Rundtischgespräch: Wenn KI in die industrielle Front eintritt: Wer wird die am meisten gesuchten KI-Fachkräfte der Zukunft sein? | 2026 AI Partner · Beijing Yizhuang KI + Industrie-Konferenz
Was ist wirklich knapp: Menschen, die mit KI vertraut sind, oder Menschen, die das Geschäft verstehen?
Eine kontra-intuitive Einschätzung - das Wissen um KI verliert schnell an Wert, während Menschen, die in wichtigen, seltenen Entscheidungen urteilen können, die knappen Ressourcen der Zukunft sein werden. Hochfrequente, repetitive Arbeiten sind am leichtesten durch KI ersetzbar. Bei Entscheidungen mit geringer Häufigkeit und hohem Einfluss wie der Schaffung von Hits oder der Aufbau von Marken ist die menschliche Einschätzung jedoch immer noch unersetzlich. Der größte Engpass bei der KI-Umstellung von Unternehmen liegt nicht in Technologie oder Daten, sondern im "Nicht-Ableiten von Anwendungsfällen". Der Großteil der KI-Gewinne liegt derzeit noch in der Infrastrukturschicht, und die Rendite der Anwendungsseite ist noch nicht vollständig ausgeschöpft, aber der Wendepunkt wird früher eintreten, als erwartet.
Im Folgenden finden Sie den Inhalt des Roundtable-Dialogs, der von 36Kr zusammengefasst und bearbeitet wurde:
Zheng Wangyu | stellvertretender Investmentdirektor des 36Kr-Fonds (Moderator)
Gong Yi | Geschäftsführer für Kommunikation und Technologie bei Nielsen IQ
Luo Fei | Direktor des KI-Forschungsinstituts von Huake Intelligence
Lin Haizhuo | Gründungsmitglied und Vorsitzender von Zhuoyuan Asia
Zheng Wangyu: Guten Tag, liebe Lehrer. Heute diskutieren wir gemeinsam: "Wenn KI in die Branchenfront eintritt: Wer werden die zukünftig knappsten KI-Fachkräfte sein?" Wer wird der neue Star der Branche sein? Es ist eine Seltenheit, die Spitzen der Branche hier zusammenzubringen. Bitten Sie die Gäste, sich in einem Satz vorzustellen und mit ihrer Perspektive an der anschließenden Diskussion teilzunehmen.
Gong Yi: Hallo, ich bin Gong Yi von Nielsen IQ. Wir arbeiten in der Branche der Datenanalyse. Heute werde ich von dieser Branche ausgehend sprechen.
Luo Fei: Hallo, ich bin Luo Fei von Huake Intelligence, einem börsennotierten Unternehmen, das hauptsächlich Investitionen tätigt. Mein Forschungsinstitut unterstützt die KI-Umstellung traditioneller Branchen, indem es Schulungen, Beratungen und Begleitung bietet. Wir haben viele Probleme bei der Modernisierung traditioneller Geschäftsführer, und ich möchte sie heute mit Ihnen teilen.
Lin Haizhuo: Hallo, ich bin Lin Haizhuo von Zhuoyuan Asia. Wir sind ein Investmentunternehmen, das sich auf Künstliche Intelligenz, Halbleiter und Robotik konzentriert und sich auf den Risikokapitalmarkt spezialisiert hat. Wir haben in repräsentative Hardtech-Projekte wie Qingzhou Intelligence, Jiangxing Intelligence, Muxi Integrated Circuit und Pony.ai investiert.
Zheng Wangyu: Die drei Experten haben unterschiedliche Perspektiven. Im vergangenen Jahr hat die KI den Übergang von der Konkurrenz um Modellfähigkeiten zur Umsetzung in Branchenanwendungen geschafft. Wir sehen nun, dass in allen Branchen, von Konsum- und Einzelhandel über Unternehmensmanagement, Fertigung, Finanzwesen bis hin zu Medizin und auch im Bereich des Startup-Investierens, der Wert der KI nicht nur von den Modellparametern und technischen Indikatoren abhängt, sondern auch davon, ob sie in die realen Geschäftsprozesse integriert werden kann. Einfach ausgedrückt, muss die KI nun in die Frontlinie der gesamten Branche eindringen und die Entscheidungsfindung, die Umsetzung und sogar die kommerzielle Realisierung beeinflussen. In diesem Prozess werden neue Fragen dringlicher - Wenn KI-Werkzeuge immer verbreiteter werden, was für Art von Fachkräften ist wirklich knapp? In der letzten Runde möchten wir von der Unternehmenskonkurrenz und der Perspektive der Fachkräfte ausgehend diskutieren, wie die Arbeitsteilung und die Veränderungen zwischen Menschen und Maschinen, Experten und Werkzeugen, Organisationen und Individuen aussehen, nachdem die KI in die Frontlinie der Branche vorgedrungen ist.
