Jednakże, gdy wielu z nas skupiało się na tych ważnych kwestiach, przeobrażeniu uległ cały krajobraz finansowania działalności. W obecnej sytuacji politycznej na świecie, w obliczu kurczącej się przestrzeni dla społeczeństwa obywatelskiego, potrzebujemy nowych sposobów na pozyskiwanie wsparcia i dalsze wywieranie wpływu.
Tekst był za długi? Nie przeczytałeś go? Oto, czego potrzebujesz:
Struktura to podstawa. Upewnij się, że twój prompt uwzględnia kontekst, instrukcje, dane wejściowe oraz format danych wyjściowych.
W przypadku modeli rozumujących wykorzystaj następujące 7 elementów: rola, cel, metodologia, format wyników, ograniczenia, niepewności oraz walidacja
Zacznij już teraz: Skorzystaj z szablonów do kopiowania i wklejania oraz prawdziwych przykładów z biblioteki Fundraising Prompt Library.
Problem z podejściem „wystarczy zapytać AI”
W internecie pełno jest treści o niskiej wartości masowo generowanych przez AI, czyli „AI slop”.
Zdjęcie 1: Opis „AI slop” autorstwa Chat GPT: „W dzisiejszym szybko zmieniającym się świecie cyfrowym »AI slop« stał się przełomowym zjawiskiem, które rewolucjonizuje tworzenie treści. Ten nowy paradygmat czyni użytek z najnowocześniejszych rozwiązań z zakresu sztucznej inteligencji do tworzenia skalowalnych, synergicznych rozwiązań, które generują bezprecedensową wartość. Wykorzystując możliwości uczenia maszynowego nowej generacji, rozwiązanie to umożliwia interesariuszom odkrywanie nowych możliwości i przełamywanie tradycyjnych metod w tej ekscytującej erze transformacji cyfrowej”.
Cały ten akapit został w całości wygenerowany przez sztuczną inteligencję, a dzięki tym wszystkim górnolotnym słowom (przełomowy, rewolucjonizujący, cyni użytek) i całkowitemu brakowi sensu stanowi doskonały przykład „AI slop”.
Słownik Merriam-Webster definiuje to pojęcie jako „treści cyfrowe niskiej jakości, tworzone zazwyczaj w dużych ilościach przy użyciu sztucznej inteligencji”. To cyfrowy odpowiednik spamu w poczcie elektronicznej: elegancko opakowany, pewnie podany i zupełnie bezużyteczny.
Tak to właśnie wygląda, gdy przygotowane prompty są kiepskie i niejasne. Sztuczna inteligencja zapełnia luki ogólnikowymi wypełniaczami, tworząc treści, które brzmią przekonująco, ale nie wnoszą żadnej rzeczywistej wartości.
Podstawy sztucznej inteligencji
Aby wyznaczyć realistyczne oczekiwania, warto zrozumieć, co właściwie robi sztuczna inteligencja.
Korzystamy z niej od lat, ponieważ opiera się na niej każde wyszukiwanie w Google, każda rekomendacja serwisu Netflix i każda odpowiedź Siri. Ostatnio pojawiły się narzędzia, które potrafią generować nowe treści, a nie tylko porządkować istniejące informacje.
W swojej podstawowej funkcji, sztuczna inteligencja rozpoznaje wzorce w danych i wykorzystuje statystykę do przewidywania przyszłych wydarzeń. Nie posiada zdolności „rozumienia”, jaką posiadają ludzie.
Kiedy zadajesz pytanie, system szacuje, jakie słowo najprawdopodobniej pojawi się jako następne, potem kolejne i tak dalej. System generuje wyniki na podstawie wzorców, których nauczył się podczas treningu.
Najważniejsze pojęcia, które warto znać:
Sztuczna inteligencja (AI) - systemy AI wykonują zadania, które zazwyczaj wymagają ludzkiej inteligencji, takie jak rozpoznawanie mowy czy tłumaczenie języków.
Generatywna sztuczna inteligencja tworzy nowe treści (tekst, obrazy, filmy) w oparciu o wzorce zawarte w danych treningowych.
Chatboty, z którymi obecnie mamy do czynienia (np. ChatGPT, Gemini czy Claude), to duże modele językowe (LLM): systemy wytrenowane na ogromnych zbiorach danych tekstowych, które generują odpowiedzi przypominające ludzkie poprzez przewidywanie sekwencji słów.
