Analiza i podejmowanie decyzji
Na tej stronie
Lekcja zaktualizowana 2 listopada 2026 r. Oryginalne przykłady wykorzystywały model Magistral, który został wycofany 31 lipca 2026 r. Obecnie używamy Mistral Small 4 (
mistral-small-2603) lub Mistral Large 4 (mistral-large-4-0) z parametremreasoning_effort="high", a odpowiedź parsujemy za pomocą funkcjiseparerz Lekcji 3. Źródło: Reasoning (Dokumentacja Mistral).
Rozumowanie wspierające podejmowanie decyzji
Bądźmy szczerzy, zanim przejdziemy do technik: model nie podejmie decyzji za Ciebie i nie o to chodzi. Wartość, jaką rozumowanie wnosi w proces decyzyjny, to to, co zapewnia dobry konsultant – jawność. Kryteria, które pozostawały domyślne, scenariusze, których nie przeanalizowałeś, ryzyka, o których nikt nie wspomniał: wszystko to, przedstawione czarno na białym, pozostawia Ci ostateczny wybór, ale znacznie lepiej poinformowany.
Złożone decyzje wymagają analizy wielokryterialnej, uwzględnienia różnych perspektyw oraz zdolności do oceny kompromisów. Są to zadania, w których ustrukturyzowane rozumowanie przynosi znacznie większą wartość niż intuicyjna odpowiedź.
Ustrukturyzowana analiza porównawcza
Rozumowanie umożliwia metodyczne porównania:
from mistralai.client import Mistral
client = Mistral(api_key="YOUR_API_KEY")
comparison = """Mój zespół musi wybrać między PostgreSQL a MongoDB dla nowej aplikacji.
Kontekst:
- Aplikacja B2B SaaS do zarządzania projektami
- 500 początkowych użytkowników, cel: 10 000 za 2 lata
- Dane strukturalne (użytkownicy, projekty, zadania) + komentarze w formie wolnego tekstu
- Zespół 4 programistów, wszyscy doświadczeni w SQL
- Ograniczony budżet serwerowy (startup)
Przeanalizuj obie opcje i zarekomenduj najlepszą."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Starszy konsultant techniczny.
METODA ANALIZY:
1. Zidentyfikuj odpowiednie kryteria decyzyjne
2. Oceń każdą opcję względem każdego kryterium
3. Nadaj wagi kryteriom w oparciu o kontekst
4. Zidentyfikuj ryzyka dla każdej opcji
5. Sformułuj uzasadnioną rekomendację
REFLEKSJA:
Zbadaj kompromisy. Rozważ implikacje krótko- i długoterminowe.
ODPOWIEDŹ:
Jasna rekomendacja z uzasadnieniem oraz planem łagodzenia ryzyka."""},
{"role": "user", "content": comparison}
],
)
Analiza scenariuszy
Rozumowanie jest szczególnie skuteczne w badaniu konsekwencji różnych wyborów:
scenario = """Nasz startup (15 pracowników, 2 mln USD ARR) otrzymał dwie oferty:
1. Runda finansowania Serii A w wysokości 5 mln USD od funduszu VC z 25% rozwodnieniem
2. Oferta przejęcia za 12 mln USD przez dużą grupę (wypłata rozłożona na 3 lata)
Przeanalizuj oba scenariusze i ich implikacje."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Analityk strategiczny.
Dla każdego scenariusza oceń:
- Wpływ finansowy w horyzoncie 1 roku, 3 lat i 5 lat
- Wpływ na autonomię decyzyjną
- Ryzyka i prawdopodobieństwo ich realizacji
- Wpływ na zespół i kulturę organizacyjną"""},
{"role": "user", "content": scenario}
],
)
Wzorzec: Zautomatyzowana macierz decyzyjna
Możesz zautomatyzować tworzenie macierzy decyzyjnych:
def decision_matrix(client, options, criteria, context):
"""Generuje ustrukturyzowaną macierz decyzyjną."""
options_text = "\n".join(f"- {opt}" for opt in options)
criteria_text = "\n".join(f"- {crit}" for crit in criteria)
prompt = f"""Kontekst: {context}
Opcje do oceny:
{options_text}
Kryteria oceny:
{criteria_text}
Dla każdej opcji oceń każde kryterium w skali od 1 do 5.
Uzasadnij każdą ocenę.
Oblicz całkowity wynik ważony.
