Ang mahalagang pagbabago sa AI sa lugar ng trabaho ay hindi na kayang sumulat ng isang modelo ng mas mahusay na talata. Ang mahalaga ay na lalong kayang ituloy ng isang sistema ang isang layunin sa ilang hakbang: magsuri ng mga file, maghanap sa mga konektadong serbisyo, lumikha ng isang artifact, mag-update ng isang rekord, at magpadala ng mensahe.

Binabago nito ang propesyonal na tanong mula sa “Tama ba ang sagot na ito?” tungo sa “Ano ang pinapayagang gawin ng sistemang ito bago nito kailangang magtanong sa akin?”

Inilalarawan ng Zapier ang ChatGPT Work bilang isang agentic mode na maaaring gumana nang matagal kasama ang mga file at konektadong application, habang ang Plan mode nito ay nagmumungkahi ng estratehiya para sa pag-apruba bago isagawa. Gayundin, inilalarawan ng Microsoft ang Copilot, kaalamang pang-organisasyon, at pamamahala bilang magkakaugnay na bahagi ng isang operational AI stack. Itinuturo ng mga halimbawang ito ang isang praktikal na pagkakaiba: lumilipat ang AI mula sa pagiging katuwang sa pag-uusap tungo sa pagiging operator na pinagkatiwalaan ng gawain.

Makapagtitipid ng oras ang delegasyon, ngunit binabago rin nito ang anyo ng pananagutan. Karaniwang gumagawa ang chatbot ng output para siyasatin ng isang tao. Maaaring gumawa ang isang agent ng ilang intermediate na hakbang, na ang ilan ay mahirap mapansin pagkatapos mangyari. Kaya ang pinakaligtas na estratehiya sa paggamit ay hindi pinakamataas na awtonomiya. Ito ay malinaw at paunti-unting ipinagkakaloob na awtoridad.

Mag-isip batay sa mga aksyon, hindi sa mga prompt

Ang isang kapaki-pakinabang na unang hakbang ay ilista ang mga aksyong maaaring gawin ng isang AI system sa isang workflow. Masyadong malawak para pamahalaan ang “Pangasiwaan ang onboarding ng customer.” Maaaring kabilang sa mas kapaki-pakinabang na imbentaryo ang:

  • magbasa ng panloob na patakaran at kumuha ng mga kinakailangan;
  • maghanap sa isang aprubadong knowledge base;
  • bumuo ng draft ng email o buod ng kontrata;
  • lumikha ng ticket o row sa spreadsheet;
  • magbago ng rekord ng customer o pinansyal na rekord;
  • mag-imbita ng user, maglathala ng dokumento, o magpadala ng panlabas na mensahe;
  • mag-apruba ng bayad, magbura ng datos, o gumawa ng pangakong kumakatawan sa organisasyon.

May magkakaibang kombinasyon ang bawat aksyon ng posibilidad na maibalik, pagiging sensitibo, panlabas na epekto, at gastos. Itinatago ng pagtrato sa lahat ng ito bilang “tulong ng AI” ang tunay na pagpapasya.

Mas praktikal ang isang payak na klasipikasyon kaysa sa malabong pangakong may taong mangangasiwa sa lahat:

  • Maaaring gawin: mga aksyong mababa ang panganib at maaaring ibalik sa dati sa loob ng malinaw na limitadong workspace.
  • Dapat imungkahi: mga aksyong nagbabago sa pinagsasaluhang gawain, nakikipag-ugnayan sa labas, o lumilikha ng makabuluhang pangako.
  • Hindi dapat kailanman gawin nang mag-isa: mga aksyong may kinalaman sa mga reguladong desisyon, hindi na maibabalik na pagbura, paglilipat ng malaking halaga, pagbabago sa access control, o sensitibong usapin ng mga tauhan.

Nagbibigay ang programang government agentic-AI ng UAE ng isang makabuluhang halimbawa ng patakaran: kabilang dito ang mga tuntunin para sa pagpapasya kung aling mga gawain ang maaaring tapusin ng mga agent at alin ang maaari lamang nilang irekomenda. Madaling mailapat ang pinagbabatayang ideya sa isang indibidwal na team: dapat nakalakip ang pahintulot sa gawain, hindi basta ipinagkakaloob dahil lamang mukhang may kakayahan ang sistema.

