Generowanie artykułów AI: co robi n8n, co zostaje w Notion, a co człowiek

Wczoraj opublikowałem na tym blogu tekst o obowiązkach z AI Act w automatyzacjach↗. Napisała go maszyna. Pisanie ośmiu sekcji zajęło jej kilka minut i kosztowało 29 centów. Cała reszta, czyli research, decyzje i redakcja, zajęła parę godzin. Tak wygląda generowanie artykułów AI, kiedy policzy się wszystko, a nie sam rachunek za tokeny.

Ta dysproporcja jest całą treścią tego wpisu. Taki tekst nie kosztuje dużo pieniędzy, kosztuje uwagę, i to w konkretnych, dających się wskazać miejscach. Piszę to dla trzech osób: copywritera, który chce pisać szybciej, ale nie chce oddać maszynie tego, za co mu płacą; specjalisty w firmie, który zna temat lepiej niż jakikolwiek model, tylko nie ma czasu na zbieranie materiału; i agencji albo firmy, która ma blog do zapełnienia i liczy koszt za tekst. Pokażę przebieg dokładnie taki, jaki był: z liczbami z raportu, z decyzjami, które podjąłem, i z rzeczami, które się po drodze zepsuły.

Od briefu w Notion do gotowego tekstu

Zaczynam w Notion, kończę w Notion. Między jednym a drugim siedzi dziesięć połączonych automatyzacji, ale z mojej perspektywy to trzy przyciski i trzy momenty, w których muszę coś przeczytać i zdecydować.

Zanim cokolwiek ruszy, muszę mieć brief. I tu jest pierwsza rzecz, którą warto powiedzieć, bo zwykle się ją pomija: brief nie zaczyna się od pustej strony w chwili, gdy najdzie mnie ochota na tekst.

Pomysły mieszkają we własnej bazie i mają swój cykl życia. Trafiają tam ze skrzynki, dostają ocenę, czy w ogóle warto je pisać (czy pasują do odbiorcy, czy mają potencjał wyszukiwania, czy przypadkiem nie napisałem już tego samego), i dopiero po zielonym świetle idą dalej. Każdy jest przypisany do serii i kampanii, więc od początku wiadomo, w co się układa. Zanim ruszy produkcja, pomysł bywa jeszcze wzbogacony o źródła z wnętrza firmy: specyfikacje, dokumenty, realne liczby z narzędzi, których żadna wyszukiwarka nie zna, bo nie są publiczne.

Dopiero na tak przygotowanym pomyśle piszę brief, i to nadal ja, nie model. Brief ma stałą budowę: teza, wytyczne redakcyjne, pytania, na które tekst ma odpowiedzieć, wezwanie do działania, źródła własne oznaczone jako główne, no i zakazy. Przy tekście o AI Act zakazem było pozycjonowanie mnie na eksperta od zgodności, bo nie prowadzę takich usług, a wytyczną było podawanie dat wyłącznie za źródłem pierwotnym. To jest kąt redakcyjny, a nie powtórka researchu.

Druga rzecz do wypełnienia to preset: który model pracuje na którym etapie, ile ma być sekcji, ile faktów, jak bardzo tekst ma brzmieć po ludzku.

Cały ten proces nie dzieje się w oderwanej zakładce. Siedzi w module Contentu, czyli w tej części firmowej przestrzeni↗, w której żyją kampanie, serie tekstów i wszystko, co już opublikowałem. Artykuł dziedziczy przypisanie do kampanii i serii po pomyśle, z którego powstał, więc od pierwszej sekundy wiadomo, do czego należy i po co powstaje. Automat sięga do tej samej bazy przy linkowaniu: dobiera moje wcześniejsze teksty pasujące do tematu i proponuje je jako odnośniki, zamiast zostawiać nowy artykuł bez powiązań.

Potem klikam „Materiały” i maszyna idzie szukać. Klikam „Outline” i układa plan. Klikam „Pisz” i powstaje tekst. Po każdym z tych kroków system się zatrzymuje i czeka na mnie.