Wir beginnen mit der ersten Frage. In diesem Prozess geht es nicht nur darum, den Mitarbeitern ein neues Werkzeug zu geben, sondern es beginnt auch, die Entscheidungsfindung bei der Verbraucheranalyse, der Produktinnovation, der Lieferkette, dem Kanalmanagement und der Kundenbetreuung zu beeinflussen. Welche Arbeiten erscheinen aus Ihrer Perspektive am leichtesten durch KI umgestaltbar? Welche Bereiche eignen sich zwar für KI, sind aber in der Praxis am schwierigsten umzusetzen? Herr Lin zuerst.
Lin Haizhuo: Wir haben derzeit die Ansicht, dass in der Investitionspraxis noch immer ein Wettbewerbsvorteil für gute Fragesteller besteht. Derzeit haben hochwissensintensive Bereiche von Natur aus die Eigenschaft, dass ihr Wissenssystem relativ einfach strukturiert und die technische Struktur in Code umgesetzt werden kann, was zu einer klaren Abgrenzung und einer Unterscheidung zwischen richtig und falsch führt. In diesem Sinne entspricht dies eher dem Lösungsansatz der heutigen Künstlichen Intelligenz. Berufe wie Buchhalter, Anwälte und Programmierer sind derzeit eher durch neue Technologien ersetzbar. Aber das Stellen guter Fragen erfordert immer noch menschliche Führung. Wir sehen derzeit, dass Roboter, verschiedene Agenten und sogar das Füttern von Hummer noch einen Schritt von 0 auf 1 erfordern, um sie besser in einem bestimmten Bereich zu betreiben. Das Stellen von Fragen in verschiedenen Branchen oder das Kombinieren der eigenen Erfahrungen in der Branche, um kreuzwissenschaftliche und innovative Ideen zu entwickeln und ein Modell in diese Richtung zu lenken, wird in Zukunft eher einen individuellen Wettbewerbsvorteil schaffen.
Es ist leichter zu verstehen, dass in Bereichen, die sich um das Erlebnis oder die Emotionen drehen, wie bei Psychologen, Psychotherapeuten, Tourismus-Experten und Reiseleitern, die KI noch einen langen Weg bis zur Substitution hat. Von Berufserfahrung her ist die KI eher eine Stütze und keine sofortige Ersatzoption. Dies sind grob die beiden Dimensionen.
Zheng Wangyu: Die Perspektive eines Investors ist relativ makroskopisch und umfassend. Herr Luo, in welchen Branchen und Bereichen beobachten Sie in der Praxis, dass die KI eine leichte oder schwierige Substitution bewirkt?
Luo Fei: Wir nutzen derzeit die Fähigkeiten der KI 2.0, insbesondere die von Large Language Models (LLMs). Im Wesentlichen handelt es sich bei LLMs um Inferenz-Engines. Wir glauben, dass in allen Bereichen, in denen Menschen bisher Inferenzen gezogen haben, viele Anwendungsfälle entdeckt werden können, je nachdem, ob der Inferenzprozess von der KI übernommen werden kann. Wir haben drei Merkmale identifiziert. Wiederholung ist der Grund für die Nützlichkeit der KI; Standardisierung bedeutet, dass jeder Inferenz-, Denk- und Handlungsprozess standardisiert werden kann; und Fähigkeit bezieht sich darauf, dass es in einem Unternehmen qualifizierte Mitarbeiter gibt, die die Arbeit genau beschreiben können. Wir müssen die Erfahrungen dieser qualifizierten Mitarbeiter extrahieren und die KI-LLMs mit den richtigen Werkzeugen ausstatten, damit sie diese Arbeit übernehmen können. Dies ist eine Dimension.
Die andere Dimension ist die Arbeitsumgebung. Je mehr die Arbeit am Computer erfolgt, desto leichter ist sie ersetzbar; je mehr es um die Interaktion mit Menschen geht, desto schwieriger ist die Substitution. Am Computer repetitiv Informationen recherchieren, Pläne entwickeln, egal ob in Word, PPT oder Excel, wird immer leichter von der KI übernommen, da die Fähigkeiten der KI stetig zunehmen und sie in der Lage ist, den Computer zu steuern. Je näher man am Markt und den Kunden ist, desto schwieriger ist die Substitution. Wir sehen, dass die menschlichen Fähigkeiten sich nach links verschieben, wobei links der Markt und die Kunden und rechts die hinteren Prozesse stehen. Nach der Einbindung der KI müssen die menschlichen Fähigkeiten kontinuierlich nach links verschoben werden.