Gumamit ng mga approval gate kung nagbabago ang mga kahihinatnan

Hindi bawat hakbang ay nangangailangan ng dialog box ng kumpirmasyon. Kung humihingi ang isang sistema ng pag-apruba pagkatapos ng bawat pagbasa ng file, mekanikal na mag-aapruba ang mga tao o idi-disable nila ang kontrol. Ilagay ang gate kaagad bago ang isang pagbabagong may mahalagang kahihinatnan.

Halimbawa, maaaring payagan ang isang agent na mangalap ng impormasyon, maghambing ng mga opsyon, at maghanda ng draft nang walang pagkaantala. Dapat itong huminto bago nito:

  • magpadala ng anuman sa labas ng organisasyon;
  • maglathala o magbahagi ng dokumento sa bagong audience;
  • magbago ng rekord na pinagmumulan ng katotohanan;
  • gumagastos ng pera o naglalapat ng diskuwento;
  • nagbabago ng mga pahintulot o lumilikha ng mga kredensyal;
  • nagbubura, nag-o-overwrite, o nag-e-export ng data;
  • gumagawa ng desisyong nakaaapekto sa trabaho, pagiging kwalipikado, kredito, kaligtasan, o mga legal na karapatan.

Dapat ipakita sa kahilingan sa pag-apruba ang iminumungkahing aksyon, ang eksaktong target, ang mahahalagang input, at ang malamang na kahihinatnan. Mahinang kontrol ang “Itutuloy?” Ang “Ipadala ang mensaheng ito sa 2,400 customer, gamit ang nakalakip na listahan, na may tinatayang gastos sa kampanya na $X” ay nagbibigay sa isang tao ng makabuluhang susuriin.

Para sa mga aksiyong may malaking epekto, humiling ng itinalagang tagapag-apruba sa halip na kung sino lamang ang nagkataong nakabantay sa screen. Ihiwalay ang taong nagdisenyo ng workflow sa taong nagpapahintulot sa pinakamahahalagang resulta nito kapag kinakailangan ito ng panganib.

Tukuyin ang saklaw ng pagpapatakbo ng ahente

Hindi kailangang maunawaan ng mga propesyonal ang bawat detalye ng modelo upang magtakda ng kapaki-pakinabang na mga hangganan. Kailangan nilang tukuyin ang saklaw ng pagpapatakbo ng sistema:

  • Saklaw: aling mga proyekto, folder, account, at pinagmumulan ng data ang maaaring gamitin?
  • Mga tool: maaari bang magbasa, magsulat, magpadala, bumili, magpatupad ng code, o magbago ng mga pahintulot ang sistema?
  • Mga limitasyon: anong limitasyon sa gastos, dami, dalas, o oras ang umiiral?
  • Mga pinagmumulan: aling mga domain, repository, o database ang itinuturing na awtoritatibo?
  • Pag-escalate: anong kawalan ng katiyakan, salungatan, o nawawalang impormasyon ang nangangailangan ng tao?
  • Mga kondisyon ng paghinto: kailan dapat huminto ang sistema sa halip na manghula?

Dapat mas makitid ang access sa mga tool kaysa sa pangkalahatang access ng user sa account saanman maaari. Ang ahenteng maaaring bumasa ng isang shared drive ay hindi awtomatikong nangangailangan ng pahintulot na mag-email sa bawat contact. Ang ahenteng maaaring bumuo ng draft ng code ay hindi awtomatikong nangangailangan ng mga kredensyal sa production. Maaaring gawing hindi gaanong magastos ang isang pagkakamali sa pamamagitan ng hiwalay na service account, limitadong workspace, o read-only na koneksyon.

Isulat ang hangganan sa wikang operasyonal. Ang “Gamitin ang sariling pagpapasya” ay hindi isang kontrol. Ang “Huwag magpadala ng external email nang walang pag-apruba; huwag baguhin ang database ng customer; gamitin lamang ang aprubadong talahanayan ng presyo na may petsang [date]; huminto kung magkasalungat ang dalawang pinagmumulan” ay nasusubok.