Nie musisz przechodzić całej drogi: research, plan albo gotowy tekst

Najczęstsze nieporozumienie brzmi, że to jest maszyna typu wszystko albo nic. Nie jest. Trzy przyciski działają niezależnie, więc można z niej zejść na każdym etapie i dokończyć po swojemu.

Zatrzymanie po pierwszym kroku daje sam research: listę źródeł z odnośnikami, wyciągnięte z nich fakty, każdy ze swoim adresem, do tego propozycje moich wcześniejszych tekstów do podlinkowania. Dla copywritera, który pisze dobrze i chce tylko przestać tracić godzinę na zbieranie materiału, to jest cały produkt, jakiego potrzebuje. Kolejnych przycisków po prostu się nie klika.

Zatrzymanie po drugim daje dodatkowo plan: sekcje, co w której ma być, które fakty gdzie wpleść. Dalej piszesz sam, tylko już nie z pustej strony. Dla specjalisty w firmie, który zna temat lepiej niż jakikolwiek model, to zwykle najsensowniejszy punkt wyjścia: research i szkielet z maszyny, treść od eksperta. Tak wygląda wzbogacanie firmowego marketingu wiedzą, która i tak jest w firmie, tylko nikt nie ma czasu jej spisać.

Trzeci przycisk jest dla sytuacji, w której wolisz dostać tekst do redakcji, a nie do napisania. To wariant dla agencji i dla firm, które mają blog do zapełnienia i potrzebują objętości, a nie jednego tekstu na kwartał.

Do tego dochodzi wybór narzędzi, bo model nie jest ustawiony na sztywno. Osobno wskazuję model do wyszukiwania, do wyciągania faktów, do układania planu i do pisania. Na samo pisanie mam dziś dziesięć modeli do wyboru z jednej listy i mogę je zmieniać między przebiegami, także po to, żeby poprawki nanieść innym modelem niż ten, który pisał. Osobne pokrętło ustawia, jak bardzo tekst ma brzmieć po ludzku, w pięciu stopniach od wyłączonego do maksymalnego. Źródła włączam i wyłączam: sieć, YouTube, Reddit, dokumentacja producentów, moje własne teksty. W tym przebiegu YouTube i fora były wyłączone, bo przy temacie prawnym nie wnoszą nic poza szumem.

Trzy miejsca, w których mówię „nie”

To jest sedno, więc rozpiszę je po kolei. Nie chodzi o klikanie „akceptuj”, tylko o realne odrzucanie rzeczy, które maszyna zrobiła dobrze pod względem formy, a źle pod względem treści.

Bramka pierwsza: źródła i fakty

Automat przyniósł piętnaście źródeł i osiem faktów, każdy z linkiem do miejsca, z którego pochodzi. Otworzyłem wszystkie osiem. Wszystkie osiem okazało się prawdziwe, co brzmi jak dobra wiadomość, dopóki nie spojrzy się na to, co trzeba było zrobić mimo to.

Jeden adres prowadził już gdzie indziej, bo strona po przekierowaniu wskazywała inny dokument. Trzy źródła wyleciały, w tym pusta strona główna serwisu prawnego, która wpadła jako przypadkowy wynik wyszukiwania. Sześć dołożyłem sam. Dwa fakty, bez których artykuł byłby niepełny, w ogóle się nie pojawiły i musiałem je znaleźć ręcznie: złagodzenie jednego z przepisów przez późniejsze rozporządzenie oraz polską ustawę wdrażającą razem z organem, który ma tego pilnować.

Przy okazji wyszło, że błąd był po mojej stronie. W briefie wpisałem złą datę i gdybym jej nie wyłapał, poszłaby przez plan prosto do tekstu, z linkiem do źródła, które mówi coś innego.

Bramka druga: plan

Plan przyszedł z pięcioma sekcjami merytorycznymi, choć zamawiałem cztery. Piąta powtarzała lead innymi słowami. Puściłem na plan osobnego recenzenta, tym razem agenta pracującego bezpośrednio w Notion↗, i dostałem listę cięć.

