我在大學課堂上和同學們預告「你們每個人都要學習怎麼帶人哦，因為一畢業後就要當主管！」這邊指的「當主管」不見得職級、薪水會比較高，意思是要每個人未來都要學會帶領一批 agent 工作。並且，這個能力和科系背景的關係，比大家想像的更小。我在跨學院課堂上觀察到，真正上手快的學生有 2 個共同特質：習慣把任務拆解成步驟、以及拿到結果後會反射性地質疑它。這 2 件事，經濟系、會計系的學生做得不輸資訊背景的同學。

回到職場，我觀察到開缺最多的不是入門職位，反而是產品經理與專案經理。這些職位的招募條件已經變了：以前要求會用 Office，現在直接要求會用 AI 工具串接工作流程。換句話說，「管理」這個能力提前下放了。

邏輯思維先於技術實力，把事情想清楚更重要

帶領 AI 代理新員工，和帶領新人同事有下列的共通點：

1.適才適用 ：帶同事之前要了解對方的背景和能力；在使用 agent 新員工之前，我們也要先充分瞭解每種不同 agent 的能力、專長、極限等等。

2.明確指派工作 ：新同事就算能力再強，不派工作給他，也只是閒置人力；對待 agent 也是一樣，如果不派給他真正重要的任務，只是聊天、問問題，那幫助也有限。

3.說明指令 ：派工作的時候，愈是複雜的任務，愈要想清楚後再派工。把任務寫成一整串話，語言模型其實容易搞混；反而是條列式能讓模型記得最清楚，也最能依序執行。這和寫 SOP 的邏輯一樣，清楚的步驟才能被確實執行，不管執行者是人還是 AI。

4. 即時回饋 ：agent 不受工作時間限制，可以快速產出成果，管理者如果不根據成果即時給予回饋、反應太慢，反而變成瓶頸。

5. 品質檢查 ：agent 新員工的能力強、產出快，但可能會有錯，有可能是理解錯誤，也可能是「AI 幻覺」，所以管理者要進行品質檢查，很多人知道 AI 會出錯，卻沒有建立任何檢查機制。

AI時代快速放大產出，品質檢查更為重要

「品質檢查」會是 AI 時代中特別重要的管理概念。回看人類歷史，工業革命帶來大量機器生產，機器生產快速有效率，也放大了瑕疵品的數量，因此催生出各種品質管理制度。AI 時代的本質上也是機器生產，快速產出可能放大錯誤，就要靠品質管理手段來補強，這裡面包含了 3 項重要的工作：

1. 建立品質指標與測試題庫。 例如整理出客戶常見問題100題，定期測試AI代理，記錄正確率。這個題庫還有另一個關鍵用途：當你反覆修改指令想提升agent表現時，要怎麼評估改了之後是變好還是變壞？有了題庫，每次修改都能對照正確率的數字，才知道走對了沒有。

2. 分析品質問題。 針對agent的錯誤樣態進行資料蒐集及分析，了解錯誤的成因和分布。例如，為什麼AI代理回覆客戶問題時會答錯？是沒有參考資料、還是背後的模型不夠聰明？

3. 提出品質改善計畫。 這裡有個超級管理者才會用的做法：品質檢查不一定要人親自審，可以先設好評分標準，再指派另一個代理來檢查，重點在你是否設好了標準與方法。檢查後的改善方向可能是改善提示詞、重新訓練模型；也可能是管理手段，例如對客戶問題分級分流，重大問題經過人工檢核放行。

最後，超級管理者還有一項新挑戰：同時調度多個代理並行工作。 單線派工，做完這個再做那個，速度其實有限。真正的效率來自於識別哪些任務可以同步進行，把不同 agent 同時派出去。不過根據觀察，一個人能有效管理的 agent 數量大約在 5～6 個左右，超過這個數字，注意力開始分散，管理品質反而下降。這和帶領人類團隊的最適規模，其實相差不遠。

核稿編輯：張玉琦