Néhány gyakorlati tipp a ChatGPT használatához

Az első javaslat, hogy érdemes előfizetéses ChatGPT-t használni, már a sima Plus csomag is sokkal hatékonyabb és megbízhatóbb, mint az ingyenes, gyakorlatilag korlátlan csevegési hozzáférést ad a legújabb modellhez, és ami fontos, használhatóak benne az itt felsorolt funkciók . Ez egyrészt jellemzően jobb minőségű válaszokat ad, mint a free, másrészt szélesebb körű funkciókhoz biztosít hozzáférést.

A saját GPT-k vagy Custom GPT-k használata

Az előfizetéses ChatGPT egyik leghasznosabb lehetősége a saját GPT-k, vagyis a Custom GPT-k használata. Egyrészt érdemes körülnézni a már elérhető saját GPT-k között, mert előfordulhat, hogy egy adott céges problémára már létezik mások által létrehozott megoldás. Ennél azonban sokkal előremutatóbb, ha saját GPT-t készítünk a saját céges igényeinknek megfelelően.

Saját GPT-t akkor érdemes létrehozni, ha van egy jól definiált, gyakran ismétlődő probléma, amelyet egy nagy nyelvi modellel, vagyis LLM-mel hatékonyan meg lehet oldani. A saját GPT létrehozása a következőképpen történik: a bal oldali menüben a GPT-knél a „GPT-k felfedezése” menüpontra kell kattintani. Ezt követően jobb felül megjelenik a „Létrehozás” gomb, amelyre szintén rá kell kattintani. Ezután megadhatunk egy nevet. Ezt elsősorban mi fogjuk látni, ezért célszerű olyan elnevezést választani, amely számunkra egyértelmű és beszédes. Hozzáadhatunk egy logót is, amely segíti az eligazodást a saját GPT-k között. Ezt akár a saját céges színekben is elkészíttethetjük valamelyik generatív AI-modellel, például ChatGPT-vel vagy Geminivel. Leírást is megadhatunk hozzá, amely szintén számunkra lesz hasznos, bár a bal oldali GPT-menüben elsősorban a nevet és a logót fogjuk látni, ezért ezeknek különösen jól azonosíthatónak kell lenniük.

A következő fontos elem az instrukciók része. Itt gyakorlatilag a promptot kell megadnunk, amelyet nagyon pontosan érdemes definiálni.

A promptolásnál célszerű figyelni arra az öt alapvető szempontra, amelyet a prompt engineering kapcsán is ki szoktunk emelni. Az első, hogy szerepbe kell helyezni a GPT-t. A második, hogy megfelelő kontextust kell adni neki. Harmadik lépésként pontosan meg kell határozni a feladatot. Ezen túl stílust és formátumot is megadhatunk, valamint korlátokat és kizárásokat is rögzíthetünk. Végül a kívánt output formáját is érdemes pontosan meghatározni. Minél precízebben fogalmazzuk meg ezeket, annál jobb eredményt kapunk.

A saját GPT-ben olyan folyamatokat érdemes automatizálni, amelyek gyakoriak, ismétlődőek, monotonnak tekinthetők, és amelyeket a nagy nyelvi modell alkalmas megoldani.

Gyakorlati példa custom GPT használatára

Vegyünk egy gyakorlati példát. Tegyük fel, hogy van egy blogunk vagy egy honlapunk, és annak aloldalai vagy blogbejegyzései alapján rendszeresen szeretnénk social posztot, például Facebook-bejegyzést készíttetni. Tegyük fel, hogy ezek a Facebook-posztok mindig hasonló felépítésűek. Két-három emojit szeretnénk használni bennük, a szöveges rész négy-öt mondatból álljon, a végén szerepeljen az adott blogcikk URL-je, majd öt hashtag, amelyek közül az utolsó állandóan a cég neve. Ha ezt megfelelően lepromptoljuk, és megadjuk, hogy egy konkrét aloldal- vagy blogcikk-URL alapján szeretnénk Facebook-bejegyzésszöveget létrehozni, akkor létrehozhatunk egy olyan saját GPT-t, amely bármikor, amikor megadunk neki egy URL-t, automatikusan előállítja a kívánt formátumú eredményt.

