เอเจนท์ AI จะทำให้การพรอมต์กลายเป็นทักษะการจัดการ

ยิ่งเอเจนท์ AI พัฒนาขึ้น การพรอมต์ก็ยิ่งรู้สึกเหมือนการจัดการงานมากขึ้น คุณต้องตัดสินใจว่าต้องการให้ทำอะไร อธิบายว่าผลลัพธ์ที่ดีควรเป็นอย่างไร และให้เอเจนท์มีอิสระเพียงพอที่จะไปถึงเป้าหมายนั้น นั่นจะกลายเป็นทักษะพื้นฐานทางธุรกิจ รวมถึงสำหรับผู้ที่ไม่เคยจัดการพนักงานมาก่อน

ฟังดูง่ายจนกว่าคุณจะลองมอบหมายงานจริง ๆ การขอให้สร้างเว็บไซต์ที่ดีกว่าหรือรายงานการวิจัยที่มีประโยชน์เป็นเรื่องง่าย แต่การอธิบายว่าปัจจัยใดทำให้สิ่งเหล่านั้นมีประโยชน์ต่อธุรกิจของคุณนั้นยากกว่า

เมื่อเอเจนท์สามารถค้นคว้าหัวข้อ ทำงานข้ามไฟล์ และผลิตผลลัพธ์ได้ การมอบหมายที่คลุมเครืออาจทำให้มันเดินทางไกลในทิศทางที่ผิด ความสามารถที่เพิ่มขึ้นทำให้มันมีวิธีการทำตามคำสั่งของคุณมากขึ้น และทำให้การตัดสินใจที่คุณละเลยมีผลสำคัญมากขึ้น

ผมคิดว่านี่คือจุดที่คุณค่าของการเรียนรู้การใช้ AI จะเคลื่อนย้ายไป การรู้วิธีอธิบายงาน ให้บริบทที่เหมาะสม และระบุผลลัพธ์ที่ดีจะมีความสำคัญไม่ว่ามีเครื่องมือใดมาถึงต่อไป

ส่วนที่ยากที่สุดคือการตัดสินใจว่าจะขออะไร

ลองจินตนาการว่าคุณขอให้เอเจนท์ปรับปรุงหน้าแลนดิ้ง พวกมันอาจเขียนหัวข้อใหม่ จัดเรียงส่วนต่าง ๆ ใหม่ และทำให้หน้าดูเป็นมืออาชีพมากขึ้น การเปลี่ยนแปลงทั้งหมดเหล่านี้อาจทำตามคำสั่งได้ แต่ไม่ได้อธิบายข้อเสนอให้ลูกค้าเป้าหมายเข้าใจชัดเจนยิ่งขึ้น

บางทีผู้เข้าชมอาจไม่เข้าใจว่าผลิตภัณฑ์นี้ให้บริการใคร บางครั้งหน้าก็อาจขอให้พวกเขาซื้อก่อนอธิบายคุณค่า สิ่งเหล่านี้เป็นปัญหาที่แตกต่างกัน หากคุณยังไม่ได้ตัดสินใจว่าปัญหาใดสำคัญกว่า เอเจนท์จะต้องเลือกให้คุณหรือกลับมาถามคุณ ทั้งคำสั่งที่ยาวขึ้นหรือการออกแบบที่ดีขึ้นก็ไม่ได้แก้ไขปัญหา

ในแนวทางของผมในการทำงานกับ AI ผมต้องการกำหนดผลลัพธ์ก่อนที่การดำเนินการจะเริ่มขึ้น งานวิจัยต้องมีคำถามที่ต้องตอบ เว็บไซต์ต้องมีข้อเสนอที่ลูกค้าเป้าหมายเข้าใจได้ ผมสามารถให้เอเจนท์อิสระในการทำวิธีการต่าง ๆ ได้เมื่อผมได้ระบุจุดหมายปลายทางอย่างชัดเจน

ผู้จัดการมักเจอเหตุการณ์นี้บ่อยครั้ง: มีคนทำงานตามที่ขออย่างแม่นยำ แต่ผลลัพธ์ยังไม่แก้ปัญหา ผมเคยเขียนเกี่ยวกับประเด็นเดียวกันกับ ผู้ควบคุม AI ที่ทำให้กระบวนการทำงานเดิมแข็งแรงขึ้น ก่อนที่จะทำให้กระบวนการเร็วขึ้น จำเป็นต้องมีคนตัดสินใจก่อนว่ากระบวนการนั้นสมควรคงอยู่หรือไม่

