Agenci AI przekształcą promptowanie w umiejętność zarządzania

Im lepsi stają się agenci AI, tym bardziej promptowanie przypomina zarządzanie pracą. Musisz zdecydować, co ma zostać zrobione, wyjaśnić, jak wygląda dobry rezultat, i dać agentowi wystarczająco dużo swobody, by go osiągnął. To stanie się podstawową umiejętnością biznesową, także dla osób, które nigdy nie zarządzały pracownikiem.

Brzmi to prosto, dopóki nie spróbujesz delegować prawdziwego zadania. Łatwo poprosić o lepszą stronę internetową lub przydatny raport badawczy. Trudniej jest wyjaśnić, co sprawiłoby, że którykolwiek z nich będzie użyteczny dla twojego biznesu.

Gdy agent potrafi badać temat, pracować nad wieloma plikami i tworzyć rezultat, niejasne zadanie może poprowadzić go daleko w niewłaściwym kierunku. Większe możliwości dają mu więcej sposobów na realizację twoich instrukcji. To także sprawia, że pominięte przez ciebie decyzje stają się bardziej konsekwentne.

Uważam, że to właśnie tam przeniesie się duża część wartości płynącej z nauki korzystania z AI. Umiejętność wyjaśnienia zadania, dostarczenia odpowiedniego kontekstu i rozpoznania dobrego wyniku będzie miała znaczenie niezależnie od tego, jakie narzędzia pojawią się później.

Najtrudniejszą częścią jest zdecydowanie, o co poprosić

Wyobraź sobie, że prosisz agenta o ulepszenie strony docelowej. Może on przepisować nagłówek, przestawiać sekcje i sprawić, że strona będzie bardziej wizualnie dopracowana. Wszystkie te zmiany mogą spełniać instrukcję. Żadna z nich niekoniecznie wyjaśnia ofertę bardziej przejrzyście dla docelowego klienta.

Może odwiedzający nie rozumieją, dla kogo jest produkt. Może strona prosi ich o zakup, zanim wyjaśni wartość. To różne problemy. Jeśli nie zdecydowałeś, który z nich jest istotny, agent musi podjąć tę decyzję za ciebie lub wrócić i zapytać. Ani dłuższy prompt, ani bardziej dopracowany projekt tego nie rozwiążą.

W moim własnym podejściu do pracy z AI chcę określić, jaki ma być rezultat, zanim rozpocznie się realizacja. Zadanie badawcze wymaga pytania, na które należy odpowiedzieć. Strona internetowa potrzebuje oferty, którą docelowy klient może zrozumieć. Mogę dać agentowi swobodę w sposobie osiągnięcia celu, gdy tylko jasno określę, dokąd ma zmierzać.

Menedżerowie spotykają się z tym cały czas: ktoś realizuje zadanie dokładnie tak, jak proszono, a wynik nadal nie rozwiązuje problemu. Pisałem o tym samym zagadnieniu w piloci AI, którzy wzmacniają istniejące przepływy pracy. Zanim przyspieszysz proces, ktoś musi zdecydować, czy zasługuje on na przetrwanie.

Preprint ze Stanford opublikowany w sierpniu 2026 wykazał, że współpraca prowadzona przez ludzi dominowała w rozmowach Claude, które badali naukowcy. Ludzie kształtowali pracę poprzez swoje polecenia i dalsze wymiany. To odpowiada temu, jak postrzegam delegowanie: ustalenie zadania jest początkiem twojego zaangażowania.

Ukończone zadanie wymaga użytecznego wyniku

Polerowany dokument i pewna wiadomość o zakończeniu mogą sprawić, że zadanie wyda się ukończone. Nadal chcę zobaczyć, co tak naprawdę się wydarzyło. Czy agent rozwiązał problem, czy stworzył coś, co wygląda jak zamówiony przeze mnie rezultat?

Anthropic wprowadza przydatne rozróżnienie w swoim przewodniku oceny agentów: zapis tego, co agent zrobił, jest oddzielny od wyniku, który faktycznie wyprodukował. Uważam, że to dobry punkt wyjścia dla każdego, kto przydziela pracę AI.

Jeśli prosisz o rezerwację, sprawdź, czy istnieje właściwa rezerwacja. Jeśli prosisz o arkusz kalkulacyjny, sprawdź obliczenia i założenia. Jeśli prosisz o badania, otwórz źródła i zobacz, czy wspierają wnioski. Wiadomość o zakończeniu od agenta informuje, że jest gotowy do przeglądu.

