KI im Unternehmen: Skalierung ohne Entlassungen statt Hype-Versprechen
Uebertriebene Erwartungen machen KI im Business oft zunichte, denn hundert Agents per Mausklick laufen nicht von allein. Realistisch wird es, wenn man den tatsaechlichen Nutzen im eigenen Betrieb genau prueft.
Veröffentlicht am 25. Okt. • Zuerst erschienen auf matintellect.com • KI-unterstützt
Das Problem mit KI im Business sind, wie üblich, überzogene Erwartungen. Mir ging es genau genauso, nachdem ich KI-Werbung und Hype-Videos in den sozialen Medien gesehen hatte.
Blogger versprechen, dass ein paar Klicks hundert Agenten starten, die praktisch das gesamte Geschäft für einen führen. Aber was wirklich stimmt, findet man nur heraus, wenn man es selbst ausprobiert. Also habe ich es ausprobiert.
Man kann sein Unternehmen mit KI wirklich skalieren. Aber alle Mitarbeitenden zu entlassen ist gerade jetzt das Schlechteste, was man tun kann. Hinter der künstlichen Intelligenz steht weiterhin ein Mensch, der Entscheidungen trifft und auf die Knöpfe drückt.
Deshalb lohnt es sich, KI im Hinblick auf Skalierung zu betrachten: mehr Aufträge verarbeiten, einzelne Prozesse beschleunigen und Abläufe in Reporting, Finanzen und Buchhaltung verbessern. Das sind Bereiche, in denen Hilfe bei der Arbeitslast nützlich ist, während die Erfahrung der Mitarbeitenden weiterhin gebraucht wird, um die Ergebnisse zu beurteilen.
Menschen haben die praktische Erfahrung, um gute Arbeit von mittelmäßiger Arbeit zu unterscheiden. Nimmt man die Menschen, die das können, heraus, wird die Verarbeitung einer größeren Anzahl von Aufgaben deren Urteilsvermögen nicht ersetzen. Einen Auftrag schneller abzuwickeln und zu wissen, ob die Arbeit gut gemacht wurde, sind unterschiedliche Teile des Prozesses.
Routineaufgaben eignen sich gut für Automatisierung mit KI. Sich wiederholende Arbeit ist der Bereich, in dem es sinnvoll ist, nach Anwendungsfällen zu suchen: Auftragsabwicklung, das Erstellen von Berichten und einzelne Vorgänge innerhalb von Finanz- und Buchhaltungsworkflows.
Es hilft, die Routineoperation selbst von der Entscheidung zu trennen, die jemand auf Basis ihres Ergebnisses trifft. Die Erstellung eines Berichts ist ein Teil der Arbeit. Diese zu bewerten und zu entscheiden, was als Nächstes zu tun ist, ist ein anderer. Menschliche Erfahrung wird auch dann noch gebraucht, wenn die Erstellung schneller geworden ist.
Nach meiner Erfahrung gilt: Je komplexer, vielschichtiger und intellektuell anspruchsvoller eine Aufgabe ist, desto schwieriger lässt sie sich auf diese Weise optimieren. Das Versprechen, ein ganzes Unternehmen eigenständig zu führen, bündelt viele dieser Aufgaben in eine einzige werbewirksame Aussage.
An dieser Unterscheidung knüpft ein Gespräch über KI-Beratung an: Welche Routinearbeit lässt sich automatisieren, und wo braucht man einen Menschen, der Entscheidungen trifft und ein gutes Ergebnis von einem mittelmäßigen unterscheiden kann.
Deshalb wünsche ich allen einen durchdachteren Umgang mit künstlicher Intelligenz, der sie so einsetzt, wie es ihnen tatsächlich hilft. Mehr dazu bald...
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Posted on Oct 25 • Originally published at matintellect.com • AI-assisted
The problem with AI in business, as usual, is inflated expectations. I was exactly the same after watching AI ads and hype videos on social media
Bloggers promise that a couple of clicks will launch a hundred agents that will practically run your business for you. But you find out what is true by going and trying it yourself. So I went and tried it
You really can scale your business with AI. But firing all your employees is the worst thing you could do right now. There is still a person behind artificial intelligence who makes decisions and presses the buttons
That is why it makes sense to look at AI in terms of scale: processing more orders, speeding up individual processes, and improving reporting, finance and accounting workflows. These are areas where help with the workload is useful, while your employees' experience is still needed to judge the results
People have the practical experience to tell good work from mediocre work. Remove the people who can do that, and processing a larger number of tasks will not replace their judgment. Handling an order faster and knowing whether the work was done well are different parts of the process
Routine tasks lend themselves well to automation with AI. Repetitive work is where it makes sense to look for applications: order processing, preparing reports, and individual operations within finance and accounting workflows
It helps to separate the routine operation itself from the decision someone makes based on its output. Preparing a report is one part of the job. Assessing it and deciding what to do next is another. Human experience is still needed after preparation becomes faster
In my experience, the more complex, multi-part and intellectually demanding a task is, the harder it is to optimize this way. The promise of running an entire business independently bundles many of those tasks into one appealing advertising line
That distinction is where a conversation about AI consulting begins: which routine work can be automated, and where you need a person who makes decisions and can tell a good result from a mediocre one
So I wish everyone a more thoughtful approach to artificial intelligence, using it in ways that actually help them. More to come...