To prowadzi do najprostszego sposobu korzystania ze sztucznej inteligencji: wprowadzamy dane wejściowe za pośrednictwem interfejsu czatu (czyl promptu), a następnie otrzymujemy wynik. Wygląda to prosto.
Jednak, jak pokazuje przykład „AI slop”, proste dane wejściowe dają bezużyteczne wyniki.
Dlaczego słabe prompty zawodzą
Właśnie dlatego tak ważna jest jakość promptów. W pracy z chatbotami AI najważniejsze są precyzja i struktura.
Prawdopodobnie widziałeś już lub korzystałeś z prostych promptów, które zawierają jedynie instrukcję oraz kilka bardzo niejasnych pojęć, np.
„Napisz tekst kampanii zbiórki funduszy na rzecz wsparcia nastolatków zagrożonych życiem na ulicy”.
Zrzut ekranu z ChatGPT – Oryginalny zapis rozmowy w języku angielskim można znaleźć tutaj.
Wyniki często brzmi pewnie, ale dość ogólnikowo. Na pozór sprawiają wrażenie dopracowanych, ale tak naprawdę nie wykonują prawdziwej pracy.
Główne wyzwania związane z tworzeniem promptów
Zdjęcie 3. Dlaczego moja sztuczna inteligencja tak postąpiła? 4 typowe wyzwania związane z tworzeniem promptów: 1. Luka intencji, 2. Podatek od precyzji, 3. Iluzja pamięci, 4. Paradoks wiedzy eksperckiej. Wygenerowano za pomocą NotebookLM firmy Google. Wyzwania te zostały opisane w poniższym tekście.
Właśnie dlatego sztuczna inteligencja wydaje się bardziej „sztuczna” niż „inteligentna”.
Luka intencji - różnica między wydanym poleceniem (tym, co wpisałeś) a twoją intencją (tym, co faktycznie chcesz osiągnąć). Ponieważ język nadal stanowi główny interfejs, chatbot nie może znać twojego prawdziwego celu, dopóki go wyraźnie nie określisz. Gdy cel nie jest jasny, aplikacja zapełnia luki ogólnikową treścią.
Podatek od precyzji - często chcemy, żeby sztuczna inteligencja „po prostu wykonała zadanie”, więc rzucamy jej ogólną instrukcję i liczymy, że sama poradzi sobie z resztą. Następnie model próbuje odgadnąć, co tak naprawdę oznacza sformułowanie „szczegółowe, ale zwięzłe” lub co oznacza „angażująca treść” i dla kogo jest przeznaczona. Próbując rozstrzygnąć niejasności, model może zbaczać z tematu i tworzyć nieprecyzyjne wypełniacze.
Iluzja pamięci - początkujący użytkownicy często zakładają, że czat „pamięta wszystko”, zwłaszcza w ramach jednego wątku, w którym udostępnili wiele plików PDF, szczegółów projektu i instrukcji. W rzeczywistości, w przypadku analizowania dużych zbiorów danych, modele mogą stracić z oczu wcześniej narzucone ograniczenia i zacząć „halucynować” (generować prawdopodobne, ale błędne informacje). Jednym z praktycznych rozwiązań jest umieszczenie w pierwszej wiadomości prostego sygnału, np.
„Jeżeli przeczytałeś te instrukcje i nadal się do nich stosujesz, na samym końcu każdej odpowiedzi wpisz słowo [HIVEMIND]”.
Gdy model „zapomni” instrukcji, brak słowa [HIVEMIND] stanowi będzie dla ciebie sygnałem ostrzegawczym.
[Aktualizacja z 1 lipca 2026 r.: W czerwcu 2026 r. ChatGPT wprowadził nowy system automatycznej pamięci o nazwie „Dreaming”, który ma na celu usprawnienie pamięci agenta. System ten znajduje się jednak wciąż na wczesnym etapie wdrażania.]
Paradoks wiedzy eksperckiej - aby ocenić, czy dany wynik jest dobry, trzeba mieć przynajmniej podstawowe pojęcie o tym, jak „dobry” wynik powinien wyglądać. Częstym źródłem niepowodzeń jest zlecanie sztucznej inteligencji zadań wymagających specjalistycznej wiedzy w dziedzinie, której użytkownik nie rozumie (np. programiści wykorzystujący sztuczną inteligencję do tworzenia treści marketingowych bez znajomości kontekstu marketingowego).
Te wyzwania wydają się wyczerpujące – i rzeczywiście takie są. Ale jest też dobra wiadomość: rozwiązanie tego problemu to coś, co organizacje społeczeństwa obywatelskiego już potrafią.
