哈佛研究：會下 Prompt 的人，更會帶團隊！一流 AI 人才、成功主管都懂得「委派六問」
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 AI Prompt 全攻略：杜絕幻覺 X 消滅垃圾產出 X 翻倍效率，比建 Skills、Agent 更重要的 AI 課 經理人
「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）