Effectief werken met ClickUp Super Agents: best practices voor prompts

Je team wordt overspoeld door AI-hype, maar de tools lijken geen verband te houden met je daadwerkelijke werk.

Je plakt projectdetails in een chatbot, in de hoop een nuttige samenvatting te krijgen, maar krijgt alleen een algemeen antwoord waarin alle belangrijke context ontbreekt. Dit komt omdat de meeste AI-tools aan geheugenverlies lijden: ze vergeten alles zodra je het tabblad sluit, waardoor je bij elke prompt opnieuw moet uitleggen wat je bedoelt.

Dit voortdurende opnieuw uitleggen kost enorm veel tijd en is een belangrijke bron van frustratie.

Studies tonen aan dat werknemers wekelijks 4,5 uur besteden aan het corrigeren van door AI gegenereerde output. Dit leidt tot een nieuw soort AI-wildgroei: de ongeplande proliferatie van AI-tools en -platforms zonder toezicht of strategie, wat resulteert in verspilling van geld, dubbel werk en een totaal gebrek aan controle over de AI-voetafdruk van uw organisatie.

Dit is een scenario waarin u meer tijd besteedt aan het invoeren van context in uw AI dan dat u aan de waarde ervan verdient. Het resultaat is een team dat vindt dat AI meer moeite kost dan de waarde oplevert, waardoor ze de tools links laten liggen en terugkeren naar handmatig, repetitief werk.

ClickUp Super Agents zijn speciaal ontwikkeld om dit probleem op te lossen! In deze blog bekijken we hoe je effectief kunt werken met AI-agents door gebruik te maken van best practices en strategieën voor prompts!

Wat zijn AI-agenten en hoe verschillen Super Agents daarvan?

De meeste teams behandelen AI-agents als fancy chatbots: ze typen elke keer gedetailleerde instructies in en vragen zich af waarom de resultaten inconsistent lijken.

Slechts 15% van de IT-leiders maakt momenteel gebruik van volledig autonome AI-agents.

Dit is wat echt werkt: ClickUp Super Agents . Dit zijn AI-aangedreven teamgenoten die werken binnen uw ClickUp Converged AI-werkruimte — een enkel, veilig platform waar projecten, documenten, gesprekken en analyses samenkomen, met AI als de intelligentielaag die uw werk begrijpt en vooruit helpt.

In tegenstelling tot externe chatbots zijn dit autonome systemen die taken uitvoeren, beslissingen nemen en werk herhalen zonder dat er voortdurend menselijke input nodig is. Ze hebben al toegang tot uw ClickUp-taken, ClickUp-documenten en projectgeschiedenis.

Dit is mogelijk dankzij twee sleutels:

De agents leren van de context van uw werkruimte en onthouden uw voorkeuren, zodat u tijdens de installatie één keer duidelijke doelen en richtlijnen kunt instellen en de agent vervolgens zelfstandig uw werkstroom kan uitvoeren zonder dat u voortdurend aanwijzingen hoeft te geven.

De transformatie is onmiddellijk. In plaats van uw dag te besteden aan het kopiëren en plakken van context in een leeg tekstvak, hebt u een AI-teamgenoot die al op de hoogte is. U kunt hem een doel toewijzen en hij gebruikt zijn ingebouwde kennis om de klus te klaren, waardoor uw team zich kan concentreren op werk dat menselijke creativiteit en strategisch denken vereist.

🎥 Bekijk deze video voor meer informatie over Super Agents:

Wanneer AI-agents gebruiken en wanneer traditionele werkstroom?

Je hebt een aantal basisautomatiseringen ingesteld, maar je hebt nu meer munitie nodig.

Stel dat u een meerstapsproces wilt automatiseren dat enige beoordeling vereist, zoals het triëren van technische bugs op basis van de impact op de klant, maar uw eenvoudige, op regels gebaseerde systeem kan de ambiguïteit niet aan. Dit is een frustrerende impasse die uw team dwingt terug te vallen op handmatige, tijdrovende coördinatie.