Tworzenie promptów to zarządzanie projektami w miniaturze
Prompt to w zasadzie brief projektowy.
Jeżeli brief jest niejasny, dochodzi do niekontrolowanego rozszerzania zakresu prac, dezorientacji interesariuszy oraz frustracji związanej z produktem, który co prawda istnieje z technicznego punktu widzenia, ale nie nadaje się do wykorzystania w praktyce.
Dobre prompty powstają wtedy, gdy przestajesz "oczekiwać, że ktoś będzie czytał w twoich myślach”, a zaczniesz pisać brief, który bystry współpracownik rzeczywiście będzie w stanie zrealizować.
Główne elementy dobrego promptu
Zdjęcie 4. Podstawowe elementy promptu: 1) KONTEKST: Definiuje rolę i sytuację. Zawiera informacje dodatkowe, które pomagają modelowi zrozumieć kontekst. 2) INSTRUKCJA: Jasne, stanowcze polecenia, które dokładnie mówią sztucznej inteligencji, jakie zadanie musi wykonać, aby osiągnąć zamierzone wyniki. 3) SZCZEGÓŁY: Potrzebne surowe dane, tekst lub konkretne informacje. Dzięki temu zapewniona jest treść niezbędna do wykonania zadania. 4) DANE WEJŚCIOWE Określenie wyglądu wyniku, w tym jego tonu, stylu oraz ograniczeń dotyczących długości.
Prompt można ulepszyć przy użyciu czterech powszechnych elementów:
Kontekst - opisz sytuację oraz rolę, jaką powinien odegrać model. Przykład: „Jesteś doświadczonym menedżerem ds. zbiórek funduszy online, posiadającym 10-letnie doświadczenie w kierowaniu kampaniami w organizacjach młodzieżowych”.
Instrukcja - dokładnie określ zadanie. Przykład: „Twoim zadaniem jest napisanie tekstów reklamowych kampanii / opracowanie modelu pozyskiwania funduszy / analiza profili osób wspierających.”
Dane wejściowe - podaj precyzyjne informacje na temat zadania (często w formie załączników, w tym opisów programu, działań, ograniczeń oraz przykładów z przeszłości). Nie udostępniaj arkuszy kalkulacyjnych zawierających dane osobowe, chyba że korzystasz z modelu zainstalowanego lokalnie i wiesz, co robisz.
Format wyniku - określ, jak powinna wyglądać odpowiedź: jej format i struktura oraz (najlepiej) podaj kilka przykładów. Jeżeli potrzebujesz tekstu kampanijnego, podziel się przykładami udanych kampanii z przeszłości lub takich, które osobiście uważasz za skuteczne.
Nazywamy to CIIO (ang. Context, Instruction, Input, Output, czyli kontekst, instrukcja, dane wejściowe, wynik), choć w Internecie można spotkać się z nazwą CIDI (ang. Context, Instruction, Details, Input, czyli kontekst, instrukcja, szczegóły, dane wejściowe) – to ta sama koncepcja, tylko o nieco zmienionej nazwie.
Nie zawsze konieczne jest uwzględnienie wszystkich czterech elementów, ale w pozyskiwaniu funduszy zazwyczaj się one sprawdzają, zwłaszcza gdy zależy ci na wynikach, które są etyczne, konkretne i przydatne.
Jak wykorzystać ten model w kampanii zbierania funduszy na rzecz wsparcia nastolatków zagrożonych życiem na ulicy?
Zrzut ekranu z ChatGPT – Zapis rozmowy w języku angielskim można znaleźć tutaj.
Dzięki temu uzyskujemy lepsze wyniki. Narracja jest teraz znacznie bardziej konkretna i ma płynny przebieg od przyciągającego uwagę wstępu aż po wezwanie do działania.
7 elementów doskonałego promptu
Pojawienie się nowszych modeli rozumujących otwiera przed nami dodatkowe możliwości. Podejście CIIO nadal jest pomocne, ale możliwe jest osiągnięcie jeszcze większej precyzji.
Ostatnie ulepszenia modeli były znaczące. Modele stosują się teraz do instrukcji lepiej niż wcześniej, ponieważ w wyścigu między OpenAI a Google ulepszenia pojawiają się niemal codziennie. Faktycznie, między pierwszą a ostateczną wersją tego artykułu nastąpiła zauważalna zmiana w związku z wprowadzeniem ChatGPT 5.2.
