Att regissera AI istället för att bara prompta den

Filosofen har lagt undan fjäderpennan för en stund och sitter numera med något så otippat som en managementtidskrift i knät. Han ser lika road ut som förvånad. "De har precis kommit fram till något jag höll på att säga i artikel två", muttrar han, och pekar på en rubrik: Stop Prompting AI. Start Directing It.

Forskarna Jennifer Sloan och Vern L. Glaser publicerade nyligen en forskningsbaserad artikel i MIT Sloan Management Review som gör en skillnad värd att stanna upp vid – mellan att föra ett samtal med en AI och att regissera den. Och det visar sig ligga rakt i förlängningen av allt vi redan pratat om i den här serien.

Samtal kontra regi

När du "promptar" en AI är du i ett samtal: du frågar, den svarar, du utvärderar, du frågar igen. Du håller själv i den röda tråden, och samtalet finns bara så länge fönstret är öppet. Det är precis den situation vi beskrev i kontextartikeln – du är modellens System 2, den som ständigt måste fylla i det sammanhang modellen saknar.

En agentisk AI fungerar annorlunda. Istället för att föra ett samtal konfigurerar du ett system som sedan agerar självständigt över tid, med tillgång till mer material och förmåga att hålla i en analytisk tråd genom hela datamängder – något ett enskilt promptfönster aldrig klarar. Det är inte samma sak som att den alltid har rätt: agentiska system kan också driva iväg, missa relevant information eller hitta samband som inte finns. Men förmågan att hålla ihop en lång undersökning är ny, och den är värd att förstå på egna villkor.

Forskarna pekar ut tre saker man i praktiken konfigurerar när man bygger ett sådant system:

Kontext – vad agenten faktiskt har tillgång till (databaser, dokument, register), och till skillnad från en engångsprompt är den tillgången varaktig.
Förmågor – vad agenten faktiskt kan göra, inte bara säga: köra analyser, jämföra datamängder, växla mellan verktyg utan att vänta på nästa instruktion.
Orientering – vad agenten uppmanas att rikta sin uppmärksamhet mot. Inte en instruktion om vad den ska producera, utan ett syfte och en riktning som formar hur den möter det den faktiskt hittar i datan.

Den sista punkten, orientering, är den som fattas i vår egen kontext-lista från förra artikeln. Vi pratade om instruktion, historik, underlag, roll, verktyg och mål – men inte om just vart uppmärksamheten ska riktas när agenten själv får utforska. Det är en finess värd att lägga till: samma underlag, given olika orientering, ger olika upptäckter. Inte för att frågan ändras, utan för att systemet designas om.

Regi handlar heller inte om att ge systemet obegränsad frihet. En regissör sätter också scenens gränser: vilka källor som får användas, vilka handlingar som kräver godkännande innan de utförs, hur resultatet ska verifieras, och när arbetet ska avbrytas. Utan de gränserna är det inte regi – det är att släppa lös något och hoppas på det bästa.

Fyra sätt att skapa friktion

Artikelns kärna är att verkliga insikter sällan kommer från en enda, välriktad fråga. De uppstår i friktionen mellan saker som normalt hålls isär. Forskarna beskriver fyra sätt att medvetet skapa den friktionen – och alla fyra känns igen från vår egen serie, fast i en mer handfast, affärsnära tappning:

Flera linser samtidigt. Låt flera välgrundade tolkningsramar brytas mot samma material på en gång, och låt motsägelserna mellan dem peka ut det ingen enskild ram skulle hittat själv. Det är exakt samma mekanik som vårt "risker kontra möjligheter"-exempel från Kahneman-artikeln – fast skalat upp till att köra fyra strategiska ramverk parallellt på samma data och låta friktionen mellan dem avslöja en fråga ingen ställt.

Synliggöra tystnader. Jämför vad som faktiskt finns i underlaget med vad som sägs högt om det, och behandla glappet som meningsbärande i sig. Det är pragmatik i sin mest konkreta form – vad som inte sägs bär lika mycket information som det som sägs. En AI är inte automatiskt mindre hemmablind än organisationen den granskar; den är bara så bra som materialet och perspektiven den faktiskt får ta del av. Men rätt använd, med rätt underlag, kan den göra glappet synligt på ett sätt som är svårare för den som suttit i rummet i tjugo år.

Brygga nivåer. Ett symptom syns sällan på samma nivå som orsaken. Att spåra ett problem uppåt och nedåt genom organisationen – från enskilda beslut till övergripande mönster och tillbaka – är precis den typ av relationskarta en ontologi är till för att beskriva.

Stresstesta kategorier. Jämför era befintliga klassificeringar mot hur verkligheten faktiskt beter sig, och låt avvikelsen vara fyndet. Det här är rakt av vår "kund"- och "adress"-övning från ontologiartikeln, fast applicerad på verkliga avvisade leveranser istället för hypotetiska kundregister – samma princip: kartan (kategorierna) stämmer sällan perfekt med terrängen (verkligheten), och just glappet är där insikten bor.

Regel ett: konfigurera för upptäckt, inte för svar

Det mest motintuitiva rådet i artikeln är kanske det viktigaste: instinkten, särskilt för den som är van att beställa tydliga leveranser, är att tala om för agenten vad den ska hitta. Det är precis fel väg. En agent konfigurerad att bekräfta en hypotes löper stor risk att göra just det – och missar därmed allt den skulle kunnat upptäcka om den fått utforska fritt inom en tydlig riktning istället för mot ett förutbestämt svar.

Det är människans jobb att sätta vad agenten ska uppmärksamma. Inte vad den ska komma fram till.

Filosofen nickar instämmande

"Ser du", säger filosofen och lägger ner tidskriften, "det här är samma sak jag har hållit på med hela tiden. Först måste du veta vad orden betyder. Sedan måste du veta vilken karta av begrepp du överhuvudtaget navigerar i. Sedan måste du veta var på kartan du står. Och nu, visar det sig, måste du också bestämma vart du ber systemet titta – annars tittar det bara dit du redan visste att det skulle titta, och du lär dig ingenting nytt."

Semantik, ontologi, kontext, orientering. Fyra lager av samma gamla insikt: ju tydligare du är om vad du faktiskt undrar över, desto mer kan AI:n faktiskt hjälpa dig upptäcka det du inte visste att du undrade.

Och just den frågan – vad du egentligen borde rikta uppmärksamheten mot – för oss osökt tillbaka till det vi redan lovat prata om: hur data faktiskt berättar en historia, hur den blir värd något, och vad som händer när vi ger agenter egna nycklar och en klocka som tickar.

Mer om det snart.

Källa: Jennifer Sloan och Vern L. Glaser, "Stop Prompting AI. Start Directing It," MIT Sloan Management Review, 5 augusti 2026.