AI-agenten zullen prompten omvormen tot een managementvaardigheid

Hoe beter AI-agenten worden, hoe meer prompten aanvoelt als het managen van werk. Je moet beslissen wat je gedaan wilt hebben, uitleggen hoe een goed resultaat eruitziet, en de agent voldoende ruimte geven om dat te bereiken. Dat zal een basisvaardigheid voor bedrijven worden, zelfs voor mensen die nog nooit een werknemer hebben aangestuurd.

Dat klinkt simpel totdat je een echte opdracht probeert te delegeren. Het is gemakkelijk om te vragen om een betere website of een bruikbaar onderzoeksrapport. Het is moeilijker om uit te leggen wat elk van beide nuttig zou maken voor jouw bedrijf.

Wanneer een agent een onderwerp kan onderzoeken, over bestanden heen kan werken en een oplevering kan produceren, kan een vage opdracht hem ver in de verkeerde richting sturen. Meer capaciteit geeft hem meer manieren om op jouw instructies te reageren. Het maakt ook de beslissingen die je weglaat belangrijker.

Ik denk dat dit is waar een groot deel van de waarde van het leren gebruiken van AI zal liggen. Weten hoe je de taak uitlegt, de juiste context levert en een goed resultaat herkent, zal van belang zijn, ongeacht welke tools er daarna komen.

Het moeilijkste is bepalen wat je moet vragen

Stel je voor dat je een agent vraagt een landingspagina te verbeteren. Hij zou de kop kunnen herschrijven, de secties kunnen herschikken en de pagina visueel kunnen verfijnen. Al die wijzigingen kunnen aan de opdracht voldoen. Geen van hen legt echter per se het aanbod duidelijker uit aan de beoogde klant.

Misschien kunnen bezoekers niet zien voor wie het product bedoeld is. Misschien vraagt de pagina hen om te kopen voordat de waarde wordt uitgelegd. Dat zijn verschillende problemen. Als je niet hebt besloten welke belangrijk is, moet de agent die keuze voor jou maken of terugkomen en vragen. Noch een langere prompt noch een meer gepolijste vormgeving lost het op.

In mijn eigen aanpak van AI-werk wil ik bepalen wat het resultaat moet zijn voordat de uitvoering begint. Een onderzoeksopdracht heeft een te beantwoorden vraag nodig. Een website heeft een aanbod nodig dat de beoogde klant kan begrijpen. Ik kan de agent vrijheid geven in hoe hij dat bereikt zodra ik de bestemming duidelijk heb gemaakt.

Leidinggevenden lopen hier voortdurend tegenaan: iemand voltooit de opdracht precies zoals gevraagd, maar het resultaat lost het probleem nog steeds niet op. Ik heb over hetzelfde probleem geschreven met AI-piloten die bestaande workflows versterken. Voordat je een proces versnelt, moet iemand beslissen of het het overleven waard is.

Een Stanford-preprint gepubliceerd in augustus 2026 vond dat door mensen geleide samenwerking de Claude-gesprekken die onderzoekers onderzochten domineerde. Mensen vormden het werk via hun prompts en vervolguitwisselingen. Dat past bij hoe ik over delegatie denk: het vaststellen van de opdracht is het begin van je betrokkenheid.

Een voltooide taak heeft een nuttig resultaat nodig

Een gepolijst document en een zelfverzekerd voltooiingsbericht kunnen een taak afgerond laten lijken. Ik wil nog steeds zien wat er daadwerkelijk is gebeurd. Heeft de agent het probleem opgelost, of heeft hij iets geproduceerd dat lijkt op de oplevering die ik vroeg?

Anthropic maakt een nuttig onderscheid in haar gids voor het evalueren van agenten: het verslag van wat een agent heeft gedaan staat los van het resultaat dat hij daadwerkelijk heeft opgeleverd. Ik denk dat dit een goed uitgangspunt is voor iedereen die AI-werk toewijst.

Vraag je om een reservering, controleer dan of de juiste reservering bestaat. Vraag je om een spreadsheet, controleer dan de berekeningen en aannames. Vraag je om onderzoek, open dan de bronnen en kijk of ze de conclusies ondersteunen. Het voltooiingsbericht van de agent vertelt je dat het klaar is voor beoordeling.