Zdjęcie 5. Zaawansowane elementy promptu dla modeli rozumujących. ROLA: Określa konkretną postać lub perspektywę, jaką przyjmuje sztuczna inteligencja na potrzeby realizacji danego zadania. CEL: Określa jasny, konkretny cel lub zadanie, które sztuczna inteligencja musi zrealizować. METODOLOGIA: Określa konkretne kroki lub tok rozumowania, którym powinna kierować się sztuczna inteligencja. FORMAT WYNIKU: Określa sposób prezentacji, styl, ton lub strukturę odpowiedzi. OGRANICZENIA: Określa bariery i ograniczenia dotyczące tego, czego sztuczna inteligencja powinna unikać. NIEPEWNOŚĆ: Rozwiązuje konflikty w instrukcjach poprzez podanie priorytetu zasad. WALIDACJA: Obejmuje iteracje, udoskonalanie lub proszenie sztucznej inteligencji o krytykę jej własnych wyników.
Oto siedem elementów, które niezawodnie poprawiają wyniki w przypadku wspomnianych nowych modeli:
1. Określ rolę - potraktuj sztuczną inteligencję jak specjalistę. Zamiast „napisz e-mail” użyj: „Zachowaj się jak menedżer ds. partnerstw korporacyjnych z doświadczeniem w sektorze technologicznym w regionie EMEA”. To wskaże na odpowiednie słownictwo i strategię.
2. Określ jasny cel - sformułowanie „Pomóż nam zebrać darowizny” prowadzi do ogólnikowych porad. Zakotwicz cel: „Przygotuj projekt narracji dla kampanii crowdfundingowej skierowanej do indywidualnych darczyńców w Nigerii, mającej na celu wsparcie naszego bootcampu z umiejętności cyfrowych dla bezrobotnej młodzieży; celem jest jest zebrania kwoty 20 000 dolarów w ciągu dwóch miesięcy.”
3. Wysiłek związany z procesami i rozumowaniem - twoja wiedza branżowa stanowi przewagę konkurencyjną. Sztuczna inteligencja może znać ramy, ale musisz ich zażądać. Określ, w jaki sposób ma myśleć: „Krok po kroku, korzystając z narzędzia Value Proposition Canvas, uzasadnij zbieżność wpływu naszej działalności z celami CSR firmy technologicznej”. W przypadku wiadomości e-mail można zastosować taką metodę, jak AIDA (ang. Attention, Interest, Desire, Action, czyli uwaga, zainteresowanie, pragnienie, działanie).
4. Format i długość wypowiedzi - model nie wie, czy potrzebujesz wpisu na LinkedIn, czy oferty. Określ strukturę i długość, np. „Przygotuj tabelę z harmonogramem treści zawierającą datę, platformę, koncepcję wizualną i podpis” oraz „Podsumowanie powinno zmieścić się na jednej stronie”.
5. Granice i warunki zatrzymania - dodaj bariery. Przykład: „Nie używaj języka, który stawia ofiarę w niekorzystnym świetle; skup się na wzmacnianiu jej pozycji”. Dodaj warunek zatrzymania, aby ograniczyć zgadywanie: „Jeżeli nie masz konkretnych danych dotyczących skutków dla tego regionu, zatrzymaj się i poproś mnie o nie, zamiast opierać się na domysłach”.
6. Określ niepewność i priorytety - pozyskiwanie funduszy wiąże się z koniecznością dokonywania kompromisów. Jasno określ priorytety: „Jeżeli dążenie do maksymalizacji przychodów koliduje z naszymi wytycznymi dotyczącymi etycznego przekazywania treści, nadaj priorytet etycznemu przekazowi”.
7. Weryfikacja - nie traktuj pierwszego wyniku jako ostatecznego. Poproś model, aby sam siebie ocenił i sprawdził: „Przed sfinalizowaniem dokumentu sprawdź ten projekt pod kątem czynników PESTLE, aby upewnić się, że nie przeoczyliśmy żadnych zagrożeń politycznych ani gospodarczych” lub „Oceń ten e-mail w skali od 1 do 5 pod kątem zorientowania na darczyńców i zaproponuj jedno ulepszenie”.
Jak to wygląda na przykładzie zbiórki funduszy? Poniżej przedstawiono uporządkowaną wskazówkę dotyczącą opracowania nowego modelu pozyskiwania funduszy dla organizacji wspierającej dzieci zagrożone życiem i pracą na ulicy, po wycofaniu się dotychczasowego darczyńcy.
