AI‑agenter vil gøre promptning til en ledelseskompetence

Jo bedre AI‑agenter bliver, desto mere føles promptning som at lede arbejde. Du skal beslutte, hvad du vil have gjort, forklare, hvordan et godt resultat ser ud, og give agenten tilstrækkelig frihed til at nå dertil. Det vil blive en grundlæggende forretningskompetence, også for personer, der aldrig har ledet en medarbejder.

Det lyder enkelt, indtil du prøver at delegere en reel opgave. Det er nemt at bede om en bedre hjemmeside eller en brugbar forskningsrapport. Det er sværere at forklare, hvad der ville gøre den ene eller den anden nyttig for din virksomhed.

Når en agent kan undersøge et emne, arbejde på tværs af filer og levere et resultat, kan en vag opgave sende den langt i den forkerte retning. Mere kapacitet giver den flere måder at handle på dine instruktioner på. Det gør også de beslutninger, du udelader, mere væsentlige.

Jeg tror, det er her, en stor del af værdien i at lære at bruge AI vil flytte sig. At vide, hvordan man forklarer opgaven, leverer den rette kontekst og genkender et godt resultat, vil være vigtigt uanset hvilke værktøjer der kommer næste gang.

Den sværeste del er at beslutte, hvad man skal bede om

Forestil dig, at du beder en agent om at forbedre en landingsside. Den kunne omskrive overskriften, omarrangere sektionerne og gøre siden mere visuelt poleret. Alle disse ændringer kan opfylde instruktionen. Ingen af dem forklarer nødvendigvis tilbuddet tydeligere for den tiltænkte kunde.

Måske kan besøgende ikke se, hvem produktet henvender sig til. Måske beder siden dem om at købe, før værdien er forklaret. Det er forskellige problemer. Hvis du ikke har besluttet, hvilken der er vigtig, skal agenten træffe valget for dig eller vende tilbage og spørge. Hverken en længere prompt eller et mere poleret design løser det.

I min egen tilgang til AI‑arbejde vil jeg beslutte, hvad resultatet skal være, før udførelsen begynder. En forskningsopgave kræver et spørgsmål at besvare. En hjemmeside kræver et tilbud, som den tiltænkte kunde kan forstå. Jeg kan give agenten frihed til, hvordan den når dertil, når jeg har gjort destinationen klar.

Ledere støder på dette hele tiden: nogen fuldfører opgaven præcis som anmodet, men resultatet løser stadig ikke problemet. Jeg har skrevet om det samme problem med AI‑piloter, der styrker eksisterende arbejdsgange. Før man gør en proces hurtigere, skal nogen beslutte, om den fortjener at overleve.

En Stanford‑preprint offentliggjort i august 2026 fandt, at menneskestyret samarbejde dominerede de Claude‑samtaler, som forskerne undersøgte. Folk formede arbejdet gennem deres prompts og opfølgende udvekslinger. Det passer til, hvordan jeg tænker på delegation: at sætte opgaven er begyndelsen på din involvering.

En færdig opgave kræver et brugbart resultat

Et poleret dokument og en sikker afslutningsmeddelelse kan få en opgave til at føles afsluttet. Jeg vil stadig gerne se, hvad der faktisk skete. Løste agenten problemet, eller producerede den noget, der ligner det leverede resultat, jeg bad om?

Anthropic laver en nyttig sondring i sin vejledning til evaluering af agenter: registreringen af, hvad en agent har gjort, er adskilt fra det resultat, den faktisk har produceret. Jeg synes, det er et godt udgangspunkt for alle, der tildeler AI‑arbejde.

Hvis du beder om en reservation, så tjek at den rette reservation findes. Hvis du beder om et regneark, så tjek beregningerne og antagelserne. Hvis du beder om forskning, så åbn kilderne og se, om de understøtter konklusionerne. Agentens afslutningsmeddelelse fortæller dig, at den er klar til gennemgang.