Dit is een klassiek geval van het gebruik van de verkeerde tool voor de taak. Je kunt ofwel de automatisering volledig opgeven, waardoor je team urenlang repetitief werk moet verrichten, of je bouwt een kwetsbaar, overontworpen web van triggers dat kapotgaat zodra een variabele verandert.

De oplossing is een gelaagde aanpak, waarbij traditionele automatisering wordt gecombineerd met AI-agents voor complexere scenario's. In ClickUp betekent dit dat u moet weten wanneer u ClickUp Automations moet gebruiken en wanneer u een ClickUp Super Agent moet inzetten.

ClickUp Automations zijn perfect voor voorspelbare, herhaalbare acties. Ze gebruiken eenvoudige automatiseringstriggers, zoals een ClickUp-taakstatus die verandert of een deadline die nadert, om een specifieke actie uit te voeren. Beschouw ze als de betrouwbare werkpaarden van uw werkstroom.

ClickUp Super Agents zijn daarentegen bedoeld voor taken die redeneren en context vereisen. Ze blinken uit wanneer het werk ambiguïteit, meerdere stappen of het ophalen van informatie uit verschillende bronnen omvat.

Hier volgt wanneer u elk van deze kunt gebruiken:

Met dit raamwerk wordt de werkstroom van uw team getransformeerd.

Eenvoudige, veelvoorkomende taken worden moeiteloos afgehandeld door ClickUp-automatiseringen. Voor complexe, cognitief intensieve taken zet je een Super Agent in. Dit creëert een krachtig, veerkrachtig systeem waarin je niet alleen klikken automatiseert, maar ook microbeslissingen.

Waarom prompting onboarding is, en geen kernvaardigheid

Iedereen heeft het gevoel dat ze een nieuwe, zeer technische vaardigheid, ook wel prompting genoemd, onder de knie moeten krijgen om alleen al de basiswaarde van AI te kunnen benutten. In werkelijkheid vormt dit een belemmering voor de acceptatie van AI, waarbij slechts een paar 'power users' de AI kunnen laten werken, terwijl de rest van het team achterblijft, gefrustreerd en onproductief.

Deze dynamiek is een direct resultaat van het gebruik van contextloze AI-tools.

Wanneer een AI geen geheugen heeft, is elke interactie een koude start en hangt de kwaliteit van de output volledig af van de kwaliteit van uw prompt. Het is een uitputtende cyclus die AI meer als een veeleisende klus dan als een behulpzame assistent doet aanvoelen.

Met ClickUp Super Agents is het geven van aanwijzingen een eenmalig onboardingproces, geen dagelijkse, repetitieve vaardigheid. Omdat Super Agents een blijvend geheugen hebben en native zijn in uw ClickUp Converged AI-werkruimte, hoeft u ze de regels maar één keer aan te leren en onthouden ze die voor altijd.

Zie het als het inwerken van een nieuw teamlid. U legt niet elke keer dat u een taak toewijst opnieuw de missie van het bedrijf en de doelen van het project uit. U doet dat één keer en vertrouwt erop dat zij die kennis onthouden. Zo werken Super Agents.

Dit verandert waar uw team zijn energie in steekt.

In plaats van eindeloze workshops over het opstellen van prompts te organiseren, kunt u zich concentreren op wat echt belangrijk is: duidelijke doelen voor het team definiëren, slimme richtlijnen opstellen en eenvoudige feedbackloops opzetten. Het 'prompten' gebeurt tijdens de eerste installatie en de waarde neemt toe met elke taak die de agent zelfstandig voltooit.

📮ClickUp Insight: De helft van onze respondenten heeft moeite met de implementatie van AI; 23% weet gewoon niet waar te beginnen, terwijl 27% meer training nodig heeft om geavanceerde taken uit te voeren.

ClickUp lost dit probleem op met een vertrouwde interface om te chatten die aanvoelt als teksten.

