Att leda AI-agenter som medarbetare
De fem saker som bara en människa kan ge en AI-agent: ett uppdrag, sammanhang, autonomi, verktyg och tillsyn.
Varför den här artikeln finns
Det här är den tredje artikeln i en serie för chefer vars organisationer börjar sätta AI-agenter i arbete. De tidigare artiklarna handlar om vad en agent faktiskt är och hur man väljer vilka som är värda att bygga. Den här handlar om den del som tar ledare på sängen.
När du väl har agenter som utför riktigt arbete är det inte att bygga dem som avgör om det går bra. Det är att leda dem. Och den uppgiften landar hos ledare och chefer, inte hos ingenjörerna. Modellen är någon annans problem. Arbetsbeskrivningen, sammanhanget, gränserna, åtkomsten och den standard arbetet hålls mot är dina.
Det är goda nyheter, för det är ett arbete du redan vet hur man utför. Hela artikeln vilar på en enda idé: en AI-agent behöver samma saker som en ny medarbetare behöver, och du vet redan hur man ger dem. Det som följer är de fem sakerna, varför var och en är viktig, vad som går fel när du hoppar över den, och hur du avgör om du gör det bra.
De fem sakerna i korthet
När du tar in en kompetent ny person i ett team ger du den fem saker. Ett uppdrag, så att de vet vad de ansvarar för. Sammanhang, så att de förstår varför det är viktigt. Autonomi, så att de vet vad de får besluta på egen hand. Verktyg, så att de faktiskt kan utföra arbetet. Och tillsyn, så att någon håller koll på både resultaten och riktningen.
En AI-agent behöver samma fem. Får du dem rätt förtjänar agenten sin plats i teamet. Hoppar du över dem har du anställt en snabb, självsäker nybörjare och sedan lämnat byggnaden. Resten av den här artikeln tar dem en i taget.
De fem sakerna
1. Uppdrag
Definiera vad agenten faktiskt är till för. "Använd AI inom ekonomi" är inget uppdrag. "Stäm av de här två huvudböckerna varje morgon och flagga allt över en gräns för granskning" är ett uppdrag. Det första är en önskan. Det andra är något du skulle kunna ge till en person och hålla dem ansvariga för.
En vag instruktion får en person att driva iväg. Den får en agent att driva iväg snabbare, hela dagen, med full självsäkerhet, vilket är hur en lös instruktion blir en dyr instruktion. En person med ett oklart uppdrag kommer oftast att känna av förvirringen och komma tillbaka för att fråga. Det gör inte en agent. Den tar det du gav den och kör, och den låter helt säker medan den gör fel sak bra.
Så det mesta av arbetet här ligger uppströms om all teknik. Det handlar om att skriva ner uppdraget tillräckligt tydligt för att två personer skulle läsa det likadant: vad agenten gör, vad den producerar, vad som räknas som klart, och vad den aldrig får röra. Om du inte kan skriva det stycket är du inte redo att lämna över arbetet till en agent — och du var förmodligen inte redo att lämna över det till en nyanställd heller.
Du vet att du fått det här rätt när uppdraget har en kant. Ett bra agentuppdrag säger vad som ligger utanför ramen lika tydligt som vad som ligger inom den. "Besvara rutinmässiga leverantörsfrågor från den godkända listan, och skicka allt som rör pris eller avtal till en person" är ett uppdrag med en kant. "Hjälp till med leverantörsfrågor" är det inte.
2. Sammanhang
En agent behöver veta vad som är viktigt och varför, inte bara stegen. Ge en nyanställd rutinen utan skälen och de kommer att fatta beslut som är självsäkra, försvarbara och fel. En agent gör exakt samma sak, av samma skäl: rutinen täcker normalfallet, och skälen är det du behöver för allt annat.
Det är här de flesta agentprojekt tyst lyckas eller misslyckas. Det sammanhang som är viktigt finns sällan nedskrivet. Det är definitionerna ditt företag använder som resten av branschen inte gör. Undantagen som alla seniora känner till och som inget dokument noterar. "Vi testade det 2021 och det gick illa"-reglerna som bor i tre personers huvuden. En agent har inget av detta om du inte ger det till den, och arbetet med att få ut det ur folks huvuden och fram till agenten är långsamt, mänskligt och oundvikligt. Det finns ingen genväg, och de team som letar efter en är de team vars agenter gör bort sig senare.
Du vet att du fått det här rätt när agenten hanterar det näst vanligaste fallet bra, inte bara det självklara. Vad som helst klarar av lyckostigen. Värdet, och risken, ligger i undantagen.
3. Autonomi
Hur mycket ska agenten besluta på egen hand, och när ska det förändras? Det här är beslutet som kräver mest omdöme, och det är otvetydigt ett chefsbeslut snarare än ett tekniskt.