De agent die standaard vanaf het begin geven maakt de opdracht makkelijker uit te voeren. Hij kan zijn werk controleren en specifieke problemen terugkoppelen. Als een bron de conclusie tegenspreekt, wil ik dat horen voordat ik tijd besteed aan het beoordelen van de tekst. Als een spreadsheet afhankelijk is van een aanname, wil ik die aanname zichtbaar hebben.

De hoeveelheid controle moet passen bij de taak. Ik wil geen tien minuten besteden aan het superviseren van een opmaakwijziging die ik in enkele seconden kan terugdraaien. Een publieke toezegging verdient meer aandacht. Weten waar jouw aandacht nodig is, maakt deel uit van het goed worden in dit vak.

Geef de agent ruimte om te werken

Goede delegatie betekent ook bepalen waar de agent kan handelen zonder naar jou terug te komen. Toegang tot een e‑mailtool bepaalt niet of hij een bericht mag verzenden. De opdracht moet duidelijk maken wanneer het werk voorbereiding is en wanneer het actie omvat.

Duidelijke grenzen besparen aandacht. Een agent kan onderzoeken, een resultaat voorbereiden en routinematige revisies afhandelen, terwijl hij de belangrijke keuzes overlaat aan de verantwoordelijke persoon. Die richting moet beschikbaar zijn in de werkomgeving, naast de relevante bedrijfscontext. Lauren Hanford, VP Product Operations bij Sonar, maakt dit punt in haar essay over het ontwerpen van agent-werkingsomgevingen: we moeten de context en richting leveren waar het werk van afhankelijk is.

De Stanford-onderzoekers ontdekten ook dat wrijving vaak productief was: mensen verduidelijkten verzoeken en corrigeerden misverstanden. Ik denk dat we die uitwisselingen soms zien als een falen van het hulpmiddel, terwijl ze gewoon deel uitmaken van het oplossen van een probleem. De nuttige vraag is of het gesprek het werk vooruit helpt.

Daarom beoordeel ik toezicht niet aan het aantal keren dat iemand een actie goedkeurt. Je kunt door een dozijn verzoeken klikken en toch de beslissing die er toe doet missen. Ik wil dat routinematig werk vordert en dat belangrijke keuzes terugkomen met voldoende context zodat ik ze kan nemen.

Een stroom van activiteitsupdates helpt op zichzelf niet veel. Vertel me wat een beslissing vereist, waarom het belangrijk is en wat er daarna gebeurt.

Dit verandert wat het betekent om goed met AI om te gaan

Voor een solo‑ondernemer is dit een echte verschuiving in de aard van het werk. Je bent misschien gewend om de redenen voor een beslissing in je hoofd te houden omdat jij ook degene bent die het werk uitvoert. Delegatie maakt die redenen bruikbaar voor iemand of iets anders. Ze uit je hoofd halen is onderdeel van het makkelijker maken van het bedrijf.

De voordelen zouden na verloop van tijd moeten toenemen. Wanneer een taak fout gaat omdat een voorkeur ontbrak, noteer die voorkeur op een plek waar de volgende taak er gebruik van kan maken. Als dezelfde vraag steeds terugkomt, bepaal dan of de agent de context mist of dat de beslissing echt jouw tussenkomst vereist. Herhaalde correcties bieden een kans om te verbeteren hoe het werk wordt toegewezen.

Ik zou graag zien dat AI‑onderwijs meer tijd besteedt aan die situaties. Geef mensen een onvolledige taak en laat ze uitzoeken wat er ontbreekt. Laat ze een gepolijst resultaat zien met een zwakke conclusie. Herbruikbare prompts kunnen nuttig zijn, maar mensen hebben oefening nodig in het nemen van de beslissingen waarop die prompts steunen.

Naarmate agents meer werk tot voltooiing brengen, zullen hun gebruikers meer tijd besteden aan het bepalen van de richting en aan het beslissen wat goed genoeg is. Sommigen zullen teams hebben. Anderen zullen alleen een bedrijf runnen. Hoe dan ook, het vermogen om een intentie om te zetten in een duidelijke taak zal deel uitmaken van hun concurrentievermogen. Daarom is prompten eigenlijk een managementvaardigheid.