Természetesen, mielőtt ezt élesben alkalmazzuk, érdemes a promptot tesztelni, iterálni a megfelelő output felé, figyelni az eredményeket, és csak akkor használni a gyakorlatban, amikor a végeredmény már kielégítő számunkra.

Ha szöveges vagy akár képi tartalmat szeretnénk rendszeresen előállítani egy ilyen, egységes logika szerint működő saját GPT-vel, akkor a tudás rovatban mintafájlokat is megadhatunk számára. Így a rendszer az általunk kívánt formátumot követve tud outputot készíteni. Ha például rendelkezünk jól sikerült, saját készítésű Facebook-bejegyzésekkel, akár többel is, akkor ezeket megfelelő formátumban feltölthetjük. A rendszer ezek alapján fog igazodni az elvárt szerkezethez és stílushoz. Ugyanez képekkel is működhet: hasonló logika alapján képi mintákat is adhatunk neki.

A lényeg, hogy a saját GPT nem jegyzi meg automatikusan az előzményeket, viszont a beállított prompt- és outputlogika szerint következetesen működik. Vagyis ha az a feladata, hogy egy megadott URL alapján bizonyos paraméterek szerint Facebook-bejegyzésszöveget állítson elő, akkor ezt ismétlődően ugyanazon elvek mentén fogja megtenni. Fontos tudni, hogy az előző posztokból vagy korábbi kérésekből nem tanul tovább, és az előzményeket sem fogja automatikusan felidézni a következő promptoknál. Az előzményeket természetesen mi visszaolvashatjuk, de a rendszer nem épít rájuk úgy, ahogyan egy projektalapú munkafolyamat esetében.

Erre a problémára a projektek funkció jelenthet megoldást.

A funkcióknál bepipálhatjuk mind a négy lehetőséget, például az internetes keresést, a vászonképgenerálást, a kódelemzést és az adatelemzést. Javasolt modellt ugyanakkor nem érdemes fixen kiválasztani, mert ha később az adott modell elavul, a rendszer továbbra is azt fogja használni.

Custom GPT-k új művelet létrehozás - ChatGPT integráció más alkalmazásokkal

A saját GPT-knél létezik egy további, kifejezetten érdekes lehetőség is, az új művelet létrehozása. Ez már a hétköznapi felhasználáshoz képest magasabb szintet képvisel. Itt más alkalmazásokat is összekapcsolhatunk a ChatGPT-vel API-n keresztül.

Erre jó gyakorlati példa a Google Search Console. Ez az eszköz API-kapcsolaton keresztül összeköthető a ChatGPT-vel. Vagyis létrehozhatunk olyan saját GPT-t, amely az OpenAI platformján keresztül hozzáfér a Google Search Console adatainkhoz.

Ehhez regisztrálnunk kell az Open AI platformra, majd API-kulcs segítségével össze kell kapcsolnunk a Google Search Console-t és a ChatGPT-t. Ilyenkor a nagy nyelvi modell hozzáférést kap a saját Search Console-fiókunk adataihoz, és a modell képességeit felhasználva saját adatainkat tudjuk elemeztetni. Persze az integrációt ezt más alkalmazásokkal is végrehajthatjuk.

Ennek a beállítását itt nem ismertetem lépésről lépésre. Elsőként mindenkinek azt javaslom, hogy kérdezzen meg egy nagy nyelvi modellt — például a ChatGPT-t vagy a Geminit — arról, hogyan lehet riportot készíteni a saját Google Search Console adatokból Custom GPT-n keresztül, és kérje meg, hogy ezt pontról pontra írja le. Rövid próbálgatás után jellemzően meglehetősen pontos útmutatást fogunk kapni.