At give agenten den standard fra starten gør opgaven lettere at udføre. Den kan tjekke sit arbejde og bringe specifikke problemer tilbage. Hvis en kilde modsiger konklusionen, vil jeg høre om det, før jeg bruger tid på at gennemgå teksten. Hvis et regneark afhænger af en antagelse, vil jeg have den antagelse synlig.

Omfanget af tjekning skal passe til opgaven. Jeg vil ikke bruge ti minutter på at overse en formateringsændring, jeg kan fortryde på få sekunder. En offentlig forpligtelse fortjener mere opmærksomhed. At vide, hvor din opmærksomhed betyder noget, er en del af at blive god til dette.

Giv agenten plads til at arbejde

God delegation betyder også at beslutte, hvor agenten kan handle uden at vende tilbage til dig. Adgang til et e‑mail‑værktøj afgør ikke, om den må sende en besked. Opgaven skal gøre det klart, hvornår arbejdet er forberedelse, og hvornår det inkluderer handling.

Klarere grænser sparer opmærksomhed. En agent kan undersøge, forberede et resultat og håndtere rutineændringer, mens de væsentlige valg overlades til den ansvarlige person. Den retning skal være tilgængelig i arbejdsmiljøet, sammen med den relevante forretningskontekst. Lauren Hanford, VP for produktoperationer hos Sonar, gør dette punkt klart i sit essay om at designe agenters driftsmiljøer: vi skal levere den kontekst og retning, som arbejdet afhænger af.

Stanford-forskerne fandt også, at friktion ofte var produktiv: folk præciserede anmodninger og rettede misforståelser. Jeg tror, vi nogle gange betragter disse udvekslinger som et værktøjsfejl, når de blot er en del af at arbejde sig igennem et problem. Det nyttige spørgsmål er, om samtalen får arbejdet fremad.

Det er derfor, jeg ikke bedømmer supervision ud fra, hvor mange gange nogen godkender en handling. Du kan klikke dig igennem et dusin anmodninger og stadig overse den beslutning, der betyder noget. Jeg vil have rutinearbejde til at flyde, og vigtige valg til at vende tilbage med tilstrækkelig kontekst, så jeg kan træffe dem.

En strøm af aktivitetsopdateringer hjælper ikke meget alene. Fortæl mig, hvad der kræver en beslutning, hvorfor det er vigtigt, og hvad der sker derefter.

Dette ændrer, hvad det vil sige at være god til AI

For en enkeltperson er dette en reel forandring i jobfunktionens form. Du er måske vant til at holde begrundelserne for en beslutning i hovedet, fordi du også er den, der udfører arbejdet. Delegation gør disse begrundelser nyttige for en anden person eller et andet system. At få dem ud af hovedet er en del af at gøre virksomheden lettere at drive.

Gevinsterne bør opbygges over tid. Når en opgave går galt, fordi en præference manglede, skal den præference registreres, så den næste opgave kan bruge den. Når det samme spørgsmål vender tilbage igen og igen, skal du afgøre, om agenten mangler kontekst, eller om beslutningen virkelig kræver din indblanding. Gentagne korrektioner er en mulighed for at forbedre, hvordan arbejdet tildeles.

Jeg vil gerne have, at AI-uddannelse bruger mere tid på sådanne situationer. Giv folk en ufuldstændig opgave og lad dem finde ud af, hvad der mangler. Vis dem et poleret resultat med en svag konklusion. Genanvendelige prompts kan være nyttige, men folk har brug for øvelse i at træffe de beslutninger, som disse prompts afhænger af.

Efterhånden som agenter udfører mere arbejde til fuldførelse, vil deres brugere bruge mere tid på at sætte retning og beslutte, hvad der er tilstrækkeligt. Nogle vil have teams. Andre vil drive virksomheder på egen hånd. Uanset hvad vil evnen til at omsætte en intention til en klar opgave blive en del af, hvordan de konkurrerer. Det er derfor, prompting faktisk er en ledelseskompetence.