KI hat den Sprung vom Experimentierstadium zur Produktivität geschafft.
Das zwingt uns nun dazu, uns mit einer großen Frage auseinanderzusetzen: Was hat das Unternehmen davon?
Mittlerweile haben die meisten Unternehmen in Modelle, Infrastruktur, Anwendungen und Agenten investiert. Diese Investitionen führen allmählich zu schnelleren Arbeitsabläufen, neuen „w“-Fähigkeiten und vielversprechenden Anwendungsfällen. Sie können jedoch auch einen zusätzlichen Arbeitsaufwand rund um die KI selbst verursachen.
Teams bereiten Daten vor, gleichen widersprüchliche Datensätze ab, sammeln fehlende Kontextinformationen, validieren Ergebnisse und untersuchen, wie die KI zu ihren Schlussfolgerungen gelangt ist. Die Technologie kann zwar einen Teil eines Prozesses beschleunigen, schafft dabei aber gleichzeitig einen neuen Validierungs-Workflow um diesen herum.
Dieser verborgene Aufwand ist die „AI Trust Tax“. Und er kann still und leise einen Teil des Mehrwerts auffressen, den die KI eigentlich schaffen sollte.
Um dieser „Steuer“ entgegenzuwirken, besteht der nächste Schritt darin, den vermeidbaren Arbeitsaufwand rund um die KI zu reduzieren. Auf diese Weise lässt sich ein größerer Teil der Investition in messbaren Mehrwert umsetzen.
Beginnen Sie mit der Entscheidung, die der Agent verbessern muss
Es ist verlockend, eine KI-Initiative damit zu beginnen, sich zu fragen, wo man einen Agenten einsetzen könnte. Beginnt man jedoch mit der Entscheidung oder dem Arbeitsablauf, den man verbessern möchte, erhält das Projekt einen klareren Zweck.
Was sollte schneller ablaufen? Wo könnte mehr Konsistenz einen Mehrwert schaffen? Welche manuellen Schritte verlangsamen den Prozess derzeit? Was würde ein besseres Ergebnis für das Unternehmen bedeuten?
Legen Sie auf dieser Grundlage fest, was die KI benötigt, um diese Entscheidung zu treffen oder zu unterstützen:
- Welche Datenbereiche sind betroffen?
- Welche Geschäftsregeln und Richtlinien gelten?
- Welcher Grad an menschlicher Überprüfung ist angemessen?
- Welche Belege wären erforderlich, um das Ergebnis zu erklären oder zu verteidigen?
- Wie wird das Unternehmen messen, ob sich der Arbeitsablauf verbessert hat?
Ein Mitarbeiter schafft Mehrwert, indem er einen wichtigen Prozess durch die richtige Kombination aus Geschwindigkeit, Konsistenz, Kontext und Kontrolle verbessert. Autonomie mag ein Teil dieser Gleichung sein, sollte aber nicht das einzige Maß für den Erfolg sein.
Vermitteln Sie der KI ein umfassendes Bild des Unternehmens
Die Datenqualität bleibt von grundlegender Bedeutung. Da KI Entscheidungen trifft, die das gesamte Unternehmen betreffen, benötigt sie auch die Zusammenhänge und den Kontext, der einzelne Datensätze miteinander verbindet.
Stellen Sie sich einen Agenten vor, der eine Produktentscheidung unterstützt. Produktdaten mögen zwar im Mittelpunkt stehen, doch der Agent benötigt möglicherweise auch Lieferanteninformationen, Kundenerwartungen, Bestandsdaten, Standortdaten, Vertragsbedingungen oder gesetzliche Vorschriften.
Ohne diese Zusammenhänge liefert die KI möglicherweise eine Antwort, die zwar plausibel erscheint, der jedoch der Kontext fehlt, um sie mit Sicherheit anzuwenden.
Die Herausforderung im Zusammenhang mit KI-Daten erstreckt sich mittlerweile auf Qualität, Beziehungen, Kontext und Kontrolle.
Das bedeutet, der KI Zugang zu korrekten Datensätzen und deren geschäftlichem Kontext zu gewähren. Sie muss Folgendes verstehen:
- Wie Produkte, Kunden, Lieferanten, Standorte und Vermögenswerte miteinander in Beziehung stehen
- Welche Definitionen, Klassifizierungen und Hierarchien das Unternehmen verwendet
- Welche Richtlinien und Regeln eine Entscheidung bestimmen
- Wer auf Informationen zugreifen, diese ändern, genehmigen oder darauf reagieren darf
- Woher die zugrunde liegenden Daten stammen
- Wie das Ergebnis nachvollziehbar und erklärbar ist
Zusammen verwandeln diese Elemente eine Sammlung von Datensätzen in einen geschäftlichen Kontext. Sie können zudem den Aufwand für die Aufbereitung, Abstimmung und Untersuchung reduzieren, den Teams leisten müssen, nachdem bereits ein KI-Ergebnis generiert wurde.
Entscheiden Sie, wo KI genutzt und wo sie erstellt werden soll
Es gibt keinen einheitlichen Weg, um KI-Agenten im Unternehmen einzusetzen.
