Im Zeitalter der KI liegt der Unterschied zwischen hochpotenten Talenten und gewöhnlichen Mitarbeitern in drei Fähigkeiten.

Eine Studie ergab, dass KI die Erwartungen von Arbeitgebern an die Fähigkeiten neuer Mitarbeiter neu gestaltet. Zukünftige Fachkräfte müssen drei Kompetenzen besitzen: Mehrere Rollen alleine übernehmen, Wissen aus unterschiedlichen Quellen zusammenführen und Arbeitsabläufe mithilfe von KI neu gestalten. Diese drei Fähigkeiten werden zu neuen Maßstäben, um hochpotenzielle Fachkräfte im KI-Zeitalter zu unterscheiden.

„Vor drei Jahren nutzte niemand in meiner Abteilung generative KI-Tools. Heute sind 100 % der Mitarbeiter täglich damit beschäftigt, und das oft über mehrere Stunden hinweg“, sagte uns kürzlich ein leitender Angestellter einer großen multinationalen Bank. Seine Aussage spiegelt den rasanten Anstieg der Nutzung generativer KI-Technologien am Arbeitsplatz wider.

Wir haben 30 Organisationen in drei Branchen untersucht – Bank- und Finanzwesen, Managementberatung sowie Technologie (einschließlich Medien und E-Commerce) – die den größten Anteil an MBA-Absolventen einstellen, um zu untersuchen, wie das Aufkommen generativer KI die Anforderungen von Arbeitgebern an die Fähigkeiten neuer Mitarbeiter verändert hat. Im Folgenden sind die drei Fähigkeiten aufgeführt, die Fachkräfte benötigen, um im KI-Zeitalter eingestellt zu werden und erfolgreich zu sein.

Mehrere Rollen alleine übernehmen

KI spart Fachkräften Zeit für niedrigstufige Aufgaben und ermöglicht es ihnen gleichzeitig, mehrere Rollen alleine zu übernehmen. Der Wandel im Produktmanagement in Technologieunternehmen verdeutlicht diese Veränderung am besten.

Produkte wurden traditionell von einem „eisernen Dreieck“ aus Produktmanagern, UX-Designern und Entwicklern erstellt. Jeder spezialisierte sich im Laufe seiner Karriere auf eine dieser Rollen. Doch KI verschmilzt diese Rollen miteinander. Grundlegende Produktmanagementaufgaben – die Verfolgung von Tickets, Koordination, Datenerfassung, Analyse und Berichterstellung – werden zunehmend durch KI automatisiert. KI kann zudem direkt Benutzeroberflächendesigns aus Prompts generieren, sodass einfache Prototyping-Aufgaben schrittweise ersetzt werden. Daher gehen die von uns befragten Führungskräfte davon aus, dass sich die Einstiegsrollen im Produktmanagement, UX und Ingenieurwesen zu einer Rolle als „allgemeiner Technikexperte“ verschmelzen werden, der mithilfe von KI-Tools Prototypen erstellt, ersten Code schreibt und fertige Produkte liefert.

Da Produktmanager weniger Zeit für grundlegende Ausführungsaufgaben aufwenden, haben sich die Erwartungen der Softwareunternehmen an sie geändert: Sie erwarten von ihnen eine strategischere und langfristigere Denkweise. Zukünftige Produktmanager müssen nicht nur das Geschäft verstehen, sondern auch die technischen Aspekte des Produkts beherrschen. Sie müssen den gesamten Produktlebenszyklus von Anfang bis Ende durchdringen, einen klaren Fahrplan von Punkt A nach Punkt B erstellen und potenzielle Fallstricke auf dem Weg erkennen.

Fachkenntnisse in ihrem Bereich – beispielsweise im Ingenieurwesen, Finanzwesen oder in der Statistik – sind natürlich nach wie vor unverzichtbar, reichen aber allein nicht mehr aus. Fachkräfte müssen zudem ein systemisches Verständnis dafür haben, wie alle Komponenten eines Produkts zusammenwirken, um Wert zu erzeugen. Sie müssen KI-Tools wie Claude, Figma, Lovable oder GitHub Copilot beherrschen, um von einer ersten Idee über einen testbaren Prototyp (der prüft, ob das Produkt die richtige Erfahrung für die Zielgruppe bietet) bis hin zu einem funktionsfähigen Proof of Concept (der die technische Machbarkeit nachweist) zu gelangen. Mit anderen Worten: Sie müssen Probleme nach dem Prinzip „KI zuerst“ lösen, um schneller Ideen zu entwickeln und bessere Produktkonzepte und Prototypen zu erstellen.

