Alle sagen, KI sei nützlich, warum ist die Arbeitseffizienz dann immer noch dieselbe?

Notizen-Helfer sagt:

In letzter Zeit haben viele Unternehmer uns erzählt: Jeder in der Firma nutzt KI und hat dadurch seine Effizienz gesteigert, aber das Einkommen und die Gewinne der Firma haben sich nicht verbessert.

Dies ist die realistische Situation der meisten Unternehmen, die sich mit KI befassen, im Jahr 2026.

In diesem Artikel stellen wir die Fallstricke und Schwierigkeiten auf, die Unternehmen bei ihrer KI-Transformation erlebt haben. Dann sprechen wir über einige Dinge, die der CEO persönlich in die Hand nehmen muss, um Verluste zu vermeiden. Am Ende des Artikels geben wir Ihnen eine Lösung.

Wir hoffen, dass der Inhalt von heute Ihnen Anregungen bietet.

I. Eine harte Datenlage

McKinsey hat in diesem Jahr eine Umfrageergebnisse unter über zehntausend Führungskräften weltweit veröffentlicht, die "Organisationszustand 2026" heißt.

88 % der Unternehmen setzen bereits KI ein, aber 81 % der Unternehmen erzielen keine sinnvollen kommerziellen Erträge.

Nur 1 % der Unternehmen halten ihre KI-Einsatzstrategie für reif.

88 % setzen KI ein, 81 % erzielen keine Ergebnisse, 1 % hat einen reifen Ansatz.

Was bedeutet das? Zwischen dem KI-Einsatz der meisten Unternehmen und der eigentlichen Generierung von kommerziellem Wert klafft eine riesige Kluft.

Dies ist tatsächlich ein verbreitetes Phänomen: Jeder, der KI nutzt, verbessert seine Effizienz, aber das Unternehmensgewinne und -einkommen steigen nicht. Dies ist ein Phänomen, das die Geschäftsführer ratlos macht.

Die Daten von Gartner, dem weltweit führenden IT-Forschungs- und Beratungsunternehmen, weisen in die gleiche Richtung. Sie haben eine Prognose gemacht: Bis Ende 2027 werden über 40 % der KI-Agenten-Projekte abgebrochen, weil die Kosten außer Kontrolle geraten, der kommerzielle Wert unklar ist und das Risikomanagement unzureichend ist.

II. Drei kognitive Blindflecken

Warum haben 88 % der Unternehmen, die KI einsetzen, so schlechte Ergebnisse?

Die Technologie ist nicht der Hauptgrund. Die heutigen Technologien wie Large Language Models, KI-Agenten und Digital Twins sind bereits sehr reif.

Das Problem liegt beim Menschen.

Genauer gesagt gibt es drei wiederkehrende kognitive Irrtümer.

1. KI als Werkzeug nutzen, nicht als Strategie vorantreiben

Die Wurzel des Scheiterns von 80 % der Unternehmens-KI-Implementierungen liegt an diesem Punkt – KI einfach für die KI selbst einsetzen und sich blindlings den technologischen Trends anschließen, ohne zu verstehen, "welche Probleme die KI für das Unternehmen lösen und welchen Wert sie schaffen soll".

Wie können Sie leere Versprechungen wie "Innerhalb eines Jahres die gesamte Firma in die KI-Ära transformieren" ablehnen? Die KI erfordert, dass Sie Ihre Geschäftsprozesse neu gestalten.

Wenn Sie die Prozesse nicht ändern, kann die KI nur etwas Zusätzliches leisten.

Beispielsweise hat ein E-Commerce-Unternehmen eine Large Language Model-API integriert, um einen intelligenten Kundenservice einzurichten. Nach dem Start konnte er tatsächlich 80 % der häufigen Fragen beantworten. Aber sie haben den Arbeitsablauf des Kundenservice-Teams nicht neu gestaltet. Das Team hat immer noch die gleiche Struktur wie zuvor und arbeitet nach dem alten Prozess.

Die KI übernimmt die einfachen Fragen, sodass die menschlichen Kundendienstmitarbeiter eher untätig sind, aber es werden ihnen keine wertvolleren Aufgaben zugewiesen, wie z. B. die aktive Kontaktaufnahme mit Großkunden, die Sammlung von Benutzerfeedback oder die tiefergehende Bearbeitung komplizierter Beschwerden.

