試想，你請 AI「幫我做一份提案」，收到的內容很完整，卻無法拿去開會。你繼續要求「更有說服力」，它加了更多形容詞，仍沒回答客戶最在意的問題。換成剛到職的同事接到這項任務，他也得猜：提案給誰看？希望爭取什麼？哪些條件不能改？
工作交出去之前，領導者有沒有先想清楚，會影響接手的人如何執行。練習寫好 Prompt，也能用來檢查自己的交代是否完整。而帶 AI 與帶人之間的關係，已有研究提供線索。
哈佛研究的啟示：會下 Prompt 的人，也更會帶人！
哈佛甘迺迪學院研究團隊在 2025 年公布的一項研究中，讓 249 位參與者擔任領導者，分別帶領真人與 AI 團隊解題。每隊由一名領導者與三名成員組成，每位領導者都完成六次真人團隊任務，以及六次 AI 團隊任務。
任務的設計很像職場裡的資訊落差。例如，團隊要判斷一部機器為什麼故障，但關鍵線索分散在不同成員手上，任何人單靠自己掌握的資料，都無法解出完整答案。領導者必須向成員提問、蒐集線索，在有限時間內整合大家知道的事，最後做出決定。
真人團隊採取隨機分組，讓研究者觀察同一位領導者換了隊友後，能否持續帶出好成果。結果發現，帶領 AI 與真人團隊的表現，原始相關係數為 0.67；校正測量誤差後達 0.81。也就是說，在這項測驗中，能帶 AI 團隊有效解題的人，往往也能帶真人團隊取得較好的成績。
研究者進一步分析互動紀錄，發現表現較佳的領導者更常提問，團隊也有更多來回對話。這給交辦者一個提醒：指令寫完之後，還需要留出提問、回應與確認理解的空間。
將這些發現用於工作，可以先練習在交辦時找出資訊缺口。例如，準備提案時，請 AI 先列出還缺哪些客戶資訊、哪些假設需要查證，補齊後再提出方案；交辦同事時，也可以先確認他掌握哪些資料、對任務有哪些疑問，再約定回報與驗收方式。這些提問與確認的動作，正是寫提示詞與帶人都用得上的工作基本功。
一個好 Prompt 怎麼下？一流 AI 人才都懂得「委派六問」
我在「2026 Prompt 全攻略」 課程中，綜合了 Anthropic、OpenAI、Google 的官方 Prompt 指南，總結出六個在委派工作給 AI 時，提示詞應該要包含的要素：委派六問。
如果你常困惑於為什麼 AI 好像聽不懂你說的話，為什麼產出總是與你的標準不符合，可以反思一下這六件事，是不是你少跟 AI 講了？
| 委派六問 | Prompt 要交代的元素 | 交給 AI 的提示詞範例 | 交辦同事時，也要說清楚什麼？ |
|---|---|---|---|
| 為什麼做？ | 目的與使用情境 | 提案要爭取客戶追加預算，請聚焦效益與投入理由。 | 提案給誰看、要促成什麼決定，讓同事理解工作目的。 |
| 要做什麼？ | 交付物與任務範圍 | 先提供一頁摘要，比較三個方案，依指定格式整理。 | 需要摘要、比較表或完整簡報？確認篇幅、格式、範圍與期限。 |
| 憑什麼做？ | 資料、案例與背景 | 依客戶需求、過往成效與前次會議決議提出方案。 | 提供必要資料與先前決議，避免同事拿不到你已經知道的資訊。 |
| 不能越過什麼？ | 限制、權限與風險邊界 | 遵守預算上限，不公開機密資料，涉及承諾先取得核准。 | 哪些事可自行決定、哪些要請示，以及哪些限制不能更動。 |
| 如何管理？ | 提問、回報與確認節點 | 先交大綱確認方向，資料不足先列問題，需要核准時暫停回報。 | 約定提問、回報、暫停或重新確認的時點，及早修正方向偏差。 |