Zrzut ekranu z ChatGPT – Oryginalny zapis rozmowy w języku angielskim można znaleźć tutaj.Po użyciu tego promptu, wynik wygląda następująco:
Zrzut ekranu z ChatGPT – Oryginalny zapis rozmowy w języku angielskim można znaleźć tutaj.
W tej wersji wprowadziliśmy również dodatkowy wątek fabularny (przykład Dawida), który wywoła emocjonalny oddźwięk wśród potencjalnych darczyńców, czyniąc to jednak w sposób w godny, bez jakiegokolwiek wykorzystywania. Takie historie, w połączeniu z danymi dotyczącymi wpływu, dostarczają potencjalnym darczyńcom mocnych argumentów przemawiających za tym, dlaczego powinni przekazać darowiznę.
Dodatkowe wskazówki dotyczące tworzenia promptów
Etyka
Przed zatwierdzeniem jakichkolwiek treści dotyczących zbiórki funduszy wygenerowanych przez sztuczną inteligencję zadaj sobie następujące pytania:
Czy jest to zgodne z poszanowaniem godności osób, którym służymy?
Czy nasi beneficjenci mieliby poczucie, że są rzetelnie i sprawiedliwie reprezentowani?
Czy uniknęliśmy ujawniania danych wrażliwych lub umożliwiających identyfikację?
Czy ta treść utrwala istniejące nierówności w podziale władzy, czy też je podważa?
Czy w sposób przejrzysty informujemy o roli sztucznej inteligencji w tworzeniu tej treści?
Czy zweryfikowaliśmy twierdzenia i uniknęliśmy statystyk opartych na halucynacjach?
Etyczne wykorzystanie sztucznej inteligencji nie polega na dążeniu do doskonałości, lecz na świadomym działaniu. Tworzone przez nas prompty odzwierciedlają nasze wartości, dlatego warto te wartości jasno określić.
Użycie z oznaczeń
Wyraźnie rozdziel poszczególne sekcje promptu, używając następujących nagłówków:
# Rola
# Cel
# Metodologia
# Format wyniku
# Ograniczenia
# Priorytety
# Kryteria oceny
Wydanie modelowi polecenia korzystania z narzędzi
Jeżeli chcesz, aby chatbot korzystał z konkretnego narzędzia, do którego ma dostęp (np. generowanie obrazów, dogłębne wyszukiwanie informacji lub wyszukiwanie w Internecie), powiedz to wyraźnie. Niektóre chatboty potrafią same zdecydować, kiedy skorzystać z narzędzi, ale bezpieczniej jest po prostu określić, czego oczekujesz.
Lokalizacja
Często pojawia się kwestia języka: „Potrzebuję treści w moim języku ojczystym (nie w języku angielskim). Czy powinienem sformułować prompt w moim języku ojczystym, czy też najpierw napisać go po angielsku, a potem poprosić o tłumaczenie?”
W praktyce odpowiedź znajduje się gdzieś pośrodku. Modele są zazwyczaj intensywniej trenowane na języku angielskim i często lepiej „funkcjonują” w tym języku.
Dobrym rozwiązaniem jest sformułowanie promptu w języku angielskim dla jasności i jakości, ale jednocześnie zaznaczyć, że ostateczny wynik musi być w języku docelowym.
Narzędzia do optymalizacji promptów
Kiedy już omówiliśmy elementy składające się na skuteczny prompt, przedstawmy dwa pomocne narzędzia:
Opracowany przez OpenAI Prompt Optimizer dla ChatGPT 5 może uporządkować chaotyczny prompt. Warto jednak rozumieć działanie każdego elementu, ponieważ optymalizator może zmieniać kolejność instrukcji i danych wejściowych. Potraktuj go jako punkt wyjścia, a nie ostateczną odpowiedź.
Claude oferuje również podobne narzędzie do szybkiego ulepszania promptów, które można zastosować w przypadku dowolnego chatbota. Najpierw aplikacja przeprowadza użytkownika przez serię pytań, a następnie wyświetla ostateczny prompt.
Narzędzia te potrafią, na podstawie wprowadzonych przez ciebie danych, wygenerować uporządkowany prompt - taki jak ten, który opisaliśmy wyżej. Zazwyczaj jednak nie będzie to wersja ostateczna.
Narzędzia pomieszać sekcje, przeoczyć kluczowe ograniczenia lub pominąć ważną rzecz, o którą prosiłeś.
Właśnie dlatego zrozumienie anatomii dobrego promptu, pomoże ulepszyć wyniki generowane przez te narzędzia.