Trzy z jego zaleceń odrzuciłem. Chciał usunąć listę „z tego artykułu dowiesz się”, którą i tak generuje format leadu. Chciał wyciąć próg, przy którym integrator staje się dostawcą modelu, a to była odpowiedź na jedno z moich pytań z briefu. Chciał też usunąć odesłanie do oficjalnego zestawu oznaczeń, czyli akurat rzecz praktyczną. Resztę cięć wprowadziłem, bo miał rację: przy limicie długości na sekcję nie da się wpleść wszystkiego.

Bramka trzecia: gotowy tekst

Tu poszły trzy rundy. Pierwsza znalazła trzynaście zdań, które wychodziły poza to, co mówią źródła. Najpoważniejsze: tekst rozciągał obowiązek na „każdą automatyzację z LLM”, choć przepis działa warunkowo, i twierdził, że kary dotyczą tylko podmiotów ignorujących obowiązki całkowicie, co jest po prostu nieprawdą.

Druga runda złapała coś, czego się nie spodziewałem. Dwie poprawki z rundy pierwszej okazały się niepełne, bo ta sama teza padała w tekście dwa razy: raz w akapicie, raz w diagramie dwa ekrany niżej. Poprawiłem pierwsze wystąpienie i uznałem temat za zamknięty.

Trzecia runda nie znalazła już żadnego błędu w faktach ani datach. Znalazła dwa skróty myślowe, w których zdanie brzmiało sensownie, ale wnioskowało więcej, niż wynika z przepisu. To jest warstwa, której żadna metryka nie wykryje, bo tu nie ma czego zmierzyć.

Ile kosztuje generowanie artykułów AI

Czas uwagi jest szacunkiem, bo nie mierzę go stoperem. Koszt w dolarach nie jest szacunkiem, bo każdy przebieg zostawia raport z dokładną kwotą.

Tabela ma jedną lukę i wolę ją pokazać, niż udawać, że jej nie ma: koszt wyszukiwania w sieci nie jest jeszcze wliczany do raportu. To jakieś cztery centy, ale dopóki nie liczy się sam, jest szacunkiem, a nie liczbą.

Fakty sprawdzane cztery razy

Kiedy mówię, że pilnuję faktów, to nie jest deklaracja dobrych chęci. To cztery różne mechanizmy, z których każdy łapie co innego.

Pierwszy jest w automacie. Po napisaniu każdej sekcji system sprawdza, czy adres każdego przypisanego faktu fizycznie znajduje się w tekście. Jeśli nie, sekcja idzie do napisania od nowa razem z listą tego, co zginęło. Przy tym artykule zadziałało w stu procentach: dziesięć faktów na dziesięć, każdy z tym samym adresem, z którego pochodzi.

Drugi to ja. Otwieram każde źródło, nie tylko sprawdzam, czy link działa. Ta różnica ma znaczenie, bo martwy link widać od razu, a link prowadzący do innego dokumentu niż kiedyś wygląda zdrowo.

Trzeci to recenzent, osobny agent czytający gotowy tekst wobec briefu i puli faktów. Łapie rzeczy, których nie widzę, bo znam tekst za dobrze.

Czwarty pojawił się dopiero przy drugim artykule w serii i był całkowitą niespodzianką. Nowy tekst twierdził, że pewną informację odczytasz z konfiguracji narzędzia, a mój wcześniejszy artykuł o routerze modeli w n8n↗ mówi wprost, że tego się tam nie da odczytać. Dwa teksty na jednym blogu przeczyły sobie, i to w miejscu, gdzie jeden linkował do drugiego. Żadna z trzech rund recenzji nie mogła tego złapać, bo recenzent czyta artykuł wobec briefu, a nie wobec reszty bloga.

Co się zepsuło

Poza błędną datą w moim briefie i tą sprzecznością między tekstami były jeszcze trzy rzeczy, wszystkie warte opisania.

Znaczniki przy źródłach głównych ginęły po drodze. Oznaczałem w briefie, które źródła są najważniejsze, a etap układania planu widział ich zero, bo pole gubiło się przy przekazywaniu między krokami. Naprawa zajęła dziesięć minut i weszła na produkcję w trakcie pracy.