Utgå från kostnaden av att ha fel. Om ett beslut är lätt att återkalla och billigt att göra fel, låt agenten fatta det och kontrollera resultaten i efterhand. Om det är en dörr som bara svänger åt ett håll — dyr eller omöjlig att ångra — låt agenten föreslå och en person besluta. Det mesta arbetet är en blandning, så autonomi är inte en inställning du väljer en gång. Det är något du justerar uppgift för uppgift, och lättar på över tid när agenten förtjänar förtroende, på samma sätt som du skulle göra med en junior som fortsätter att få det rätt.
Det vanliga misstaget är att behandla autonomi som en strömbrytare: helt manuell, vilket slösar bort agenten, eller helt automatisk, vilket skrämmer alla första gången den har fel offentligt. Den användbara varianten ligger mittemellan och rör sig. En ny agent i en process med höga insatser bör föreslå och vänta. Samma agent, sex månader och tusen goda beslut senare, kan agera och rapportera. Du ställer inte in en behörighet. Du leder en relation som förtjänar mer lina i takt med att den bevisar sig.
Du vet att du fått det här rätt när människor kan beskriva, utan att kontrollera, exakt vilka beslut agenten fattar ensam och vilka som går till en människa. Om gränsen är luddig i samtal är den luddig i praktiken.
4. Verktyg
En agent med ett tydligt uppdrag, bra sammanhang och rätt autonomi kan fortfarande bara prata, ända tills du ger den åtkomst. Riktigt arbete kräver riktiga verktyg: systemen där arbetet faktiskt sker, och behörigheterna att använda dem. En agent som kan läsa leverantörsdatabasen och skicka från en bevakad brevlåda kan hantera leverantörsfrågor. En agent som bara kan beskriva hur den skulle hantera dem är en mycket dyr promemoria.
Det är också i det här ögonblicket som styrning slutar vara abstrakt. Den dag en agent kan agera i dina system förändras frågan från vad den skulle kunna göra i teorin till vad du faktiskt tillät och om du kan se det. Det gör att utrusta agenten och styra den till samma arbete, utfört samtidigt. Du bestämmer vad den får nå, vad den får ändra, och vad den lämnar ett omisskännligt spår av. Dela ut åtkomst utan det, och du har gett en snabb, outtröttlig arbetare nycklarna till system som ingen bevakar.
Du vet att du fått det här rätt när du omedelbart kan besvara två frågor om varje agent: vad får den röra, och var skulle jag titta för att se vad den gjorde. Om något av svaren kräver efterforskning sprang åtkomsten ifrån tillsynen.
5. Tillsyn
Agenter driver iväg. Datan rör på sig, verksamheten rör på sig, och en agent som hade rätt på våren kan vara tyst fel på hösten, utan att någon har ändrat en enda sak. Världen förändrades runt den. Så tillsyn är inte ett godkännande du gör en gång vid lansering och lägger i arkivet. Det är ett stående uppdrag.
Någon måste fortsätta fråga om resultaten fortfarande är bra, om processen fortfarande är sund, och om beteendet har vandrat bort från det du avsåg. Det är den del som aldrig överförs till maskinen, eftersom standarden för vad som är bra är din att sätta och din att försvara. En agent kan tala om för dig vad den gjorde. Den kan inte tala om för dig om det var rätt sak att vilja, och den kan inte märka att definitionen av rätt har förskjutits. En person måste äga det, med tiden och befogenheten att agera på det de hittar.
Du vet att du fått det här rätt när tillsynen har ett namn knutet till sig och en rytm: vem som tittar, hur ofta, och vad de får ändra när något är fel. "Vi håller ett öga på det" är inte tillsyn. Det är hur drift förblir oupptäckt tills en kund hittar den först.
Vad detta förändrar för ledningsgruppen
Titta på de fem igen. Ingen av dem är teknisk. Att sätta ett uppdrag, förse med sammanhang, bedöma insatser, bevilja åtkomst och hålla en standard är ledningsarbete, inte ingenjörsarbete. Det är det verkliga skiftet i vad AI-agenter kräver av en organisation. Det som bromsar dina agenter är nästan aldrig modellen. Det är om din organisation kan leda bra, tydligt och snabbt, i den skala som agenter nu arbetar i.
För de flesta ledare bör det vara uppmuntrande, för det är det arbete du redan har. Det är också en varning. Ett företag som leder sina människor dåligt kommer att leda sina agenter dåligt också, och agenten kommer att göra det snabbare och på fler ställen samtidigt. En agent kör på vilken tydlighet — eller förvirring — som redan finns runt den. Den fixar inte en vag organisation. Den skalar upp en.