Ein Beispiel für eine KI-Kundenbetreuungs-Agentur für einen Online-Marktplatz verdeutlicht dies. Vor dem Aufkommen von KI wurden Kundendienste von Menschen erbracht, und die Kernaufgabe des Betriebs dieser Abteilung bestand darin, Personal zu verwalten – Schulungen durchzuführen, Ziele festzulegen, Leistungen zu bewerten und Feedback zu geben. Doch wenn KI die Kundendienstaufgaben übernimmt, wird das Produktmanagement zur Kernaufgabe. Denn KI verändert die Spielregeln: Der Kundendienst wird direkt in das Produkt oder die Dienstleistung integriert, sodass Kunden Probleme selbst lösen können, für die sie früher Hilfe benötigten oder die sie überhaupt nicht bewältigen konnten.

Das bedeutet, dass Produktmanager die Bedürfnisse der Kunden vollständig verstehen müssen, um End-to-End-Lösungen zu entwerfen. Sie müssen sich folgende Fragen stellen: Welche Daten werden für das Training der KI-Agentur benötigt? Welche Anweisungen und Regeln müssen festgelegt werden? Welche KI-Agenturen sind erforderlich und wie werden sie bereitgestellt? Wie kann Feedback von Kunden und Mitarbeitern an der Frontlinie integriert werden, um die Leistung zu verbessern?

Wissen aus unterschiedlichen Quellen zusammenführen

Der Wandel bei der Entwicklung neuer Produkte in der Fertigungsindustrie verdeutlicht diese Fähigkeit am besten. Die Entwicklung neuer Produkte ist eine komplexe Aufgabe, die große Investitionen und tiefgreifendes Fachwissen in mehreren Bereichen erfordert – darunter Produktdesign und Ingenieurwesen, Lieferkette, Nachhaltigkeit, Finanzwesen und UX-Design. Ein Team von Experten braucht Monate, um Informationen sorgfältig zu sammeln, Daten zu analysieren und verschiedene Aktivitäten durchzuführen, um ein neues Produkt zu entwerfen.

Ein führendes Managementberatungsunternehmen zeigte uns, wie KI-gestützte Produktentwicklung die Innovation physischer Produkte beschleunigt. Spezielle KI-Tools können interne Kundendaten durchsuchen, um Konzepte zu entwickeln und zu testen, die Produktkosten anhand von Produktmerkmalen und historischen Kostendaten schätzen, Konzepte schnell an synthetischen Kundenprofilen testen (die die Zielgruppe repräsentieren) und verschiedene Beschaffungs- und Versandoptionen bewerten.

Diese KI-Agenturen sind darauf trainiert, nützliche Informationen aus unstrukturierten Daten zu extrahieren, die in verschiedenen Abteilungen der Organisation verteilt sind. Beispielsweise kann KI schnell eine Liste von Lieferanten erstellen, die bestimmte Nachhaltigkeitsanforderungen erfüllen. Kundenfeedback zu früheren Produktversionen kann ebenfalls zur Konzeptprüfung verwendet werden. Neuronale Netze ersetzen zunehmend traditionelle physikalische Modellierungen und mathematische Löser als neue Designwerkzeuge.

In diesem Umfeld besteht die wichtigste Aufgabe von Designern neuer Produkte nicht darin, technische Entwürfe zu erstellen, sondern die Qualität der Eingangsdaten streng zu kontrollieren, Testszenarien aufzubauen, die KI-Ausgaben einem Belastungstest zu unterziehen und die Entwürfe zu verfeinern und anzupassen. Sie müssen ein umfassendes Verständnis der Daten in ihrer Organisation und Lieferkette haben, wissen, was die wichtigsten Leistungsfaktoren sind, und erkennen, wo ihr Wissen über Kunden Lücken aufweist. Beispielsweise müssen sie sicherstellen, dass synthetische Nutzerprofile die Vielfalt der Kunden umfassend widerspiegeln.