Ustalenie tego standardu na początku ułatwia agentowi realizację zadania. Może on sprawdzić swoją pracę i zwrócić konkretne problemy. Jeśli źródło przeczy wnioskom, chcę o tym usłyszeć, zanim poświęcę czas na przegląd tekstu. Jeśli arkusz zależy od założenia, chcę, aby to założenie było widoczne.

Zakres weryfikacji powinien odpowiadać zadaniu. Nie chcę spędzać dziesięciu minut na nadzorowaniu zmiany formatowania, którą mogę cofnąć w kilka sekund. Publiczne zobowiązanie wymaga większej uwagi. Wiedza, gdzie twoja uwaga ma znaczenie, jest częścią opanowania tej umiejętności.

Daj agentowi przestrzeń do pracy

Dobre delegowanie oznacza również określenie, w jakich sytuacjach agent może działać bez powrotu do ciebie. Dostęp do narzędzia e‑mail nie rozstrzyga, czy może wysłać wiadomość. Zadanie powinno jasno określać, kiedy praca to przygotowanie, a kiedy obejmuje podjęcie działania.

Jasne granice oszczędzają uwagę. Agent może badać, przygotowywać wynik i zajmować się rutynowymi poprawkami, pozostawiając konsekwentne wybory osobie odpowiedzialnej za nie. Taka wskazówka musi być dostępna w środowisku pracy, wraz z odpowiednim kontekstem biznesowym. Lauren Hanford, wiceprezes ds. operacji produktowych w Sonar, podkreśla to w swoim eseju o projektowaniu środowisk operacyjnych agentów: musimy dostarczyć kontekst i kierunek, od których zależy praca.

Badacze ze Stanfordu również odkryli, że tarcia są często produktywne: ludzie wyjaśniali prośby i korygowali nieporozumienia. Uważam, że czasami traktujemy te wymiany jako porażkę narzędzia, podczas gdy są po prostu częścią rozwiązywania problemu. Przydatne pytanie brzmi, czy rozmowa przyspiesza postęp pracy.

Dlatego nie oceniam nadzoru po tym, ile razy ktoś zatwierdza działanie. Możesz przejrzeć tuzin wniosków i wciąż przegapić decyzję, która ma znaczenie. Chcę, aby rutynowa praca postępowała, a ważne wybory wracały do mnie z wystarczającym kontekstem, bym mógł je podjąć.

Strumień aktualizacji aktywności niewiele pomaga sam w sobie. Powiedz mi, co wymaga decyzji, dlaczego jest to istotne i co nastąpi potem.

To zmienia, co oznacza bycie dobrym w pracy z AI

Dla jednego operatora jest to prawdziwa zmiana w charakterze pracy. Być może jesteś przyzwyczajony do trzymania powodów decyzji w głowie, ponieważ to ty sam wykonujesz zadanie. Delegowanie sprawia, że te powody stają się przydatne dla kogoś innego lub czegoś innego. Wyciągnięcie ich z głowy to część ułatwiania prowadzenia firmy.

Korzyści powinny narastać z czasem. Gdy przydział pójdzie nie tak, bo brakowało preferencji, zapisz tę preferencję tam, gdzie kolejny przydział będzie mógł z niej skorzystać. Gdy to samo pytanie pojawia się wielokrotnie, zdecyduj, czy agentowi brakuje kontekstu, czy decyzja naprawdę wymaga twojej interwencji. Powtarzające się poprawki to szansa na usprawnienie sposobu przydzielania pracy.

Chciałbym, aby edukacja AI poświęcała więcej czasu na takie sytuacje. Daj ludziom niekompletny przydział i pozwól im samodzielnie odkrywać, co brakuje. Pokaż im dopracowany rezultat z słabym wnioskiem. Wielokrotnego użytku podpowiedzi mogą być pomocne, ale ludzie potrzebują praktyki w podejmowaniu decyzji, od których te podpowiedzi zależą.

W miarę jak agenci będą realizować coraz więcej zadań do końca, ich użytkownicy spędzą więcej czasu na wyznaczaniu kierunku i decydowaniu, co jest wystarczająco dobre. Niektórzy będą mieli zespoły. Inni będą prowadzić własne firmy. Tak czy inaczej, umiejętność przekształcenia intencji w jasny przydział stanie się częścią ich konkurencyjności. Dlatego prompting jest w rzeczywistości umiejętnością zarządzania.