| 怎麼驗收？ | 成功標準、證據與檢查方式 | 每個方案須有成本、預期效益與來源，完成後逐項檢查。 | 事先說明合格條件與檢查方式，讓同事在交件前自行確認。 |
目的說不明白，就先釐清目的；標準訂不出來，就先討論標準。把這些功課做好，再交給 AI 或同事，才算完成一次清楚的委派。
學會寫 Prompt，也練習交辦工作與驗收成果
「委派六問」中，我發現最容易被忽略的是「驗收」。AI 可以很快交出一份架構完整、文字流暢的報告，但領導者仍須確認其中的數字與推論是否正確，建議是否符合原本的工作目標。
哈佛商學院等研究者與 BCG 合作，針對 758 名顧問進行的實驗，就呈現了這個問題。依 2026 年正式刊出的研究結果，在 GPT-4 能勝任的任務中，使用 AI 的顧問，成果品質評分比未使用者高約 30%～34%；但在研究者選定、超出該模型能力的另一項分析任務中，使用 AI 組的平均答對率，反而低了約 19 個百分點。
研究還發現，在這項超出 AI 能力的任務中，即使答案錯誤，使用 AI 的人提出的建議，仍可能在條理與說服力上得到較高評分。一份看起來很專業的答案，也可能帶著錯誤的結論。這正是驗收需要處理的問題：交辦者必須有方法分辨，哪些內容有證據支持，哪些仍需要修正。AI 在其他任務上的好表現，無法代替眼前這份成果的品質檢查。
因此，交辦時就應該把驗收標準寫進 Prompt。例如，你可以跟 AI 說：
把工作交給同事，也需要同樣的交代：事先說明合格條件，交件後依據標準檢查，給出具體回饋。把工作交出去，也包括把如何判斷工作做得好不好，交代清楚。
「2026 Prompt 全攻略」 以寫作、企畫提案與數據分析等情境示範，把「委派六問」落實到實際操作，帶你建立自己的 AI 工作方法。課程包含五個學習重點：
1. 打造自己的第一個 Skill，保存好用的工作方法
將驗證有效的步驟、輸出格式與品質標準，整理成可重複使用的技能包。下次遇到類似任務，就能讓 AI 依照既定方法執行，減少反覆交代同一套要求。
2. 拆解三種 AI 協作形式，掌握人與 AI 的分工
了解「人馬」的明確分工、「賽博格」的來回共創，以及「贊助者」的成果委託。依照任務需求，判斷哪些工作可以交給 AI、哪些環節需要自己介入。
3.整合三大官方 Prompting Guide，掌握提示詞精華
課程融會貫通 OpenAI、Anthropic、Google 的官方指引，濃縮成工作中可運用的提示詞原則與操作方法，省下自行比對、消化文件的時間。
4. 建立「交辦思維」，用 AI 指令委派完整工作
練習交代目標、背景、可用資源、限制、回報節點與驗收條件，讓 AI 有依據規劃並執行任務，自己掌握關鍵決策。這套把工作講清楚的方法，也能用在與同事溝通、分派任務時。
5. 學會驗收與修正，找出 Prompt 沒有說清楚的地方
當成果不如預期，透過原始指令、實際輸出與理想範例，找出問題並調整提示詞，再用明確標準檢查成果。練習具體指出差距、提供可執行的回饋，也是帶人時需要的能力。
當 AI 能承接更多執行工作，清楚定義任務、適時回饋並為結果負責，就更值得練習。下一次交辦前，先用委派六問檢查自己的指令是否清楚吧！不然你交出去的工作，再聰明的 AI 也很難滿足你。
資料來源：哈佛大學研究論文、哈佛商學院研究解讀、NBER 研究摘要、微軟《2026 工作趨勢指數》、哈佛商學院、BCG 等合作研究（2026 年正式刊出版）
Manager AI 幫你提問：
從 25000＋管理文章與 800+深度專題為你找答案
內容由AI根據經理人知識庫輔助生成，提問請勿輸入機密資料，請自行判斷準確性。