Teams kunnen meteen aan de slag met eenvoudige vragen en verzoeken, en vervolgens op natuurlijke wijze krachtigere functies voor automatisering en agentische werkstroom ontdekken, zonder de intimiderende leercurve die zoveel mensen tegenhoudt.

Hoe u doelen, richtlijnen en resultaten voor AI-agents definieert

De meesten van ons hebben wel eens een AI-assistent gebruikt, maar de resultaten zijn wisselend. We vragen hem om "hulp bij marketingteksten" en hij geeft ons iets dat zo algemeen is dat het onbruikbaar is. 🤨

Zonder duidelijke aanwijzingen is een AI-agent slechts een krachtig hulpmiddel dat nergens op gericht is. Dit leidt tot inconsistente resultaten en een gebrek aan vertrouwen in het systeem. Uw team zal geen werk delegeren aan een agent waarop ze niet kunnen vertrouwen, en de belofte van AI-gedreven productiviteit blijft dan ook slechts een belofte.

De oplossing is om niet meer na te denken over prompts, maar over frameworks. Door vooraf werk te doen aan het definiëren van doelen, richtlijnen en resultaten, hoeft u niet meer voortdurend herhaaldelijk prompts te geven.

Stel vooraf duidelijke criteria voor succes vast.

Vage doelen leiden tot vage resultaten. Een agent heeft een specifiek, meetbaar resultaat nodig om naartoe te werken.

Dit niveau van specificiteit geeft de agent een duidelijke definitie van 'Klaar'. Het weet wat, wanneer en waar, waardoor giswerk wordt geëlimineerd en de output onmiddellijk bruikbaar is.

Stel grenzen en toestemming vast

Een autonome agent is een krachtige medewerker, maar moet wel zijn limieten kennen. De angst dat een AI 'op eigen houtje' gaat werken en ongeoorloofde acties onderneemt, vormt een grote belemmering voor de acceptatie ervan. Dit leidt ertoe dat teams agents helemaal niet gebruiken of ze zo streng controleren dat het doel van automatisering teniet wordt gedaan.

U kunt dit oplossen door vanaf het begin duidelijke grenzen te stellen. In ClickUp worden Super Agents behandeld als gebruikers, wat betekent dat ze de Werkruimte-toestemmingen en Werkruimte-rollen overnemen die u al hebt ingesteld. Dit biedt een krachtige ingebouwde laag voor veiligheid.

Vervolgens kunt u aanvullende toegangscontroles voor de agent zelf configureren. U kunt een Super Agent bijvoorbeeld toestemming geven om een nieuw ClickUp-document op te stellen, maar niet om het te publiceren, of om de ClickUp-taakstatus te wijzigen, maar niet om de eigendom toe te wijzen.

Deze richtlijnen geven uw team het vertrouwen om de agent zelfstandig te laten werken.

Definieer overdrachtspunten voor menselijke beoordeling

Niet elke beslissing moet worden geautomatiseerd. Wanneer u een agent inzet zonder duidelijke controlepunten voor menselijk toezicht, loopt u het risico dat deze een fout maakt bij een hoge inzet vereisende taak, zoals het versturen van een onjuiste update naar een belangrijke client. Dit ondermijnt het vertrouwen en kan tot echte zakelijke problemen leiden.

De oplossing is om werkstroomen te bouwen waarbij mensen betrokken blijven. Identificeer de momenten waarop menselijk oordeel cruciaal is en creëer duidelijke overdrachtspunten. Dit gaat niet om micromanagement, maar om slimme samenwerking.

U kunt bijvoorbeeld een Super Agent configureren om een wekelijks stakeholderrapport op te stellen, maar in plaats van dit direct te verzenden, maakt het een Taak aan die wordt toegewezen aan de projectmanager, met het concept als bijlage ter beoordeling.

De agent doet het zware werk van het verzamelen en samenvatten van de gegevens, en de mens zorgt voor de laatste kritische beoordeling. Deze collaboratieve aanpak bouwt vertrouwen op en garandeert kwaliteit zonder in te boeten aan efficiëntie.