Bibliografia napisała się sama, zamiast zostać przepisana. W automacie jest reguła, że sekcja ze źródłami ma być skopiowana z planu bez udziału modelu. Reguła porównywała nazwę sekcji po usunięciu polskich znaków i przegrała z literą „ł”, która akurat nie daje się usunąć tą metodą. Sekcja poszła do modelu, który dobrał adresy sam. Tym razem wszystkie dziesięć było prawdziwych, ale to kwestia szczęścia, nie procesu. Poprawka to jeden znak w jednym miejscu.

Trzecią rzecz znalazłem dopiero przy pisaniu tego tekstu, sprawdzając, jak automat dobiera linki do moich wcześniejszych artykułów. Robi to sam: tekst z tej samej serii wplata obowiązkowo, z reszty bloga bierze najwyżej trzy, albo zero, jeśli nic nie pasuje. Kandydatów szuka przez dopasowanie słów z tematu do tytułów i tagów moich artykułów. I tam wyszła dziura. Fraza kluczowa artykułu ma w Notion własne pole, osobną zakładkę i walidację, która świeci ostrzeżeniem, kiedy pole jest puste. Do automatu ta fraza nie dociera ani razu. Cztery etapy mają na nią gotowe miejsce w poleceniu dla modelu: wyszukiwanie źródeł, zbieranie faktów, układanie planu i właśnie dobór linków. Wszystkie cztery dostają puste miejsce, bo główny przebieg nigdy jej nie przekazuje. Fraza jest wpisana, widoczna, pilnowana przez walidację i w tym procesie zupełnie bezużyteczna.

Co robi n8n, a co zostaje w Notion

Ta część jest dla ciekawskich i można ją spokojnie pominąć.

Pod jednym przyciskiem siedzi dziesięć połączonych przepływów w n8n↗. Poniżej widać sam przebieg główny, ten, który steruje całością. Dziewięciu podprzepływów, które wykonują właściwą robotę, na tym zrzucie nie ma, bo każdy mieszka w osobnym oknie.

Dla kontrastu jeden z tych dziewięciu, akurat ten od szukania filmów. Cztery elementy i tyle. Wszystkie dziewięć podprzepływów razem to siedemdziesiąt cztery elementy, czyli mniej niż sam przebieg główny. Złożoność bierze się więc nie z tego, że praca jest skomplikowana, tylko z tego, ile jest miejsc, w których trzeba zdecydować, co dalej.

Ciekawsze jest, jak ta praca się rozkłada. Pięć z dziesięciu przepływów zajmuje się wyłącznie zbieraniem i porządkowaniem materiału: szukaniem źródeł, pobieraniem ich treści, dobieraniem moich wcześniejszych tekstów do podlinkowania, szukaniem wideo i wątków z forów. Weryfikacja faktów to jeden przepływ. Układanie planu to jeden. Samo pisanie to też jeden. Zapisanie wyniku z powrotem do Notion to ostatni.

Czyli połowa maszyny służy temu, żeby było z czego pisać. Pisanie jest jednym modułem na dziesięć i najtańszym etapem w całej tabeli. To dokładna odwrotność tego, co się zwykle zakłada o pisaniu z AI.

Czy to się w ogóle opłaca

Dolar dwadzieścia dziewięć za tekst, który czyta się trzynaście minut, wygląda dobrze. Ale liczba, która naprawdę decyduje, to te dwie godziny uwagi, bo one nie schodzą do zera i nie powinny.

Widziałem, co się dzieje bez nich. Bez pierwszej bramki artykuł miałby błędną datę i trzy źródła bez wartości. Bez drugiej byłby o jedną piątą dłuższy i powtarzałby sam siebie. Bez trzeciej twierdziłby rzeczy, których przepis nie mówi, i to z linkiem do tego przepisu obok, co jest gorsze niż brak linku.

Sensowna obietnica brzmi więc inaczej, niż się ją zwykle sprzedaje. To nie jest „artykuł bez pracy”. To jest praca przesunięta: zamiast pisać, czytasz i decydujesz. Dla mnie wychodzi na to, że jeden tekst ekspercki kosztuje dolara i dwie godziny zamiast całego dnia pisania.

Jeśli wolisz nie budować niczego u siebie, a po prostu mieć teksty na stronie, to też jest droga: piszę je w tym samym procesie i z tymi samymi bramkami.