Einige Anwendungsfälle sind gängig und wiederholbar. Eine einsatzbereite Funktion, die an Ihr Datenmodell angepasst werden kann, bietet möglicherweise den schnellsten Weg zum Nutzen.
Andere Arbeitsabläufe spiegeln möglicherweise Ihre spezifischen Prozesse, Daten und Fachkenntnisse wider, was wiederum maßgeschneiderte Agenten erfordern kann, die auf die tatsächlichen Abläufe in Ihrem Unternehmen zugeschnitten sind.
Die meisten Unternehmen werden wahrscheinlich eine Kombination aus beidem nutzen.
In beiden Fällen sollten die Agenten denselben Governance- und Unternehmenskontrollen unterliegen wie die von ihnen verwendeten Daten.
Anforderungen hinsichtlich Berechtigungen, Sicherheit, Orchestrierung, Rückverfolgbarkeit und Überprüfung müssen von Anfang an Teil des Agentendesigns sein. Werden sie erst später hinzugefügt, entsteht zusätzlicher Aufwand, und das Vertrauen des Unternehmens in die Nutzung dieser Funktion kann dadurch eingeschränkt werden.
Dies gewinnt noch mehr an Bedeutung, wenn Agenten domänenübergreifend arbeiten. Ein Agent, der auf Produkt-, Kunden-, Lieferanten- und Standortdaten zurückgreift, sollte die Regeln, Zuständigkeiten und Berechtigungen befolgen, die für diese Datensätze gelten.
Größere Autonomie erfordert strengere Sicherheitsvorkehrungen.
Messen Sie den Nutzen und den Aufwand, der erforderlich ist, um darauf vertrauen zu können
Die Messung der KI-Einführung ist relativ einfach. Unternehmen können die Anzahl der Implementierungen, Nutzer, Interaktionen, erledigten Aufgaben und die eingesparte Zeit erfassen.
Eine umfassendere Bewertung des Werts von KI berücksichtigt auch den Aufwand, der mit diesen Ergebnissen verbunden ist.
Erwägen Sie die Erfassung folgender Aspekte:
- Zeitaufwand für die Aufbereitung der Daten für die KI
- Zeitaufwand für die Validierung oder Korrektur der Ergebnisse
- Manuell abgeglichene Datensätze und Quellen
- Ergebnisse, die menschliches Eingreifen erfordern
- Möglichkeit, ein Ergebnis bis zu den zugrunde liegenden Daten zurückzuverfolgen
- Zeitaufwand für die Durchführung des Ziel-Workflows
- Erzielte Verbesserungen bei Produktivität, Kosten, Umsatz oder Benutzererfahrung
Zusammengenommen vermitteln diese Kennzahlen ein klareres Bild der Rentabilität.
Ein Workflow mag auf den ersten Blick schneller erscheinen, bis ein Datenteam stundenlang damit beschäftigt ist, Inkonsistenzen zu beheben, bevor die Ergebnisse überhaupt genutzt werden können. Ein Mitarbeiter mag zwar mehr Aufgaben erledigen, ohne jedoch einen Mehrwert zu schaffen, wenn Kollegen seine Arbeit wiederholt überprüfen und korrigieren müssen.
Menschliches Urteilsvermögen wird unverzichtbar bleiben, insbesondere wenn Entscheidungen erhebliche finanzielle, regulatorische, betriebliche oder kundenbezogene Konsequenzen nach sich ziehen. Bessere Daten, mehr Kontext und eine bessere Governance helfen den Menschen dabei, ihr Urteilsvermögen dort einzusetzen, wo es den größten Mehrwert schafft.
Das Ziel sind weniger vermeidbare Probleme, die korrigiert werden müssen, und bessere Entscheidungsgrundlagen für die Entscheidungen, die Menschen weiterhin treffen müssen.
Entwickeln Sie KI-Aktivitäten zu vertrauenswürdiger Intelligenz weiter
KI hat bereits bewiesen, dass sie mehr Intelligenz generieren kann. Der nächste Schritt besteht darin, diese Intelligenz so zuverlässig zu machen, dass sie sinnvolle Maßnahmen unterstützt.
Dieser Fortschritt beginnt mit vertrauenswürdigen Daten. Er schreitet voran durch einen vernetzten Geschäftskontext, klare Governance, Erklärbarkeit und Rückverfolgbarkeit. Zusammen schaffen diese Elemente vertrauenswürdige Intelligenz: Intelligenz, auf deren Grundlage Menschen und KI mit Zuversicht handeln können.
Die Kosten für KI summieren sich bereits. Um die Rendite zu verbessern, ist es an der Zeit zu prüfen, was KI leistet, was nötig ist, um ihren Ergebnissen zu vertrauen, und wie viel Wert nach Abschluss der Validierungsarbeiten noch verbleibt.
Der tatsächliche Maßstab für den Fortschritt der KI geht über die Anzahl der eingesetzten Agenten hinaus.
Es geht darum, wie zuverlässig diese Agenten zu Entscheidungen beitragen können, die sich bewähren.