Hier is een werkstroom voor risicobeheer die wordt uitgevoerd door Super Agents met een mens in de loop:

Effectieve prompttechnieken voor agentafstemming

Zelfs met een systeem dat meer op onboarding dan op prompts is gebaseerd, zijn de eerste instructies die je geeft van cruciaal belang. Als de instructies van de installatie slordig of algemeen zijn, zal de prestatie van de agent dat ook zijn. Dit leidt tot een frustrerende cyclus van verfijning, waarbij je voortdurend de instructies van de agent moet aanpassen om de output te corrigeren, wat net zo vervelend is als het ontwerpen van een externe chatbot.

Het gevolg is dat de agent het nooit helemaal goed doet. Hij voltooit misschien 80% van een taak correct, maar de resterende 20% moet handmatig worden gecorrigeerd, wat alle tijd kost die u juist had willen besparen.

Om dit te voorkomen, moet u uw aanwijzingen richten op de initiële afstemming. Deze aanwijzingstechnieken zijn bedoeld om de agent te leren hoe hij moet werken, niet alleen om hem te vertellen wat hij voor een enkele taak moet doen.

Wees specifiek over taken en context

Algemene instructies leiden tot algemene resultaten. Wanneer u een ClickUp Super Agent aanmaakt, vertel hem dan niet alleen wat zijn rol is, maar geef hem ook de context die hij nodig heeft om uit te blinken.

Dit detailniveau biedt de agent de specifieke operationele context die hij nodig heeft om slimme beslissingen te nemen. Vermijd de valkuil om aan te nemen dat de agent de unieke conventies van uw team 'kent'.

Gebruik gestructureerde formats voor consistente resultaten.

Als u wilt dat de output van een agent een specifiek format volgt, geef hem dan een duidelijk sjabloon. Agenten zijn uitstekend in het volgen van patronen, maar ze kunnen uw gedachten niet lezen. Als u alleen om een "samenvatting" vraagt, kan dat resulteren in alles van een compacte alinea tot een paar opsommingstekens.

Bepaal de structuur die u wilt zien. Wanneer u bijvoorbeeld een agent instelt om aantekeningen van vergaderingen uit een ClickUp document samen te vatten, kunnen uw instructies het volgende omvatten:

“Vat de vergadering samen aan de hand van het volgende format: Beslissingen:

Zo bent u verzekerd van consistente, voorspelbare resultaten, waardoor de informatie gemakkelijker te verwerken en te gebruiken is.

Maak gebruik van persistent geheugen om de afhankelijkheid van prompts te verminderen.

Dit is de functie die Super Agents echt onderscheidt van gewone chatbots. Omdat ClickUp Super Agents een oneindig geheugen hebben, leren ze van elke interactie. U hoeft zich niet te herhalen.

Dit verandert fundamenteel hoe je in de loop van de tijd met de agent werkt.

Dit is een kernonderdeel van het LLM-agentframework in ClickUp.

De agent voert niet alleen een lijst met commando’s uit, maar bouwt ook een kennisbank op over uw werk, waardoor u na verloop van tijd veel minder afhankelijk bent van gedetailleerde instructies.

Best practices voor het werk met AI-agenten

Je hebt je eerste agent ingesteld, maar deze heeft niet het gewenste effect.

Het voert een paar geïsoleerde taken uit, maar het heeft de productiviteit van uw team niet veranderd. Dit gebeurt vaak wanneer teams agents in een silo inzetten en ze niet integreren in hun bredere operationele ritme.

Het resultaat is een verzameling 'pet'-automatiseringen die handig zijn, maar niet strategisch. Ze besparen hier en daar een paar minuten, maar pakken de structurele problemen van werkverspreiding en misalignment binnen teams niet aan. Om de volledige waarde van AI te benutten, moet je overstappen van eenmalige taken naar geïntegreerde, schaalbare werkstroomen.

Dit vereist een mentaliteitsverandering: van het simpelweg gebruiken van een agent naar echt samenwerken met een agent. Hier zijn de best practices om dat te realiseren.

