Az AI mindenkinek más eszköz. Egy marketinges teljesen másra használja mint egy fejlesztő – más a problémája, más az elvárása, és máshol akad el.
Három konkrét példán mutatjuk meg hogyan néz ki a promptolás a napi munkában – és ami fontosabb: hol szokott mindenki hibázni, és hogyan lehet kijavítani.
A marketinges: sok tartalom, kevés idő
Tipikus feladatok: közösségi média posztok, hirdetési szövegek, email kampányok, blog cikkek vázlata, landing page szövegek, A/B teszt változatok.
A legnagyobb probléma: Az AI általános szöveget ír. Nem ismeri a márkahangot, nem tudja ki a célközönség, fogalma sincs a kampány kontextusáról. Minden szöveget újra kell írni – és akkor minek volt az AI?
A hiba nem az AI-ban van. Hanem abban, hogy a marketinges minden alkalommal nulláról magyarázza el a helyzetet – vagy nem magyarázza el, és reménykedik.
A megoldás: kontextus template
Egyszer megírsz egy alap kontextust a cégedről/kliensedről, és minden prompt elé bemásolod:
„Kontextus: [Cég neve] egy [termék/szolgáltatás leírása]. Célközönség: [célcsoport részletesen]. Márkahangneme: [hangnem leírása – pl. közvetlen, nem corporate, kicsit ironikus]. Mindig kerülendő: [pl. corporate zsargon, túl hosszú mondatok, felkiáltójelek]. Platform: [hol jelenik meg].”
Ezt egyszer megírod – elmented – és minden marketing prompt elé odateszed. Az AI azonnal relevánsabb szöveget ad, mert nem kell találgatnia.
Ahol a marketinges a legtöbbet nyer az AI-val:
- Email tárgysorok – Sosem ír egyedül. 5-10 változatot kér az AI-tól, a legjobbat megtartja, A/B teszteli.
- Hirdetési szövegek – 3-4 verziót generáltat egyszerre, mindegyik más fájdalompontra fókuszál.
- Tartalom újrahasznosítás – Blog cikkből LinkedIn poszt, emailből Instagram caption, webinar összefoglalóból hírlevél. Az AI ebben brutálisan gyors.
A fejlesztő: precizitás és kontextus
Tipikus feladatok: kód magyarázat, dokumentáció írás, bug leírás, code review, API tervezés, teszt generálás, refaktorálás.
A legnagyobb probléma: Az AI kódot ír ami „majdnem jó” – szintaktikailag helyes, de nem illik a projektbe. Nem tudja milyen tech stack-et használsz, milyen naming convention-t követsz, milyen framework szabályok vannak. A „majdnem jó” kód több időt vesz igénybe kijavítani mint nulláról megírni.
A megoldás: tech kontextus
„Stack: Next.js 14, TypeScript strict mode, Supabase backend. Naming convention: camelCase változók, PascalCase komponensek. Stílus: funkcionális komponensek, nincs class component. State management: Zustand. Feladat: [konkrét feladat leírása].”
Ez a néhány sor drasztikusan csökkenti a „nem illik a projektbe” kód mennyiségét. Az AI nem fog class component-et írni ha mondtad hogy funkcionálist akarsz. Nem fog JavaScript-et írni ha TypeScript-et kértél.
Ahol a fejlesztő a legtöbbet nyer az AI-val:
- Dokumentáció generálás – A fejlesztők utálják írni. Az AI szereti. Adj neki egy függvényt és kérd hogy írjon hozzá JSDoc kommentet, README szekciót, vagy API dokumentációt.
- Code review promptok – „Nézd át ezt a kódot teljesítmény, biztonság és olvashatóság szempontjából. Listázd a problémákat súlyosság szerint.” Azonnal értékes feedback.
- Teszt generálás – „Írj unit teszteket ehhez a függvényhez. Fedj le edge case-eket is: üres input, null, nagyon nagy szám.”
A freelancer: sok kliens, minden más
Tipikus feladatok: ajánlatok írása, kliens kommunikáció, projektek dokumentálása, prezentációk, hidegemailek, számlázás szövegelése – mindezt egyszerre, több kliensnek, különböző stílusban.
A legnagyobb probléma: Nincs idő minden klienshez külön mindent megírni nulláról. De ha sablont használ, az látszik – és az ügyfelek érzik hogy „ez nem nekem szól.”
A freelancer csapdája: vagy személyre szab mindent (és nem jut ideje dolgozni), vagy sablonozik (és elveszíti a személyes hangot).
A megoldás: változó-alapú promptok
„Írj projekt ajánlatot. Kliens: [kliens neve, iparág]. Projekt: [rövid leírás, max 2 mondat]. Saját pozicionálásom: tapasztalt webdesigner, 40+ projekt, gyors átfutás, referenciák elérhetők. Hangnem: professzionális de személyes, nem sablon-jellegű. Struktúra: probléma azonosítás → megoldás → miért én → következő lépés. Hossz: max 300 szó.”
Minden kliensnél csak a szögletes zárójeleket cseréled – a prompt struktúra, a hangnem, az elvárások ugyanazok. Az output mégis személyesnek hat – mert a kontextus mindig egyedi.
Ahol a freelancer a legtöbbet nyer az AI-val:
- Hidegemailek – 5 változat, mindegyik más hook-kal. Ami működik, azt megtartja és használja tovább.
- Ajánlatok gyors adaptálása – Ugyanaz a struktúra, más kliens, más projekt. 5 perc helyett 1 perc.
- Kliens összefoglalók – Meeting után az AI-val megíratja a jegyzőkönyvet és a következő lépéseket. A kliens azt látja: profi, szervezett, megbízható.
Ami mindháromnál közös
Három teljesen különböző munkakör, három különböző feladatkör – de a minta ugyanaz:
- Adj kontextust – ami a te fejedben nyilvánvaló, az AI-nak nem az
- Használj változókat – hogy ne kelljen nulláról indulni minden alkalommal
- Mentsd el ami működik – ne írd újra amit már megcsináltál
A különbség csak annyi, hogy más a kontextus és mások a változók. A marketingesnél a célközönség és a hangnem változik. A fejlesztőnél a tech stack és a feladat. A freelancernél a kliens és a projekt.
De a rendszer ugyanaz.
A PromptMester AI ezt a rendszert adja kézbe: prompt könyvtár kategóriákkal, Smart Copy a változók kezelésére, és saját promptok mentése hogy amit egyszer megírtál, azt ne kelljen soha többé újraírni.
Próbáld ki 7 napig ingyen → Nem kell bankkártya. Nem kell elköteleződés.
Következő cikk: Iteratív promptolás – így finomítsd az AI kérdésedet lépésről lépésre → Az AI első válasza ritkán a legjobb. Megmutatjuk hogyan iterálj egy konkrét párbeszéd példán.
Előző cikk: Hogyan ne veszítsd el a legjobb promptjaidat