Arbeitsabläufe mithilfe von eingebetteter KI neu gestalten

Wenn KI-Agenturen Aufgaben wie Datenerfassung, Analyse und Berichterstellung automatisieren, sinkt der Zeitaufwand für diese Aufgaben auf null. Stattdessen entstehen neue Aufgaben, wie das Training und die Überwachung von KI-Modellen. Um den größtmöglichen Nutzen aus KI-Technologien in diesem neuen Umfeld zu ziehen, müssen Führungskräfte nicht nur in der Lage sein, KI-Tools in bestehende Arbeitsabläufe zu integrieren, sondern auch völlig neue Arbeitsabläufe zu entwerfen.

Dieser Prozess beginnt mit der Klärung: Welche Aufgaben werden durch KI automatisiert, welche erfordern weiterhin menschliche Arbeit und welche neuen Funktionen sind erforderlich? Ähnlich wie bei der Prozessgestaltung in Fabriken müssen Führungskräfte für jede Aufgabe die benötigten Ressourcen, Schulungen, Anweisungen, Regeln und Informationen bewerten. Auch der Arbeitsrhythmus muss angepasst werden, da die End-to-End-Zyklen erheblich kürzer werden: Es sind weniger Besprechungen für das Projektmanagement erforderlich, Aufgaben, die früher Wochen dauerten, können jetzt in weniger als einem Tag mit weniger Ressourcen erledigt werden.

Katherine Zhao, Leiterin der API-Produkte bei OKX, teilte uns mit, dass Agenten-KI den Veröffentlichungszyklus von APIs in ihrem Fintech-Unternehmen um 30 % bis 60 % verkürzt hat. Im neuen Arbeitsablauf hat sich die Rolle der Produktmanager verändert. Sie konzentrieren sich nicht mehr darauf, Informationen zu sammeln, um Nutzeranforderungen zu erfüllen, Lücken in Softwarespezifikationen zu schließen oder Testfälle zu entwerfen. Stattdessen widmen sie sich der Definition von Produktanforderungen, der Entwicklung von Konzepten, der Beurteilung der Angemessenheit von Agenten-KI-Lösungen sowie der Prüfung, ob Tests für Randfälle ausreichend sind und die Veröffentlichungsrisiken kontrollierbar sind.

Zudem wurde eine neue Aufgabe in den Arbeitsablauf integriert: die Überwachung der KI. Wenn KI Produkte bereitstellen darf, können kleine Fehler zu schwerwiegenden Produktionsrisiken eskalieren. Um diese Risiken zu minimieren, müssen Führungskräfte Regeln festlegen, anstatt sich nur auf Effizienz zu konzentrieren.

Die Führungskräfte in den von uns untersuchten Unternehmen machten deutlich, dass sie in die Schulung vorhandener mittlerer Fachkräfte investieren, um diese KI-kompetent zu machen, anstatt sie durch neue KI-erfahrene Mitarbeiter zu ersetzen. Sie betonten, dass das Fachwissen, die Entscheidungsfähigkeit und die gesammelte Erfahrung der Fachkräfte nach wie vor unverzichtbar sind. Für MBA-Absolventen, die in diesen drei Branchen eine Stelle suchen, sind die Hürden höher geworden. Führungskräfte erwarten von ihnen nicht nur solide betriebswirtschaftliche Grundkenntnisse, sondern auch nachgewiesene Erfahrung in der Anwendung von KI-Tools zur Lösung geschäftlicher Probleme und in der kritischen Prüfung von KI-Ausgaben.

Schlüsselwörter: #Talentmanagement

Jim Doucette, Vishal Gaur | Text

Jim Doucette ist ein pensionierter Partner von EY-Parthenon und McKinsey & Company. Vishal Gaur ist Professor für Betriebsführung, Technik und Informationsmanagement an der Johnson Graduate School of Management der Cornell University.

Zhou Qiang | Redaktionelle Überprüfung

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Harvard Business Review“ (ID: hbrchinese), verfasst von HBR-China, und wird von 36Kr mit Genehmigung veröffentlicht.