Veelgemaakte fouten bij het werk met AI-agents

Laten we eerst eens kijken wat niet werkt. Als je je Super Agent als een chatbot behandelt, mis je het punt. Dit zijn de meest voorkomende fouten die we zien:

Beschouw dit als leermomenten. Elk team maakt een aanpassingsperiode door bij de overstap van prompt-afhankelijke tools naar autonome agents.

Hoe u de prestaties van agents kunt testen en verfijnen

Begin klein en schaal slim op. Wijs uw nieuwe agent niet meteen op de eerste dag een cruciale, client-gerichte taak toe. Begin in plaats daarvan met interne taken met een lager risico om het gedrag ervan te kalibreren.

Bekijk de eerste resultaten zorgvuldig. Als u een fout vindt, geef dan duidelijke, specifieke feedback. Als de samenvatting van een agent bijvoorbeeld te lang is, zeg dan niet alleen "maak het korter". Voer de bewerking uit van de instructies van de agent en zeg: "Samenvattingen mogen niet meer dan drie punten bevatten".

U kunt de activiteiten van een Super Agent op elk moment bekijken en het profiel bijwerken, waardoor dit verfijningsproces eenvoudig is. Dit is een belangrijke praktijk voor de automatisering van kennisbanken: uw agent maakt deel uit van uw kennisbank en moet worden onderhouden.

Bouw agentwerkstroomen die schaalbaar zijn voor alle teams.

Hier ontgrendel je exponentiële waarde. Individuele agents zijn nuttig, maar een netwerk van gecoördineerde agents kan complete bedrijfsprocessen uitvoeren. Bedenk hoe agents werk aan elkaar kunnen overdragen, context kunnen delen en in verschillende teamruimtes in ClickUp kunnen werken.

Bijvoorbeeld:

Deze multi-agent werkstroom coördineert een complex proces van begin tot eind. Dit is mogelijk omdat de agents allemaal binnen dezelfde ClickUp Converged AI-werkruimte werken, context delen en op één lijn blijven zonder enige handmatige tussenkomst.

Zo beheert Kyle Coleman, onze GVP van marketing, zijn multi-agent werkstroom:

Hoe ClickUp Super Agents werken binnen uw werkruimte

Het frustrerende aan de meeste AI-tools is niet alleen dat ze onnauwkeurig zijn. Het is dat ze ergens anders leven.

ClickUp Super Agents nemen die hindernis weg. Ze werken namelijk binnen dezelfde structuur die uw team al gebruikt om werk te plannen, uit te voeren en bij te houden.

Ze werken binnen de echte structuur van uw team.

Elk team heeft zijn eigen interne logica. Specifieke statussen hebben specifieke betekenissen. Aangepaste velden geven weer hoe u prioriteiten stelt. Bepaalde lijsten vertegenwoordigen actieve uitvoering, terwijl andere lijsten backlogs of archieven zijn.

Een Super Agent werkt volgens die logica.

Als een taak naar 'Geblokkeerd' wordt verplaatst, is die status niet alleen een label. Het is een signaal dat de agent kan interpreteren. Als uw marketingteam urgentie op een bepaalde manier definieert en engineering op een andere manier, past de agent zich aan die context aan, omdat hij binnen die ruimtes werkt, niet daarbuiten.

Dit is belangrijker dan het klinkt. AI faalt vaak niet omdat het intelligentie mist, maar omdat het operationeel bewustzijn mist. In uw werkruimte reageert de Super Agent op hoe uw team daadwerkelijk werkt.

Ze werken met live werk, niet met kopieën.

Wanneer een Super Agent een wekelijkse samenvatting opstelt, kan deze de update rechtstreeks bij de betreffende Taak plaatsen.

Als het achterstallige items met hoge prioriteit identificeert, kan het statussen bijwerken of vervolgsubtaaken aanmaken in de juiste lijst. Wanneer het een stakeholderrapport opstelt, stelt het het document op precies daar waar uw team het verwacht te vinden.