A folyamat lényege, hogy az OpenAI platformján regisztrálni kell, létre kell hozni az API-kulcsot, össze kell kötni a két alkalmazást — vagyis a Google Search Console-t és a ChatGPT-t —, majd a kapott kódot be kell illeszteni a Custom GPT-be. Ezzel párhuzamosan az instrukciók részben megfelelően kell beállítani a rendszert.

Ettől kezdve már a saját adatainkat tudjuk elemeztetni, és a saját GPT segítségével tetszőleges riportokat tudunk előállítani.

A projektek funkció

Kifejezetten hasznos lehet a projektek funkció is KKV-k számára. Itt új projektet hozhatunk létre, elnevezhetjük azt, majd a projekten belül elkezdhetünk dolgozni.

Projektet akkor érdemes létrehozni, ha egy hosszabb, összetettebb témán dolgozunk. A ChatGPT-vel való beszélgetés során ilyenkor a projekten belül könnyebben és hatékonyabban lehet visszahivatkozni a korábbi előzményekre.

A beszélgetés a projekten belül épít az ott elhangzott információkra, és figyelembe veszi az előzményeket. Így ez a funkció különösen hasznos lehet vállalkozások számára, ha egy adott témában hosszabb ideig, rendszerezetten szeretnének dolgozni.

A Deep Research funkció

A következő fontos lehetőség a Deep Research, vagyis a mélykutatás funkció.

Ez korlátozott számban érhető el, egy hónapon belül 25 alkalommal használható. Ha megadunk egy témát, a rendszer rendkívül alapos, sok forrást feldolgozó, gyakorlatilag egy komolyabb házi dolgozat színvonalának megfelelő választ tud készíteni, jellemzően körülbelül húsz–huszonöt A4-es oldalnyi terjedelemben.

Ennél a funkciónál is különösen fontos a pontos promptolás. Érdemes világosan kontextusba helyezni a feladatot, szerepet adni a modellnek, megmondani, mit szeretnénk és mit nem szeretnénk, illetve meghatározni azt is, milyen típusú forrásokat tárjon fel.

Egy Deep Research prompt akár egy-két A4-es oldalnyi terjedelmű is lehet, ezért érdemes alaposan megfogalmazni, ugyanakkor kerülni kell a felesleges információkat.

Mélykutatás funkció a gyakorlatban

A Deep Research kiváló lehetőség lehet a kisvállalkozások számára például arra, hogy szekunder adatokat gyűjtsenek a saját piacukról, a versenytársaikról vagy általános piaci információkról. A rendszer ezeket az információkat a prompt alapján részben tisztítja és strukturálja, így gyakorlatilag mini, szekunder adatokon alapuló piackutatásokat tud létrehozni meglehetősen jó minőségben.

Természetesen ennél a funkciónál is fennáll a hallucináció veszélye. Bár a modellek fejlődésével ez a probléma egyre kisebb mértékű, és egyre kevésbé vagyunk kitéve pontatlan információknak, az outputokat minden esetben ellenőrizni kell.

A három itt említett funkció — a Custom GPT-k, a projektek és a Deep Research — már olyan használati szintet képvisel, amelyet a ChatGPT-felhasználók csupán néhány százaléka használ ki. Ha ezeket a funkciókat tudatosan használod, várhatóan versenyelőnybe kerülsz.

Ha nincs saját kapacitásod erre, érdemes szakértőket megbízni azzal, hogy állítsák be számodra ezeket az eszközöket, kapcsolják össze a szükséges rendszereket, és alakítsák ki a megfelelő API-kapcsolatokat. Így sokkal hatékonyabban tudsz működni a saját kisvállalkozásod adatai között, és jelentősen egyszerűbbé teheted azokat a monoton, mindennapi KKV-s feladatokat, amelyeket egy LLM alkalmas megoldani.

Forrás

Open AI 2025-ös riportja