C.A.D.R.U.
Cele mai bune practici de prompting de anul trecut au încetat să funcționeze la modelele de frontieră. De aceea am definit framework-ul C.A.D.R.U. care te ajută să identifici ce trebuie să știi înainte să lucrezi cu AI, ca să obții rezultate excelente de fiecare dată.
Ce este C.A.D.R.U.?
Ce trebuie să știi înainte să deschizi conversația cu un model de frontieră. E lista scurtă de lucruri pe care numai tu le poți defini, iar dacă le-ai definit, rezultatul bun vine aproape de la sine. Sunt 5 elemente și toate se clarifică înainte să te duci spre AI, în capul tău sau pe o foaie. Ce ajunge în fereastra de chat e apoi o conversație normală.
Regula de bază: un model de frontieră nu are nevoie să îi explici cum să lucreze. Are nevoie să știe unde ești, ce contează și care e obiectivul. Diferența dintre un rezultat generic și unul pe care îl poți susține în ședință stă aproape în întregime în ce ai clarificat înainte.
Întâi: cu ce clasă de model vorbești?
E prima decizie și schimbă tot ce urmează. Un model de frontieră e supra-constrâns de instrucțiuni rigide. Un model mic deraiază fără ele. Același prompt dă rezultate opuse pe cele două.
Claude Opus 5, Claude Fable 5, GPT-5.6 Sol și echivalente.
Sonnet, modele open-source, Gemini 3.1, GPT 5.5. Au nevoie de ghidaj directiv ca să nu deraieze.
Cu acces la documentele firmei. Aici intră și regulile interne de lucru cu date.
Nu e un framework care îl scoate pe celălalt din uz. Sunt două regimuri de ghidaj pentru două clase de modele, iar alegerea între ele e chiar prima decizie de discernământ.
Cele 5 elemente
Fiecare element vine cu o întrebare al cărei răspuns te ajută să lucrezi mai bine cu AI și cu un indiciu care-ți arată că acel element lipsește sau e incomplet.
Cel mai mare levier pe care îl ai
Situația, așa cum e ea. Cine e audiența și ce o preocupă acum. Ce s-a încercat deja și de ce n-a mers. Ce constrângeri există: bugete, calendare, timing, stakeholderi dificili, lipsă de staffing, constrângeri geografice, geo-politice, socio-economice. Ăsta e singurul element pe care modelul nu îl poate deduce singur, oricât de bun ar fi, și e cel mai mare levier pe care îl ai.
Întrebarea
Ce știu eu despre situația asta și nu are cum să afle de nicăieri?
Cum se vede că lipsește
Răspunsul e corect și complet inutil. Se potrivește oricărei companii din domeniu.
Pasul de discernământ, cel mai des sărit
Ce problemă merită rezolvată, dintre toate cele pe care le-ai identificat. Și ce decizie atârnă de răspuns. E pasul de discernământ și e cel mai des sărit. Un model foarte bun îți poate livra o soluție excelentă pentru problema greșită, iar tu nu ai cum să vezi asta uitându-te la calitatea răspunsului. Alegerea rămâne integral a ta.
Întrebarea
Ce se schimbă concret în munca mea după ce primesc rezultatul? Dacă nu se schimbă nimic, de ce îl cer?
Cum se vede că lipsește
Primești ceva bun, îl citești, îl salvezi și nu îl folosești niciodată.
Criterii, în locul listei de interdicții
Cum arată un rezultat excelent, formulat într-o manieră pozitivă, de tip outcome. Efectul contează, nu lungimea și structura: ce trebuie să înțeleagă cineva după ce citește, ce trebuie să simtă, ce trebuie să poată face. Aici se schimbă cel mai mult față de vechiul reflex. Lista de interdicții devine listă de criterii: în loc de fără clișee, fără limbaj de lemn, maximum 200 de cuvinte, spui tonul trebuie să fie direct, concret și verificabil, iar cineva sceptic trebuie să rămână cu un lucru pe care îl poate testa mâine.
Întrebarea
Pe baza căror criterii voi decide că rezultatul e cel dorit?
Cum se vede că lipsește
Ceri revizuiri la nesfârșit, fără să poți spune clar ce nu e în regulă.
