Blog von Josef Novak, Chief Innovation Officer, Spitch

Der Markt für generative KI befindet sich im Spannungsfeld zwischen zwei Extremen: endlosem Hype und Realität. Einerseits gibt es eindeutig ein unglaubliches Potenzial. Andererseits legt ein Bericht des NANDA-Labors des MIT von Anfang dieses Jahres nahe, dass trotz Unternehmensinvestitionen in Höhe von 30 bis 40 Milliarden US-Dollar fast 95 % der Organisationen keine Rendite aus ihren jüngsten KI-Initiativen erzielten. Das klingt schockierend, aber das meiste davon ist auf schlecht organisierte Arbeitsabläufe oder eine mangelnde Übereinstimmung mit den tatsächlichen Geschäftszielen zurückzuführen.

Dies ist nicht wirklich eine Anklage gegen die Technologie selbst. Es ist ein Spiegelbild eines vorhersehbaren Zyklus von Übereifer. Die entscheidende Herausforderung ist heute nicht anders als zu jedem anderen Zeitpunkt oder bei jeder anderen neuen Technologie: Es geht darum zu lernen, wie und wo diese neue Technologie eingesetzt werden kann. Es erfordert die selektive Einführung von GenAI-Technologien für Anwendungsfälle, in denen sie tatsächlich einen positiven geschäftlichen Einfluss haben können.

Wichtigste Erkenntnisse

• Agentic AI mit Human-in-the-Loop-Implementierungen sollte darauf abzielen, die allgemeine Exzellenz der Organisation zu verbessern, indem sie Einzelpersonen in der gesamten Organisation stärkt.
• Pilotprojekte müssen so konzipiert sein, dass sie ein spezifisches, greifbares Geschäftsproblem lösen.
• Konzentrieren Sie sich nicht darauf, alles zu überholen, sondern auf intelligente Automatisierung, die bestehende Prozesse erweitert.

Die Qualifikationslücke ist eine Strategielücke

Eine interessante Frage ist, ob diese KI-Qualifikationslücke, die diesen nicht realisierten Renditen zugrunde liegt, ein lokales oder globales Phänomen ist. Die Antwort scheint jedoch klar: Die Herausforderungen sind universell. Weltweit entwickelt sich die Technologie in einem Tempo, das es Unternehmen – und selbst Experten – unglaublich schwer macht, sowohl bei der Suche nach Talenten als auch bei der Anpassung von Geschäftsprozessen Schritt zu halten.

Das Fachwissen und die Veränderungsbereitschaft sind je nach Kultur und Organisation unterschiedlich, aber die grundlegende Herausforderung bleibt dieselbe. Wir alle bewegen uns in einer neuen Technologielandschaft und versuchen in vielerlei Hinsicht immer noch, sie gemeinsam zu verstehen. Die erfolgreichsten Unternehmen stellen nicht nur Datenwissenschaftler und Experten für maschinelles Lernen ein, sondern überbrücken diese Unsicherheitslücke, indem sie einen strategischen Rahmen für die Einführung schaffen, der die Eignung von Anwendungsfällen und nicht nur die Begeisterung für neue Technologien sorgfältig berücksichtigt.

Dieser Rahmen beginnt mit der Fokussierung auf die Menschen und die Organisationen, aus denen sie bestehen. Er umfasst die Aufklärung von Führungskräften und Teams über das reale Potenzial von KI und, ebenso wichtig, über ihre aktuellen Einschränkungen. Von dort aus ist es wichtig, klein anzufangen, aber gross zu denken. Durch die gemeinsame Entwicklung von Pilotprojekten, die ein spezifisches, greifbares Geschäftsproblem lösen – wie z. B. das fortgeschrittene Agent Training – können Unternehmen eine praktische Lernerfahrung bieten, schnell einen Mehrwert demonstrieren und die Dynamik für umfassendere Veränderungen aufbauen. Sie können auch eine eingehendere Analyse dieser Anwendungsfälle durchführen, während sie sich weiterentwickeln. Dieser Ansatz sollte von einem strategischen Fahrplan geleitet werden, der KI-Initiativen mit den wichtigsten Geschäftszielen in Einklang bringt und so einen klaren Integrationspfad für neue und bestehende Technologien gewährleistet.

Die schnellen Erfolge inmitten der Herausforderungen finden

Derzeit besteht ein starker Druck, schnelle Erfolge bei KI-Investitionen zu erzielen. Wie bereits erwähnt, haben die häufigsten Herausforderungen jedoch wenig mit KI-Modellen selbst zu tun, sondern eher mit den üblichen geschäftlichen Herausforderungen:

• Zugriff auf Daten, die oft isoliert oder schwer zugänglich sind.
• Unklare Problemdefinitionen oder schlecht gewählte Ziele.
• Integrationsprobleme mit Altsystemen.
• Kultureller und/oder organisatorischer Widerstand gegen Veränderungen.

Der effektivste Weg, um sofort einen Mehrwert zu generieren, besteht darin, Möglichkeiten zu identifizieren, die diese Probleme geschickt untergraben oder kurzschliessen.

Dies könnte bedeuten, KI-Dienste zu nutzen, um die Aufgaben eines Agenten nach dem Anruf vorherzusagen und vorab auszufüllen, oder individuelle KI-Schulungsmaterialien bereitzustellen, die auf die Bedürfnisse der einzelnen Mitarbeiter zugeschnitten sind. Das MIT NANDA-Papier kritisierte viele Projekte, identifizierte aber auch einen Schlüsselbereich, in dem Gen AI durchweg glänzt: Anwendungsfälle, die die individuelle Produktivität steigern.

Hier sollten wir unsere Energie investieren. Tools wie Gen AI-gestützte Journey-Editoren oder In-Call-Agentenunterstützung nutzen diese Stärke sowie die Kernfunktionen der Modelle direkt. Das Ziel ist es dann, die allgemeine Exzellenz der Organisation zu verbessern, indem die Einzelpersonen innerhalb der Organisation gestärkt werden. In diesem Umfeld spielt KI eine wichtige unterstützende Rolle, aber der Mensch bleibt fest in der Schleife, verantwortlich und zuständig. Die Analyse der Ergebnisse dieser fokussierten Initiativen hilft uns zu verstehen, warum wir erfolgreich sind und worauf wir unsere Energie als Nächstes konzentrieren sollten.