AI‑agenter vil gjøre prompting til en ledelsesferdighet

Jo bedre AI‑agenter blir, desto mer føles prompting som å lede arbeid. Du må bestemme hva du vil ha gjort, forklare hvordan et godt resultat ser ut, og gi agenten nok rom til å komme dit. Dette vil bli en grunnleggende forretningsferdighet, også for personer som aldri har ledet en ansatt.

Det høres enkelt ut helt til du prøver å delegere en reell oppgave. Det er lett å be om en bedre nettside eller en nyttig forskningsrapport. Det er vanskeligere å forklare hva som ville gjort den ene eller den andre nyttig for virksomheten din.

Når en agent kan undersøke et emne, jobbe på tvers av filer og levere et resultat, kan en vag oppgave sende den langt i feil retning. Mer kapasitet gir den flere måter å handle på etter instruksjonene dine. Det gjør også beslutningene du utelater mer betydningsfulle.

Jeg tror dette er hvor mye av verdien i å lære å bruke AI vil flytte seg. Å kunne forklare oppgaven, gi riktig kontekst og gjenkjenne et godt resultat vil være viktig uansett hvilke verktøy som kommer neste.

Den vanskeligste delen er å bestemme hva du skal be om

Forestill deg at du ber en agent om å forbedre en landingsside. Den kan omskrive overskriften, omorganisere seksjonene og gjøre siden mer visuelt polert. Alle disse endringene kan oppfylle instruksjonen. Ingen av dem nødvendigvis forklarer tilbudet tydeligere for den tiltenkte kunden.

Kanskje besøkende ikke kan se hvem produktet er ment for. Kanskje siden ber dem kjøpe før verdien er forklart. Det er forskjellige problemer. Hvis du ikke har bestemt hvilken som er viktig, må agenten ta det valget for deg eller komme tilbake og spørre. Verken en lengre prompt eller et mer polert design løser det.

I min egen tilnærming til AI‑arbeid vil jeg bestemme hva resultatet skal være før utførelsen starter. En forskningsoppgave trenger et spørsmål å besvare. En nettside trenger et tilbud som den tiltenkte kunden kan forstå. Jeg kan gi agenten frihet til hvordan den kommer dit så snart jeg har gjort målet tydelig.

Ledere støter på dette hele tiden: noen fullfører oppgaven nøyaktig som forespurt, men resultatet løser fortsatt ikke problemet. Jeg har skrevet om det samme problemet med AI‑piloter som styrker eksisterende arbeidsflyter. Før man gjør en prosess raskere, må noen bestemme om den fortjener å overleve.

En Stanford‑preprint publisert i august 2026 fant at menneskestyrt samarbeid dominerte Claude‑samtalene forskerne undersøkte. Folk formet arbeidet gjennom sine prompts og oppfølgingsutvekslinger. Det passer med hvordan jeg tenker på delegasjon: å sette oppgaven er starten på din involvering.

En fullført oppgave trenger et nyttig resultat

Et polert dokument og en trygg fullføringsmelding kan få en oppgave til å føles fullført. Jeg vil fortsatt se hva som faktisk skjedde. Løste agenten problemet, eller produserte den noe som bare ser ut som leveransen jeg ba om?

Anthropic gjør en nyttig distinksjon i sin veiledning for evaluering av agenter: registreringen av hva en agent gjorde er adskilt fra resultatet den faktisk produserte. Jeg tror dette er et godt utgangspunkt for alle som gir AI‑arbeid.

Hvis du ber om en bestilling, sjekk at den riktige bestillingen finnes. Hvis du ber om et regneark, sjekk beregningene og forutsetningene. Hvis du ber om forskning, åpne kildene og se om de støtter konklusjonene. Agentens fullføringsmelding forteller deg at den er klar for gjennomgang.

Å gi agenten denne standarden fra starten gjør oppgaven enklere å gjennomføre. Den kan sjekke arbeidet sitt og returnere konkrete problemer. Hvis en kilde motsier konklusjonen, vil jeg høre om det før jeg bruker tid på å gå gjennom teksten. Hvis et regneark avhenger av en forutsetning, vil jeg ha den forutsetningen synlig.

Omfanget av kontroll bør tilpasses oppgaven. Jeg vil ikke bruke ti minutter på å overse en formateringsendring jeg kan angre på sekunder. En offentlig forpliktelse krever mer oppmerksomhet. Å vite hvor oppmerksomheten din er viktig, er en del av å bli god på dette.

Gi agenten rom til å arbeide

God delegasjon betyr også å bestemme hvor agenten kan handle uten å måtte komme tilbake til deg. Tilgang til et e‑postverktøy avgjør ikke om den kan sende en melding. Oppgaven bør tydeliggjøre når arbeidet er forberedelse og når det inkluderer å handle.

Klare grenser sparer oppmerksomhet. En agent kan undersøke, forberede et resultat og håndtere rutinemessige revisjoner mens de konsekvente valgene forblir hos den ansvarlige personen. Den retningen må være tilgjengelig i arbeidsmiljøet, sammen med relevant forretningskontekst. Lauren Hanford, VP of Product Operations hos Sonar, påpeker dette i sitt essay om å designe operasjonsmiljøer for agenter: vi må levere konteksten og retningen arbeidet avhenger av.

Stanford‑forskerne fant også at friksjon ofte var produktiv: folk klargjorde forespørsler og rettet misforståelser. Jeg tror vi noen ganger behandler disse utvekslingene som et verktøyfeil når de egentlig bare er en del av å løse et problem. Det nyttige spørsmålet er om samtalen driver arbeidet fremover.

Det er derfor jeg ikke vurderer tilsyn etter hvor mange ganger noen godkjenner en handling. Du kan klikke gjennom et dusin forespørsler og fortsatt gå glipp av den beslutningen som betyr noe. Jeg vil at rutinearbeid skal flyte videre, og at viktige valg kommer tilbake med nok kontekst til at jeg kan ta dem.

En strøm av aktivitetsoppdateringer hjelper ikke så mye alene. Fortell meg hva som krever en beslutning, hvorfor det er viktig, og hva som skjer videre.

Dette endrer hva det betyr å være god med AI

For en enkeltperson som driver virksomheten selv, er dette en reell endring i jobbens struktur. Du kan være vant til å holde begrunnelsen for en beslutning i hodet fordi du også er den som utfører arbeidet. Delegasjon gjør disse begrunnelsene nyttige for noen andre, eller noe annet. Å få dem ut av hodet ditt er en del av å gjøre virksomheten enklere å drive.

Gevinstene bør bygge seg opp over tid. Når en oppgave går galt fordi en preferanse manglet, registrer den preferansen der neste oppgave kan bruke den. Når det samme spørsmålet stadig kommer tilbake, avgjør om agenten mangler kontekst eller om beslutningen virkelig krever deg. Gjentatte korrigeringer er en mulighet til å forbedre hvordan arbeidet blir tildelt.

Jeg ønsker at AI‑opplæring skal bruke mer tid på slike situasjoner. Gi folk en ufullstendig oppgave og la dem finne ut hva som mangler. Vis dem et polert resultat med en svak konklusjon. Gjenbrukbare prompt kan være nyttige, men folk trenger øvelse i å ta beslutningene som disse promptene avhenger av.

Etter hvert som agenter tar mer arbeid til fullføring, vil brukerne deres bruke mer tid på å sette retning og bestemme hva som er godt nok. Noen vil ha team. Andre vil drive virksomheter på egen hånd. Uansett vil evnen til å omforme en intensjon til en klar oppgave bli en del av hvordan de konkurrerer. Derfor er prompting faktisk en ledelsesferdighet.