Inżynieria celów to kolejna niezbędna umiejętności AI
Opublikowany: 2025-07-23Większość profesjonalistów nadal buduje płynność dzięki generatywnej sztucznej inteligencji. Eksperymentujesz z podpowiedziami, uczysz się kierować chatbotami i asystentami oraz rozwijać podstawowe umiejętności potrzebne do skutecznej współpracy z tymi systemami. W tej chwili najważniejsza umiejętność inżynierii jest najważniejsza umiejętność: rafinacja danych wejściowych, kontekst nakładania warstw i szturchanie narzędzi do czatu w kierunku lepszych wyjść. Podpisanie jest naciskiem na płynność AI-i niezbędnym pierwszym krokiem. Ale samo monitowanie nie przygotuje cię na to, co będzie dalej.
Pojawia się nowy paradygmat - taki, który wykracza poza okno czatu. Ponieważ Agentic AI staje się bardziej zdolna do rozumowania, planowania i działania w Twoim imieniu, umiejętności wymagane do „prowadzenia” będą ewoluować.
Umiejętność krytyczna nie jest już tylko pisaniem podpowiedzi - projektuje oczekiwane wyniki. Musisz zdefiniować jasne cele, ustalić oczekiwania i delegować zadania z poręczami agentom, którzy mogą wykonać.
Witamy w erze inżynierii bramkowej.
Każdy IC jest promowany na menedżera agentów AI
Agentic AI nie wymaga instrukcji krok po kroku, takich jak chatbot. Obserwuje, powody, podejmuje decyzje i czyny. Ale nadal wymaga kierunku. Nie monituje ani instrukcje linii po linii, ale jasność intencji. Co próbujesz osiągnąć? Jakie ograniczenia mają znaczenie? Co agent powinien ustalić priorytety lub zignorować?
W najbliższej przyszłości firmy, które mogą osiągnąć efekt mnożnika wielokrotnie mnożących, wygrają swoje rynki brutalną siłą. Dosłownie pokonują tradycyjne firmy pod każdym względem, od rozwoju produktu po kadencje na rynku.
- Indywidualny współpracownik (IC) wykonujący pracę kreatywną i strategiczną na wysokim poziomie
- Menedżer wirtualnego zespołu agentów, delegowanie zadań, dostosowanie intencji i przeglądu wyników
Ale kierunek nie oznacza mikrozarządzania. To wymaga czasu oszczędności z tablicy wyników. Inżynieria celów to umiejętność, która pomoże ci opracować to, czego potrzebujesz w sposób ustrukturyzowany, dostosowywany i skalowalny. Jest to trwałe umiejętności, które ewoluuje wraz z technologią. Ponieważ wyzwaniem nie jest sugerowanie sztucznej inteligencji - sprawia, że sztuczna inteligencja do dostarczenia.
- Wyraźnie określony cel. Taki, który jest łatwy dla agenta (i człowieka) do zrozumienia i działania w języku naturalnym. Na przykład: „Cel: Zwiększ repozytorium treści, aby wspierać nasze wysiłki na rzecz sukcesu klientów. Aby to zrobić, wygeneruj artykuły FAQ na podstawie 10 najlepszych biletów wsparcia z ostatniego kwartału”.
- System pomiarowy. To daje agentowi sposób oceny sukcesu. Na przykład „upewnij się, że uwzględniają one odpowiedzi na co najmniej 90% biletów o wysokim priorytecie i pasują do limitu 1000 słów”. Wskaźniki takie jak pokrycie, progi dokładności lub czas do ukończenia dają agentom sposób samooceny i iteracji.
- Bogaty kontekst. Agenci potrzebują dostępu do danych, systemów i świadomości sytuacyjnej, którą człowiek naturalnie rozważyłby. Obejmuje to wiedzę organizacyjną (takie jak ton marki oraz głosowanie i przesyłanie głosu), dostęp do narzędzi w czasie rzeczywistym (takie jak CRM, platformy biletów, analityka), a nawet decyzje historyczne, które pomagają „dlaczego” ten cel ma teraz znaczenie. Jeśli zadanie jest częścią większego celu, uwzględnij zawartość konwersacyjną z notatek lub transkrypcje połączeń, w których zostało udostępnione, zdefiniowane i podane czasowe. To naprawdę pomaga agentom w podejmowaniu decyzji i przeciwdziałaniu sugestiom twoim zadań, które mogą działać jeszcze lepiej.
- Poręcze i zarządzanie. Agenci powinni działać w jasnych granicach: prawne, etyczne, marki lub związane z zgodnością. Instrukcje dotyczące celu powinny obejmować tego, czego nie należy robić, co musi zostać sprawdzone przez człowieka i jak postępować, jeśli zaufanie jest niskie.
Ta umiejętność stanie się twoim wyróżnikiem. Ponieważ dobrze wyrażanie celu jest znacznie trudniejsze niż się wydaje. Wielu menedżerów po raz pierwszy stara się wyrazić wizję, ustalić oczekiwania lub zapewnić jasność. Jeśli kiedykolwiek pracowałeś nad projektem i pomyślałeś: „Nie jestem do końca pewien, dokąd próbujemy iść lub dokładnie, jak wygląda sukces, kiedy się tam dostaniemy”, widziałeś koszt tej luki.

Jak zbudować cel inżynierski cel
Nie musisz czekać na w pełni agencyjny przepływ pracy, aby rozpocząć opracowywanie tej umiejętności. W rzeczywistości najlepszy czas na nauczenie się jest teraz, kiedy nadal masz czas na eksperymentowanie, refleksję i rozwój.
Oto jak zacząć:
- Zdefiniuj „dlaczego” za swoimi przepływami pracy. Połącz wyniki z celami organizacyjnymi, czy to planem operacyjnym, strategii departamentalnych lub programów, nad którymi pracujesz.
- Dokonaj się z pytaniami. Ćwicz przekształcanie niejasnych pomysłów („Make This Better”) w ustrukturyzowane cele („Opracuj profesjonalną odpowiedź, która podkreśla naszą unikalną wartość, dostosowuje się do tonu marki i pasuje do 150 słów”).
- Przebij pracę na role. Traktuj każdego agenta jak kolega z drużyny. Jakie zadanie byś im dało? Jakiego kontekstu potrzebowaliby? Jakiej wiedzy będą potrzebować i skąd to dostali?
- Przejrzyj jak menedżer. Nie akceptuj ani nie odrzucaj wyjść - podawaj informacje zwrotne. Co było wyłączone? Co było pomocne? Jak twoje instrukcje mogłyby być jaśniejsze? Czy możesz dać im więcej swobody w oparciu o ich wydajność?
- Zacznij od małego, a następnie skal. Przypisz agentów jedno zadanie na raz. Następnie zacznij je łączyć - tworzenie przepływów pracy, które odzwierciedlają prawdziwą współpracę. W końcu możesz polegać na nich, aby zapewnić całe procesy, co przyspieszy wszystko, co robisz.
Pamiętaj: Inżynieria celów nie chodzi o doskonałość - chodzi o jasność i celowość. Chodzi o to, aby stać się rodzajem menedżera, który w pełni wykorzystuje kolegów z drużyny AI. Im więcej ćwiczysz, tym ostrzejsze są Twoje umiejętności. Z czasem spędzisz mniej energii, pytając, czy sztuczna inteligencja może pomóc i więcej czasu na decydując o tym strategiczne użycie.
- Tim Sanders, wiceprezes ds. Badań w G2