Ett genomarbetat exempel
Ta ett team som vill ha en agent som hanterar första linjen av inkommande leverantörsfrågor. Instinkten är att börja med verktyget: vilken plattform, vilken modell. Börja med de fem i stället.
Uppdraget: triagera inkommande frågor, besvara de rutinmässiga från godkänt material, och skicka resten till en namngiven person. Sammanhanget: leverantörspolicyn, de godkända svaren, och den handfull situationer som alltid går till en människa. Autonomin: svara fritt inom den godkända uppsättningen, gör aldrig ett kommersiellt åtagande, och eskalera allt som rör pris eller avtal. Verktygen: läsåtkomst till leverantörsdatabasen och sändningsåtkomst till en brevlåda som någon bevakar, inget bredare. Tillsynen: en veckovis titt på ett urval av svar, plus en avisering varje gång agenten eskalerar.
En agent som den kan vara i drift på några veckor. Tekniken var aldrig den långsamma delen. De fem besluten var det, och det här teamet fattade dem med avsikt. (Riktiga berättelser från fältet, där ledare beskriver hur det här såg ut inuti deras egna företag, är ämnet för en senare artikel i den här serien och boken den föder in i.)
Hur du använder detta
De fem är en checklista du kör innan du bygger, och en diagnos du kör på det du redan har.
Innan du bygger, ta en kandidatprocess och skriv de fem på en enda sida. Var ärlig om uppdraget: om du inte kan ange vad som ligger utanför ramen är du inte klar. När du sätter autonomin, motstå lusten att vara modig. Det är billigare att starta agenten snäv och vidga den än att starta den vid och förklara misstaget. När du listar verktyg, lista åtkomsten och spårbarheten i samma andetag; om du upptäcker att du beviljar åtkomst nu och lovar tillsyn senare, stanna och designa tillsynen först.
På något du redan har lanserat, betygsätt var och en av de fem utifrån ärlig erfarenhet, inte avsikt. Var kommer svaren faktiskt ifrån, och skulle du satsa på att de är rätt. Hanterar agenten det knepiga andrafallet eller bara det självklara. Kan ditt team beskriva autonomigränsen utan att slå upp den. Skulle du, just nu, kunna se vad agenten gjorde i går. Har någon tittat på dess resultat den här månaden, och har de befogenheten att ändra det. De fem brukar fallera på samma två ställen: sammanhang som aldrig fångades, och tillsyn som aldrig tilldelades. Det är där du ska titta först.
Vad du ska göra den här veckan
Välj en process du skulle överväga att lämna över till en agent. Innan du tittar på ett enda verktyg, lägg de fem på en sida: uppdraget, sammanhanget den behöver, var dess autonomi börjar och slutar, verktygen och behörigheterna den kräver, och hur du ska hålla ett öga på den. Om du inte kan fylla sidan var AI:n aldrig problemet. Arbetet var aldrig definierat tillräckligt väl för att lämnas över till någon, person eller agent. Att fylla den sidan är där det faktiskt börjar att leda din första AI-medarbetare.
Vanliga frågor
Måste chefer vara tekniska för att leda AI-agenter? Nej. Att sätta ett uppdrag, ge sammanhang, bedöma insatser, bevilja åtkomst och hålla en standard är ledningsbeslut, inte ingenjörsbeslut. Det tekniska bygget ligger under dem. Om du kan leda en person kan du leda en agent.
Hur skiljer sig en AI-agent från en copilot eller en chatbot? En copilot hjälper en person som behåller kontrollen över varje steg. En agent tar ett uppdrag och arbetar sig igenom stegen själv, med hjälp av verktyg, med den autonomi du ger den. Du lämnar över ett resultat snarare än att be om förslag, vilket är precis därför det spelar roll hur du leder den.
Var går de flesta AI-agentsatsningar fel? Sammanhang och autonomi. Ett team ger agenten ett verktyg och ett löst uppdrag, hoppar över sammanhanget som bor i folks huvuden, och sätter autonomin till allt-eller-inget i stället för att matcha den mot insatserna. Lösningen kommer före all teknik.
Hur är det med styrningen? Den bor inuti verktyg och tillsyn. I det ögonblick en agent kan agera i dina system är behörigheter och tillsyn de kontroller du har. Att bevilja en agent åtkomst och att styra vad den gör är en och samma uppsättning beslut, vilket är varför styrning inte kan vara en separat sak du hanterar senare.
Hur många agenter kan en person leda? Fler än du skulle förvänta dig, och färre än leverantörerna antyder. Gränsen är inte antalet agenter. Det är hur mycket sammanhang och tillsyn var och en verkligen behöver. En väldefinierad agent i en stabil process behöver lite löpande uppmärksamhet. En ambitiös agent i en process i förändring behöver mycket. Planera för det andra tills den bevisar att den är det första.