Prompty wieloetapowe
W przypadku bardziej złożonych zadań warto myśleć wieloetapowo, zamiast próbować upchnąć wszystko w jednym prompcie.
Dwa szczególnie przydatne podejścia:
Łańcuchowanie promptów: podziel ostateczny cel na mniejsze zadania pośrednie, które są ze sobą logicznie powiązane. W ramach jednej rozmowy, krok po kroku prowadzisz sztuczną inteligencję przez poszczególne zadania pośrednie, stopniowo poszerzając kontekst, aż do osiągnięcia ostatecznego wyniku.
Meta-prompty: poproś chatbota o pomoc w opracowaniu „ostatecznego promptu” poprzez zinterpretowanie twoich potrzeb, takich jak specjalizacja (rola), format wyników, ograniczenia itp. W praktyce sprawia to, że sztuczna inteligencja przestaje być pracownikiem wykonującym niejasne polecenia, a staje się menedżerem opracowującym precyzyjny zestaw instrukcji dla tego pracownika.
BIBLIOTEKA WSKAZÓWEK DOTYCZĄCYCH TWORZENIA PROMPTÓW NA POTRZEBY POZYSKIWANIA ŚRODKÓW DLA ORGANIZACJI SPOŁECZEŃSTWA OBYWATELSKIEGO
Bezpłatny materiał (w języku angielskim)
Traktuj prompty jak specyfikację warunków
Przedstawiamy zaledwie kilka podstawowych podejść i schematów pozwalających na tworzenie skutecznych promptów. Tyle wystarczy, aby szybko zacząć uzyskiwać lepsze wyniki.
Trzy najważniejsze rzeczy, o których należy pamiętać:
1. Nie ma idealnego promptu, jest tylko proces iteracji. Tworzenie promptów to umiejętność, której można się nauczyć i którą można z czasem doskonalić. Z biegiem czasu stwórz własną bibliotekę promptów.
2. Struktura zapewnia przejrzystość, a przejrzystość przynosi rezultaty. Dzięki odpowiedniej strukturze sztuczna inteligencja staje się bardziej „inteligentna” i mniej „sztuczna”. Na przykład, kiedy publikujesz specyfikację warunków w ramach poszukiwania konsultanta.
3. Przestań traktować sztuczną inteligencję jak czat. Od kilku lat korzystamy z tej technologii głównie za pośrednictwem czatu, co jest to przydatne, ale ma też swoje ograniczenia. Wartość nie tkwi w odpowiedziach udzielanych przez chatbota, lecz w naszej zdolności do precyzyjnego zarządzania systemem.
Zacznij korzystając z tej biblioteki promptów na potrzeby zbiórki funduszy.
Twoja opinia ma znaczenie
Co sądzisz o tym tekście? Poświęć 30 sekund, aby podzielić się swoją opinią i pomóc nam tworzyć wartościowe treści dla społeczeństwa obywatelskiego!
Oświadczenia
Niniejszy materiał powstał przy okazji projektu AI for Social Change realizowanego przez TechSoup w ramach programu Digital Activism Program przy wsparciu Google.org.
Do stworzenia treści autorka wykorzystała sztuczną inteligencję. Jednak cały artykuł został stworzony oraz poddany weryfikacji i przeglądowi przez autorkę i zespół TechSoup.
Narzędzia AI szybko się rozwijają i choć dokładamy wszelkich starań, aby zapewnić rzetelność udostępnianych przez nas treści, czasami niektóre informacje mogą być nieaktualne. Jeżeli zauważysz, że jakaś informacja jest nieaktualna, daj nam o tym znać pod adresem contact@hive-mind.community
O Autorze
Miloš Janković jest konsultantem ds. cyfrowego pozyskiwania funduszy działającym na styku sektora organizacji non-profit i technologii w Serbii oraz na Bałkanach Zachodnich. Pomaga organizacjom społeczeństwa obywatelskiego przejść od modeli finansowania opartych na darczyńcach do modeli opartych na zaangażowaniu społeczności, wykorzystując praktyczne ramy działania oraz inteligentną i etyczną sztuczną inteligencję oraz automatyzację. Jako były dyrektor organizacji non-profit kierował serwisem Donacije.rs – wiodącą w regionie platformą darowizn online – pomagając organizacjom budować silniejsze społeczności darczyńców i skuteczniej pozyskiwać fundusze. Obecnie pracuje również w firmie informatycznej jako dyrektor ds. rozwoju