Gawing masusuri ang mga plano bago isagawa

Isa ang pagpaplano sa mga kapaki-pakinabang na tampok ng ipinagkatiwalang AI, ngunit hindi patunay na tama ang plano ang pagkakaroon nito. Suriin ito bilang iminungkahing pagkakasunod-sunod ng mga aksyon.

Magtanong ng apat na tanong:

  1. Anong resulta ang hinahabol ng sistema?
  2. Anong mga palagay ang ginagawa nito?
  3. Anong mga tool ang tatawagin nito, at anong mga pahintulot ang gagamitin nito?
  4. Saang hakbang maaaring maging magastos o mahirap bawiin ang isang pagkakamali?

Dapat ilantad ng isang mahusay na screen ng pag-apruba ang mga hangganan ng plano, hindi lamang ang huling teksto nito. Kung sinasabi ng sistema na “aayusin nito ang account,” dapat makita ng tagasuri kung ang ibig sabihin nito ay paglalagay ng mga tag sa mga talaan, pagsasama ng mga duplicate, pag-archive ng mga mensahe, o pagbubura ng data.

Para sa paulit-ulit na trabaho, mag-apruba ng patakaran sa halip na bawat pagkakataon lamang kapag sapat na makitid ang patakaran upang masubukan. Kandidato ang “Awtomatikong i-file ang mga invoice mula sa mga vendor na ito na mas mababa sa halagang ito, nang hindi binubura ang mga orihinal.” Hindi ang “Pamahalaan ang mga invoice.”

Ipagpalagay na maaaring mabigo ang konteksto

Maaaring mawalan ng nasundang mga naunang tagubilin ang mga sistemang maraming hakbang, mali ang pagbasa sa nakuhang impormasyon, o maipagpatuloy ang isang maling palagay. Itinatampok sa pananaliksik at gabay sa pag-iinhinyero sa digest ang mga paraan ng pagkabigo kabilang ang pagkawala ng konteksto, prompt injection, hindi pagtatapos, mga error sa structured output, at mga problema sa muling pagsasauli ng estado. Ipinangangatwiran din ng gawain ng ABBEL ng Berkeley na maaaring mas mainam na siksikin ang mga kasaysayan ng interaksiyon sa mga estado ng paniniwala kaysa paulit-ulit na dalhin ang buong kasaysayan, ngunit nananatiling usapin ng pagganap at pagiging maaasahan ang pamamahala ng konteksto.

May tuwirang implikasyon ito sa lugar ng trabaho: huwag gawing nakadepende ang isang kritikal na pag-apruba sa pag-alala ng agent sa isang limitasyon mula sa ikalawang hakbang ng mahabang proseso. Ilagay ang mahahalagang limitasyon malapit sa tawag sa tool o sa yugto ng pag-apruba. Atasan ang paggamit ng mga structured field para sa sensitibong mga aksiyon, gaya ng tatanggap, halaga, pinagmulan, katwiran, at pag-expire. Kung matagal tumakbo ang isang gawain, magtakda ng checkpoint na muling nagsasaad ng kasalukuyang layunin, mga nakumpletong hakbang, mga nakabinbing aksiyon, at mga hindi pa nalulutas na kawalang-katiyakan.

Maging lalong maingat kapag nagbabasa ang isang agent ng materyal na hindi pinagkakatiwalaan. Maaaring maglaman ang isang web page, email, dokumento, o komento sa code ng mga tagubiling naglalayong manipulahin ang sistema sa halip na tumulong sa pagkumpleto ng gawain. Dapat ituring ang nakuhang teksto bilang datos maliban kung tahasang tinutukoy ito ng workflow bilang isang awtorisadong tagubilin.

Magdisenyo para sa paghinto at pagbawi

Ang ipinagkatiwalang gawain ay nangangailangan ng nakikitang mekanismo ng paghinto at plano sa pagbawi. Magtakda ng pinakamataas na bilang ng mga pag-ulit, tawag sa tool, o runtime para sa mga gawaing maaaring umikot sa walang katapusang loop. Gawing ligtas ang mga muling pagsubok: ang paglikha ng parehong ticket nang dalawang beses o pagpapadala ng parehong email nang dalawang beses ay hindi hindi nakapipinsalang pagkabigo. Kung sinusuportahan, gumamit ng mga idempotent na operasyon o ipasuri sa sistema kung naisagawa na ang isang aksiyon bago ito ulitin.

