9/10	8/10
Brainstorming nagłówków	8/10	9/10	7/10
Kod Pythona/JS	8/10	9/10	7/10

Mój workflow: Claude do copywritingu i długich briefów, GPT-4o do pism formalnych i szybkich iteracji, Gemini do analizy danych w arkuszach (czyta CSV/Sheets natywnie). Jeden model do wszystkiego = średni wynik wszędzie.

Koszt: ChatGPT Plus 97 zł/mc, Claude Pro ~90 zł/mc, Gemini Advanced ~95 zł/mc. Razem ~280 zł — to godzina pracy freelancera. Liczy się.

Custom GPTs, Projects i prompt chaining — kiedy warto

Jeśli ten sam prompt wklejasz 5 raz w tygodniu, czas przestać go kopiować. Custom GPT albo Projects (oba w planie Plus za 97 zł/mc) trzymają system prompt i bazę wiedzy raz na zawsze — wchodzisz, piszesz “zrób Y”, model już zna kontekst firmy, ton i format.

Custom GPTs i system prompt — kiedy się opłaca

Mój próg: 3 razy w tygodniu ten sam workflow = buduj Custom GPT. Poniżej tego — szkoda czasu na konfigurację.

Co wrzucam do Custom GPT do copywritingu (15 minut setupu):

• System prompt: rola + kontekst firmy + 5 zasad stylistycznych + lista zakazanych fraz.
• Knowledge base: brand book PDF, 10 najlepszych tekstów referencyjnych, lista USP, buyer persona.
• Conversation starters: 4 najczęstsze zadania (“napisz hero”, “10 nagłówków”, “post LinkedIn”, “opis produktu”).

Realny ROI: zamiast wklejać 400 słów kontekstu za każdym razem, piszę “hero dla landing X” i dostaję output po polsku z trzymanym tonem. Oszczędność: 5 minut na każde użycie × 20 użyć/mc = 100 minut miesięcznie na jednego GPT.

Projects (nowsze, w Plus) działają inaczej — nie tworzysz “bota”, tylko folder czatów z wspólnym kontekstem. Lepsze do kampanii: jeden Project = jeden klient, wszystkie czaty trzymają kontekst, pliki współdzielone. Używam Projects do długich projektów (kampania 3-miesięczna), Custom GPT do powtarzalnych zadań (copy, FAQ, reklamacje).

Prompt chaining: workflow z 3-4 promptów

Jeden mega-prompt “zrób mi cały artykuł SEO” daje średni wynik. Model gubi sygnał, miesza priorytety, halucynuje. Chaining = łańcuch 3–5 mniejszych promptów, każdy z jasnym jednym zadaniem.

Mój workflow contentowy (testowany na 40+ artykułach):

1. Keyword → search intent + angle (Claude, 3 min) — wybór kąta, który nas wyróżni.
2. Angle → brief contentowy (Claude, 8 min) — buyer persona, entity NLP, USP artykułu.
3. Brief → outline H2/H3 z target words (GPT-4o, 5 min) — struktura, długość sekcji.
4. Outline → draft sekcja po sekcji (Claude, 6 × 4 min) — nigdy cały artykuł jednym promptem.
5. Draft → self-review vs brief (GPT-4o, 5 min) — czy pokryliśmy entity, czy ton trzyma.

Razem: 55 minut na artykuł 3 000 słów gotowy do publikacji po 20 minutach edycji. Ten sam efekt jednym mega-promptem? Niemożliwy — wychodzi generyk na 1 500 słów.

Reguła: im więcej decyzji w jednym prompcie, tym gorszy output. Dziel.

Koszty i bezpieczeństwo — Plus za 97 zł czy API, co NIE wklejać

Trzy plany, trzy zupełnie różne kalkulacje. Darmowy ChatGPT (GPT-4o z limitem ~10 wiadomości/3h) wystarczy do testowania, ale do pracy codziennej zapomnij — limit łapiesz po godzinie. Plus za 97 zł/mc daje GPT-4o bez praktycznego limitu, Custom GPTs, Projects, generowanie obrazów i Advanced Voice. API OpenAI to pay-per-use: GPT-4o ~$2.50 / 1M tokenów input, $10 / 1M output. Brzmi tanio, dopóki nie liczysz w skali.