งานพรีพริ้นท์ของสแตนฟอร์ดที่ตีพิมพ์ในเดือนสิงหาคม 2026 พบว่าการทำงานร่วมกันที่นำโดยมนุษย์ครอบงำการสนทนา Claude ที่นักวิจัยตรวจสอบ คนเหล่านั้นกำหนดงานผ่านพรอมต์และการแลกเปลี่ยนต่อเนื่อง นั่นสอดคล้องกับมุมมองของผมเกี่ยวกับการมอบหมายงาน: การกำหนดงานคือจุดเริ่มต้นของการมีส่วนร่วมของคุณ

งานที่เสร็จสมบูรณ์ต้องมีผลลัพธ์ที่เป็นประโยชน์

เอกสารที่เรียบหรูและข้อความยืนยันการเสร็จสิ้นที่มั่นใจสามารถทำให้รู้สึกว่างานเสร็จแล้ว แต่ผมยังต้องการเห็นว่าจริง ๆ แล้วเกิดอะไรขึ้น เอเจนท์แก้ปัญหาได้หรือไม่ หรือเพียงแค่สร้างสิ่งที่ดูเหมือนผลลัพธ์ที่ผมขอไว้เท่านั้น?

Anthropic ทำการแยกแยะที่มีประโยชน์ใน คู่มือการประเมินเอเจนท์: บันทึกว่ามาอะไรที่เอเจนท์ทำเป็นเรื่องแยกจากผลลัพธ์ที่มันสร้างจริง ๆ ผมคิดว่านี่เป็นจุดเริ่มต้นที่ดีสำหรับผู้ที่มอบหมายงาน AI ใด ๆ

หากคุณขอการจอง ให้ตรวจสอบว่าการจองที่ถูกต้องมีอยู่จริงหรือไม่ หากคุณขอสเปรดชีต ให้ตรวจสอบการคำนวณและสมมติฐาน หากคุณขอการวิจัย ให้เปิดแหล่งข้อมูลและดูว่าพวกมันสนับสนุนข้อสรุปหรือไม่ ข้อความสรุปของเอเจนท์บอกว่ามันพร้อมให้คุณตรวจสอบแล้ว

การกำหนดมาตรฐานนี้ให้เอเจนท์ตั้งแต่ต้นทำให้การมอบหมายง่ายขึ้น มันสามารถตรวจสอบงานของตนและนำปัญหาเฉพาะกลับมา หากแหล่งข้อมูลขัดแย้งกับข้อสรุป ผมต้องการทราบก่อนที่จะใช้เวลาตรวจสอบข้อความ หากสเปรดชีตพึ่งพาสมมติฐาน ผมต้องการให้สมมติฐานนั้นปรากฏชัดเจน

ระดับการตรวจสอบควรสอดคล้องกับงาน ผมไม่ต้องการใช้เวลาสิบนาทีเพื่อควบคุมการเปลี่ยนแปลงรูปแบบที่ผมสามารถย้อนกลับได้ในไม่กี่วินาที การสัญญาสาธารณะต้องการความสนใจมากขึ้น การรู้ว่าความสนใจของคุณควรอยู่ที่ไหนเป็นส่วนหนึ่งของการเก่งในเรื่องนี้

ให้เอเจนท์มีพื้นที่ทำงาน

การมอบหมายที่ดียังหมายถึงการกำหนดว่าตรงไหนที่เอเจนท์สามารถทำงานได้โดยไม่ต้องกลับมาหาคุณ การเข้าถึงเครื่องมืออีเมลไม่ได้หมายความว่ามันสามารถส่งข้อความได้ การมอบหมายควรชัดเจนว่าเมื่อใดงานเป็นการเตรียมการและเมื่อใดรวมถึงการดำเนินการ

ขอบเขตที่ชัดเจนช่วยประหยัดความสนใจ เอเจนท์สามารถสืบค้น เตรียมผลลัพธ์ และจัดการการแก้ไขประจำได้ในขณะที่ปล่อยให้การตัดสินใจสำคัญอยู่กับผู้รับผิดชอบ การกำหนดทิศทางนี้ต้องมีอยู่ในสภาพแวดล้อมการทำงาน พร้อมกับบริบททางธุรกิจที่เกี่ยวข้อง Lauren Hanford, VP of Product Operations ที่ Sonar, ได้ชี้ให้เห็นใน บทความเกี่ยวกับการออกแบบสภาพแวดล้อมการทำงานของเอเจนท์ ว่าเราต้องจัดหาบริบทและทิศทางที่งานต้องอาศัย