Zheng Wangyu: Das bedeutet, dass Kommunikation, Zusammenarbeit und Analyse noch wichtiger werden. Ich habe drei Schlüsselwörter aus Ihrem Beitrag extrahiert: Wiederholung, Fähigkeit und Standardisierung. Bereiche mit diesen Merkmalen sind leichter ersetzbar. Herr Gong.
Gong Yi: Mein Ansatz stimmt mit den vorherigen Gästen überein. Unsere Kunden sind Global Player, und wir betreuen sie hauptsächlich in den Bereichen Branding, Produktinnovation, Einzelhandel und Kundenservice. Wir haben die Situation in einer Matrix dargestellt: Eine Achse ist die Häufigkeit, und beide Gäste haben von hoher und niedriger Häufigkeit gesprochen.
Die andere Achse ist die Strategie und Wichtigkeit der Entscheidungen. Am leichtesten ersetzbar sind hochfrequente Prozesse, bei denen es viele Rückmeldungen und Daten gibt. Die KI kann leicht Erfahrungen sammeln und durch wiederholtes Lernen verbessern. Bei niedrigfrequenten, insbesondere wichtigen Entscheidungen ist die Substitution jedoch schwierig. Warum sehen wir im Bereich des Brandings so viele automatisierte Werbeaktionen? Vom ersten Konzept über die Erstellung bis hin zur KOL-Bewerbung und der Bewertungsschleife ist alles sehr effizient. Aber bis heute ist es schwierig, ein hochwertiges Markenzeichen zu schaffen, das bei jungen Menschen oder in anderen Kulturen wie in Europa oder Indien Anklang findet. Dies sind niedrigfrequente, aber sehr wichtige Entscheidungen, die die KI noch schwer lösen kann. Dies ist ein Bereich, in dem es auf dem Markt sehr knapp ist.
Zheng Wangyu: Die nächste Frage: Wo liegen die Hindernisse bei der Umsetzung der KI-Fähigkeiten in Unternehmen? Kommt es von der Technologie, der Datensammlung oder der Organisationsinertie? Herr Gong, können Sie diese Frage aus der Perspektive der Kundenbetreuung beantworten?
Gong Yi: Die Grundlage ist sicherlich die Daten. Bis heute kann die KI bereits suchen und viele Arbeitsabläufe ausführen. In Bezug auf die Fähigkeiten hat sie bereits einen Wert von 70-80 Punkten erreicht, aber es gibt immer noch viele "Halluzinationen". Die Halluzinationen hängen davon ab, wie wir der KI effektive Daten geben und wie wir die richtigen Arbeitsabläufe einrichten, um Halluzinationen zu vermeiden. In der Branche ist es üblich, dass man denkt, man braucht keine Umfragen mehr zu machen. Man hat eine Idee und fragt einfach tausendmal die KI, als ob das tausend Konsumenten wären. Kann man auf dieser Basis entscheiden, ob ein Smartphone oder ein Kühlschrank auf dem Markt gut abschneiden wird? Wir haben viele Tests durchgeführt und festgestellt, dass dies nicht der Fall ist.
Erstens, ist die KI repräsentativ genug? Zweitens, bezieht die KI bei der Beantwortung der Fragen die konkreten Daten ein? Wenn Sie beispielsweise eine kinderlose Familie oder eine Familie mit mehreren Generationen sind, berücksichtigt die KI dann die Bedürfnisse dieser Menschen? Am Ende kommt es darauf an, wie man die Ergebnisse interpretiert. Ist eine Bewertung von neun von zehn Punkten ein Markterfolg oder erst eine Bewertung von zehn? Wenn man all diese professionellen Aspekte nicht berücksichtigt, wird man feststellen, dass die Antworten der KI ungenau sind. Wenn die Häufigkeit der Fragen nicht hoch genug ist, ist es für Unternehmen schwierig, sich zu entscheiden, ob sie der KI vertrauen können oder nicht. Zusammenfassend gesagt, gibt es in den Unternehmensprozessen viele professionelle Aspekte, die gelöst werden müssen, entweder durch die KI oder auf andere Weise. Die KI-Befähigung des gesamten Prozesses hat viele Anforderungen.
Zheng Wangyu: Herr Luo, wo liegen die Hindernisse bei der Umsetzung der KI in Unternehmen? Kommt es von der Technologie, den Daten oder der Organisationsinertie?