Plan subskrypcji ChatGPT Plus vs API — kalkulacja PLN

Profil	Użycie/mc	Plus (97 zł)	API (PLN)	Rekomendacja
Freelancer (copywriter, SEO)	100–300 czatów	starczy	40–120 zł	Plus
Agencja 3-osobowa	600–1 000 czatów	3× Plus = 291 zł	180–350 zł	Plus × 3 (UI, Custom GPTs)
Automatyzacja (n8n, Make)	50–500k tokenów/dzień	nie zadziała (brak API)	400–2 500 zł	API
Content factory (50+ artykułów/mc)	5–10M tokenów	nie wystarczy	500–1 800 zł	API + Plus do edycji

Reguła: klikasz w ChatGPT → Plus. Wywołujesz programowo z n8n/skryptu → API. Mieszane = oba. Nie próbuj robić automatyzacji przez Plus (brak oficjalnego API do UI, łamie ToS).

Bezpieczeństwo i poufność: 5 rzeczy, których nigdy nie wklejaj

OpenAI domyślnie używa Twoich rozmów z Plus do trenowania modeli (możesz wyłączyć w Data Controls → Improve the model for everyone: OFF). API ma to wyłączone domyślnie i 30-dniową retencję. Niezależnie od planu — nie wklejaj tego:

1. Dane osobowe klientów (imię, e-mail, NIP, adres) — RODO, art. 5 i 32. Anonimizuj: [KLIENT_1], [NIP_KLIENTA], [KWOTA].
2. Umowy NDA i kontrakty z klauzulą poufności — wklejasz = łamiesz NDA, niezależnie od intencji.
3. Kod produkcyjny z secretami — API keys, hasła do bazy, tokeny JWT. Usuń przed wklejeniem albo użyj Cursor z trybem privacy.
4. Dane finansowe firmy — PnL, marże per klient, wynagrodzenia. Operuj na procentach i zaokrągleniach.
5. Hasła i dane logowania — nigdy, nawet “tylko żeby model pomógł zresetować”.

Praktyczny workflow: trzymam plik anonimizacja.md z mapowaniem ([KLIENT_1] = Firma X) lokalnie. Przed wklejeniem do ChatGPT robię find-replace w drugą stronę. 2 minuty pracy, zero ryzyka u prawnika.

FAQ — najczęstsze pytania o prompty do ChatGPT

Czy prompty z płatnych bibliotek (2 000–5 000 zł) są warte ceny? Krótko: nie. 90% z nich to przepakowane szablony RTF/CRIT, które masz w tym artykule za darmo. Płacisz za interfejs i społeczność, nie za “tajną wiedzę”. Jeśli musisz coś kupić — wybierz jeden kurs za 200–400 zł i resztę zbuduj sam.

Jak długi powinien być prompt? Tyle, ile potrzeba, żeby model nie zgadywał — zwykle 150–400 słów. Powyżej 800 słów input model gubi pierwsze instrukcje. Jeśli prompt rośnie do 1 000 słów, podziel na dwa wywołania (chaining).

Czy temperatura ma znaczenie dla zwykłego użytkownika ChatGPT? W UI nie ustawisz, więc praktycznie nie. W API tak: 0.2–0.4 do faktów, pism formalnych i kodu, 0.7–0.9 do copywritingu i brainstormingu. Domyślne 0.7 w ChatGPT jest sensownym kompromisem dla większości zadań.

Jak nauczyć ChatGPT polskich realiów (US, ZUS, ceny, idiomy)? Trzy rzeczy w system prompcie albo Custom GPT: 1) konkretny rynek i waluta (“piszesz dla MŚP w Polsce, ceny w PLN brutto”), 2) lista zakazanych kalek z angielskiego (“nie pisz: zaadresować problem, dostarczać wartość, wykorzystywać potencjał”), 3) 2–3 przykłady tekstów referencyjnych w polskim, który chcesz. Bez tego model domyślnie tłumaczy z angielskiego.

Czy ChatGPT zastąpi copywritera? Nie zastąpi dobrego — zastąpi przeciętnego. Senior copywriter z briefem i ChatGPT robi pracę 3 juniorów. Junior bez doświadczenia i z ChatGPT robi generyk, którego klient nie kupi. Narzędzie wzmacnia ekspertyzę, nie tworzy jej z niczego.