นักวิจัยจากสแตนฟอร์ดยังพบว่าความต้านทานมักจะเป็นประโยชน์: คนเหล่านั้นทำให้คำขอชัดเจนและแก้ไขความเข้าใจผิด ผมคิดว่าเราบางครั้งมองการแลกเปลี่ยนเหล่านี้ว่าเป็นความล้มเหลวของเครื่องมือ แต่จริง ๆ แล้วเป็นส่วนหนึ่งของการทำงานผ่านปัญหา คำถามที่สำคัญคือการสนทนานั้นทำให้งานก้าวหน้าไปหรือไม่

เพราะฉะนั้นฉันจึงไม่ตัดสินการดูแลโดยจำนวนครั้งที่ใครสักคนอนุมัติการกระทำ คุณอาจคลิกผ่านหลายสิบคำขอแล้วก็ยังพลาดการตัดสินใจที่สำคัญได้ ฉันต้องการให้งานประจำวันดำเนินต่อไปได้และให้การตัดสินใจที่สำคัญกลับมาพร้อมบริบทเพียงพอเพื่อให้ฉันสามารถทำได้

กระแสอัปเดตกิจกรรมเพียงอย่างเดียวไม่ค่อยช่วยอะไรบอกฉันว่ามีอะไรที่ต้องการการตัดสินใจ ทำไมถึงสำคัญ และขั้นตอนต่อไปคืออะไร

สิ่งนี้เปลี่ยนความหมายของการเป็นคนเก่งกับ AI

สำหรับผู้ดำเนินงานคนเดียว นี่คือการเปลี่ยนแปลงที่แท้จริงในรูปแบบของงาน คุณอาจเคยคุ้นเคยกับการเก็บเหตุผลของการตัดสินใจไว้ในหัวของคุณเองเพราะคุณเป็นคนทำงานนั้นด้วย การมอบหมายทำให้เหตุผลเหล่านั้นมีประโยชน์ต่อคนหรือสิ่งอื่น ๆ การนำเหตุผลออกจากหัวของคุณเป็นส่วนหนึ่งของการทำให้ธุรกิจดำเนินได้ง่ายขึ้น

ผลประโยชน์ควรสะสมเพิ่มขึ้นตามเวลา เมื่อการมอบหมายผิดพลาดเพราะขาดความชอบบางอย่าง ให้บันทึกความชอบนั้นไว้ที่ที่การมอบหมายครั้งต่อไปสามารถใช้ได้ เมื่อคำถามเดียวกันกลับมาปรากฏซ้ำ ให้ตัดสินใจว่าตัวแทนขาดบริบทหรือว่าการตัดสินใจนั้นจริง ๆ ต้องการคุณ การแก้ไขซ้ำ ๆ เป็นโอกาสที่จะปรับปรุงวิธีการมอบหมายงาน

ฉันอยากให้การศึกษา AI ใช้เวลามากขึ้นกับสถานการณ์เหล่านี้ ให้ผู้คนได้รับมอบหมายที่ไม่สมบูรณ์และให้พวกเขาค้นหาสิ่งที่ขาดหายไป แสดงผลลัพธ์ที่เรียบหรูแต่สรุปอ่อนแอ คำสั่งที่ใช้ซ้ำได้อาจเป็นประโยชน์ แต่ผู้คนต้องฝึกฝนการตัดสินใจที่คำสั่งเหล่านั้นพึ่งพา

เมื่อเอเจนต์ทำงานจนเสร็จสิ้นมากขึ้น ผู้ใช้ของพวกเขาจะใช้เวลามากขึ้นในการกำหนดทิศทางและตัดสินใจว่าอะไรพอเพียง บางคนจะมีทีมงาน บางคนจะดำเนินธุรกิจด้วยตนเอง ไม่ว่ากรณีใด ความสามารถในการแปลงเจตนาให้เป็นมอบหมายที่ชัดเจนจะกลายเป็นส่วนหนึ่งของการแข่งขัน นั่นคือเหตุผลที่การกระตุ้นจึงเป็นทักษะการจัดการจริง