2. Die IT-Abteilung allein mit der KI-Transformation belasten

Dies ist der zweite häufige Fehler. Der Geschäftsführer sagt in der Strategiebesprechung: "Wir müssen uns der KI öffnen", und übergibt dann die Aufgabe dem CTO oder IT-Direktor, und kümmert sich dann nicht mehr darum.

Das Problem ist, dass die IT-Abteilung zwar die Technologie versteht, aber nicht die Gesamtansicht der Geschäftsprozesse. Sie können Systeme aufbauen, aber haben keine Macht, die Organisationsstruktur zu ändern, die Leistungsevaluation anzupassen oder die Arbeitsaufgaben neu zu definieren, was aber gerade für die KI-Transformation erforderlich ist.

Ein Projekt, das nicht persönlich vom CEO betreut wird, in dem die Geschäftsstrategie und die KI-Strategie nicht miteinander verbunden sind und in dem Geschäft und Technologie nicht aufeinanderzugehen, ist in jedem Unternehmen schwer umsetzbar, und dies gilt besonders für die KI-Transformation.

3. Kein Mechanismus für kontinuierliches Lernen aufbauen

Der dritte Irrtum liegt in der Art der Investition.

Wenn Sie Ihr Team nicht ausbilden, die Prüfungsmechanismen nicht ändern und den Mitarbeitern an der Frontlinie keine Zeit geben, um zu lernen und sich anzupassen, ist auch das beste System nur ein Schaufenster.

Ein lernfähiges Unternehmen ist jederzeit einer der Kernkompetenzen eines Unternehmens, um so das gemeinsame Wachstum von Unternehmen und Mitarbeitern zu erreichen und eine neue, agilere und dynamischere Organisationsform in der KI-Ära zu entstehen zu lassen.

III. Drei Dinge, die der CEO persönlich in die Hand nehmen muss

Erstes Ding: Persönlich an der Auswahl der Anwendungsfälle beteiligen

Wie wählt man? Drei Kriterien.

Erstens: Der Schmerzpunkt muss schmerzhaft genug sein. Die aktuellen Effizienz- oder Kosteprobleme in diesem Anwendungsfall müssen real und spürbar sein.

Zweitens: Die Daten müssen gut genug sein. Die KI benötigt Daten für das Training und die Rückmeldung. Wenn die Datenqualität in diesem Anwendungsfall schlecht ist, das Format unvereinheitlicht ist und die Daten in verschiedenen Systemen verteilt sind, ist die Einstiegskosten sehr hoch. Deshalb sollten Sie Anwendungsfälle mit einer guten Datenbasis priorisieren.

Drittens: Die Ergebnisse müssen schnell erkennbar sein. Innerhalb von drei Monaten müssen die Ergebnisse sichtbar sein. Ein erfolgreicher Pilotprojekt dient dazu, dem Team das Vertrauen in die Veränderung zu geben.

Zweites Ding: Die Organisation ändern, nicht nur Werkzeuge kaufen

In den letzten zwei Jahren hat die Semir Group beachtliche Ergebnisse bei der Umsetzung der KI-Transformation erzielt. Ihre Tochterfirma Semir Creative Intelligence, die sich auf KI-Training und -Beratung spezialisiert hat, hat später eine "Methodologie für die Unternehmens-KI-Umsetzung" zusammengefasst, die viele sehr praktische Methoden enthält.

Beispielsweise das System der "Doppelverantwortlichen" für Kernprojekte. Der Geschäftsverantwortliche legt die Richtung und die Ziele fest, der KI-Kooperationsverantwortliche kümmert sich um das Design und die Umsetzung der Mensch-Maschine-Kooperation. Die KI darf nicht nur als ein Nebentätigkeitswerkzeug eingesetzt werden, sondern es muss jemand speziell für ihren Wert verantwortlich sein.

Außerdem wird für jede Geschäftseinheit ein "KI-Einsatzspezialist" eingesetzt.

Diese Person untersteht nicht der IT, sondern ist ein Mitarbeiter der Geschäftseinheit selbst. Sie versteht die Geschäftsprobleme, kann die Anwendungsfälle für die KI identifizieren, hilft dem Team, die Werkzeuge einzusetzen und sammelt die Rückmeldungen, um die Tools kontinuierlich zu verbessern. Solche Personen sind derzeit besonders rar und auch ziemlich wertvoll.