Zarekomenduj optymalną opcję."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": "Ekspert ds. analizy decyzji. Bądź obiektywny i rygorystyczny w swoich ocenach."},
{"role": "user", "content": prompt}
],
)
return separer(response.choices[0].message.content)[1] # odpowiedź, bez rozumowania
# Przykład: wybór frameworka
result = decision_matrix(
client,
options=["React + Next.js", "Vue + Nuxt", "Svelte + SvelteKit"],
criteria=[
"Krzywa uczenia się",
"Ekosystem i społeczność",
"Wydajność",
"Rekrutacja programistów",
"Długoterminowa utrzymywalność"
],
context="Redesign sklepu e-commerce B2C, zespół 3 juniorów"
)
Analiza ryzyka
Ustrukturyzowane rozumowanie jest idealne do identyfikacji i oceny ryzyk:
risk_analysis = """Planujemy migrację naszej produkcyjnej bazy danych
(50 GB, 200 tabel, 15 podłączonych aplikacji) z MySQL 5.7 do PostgreSQL 16.
Zidentyfikuj wszystkie ryzyka związane z tą migracją i zaproponuj plan ich łagodzenia."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Starszy DBA i architekt systemów.
ANALIZA RYZYKA:
Dla każdego zidentyfikowanego ryzyka określ:
- Prawdopodobieństwo (niskie/średnie/wysokie)
- Wpływ (niski/średni/krytyczny)
- Plan łagodzenia
- Plan wycofania się (rollback)"""},
{"role": "user", "content": risk_analysis}
],
)
Ocena kompromisów
Decyzje techniczne często wiążą się z kompromisami. Rozumowanie pomaga je uwidocznić:
tradeoff = """Mikrousługi kontra architektura monolityczna dla naszej aplikacji:
Nasza sytuacja:
- Zespół 6 programistów
- Aplikacja do zarządzania zasobami ludzkimi
- 3 moduły: rekrutacja, płace, zarządzanie urlopami
- Wdrożenie na Kubernetes
- Potrzeba niezależnych aktualizacji modułów
Przeanalizuj kompromisy każdego z podejść."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": tradeoff}]
)
Wzorzec: Adwokat diabła
To najcenniejszy wzorzec w tej lekcji, ponieważ koryguje błąd, który dotyczy nas wszystkich: gdy decyzja zostanie podjęta, szukamy tylko potwierdzenia. Wyraźne poproszenie modelu o zaatakowanie decyzji – znalezienie słabych punktów, scenariuszy awarii, kruchych założeń – zmusza Cię do wysłuchania tego, czego żaden kolega nie odważy się powiedzieć i czego już sam sobie nie mówisz:
def challenge_decision(client, decision, context):
"""Pełni rolę adwokata diabła wobec decyzji."""
prompt = f"""Zespół podjął następującą decyzję:
DECYZJA: {decision}
KONTEKST: {context}
Zagraj adwokata diabła:
1. Zidentyfikuj 5 głównych argumentów PRZECIWKO tej decyzji
2. Dla każdego argumentu oceń jego wagę (1-5)
3. Zaproponuj warunki, w których ta decyzja byłaby katastrofalna
4. Zasugeruj niezbędne środki zabezpieczające
5. Podsumuj: Czy decyzja jest solidna mimo kontrargumentów?"""
return client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": "Analityk krytyczny. Bądź cięty, ale konstruktywny."},
{"role": "user", "content": prompt}
],
)
Small 4 czy Large 4 do analizy?
Prawidłowym odruchem jest dopasowanie modelu do krytyczności i odwracalności decyzji. W przypadku prostego porównania dwóch opcji z jasnymi kryteriami, szybkiej oceny lub decyzji, którą możesz skorygować w przyszłym tygodniu: Mistral Small 4 w trybie high sprawdza się bardzo dobrze przy niższym koszcie. Jednak gdy tylko analiza staje się wielokryterialna z dyskusyjnymi wagami, decyzja jest strategiczna i trudna do odwrócenia (wybór architektury, migracja produkcyjna, arbitraż finansowy) lub scenariusz wiąże się z rzeczywistą niepewnością, przetestuj Mistral Large 4 w trybie high. Bardziej wydajny model ma większe szanse na różnicę w badaniu kompromisów i niekorzystnych przypadków, ale tylko porównanie na Twoich własnych przypadkach powie Ci, czy dodatkowy koszt jest uzasadniony.
Kluczowe wnioski
- Rozumowanie przekształca analizę decyzji w proces ustrukturyzowany i powtarzalny
- Używaj monitu systemowego, który wymusza metodę analizy (kryteria, ważenie, ryzyka)
- Macierze decyzyjne i analiza scenariuszy korzystają enormnie z rozumowania
- Wzorzec adwokata diabła wykorzystuje rozumowanie do kwestionowania Twoich decyzji
- Dopasuj model do krytyczności decyzji: Small 4 do codziennych zadań, testuj Large 4 do strategicznych