Luo Fei: Die meisten Hindernisse kommen von der Organisation. Wir sehen, dass die KI-Technologie jedes Jahr rapide voranschreitet. Menschen, die in der KI-Branche arbeiten, haben das Gefühl, dass die allgemeine Künstliche Intelligenz (AGI) bald erreicht wird und die Fähigkeiten der KI von Jahr zu Jahr stärker werden. Aber die Umsetzung in Unternehmen erfolgt nicht so schnell. Es gibt immer noch viele Hindernisse, vor allem die Wahrnehmung der KI in der Organisation. In den letzten zwei bis drei Jahren haben wir mehrere Spitzenunternehmen in verschiedenen Branchen wie Immobilien, Finanzwesen, Gesundheitswesen und Gastronomie beraten. Wir haben festgestellt, dass es zwei Engpässe bei der Umsetzung der KI in Unternehmen gibt: der einfache Engpass und der komplexe Engpass. Der einfache Engpass besteht darin, dass Unternehmen keine Anwendungsfälle für die KI finden können. Alle sagen, dass die KI sehr stark ist, aber wenn ich die Mitarbeiter oder Geschäftsführer dieser Unternehmen frage, wie viele Anwendungsfälle sie sich vorstellen können, können sie nicht viele nennen. Dies nennen wir den einfachen Engpass. Der komplexe Engpass besteht darin, dass Unternehmen Anwendungsfälle umsetzen können, aber die Umsetzung keine Ergebnisse bringt. Die internen Mitarbeiter wollen die KI nicht nutzen, und die externen Kunden sind auch nicht interessiert.
Meine Untersuchungen haben gezeigt, dass trotz der schnellen Entwicklung der KI-Technologie die meisten Unternehmen immer noch am einfachen Engpass hängen. Die Fähigkeiten der KI sind so stark, dass die Branchenmitarbeiter das Gefühl haben, dass die KI alles kann, aber die meisten Unternehmen sagen, dass sie keine Anwendungsfälle finden können. Dies ist der größte Engpass. Ein großer Grund dafür ist, dass die Unternehmen die KI nicht richtig verstehen und keine tiefe Analyse der Geschäftsprozesse durchführen oder von traditionellen Denkmustern geprägt sind. Derzeit befinden wir uns in der KI 2.0, aber die meisten Unternehmen haben noch die Denkweise der KI 1.0 und denken, dass die Umsetzung der KI viele Voraussetzungen hat, wie Digitalisierung, gute Daten und Technologie. Diese Voraussetzungen verhindern, dass die Unternehmen die Anwendungsfälle für die KI erkennen.
Wir haben eine zentrale These aufgestellt: Die KI-Umstellung von Unternehmen ist eigentlich eine Umstellung der Fachkräfte. Unternehmen müssen von der digitalen Denkweise zur KI-Denkweise wechseln. Die digitale Denkweise verhindert, dass viele Unternehmen die KI umsetzen, da sie glauben, dass es viele Voraussetzungen gibt, um die KI einzusetzen. Diese Voraussetzungen verhindern, dass die Unternehmen die Anwendungsfälle für die KI erkennen. Dies ist ein großer Engpass, den ich in der Praxis erlebt habe.
Zheng Wangyu: Je größer das Unternehmen, desto mehr kommen die Hindernisse von der Organisation. Wie sieht es bei innovativen Unternehmen aus? Was haben Sie beobachtet?
Lin Haizhuo: Wenn wir uns die gesamte Branche ansehen, ist die Rendite noch nicht so hoch. Ein wichtiger Grund dafür lässt sich in der Geschichte finden. Vor der Internetblase im Jahr 2000 war Cisco für eine Zeit das am höchsten bewertete Unternehmen der Welt. In der frühen Phase des Internets, bevor Unternehmen wie Google gegründet wurden, war die Herstellung von Kernschaltern für das Internet-Highway-System das am höchsten gewertete Geschäft. Unternehmen wie Nvidia und Broadcom waren zu dieser Zeit auch sehr erfolgreich. Dies zeigt, dass der Großteil der Gewinne in der KI-Branche derzeit noch in der Infrastruktur liegt. Wenn Unternehmen oder Superindividuen in die KI investieren, fließt ein Großteil der Kosten in die Infrastruktur. Dies stimmt auch mit der Aussage der Deutschen Bank Anfang dieses Jahres überein: Kurzfristig fehlt es an Rechenleistung, mittelfristig an Energie und immer an Speicherplatz. Dies zeigt, dass in der gegenwärtigen Phase der KI-Entwicklung die Infrastruktur den Großteil der Investitionen und Gewinne einnimmt, und die Anwendungen müssen noch aufholen.
Die meisten Internetnutzer sehen die KI oder die Large Language