Ein weiterer Schritt, den viele Unternehmen übersehen: Die Erfahrungen mit der KI, die in verschiedenen Abteilungen gesammelt wurden, in Form von Werkzeugvorlagen und Prozessrichtlinien für das gesamte Unternehmen zu festhalten.

Die Datenkompetenz der Vertriebsabteilung kann von der Finanzabteilung genutzt werden, die Benutzerkenntnisse der Marketingabteilung können von der Forschungs- und Entwicklungsabteilung genutzt werden. Lassen Sie nicht, dass jede Abteilung von Grund auf anfängt.

Wenn möglich, bilden Sie eine kleine Gruppe von 3 bis 5 mutigen Leuten, die sich unabhängig von den Hauptgeschäften "schnelle Experimente" machen. Sie können ihnen ein klares Ziel setzen, wie z. B. "Innerhalb von drei Monaten die Personalproduktivität um 30 % mit KI steigern", und ihnen uneingeschränkten Zugang zu den Werkzeugen geben, ohne herkömmliche Prozessbeschränkungen. Nach dem Erfolg können Sie es dann auf das gesamte Unternehmen standardisieren und erweitern.

Drittes Ding: Mehr Zeit und Energie in die Mitarbeiter investieren

① Ausbildung

Es handelt sich nicht um die Art der Ausbildung, bei der man einfach einen Kurslink schickt und die Leute sich selbstständig ausbilden sollen, sondern um eine praktische Ausbildung mit Geschäftsszenarien.

Beispielsweise können Sie die Finanzmitarbeiter die KI zur Analyse von Berichten nutzen lassen, die Vertriebsmitarbeiter die KI zur Erstellung von Kundenprofilen und die Produktmanager die KI zur Konkurrenzanalyse nutzen lassen. Die Anwendungsfälle der KI variieren je nach Position, daher muss die Ausbildung positionsabhängig erfolgen.

② Richtige Leute einstellen

Stellen Sie mehr junge Leute ein, die sich gerne neuen Technologien öffnen. Die Werkzeuge entwickeln sich so schnell, dass was heute noch gültig ist, morgen vielleicht schon veraltet. Aber die Sensibilität für Technologien und die Lernbereitschaft sind natürliche Vorteile.

In einigen Unternehmen unserer Alumni aus der PPE-Schule von Notesman werden jetzt fast nur noch Mitarbeiter aus der Generation nach 1995 und 2000 eingestellt. Der Grund ist einfach: Diese Leute brauchen Sie nicht zu zwingen, die KI zu nutzen. Sie wissen selbst, wie sie die KI einsetzen können, um ihren Arbeitsablauf zu verbessern.

Unternehmer sollten auf keinen Fall einen konservativen Denkmodus haben. Ein konservativer Denkmodus ist nicht nur ein Effizienzproblem, sondern es begrenzt direkt die Handlungsfähigkeit des gesamten Teams.

Suchen Sie gleichzeitig nach π-förmigen Talenten, die tiefe Fachkenntnisse + transversale Kooperationsfähigkeit + Fähigkeit zur KI-Kooperation aufweisen:

Eine Kernfachkompetenz, wie z. B. Strategie, Vertrieb, Forschung und Entwicklung, Finanzen;

Eine KI-Kooperationskompetenz, wie z. B. Prompt Engineering, Modellbewertung, Mensch-Maschine-Prozessdesign, sowie die Fähigkeit, beide Bereiche zu verbinden.

③ Dem Team Raum für Fehlversuche geben

KI-Projekte können nicht beim ersten Mal richtig gemacht werden. Sie müssen es dem Team ermöglichen, Fehler zu machen, die erste Version darf nicht perfekt sein, und Sie müssen Iterationen zulassen. Aber gleichzeitig müssen Sie einen Rückblickmechanismus haben, bei dem Sie bei jeder Iteration notieren, was funktioniert und was nicht, um die Organisationsebene an KI-Erfahrungen kontinuierlich zu sammeln.

Dieser Artikel stammt aus dem WeChat-Account "Notesman" (ID: Notesman), Autor: Lao Jia, veröffentlicht von 36Kr mit Genehmigung.