Er is geen dubbele laag; de actie vindt plaats bij de bron van de waarheid.

Ze verminderen de coördinatiekosten voor verbonden werkzaamheden.

Super Agents zien het grote geheel! Ze kunnen gerelateerde taken, afhankelijkheden en documenten bekijken om te begrijpen hoe werk met elkaar verbonden is, en niet alleen hoe het verandert.

In plaats van handmatig meerdere lijsten te scannen om te zien wat er geblokkeerd is of updates uit verspreide opmerkingen bij elkaar te puzzelen, synthetiseert de agent wat er al in de werkruimte gebeurt en zet dit om in bruikbare inzichten.

Het echte voordeel is dat er minder momenten zijn waarop iemand moet stoppen, context moet verzamelen en handmatig een samenhangend beeld van de voortgang moet samenstellen.

Super Agents: Wat verandert er operationeel?

Wanneer AI binnen uw werkruimte wordt gebruikt, neemt het deel aan de uitvoering. Dat verschil is subtiel, maar wel belangrijk. Het betekent minder stappen tussen idee en actie en minder onzichtbare lijm om systemen bij elkaar te houden.

Toch vervangt de Super Agent het eigen oordeel niet. Het neemt de repetitieve coördinatie over die stilzwijgend energie kost.

Verder gaan dan prompts naar echte samenwerking tussen agents

Het uiteindelijke doel is om uw relatie met AI te ontwikkelen van command-and-response naar echte samenwerking.

Dit vereist een organisatorische verandering. Het betekent dat de meest waardevolle AI-gerelateerde vaardigheid van uw team niet langer prompt engineering is. In plaats daarvan is het het vermogen om doelen duidelijk te definiëren, intelligente werkstroombeheer te ontwerpen en effectieve feedbackloops op te zetten.

Door een agent te vertrouwen om autonoom te werken – binnen de grenzen die u hebt ingesteld – komt het volledige potentieel ervan tot uiting.

Teams die deze samenwerking tussen mens en agent onder de knie hebben, besteden veel minder tijd aan de vervelende, repetitieve coördinatie die projecten vertraagt. Ze automatiseren de uitvoering, zodat ze zich kunnen concentreren op het werk dat alleen mensen kunnen doen: strategisch denken, creatief probleemoplossen en relaties opbouwen.

De agent zorgt voor het 'hoe', zodat uw team zich kan concentreren op het 'waarom'.

Klaar om verder te gaan dan alleen prompts en te gaan samenwerken met AI? Ga gratis aan de slag met ClickUp en ervaar hoe Super Agents de productiviteit van uw team kunnen transformeren.

Veelgestelde vragen

Chatgebaseerde tools zijn stateless, wat betekent dat ze reageren op individuele prompts zonder de context tussen sessies te behouden. Agents met een persistent geheugen, zoals ClickUp Super Agents, onthouden informatie uit interacties, leren uw voorkeuren kennen en verzamelen in de loop van de tijd kennis over uw werk.

U kunt duidelijke grenzen stellen aan wat de agent kan openen en welke acties hij zelfstandig kan uitvoeren. In ClickUp worden Super Agents behandeld als gebruikers, dus ze werken binnen de bestaande toestemmingen en toegangscontroles die u al voor uw teamleden hebt ingesteld.

Voor autonome agents is het veel belangrijker om duidelijke doelen en meetbare resultaten te definiëren. Prompting wordt een voorafgaande 'onboarding'-taak om de agent op één lijn te brengen, in plaats van een continue, per interactie vereiste vaardigheid om waarde te creëren.

Agents kunnen alleen de context behouden voor de gegevens waartoe ze toegang hebben. Wanneer een agent werkt binnen een Converged AI-werkruimte zoals ClickUp, heeft deze native toegang tot al uw taken, documenten en werkstroomen, waardoor herhaalde prompts of handmatig delen van context, zoals vereist bij externe tools, overbodig worden.