Două sau trei, nu cincisprezece
Cele 2 sau 3 linii roșii care nu pot fi încălcate niciodată, sub nicio formă: date care nu au voie să iasă din organizație, un claim juridic care trebuie să apară exact așa, o cifră care nu se rotunjește, un nume care nu se pronunță. Nucleul se ține minimalist în mod intenționat. Tot ce nu e linie roșie e preferință, iar preferințele aparțin criteriilor de reușită. Cu cât lista de aici e mai lungă, cu atât modelul se comportă mai defensiv și mai plat.
Întrebarea
Ce anume mă pune într-o situație proastă, dacă apare în rezultatul final?
Cum se vede că lipsește
Ori apare un incident de conformitate, ori, mult mai frecvent, ai o listă de 15 restricții din care 13 țin de preferința ta personală.
Verificarea se mută de la model la om
Cum verifici tu, ce nu accepți și cine răspunde pentru ce iese în lume. Vechiul reflex era să ceri modelului să se auto-noteze de la 1 la 10 și să rescrie dacă rezultatul e sub 9. La un model de frontieră, nota aia nu e o măsurătoare, e tot un text generat. Verificarea se întoarce la tine: ce citești cu atenție, ce verifici la sursă, ce nu iese din birou fără să fi fost testat pe un caz real.
Întrebarea
Ce anume verific eu personal înainte să-mi pun numele pe rezultat?
Cum se vede că lipsește
Ai lucrat repede și nu poți susține în ședință de ce ai livrat asta și nu altceva.
Cum arată completat
Situația: un director de operațiuni trebuie să propună în board dacă introduce AI în fluxul de suport clienți.
Suport de 9 oameni, 2 dintre ei acoperă 60% din volum. S-a încercat anul trecut un chatbot, oprit după 3 luni pentru că răspundea greșit la garanții. Boardul a rămas cu gustul ăla. Bugetul se discută în septembrie.
Întrebarea nu e cum folosim AI în suport. E ce recomand în board ca să nu repetăm eșecul de anul trecut. De răspuns atârnă o decizie de buget și credibilitatea lui în fața boardului.
O recomandare pe care un board sceptic o poate contesta și care rezistă. Trebuie să conțină ce se automatizează, ce rămâne uman și cum se măsoară că funcționează. Cineva care a votat împotrivă anul trecut trebuie să rămână cu un motiv concret să voteze altfel.
Nu se propune nimic care atinge datele de garanție fără validare umană. Nu se promite reducere de personal, pentru că nu e pe masă.
Verifică personal orice cifră de piață citată și testează recomandarea pe cele 3 tipuri de reclamație care au produs eșecul anterior, înainte să o ducă în board.
Cu asta lămurit, cererea către model devine scurtă și conversația e utilă de la primul răspuns. Fără ea, primești un plan de implementare AI corect, generic și imposibil de susținut în ședință.
Cum știi că l-ai folosit bine
- →Ai putut spune, înainte să scrii ceva, ce decizie atârnă de rezultat.
- →Ai scris criterii de reușită măsurabile.
- →Lista de restricții are 2 sau 3 intrări, nu 15.
- →Ai știut ce verifici personal, înainte să vezi rezultatul.
- →Conversația a fost scurtă, pentru că n-a trebuit să repari din mers.
- →Rezultatul se poate susține în fața cuiva care are motive să îl conteste.
Unde se încadrează în suita de framework-uri
Ce tipuri de task-uri delegi AI-ului. Vine înaintea lui C.A.D.R.U.
Ce definești înainte de conversație
Aceeași muncă, pentru modelele mici, rapide sau locale
Cum lucrezi cu AI, cu riscurile și etica sub control
Ce cultivi ca să rămâi valoros în era AI: experiență, judecată, relațional-etic
Competența completă. C.A.D.R.U. e instrumentul din activitatea FRAME
Elementele A și U sunt cele care cer judecată, adică exact partea care se atrofiază când accepți output-uri fără să le contești. C.A.D.R.U. e felul în care partea aia se antrenează zilnic, nu doar se descrie.
Echipele se antrenează pe task-urile lor
În programele AI Agency for Teams, C.A.D.R.U. devine reflex. Laboratoarele se construiesc pe baza unei analize de nevoi, pe rolurile și fluxurile reale ale echipei tale, iar oamenii exersează cele 5 elemente pe sarcinile la care lucrează oricum. Pleacă din sesiune cu sarcini rezolvate și cu obiceiul de a-și lămuri cadrul înainte să deschidă conversația.
Vezi programele AI Agency