Panatilihin ang tala ng aktibidad na madaling mabasa ng tao: ang kahilingan, plano, mga ginamit na tool, mga kinonsultang pinagmumulan ng datos, mga ipinagkaloob na pag-apruba, mga ginawang pagbabago, at huling resulta. Hindi lamang ito para sa mga postmortem. Nagbibigay-daan ito sa isang kasamahan na pumalit kapag hindi available ang orihinal na operator at ginagawang posible ang pagtutol sa isang resulta nang hindi kailangang buuing muli ang buong di-nakikitang daloy.

Para sa mahahalagang workflow, sadyang subukan ang masasamang sitwasyon bago magbigay ng awtonomiya. Subukan ang nawawalang datos, magkakasalungat na patakaran, isang nag-expire na pinagmulan, isang malisyosong tagubilin sa isang dokumento, isang dobleng kahilingan, isang binawi nang pahintulot, at isang tool na nagbabalik ng error. Hindi layunin na patunayang hindi kailanman nagkakamali ang agent. Layunin nitong tiyaking ang pagkabigo ay nagdudulot ng paghinto, malinaw na pag-escalate, o ligtas na rollback.

Isang praktikal na hagdan ng delegasyon

Maaari mong ipakilala ang isang agent nang paunti-unti:

  1. Magmasid: binabasa ng sistema ang mga aprubadong impormasyon at ipinapaliwanag kung ano ang gagawin nito.
  2. Mag-draft: naghahanda ito ng mga output, ngunit tao ang nagsasagawa ng bawat panlabas na aksiyon.
  3. Kumilos sa sandbox: lumilikha ito ng mga test record, branch, o file sa isang nakahiwalay na workspace.
  4. Kumilos nang may limitadong pahintulot: nagsasagawa ito ng maaaring baligtarin at mababang-panganib na mga aksiyon sa ilalim ng mga limitasyon sa dami at oras.
  5. Kumilos sa ilalim ng patakaran: pinangangasiwaan nito ang isang lubusang nasubok na uri ng mga gawain at humihinto sa mga itinakdang yugto ng pag-apruba.

Umakyat lamang kapag nakapagbigay ang mababang yugto ng ebidensiyang katanggap-tanggap ang kilos ng workflow. Kung magbago ang gawain, magbago ang mga tool, o maging mas sensitibo ang datos, bumaba muli sa hagdan.

Ano ang ibig sabihin nito para sa iyong karera

Ang mahalagang kasanayan ay hindi lamang ang pag-alam kung paano humingi sa AI ng resulta. Ito ay ang pag-alam kung paano gawing may hangganang pamamaraan ng pagpapatakbo ang isang malabong delegasyon. Kabilang dito ang paghahati ng gawain sa mga aksiyon, pagtukoy sa mga transisyong hindi na mababawi, pagsulat ng mga patakaran sa pag-escalate, pagdidisenyo ng mga kahilingan sa pag-apruba, at pagkilala kung kailan dapat huminto ang isang agent.

Sa mga panayam o pagsusuri sa pagganap, ilarawan ang hangganang idinisenyo mo, hindi lamang ang automation na inilunsad mo: “Nagsasaliksik at nagda-draft ang sistema; isang itinalagang tagasuri ang nag-aapruba ng panlabas na komunikasyon; limitado ang mga pagsusulat sa database sa mga field na ito; sinusuri ang mga dobleng aksiyon; pinahihinto ng mga hindi nalulutas na salungatan ang proseso.” Ipinakikita ng pananalitang iyon ang mahusay na pagpapasya sa operasyon.

Hindi aalisin ng agentic work ang pangangailangan para sa propesyonal na pananagutan. Gagawin nitong mas kongkreto ang pananagutan. Bago mo ipasa ang isang gawain, magpasya kung ano ang maaaring gawin ng sistema, ano ang kailangan muna nitong ipakita sa iyo, at ano ang hindi nito dapat kailanman gawin nang mag-isa. Pagkatapos, gawing nakikita ang mga pasyang iyon sa workflow mismo.

Si Maya Chen ang may pananagutang editor ng AI Career Brief, na tumatalakay sa mga kasanayan, tungkulin, at matatalinong hakbang para sa pagtatrabaho sa panahon ng AI.