Woher kommt der Gewinn? Mit einem Trick spart man 90% des Geldes.
I. KI erzeugt nicht nur Bilder und Videos
Viele Menschen haben ein einseitiges Verständnis von KI, insbesondere diejenigen, die im E-Commerce tätig sind. Nach einer Schulung glauben sie, dass KI gleichbedeutend mit der Erstellung von Bildern, Videos, digitalen Menschen für Live-Übertragungen und Texten ist.
Diese gehören zwar tatsächlich zu AIGC, aber der Anwendungsbereich von KI ist viel größer. Zum Beispiel Roboter mit verkörperter Intelligenz, Roboterhunde und der derzeit beliebteste Agent.
Der Kernunterschied zwischen Agenten, gewöhnlichen Werkzeugen und großen Modellen besteht darin, ob sie Aufgaben selbstständig planen, selbstständig entscheiden, den Prozess selbst schließen und selbst ausführen können, anstatt Ihnen nur Ratschläge zu geben.
Erste Kategorie: Generative KI. Die Erstellung von Texten, Bildern und Videos, Text-zu-Text, Text-zu-Bild, Bild-zu-Bild und Bild-zu-Video fallen alle in diese Kategorie.
Zweite Kategorie: Analytische KI. Tatsächlich nutzen Sie sie bereits passiv. Die personalisierten Produktempfehlungen, die Sie auf Taobao und Douyin sehen, werden von der analytischen KI im Hintergrund bereitgestellt.
In den letzten zwei Jahren ist der Werbeausgabenprozess einfacher geworden, da die Plattformen vollständige Werbeförderungstools eingeführt haben. Wie man Zielgruppen definiert, Marken versteht und Verbraucher erreicht, alles basiert auf der analytischen KI im Hintergrund.
Die intelligente Diagnose im Backend der Plattform, die darauf hinweist, ob der Titel optimiert werden soll, ob der Preis angepasst werden soll und ob das Budget für Werbeausgaben erhöht oder verringert werden soll; Drittanbietertools, die Verkaufstrends vorhersagen und Ziele aufschlüsseln, werden ebenfalls von der analytischen KI ausgeführt.
Dritte Kategorie: Ausführende KI. Der Kundenservice-Roboter, der Sie beim Einkauf begrüßt, ist eine ausführende KI.
Die Anwendungsstatus der drei KI-Kategorien unterscheiden sich stark. Die meisten Unternehmen konzentrieren sich derzeit auf die generative KI, da sie am intuitivsten ist und die stärkste Wirkung zeigt.
Nur wenige Unternehmen nutzen die analytische KI, da die Branche noch nicht ausgereift ist. Als das beste Modell Gemini 3.0Pro Anfang dieses Jahres veröffentlicht wurde, sank die Halluzinationsrate von zuvor 88 % auf 50 %. Bis zur Veröffentlichung von GPT5.6 liegt die Fehlerquote immer noch bei 30 %. Wenn Unternehmen das Modell nicht feinabstimmen, trainieren und einschränken können, wird es unsinnige Aussagen treffen.
Die ausführende KI hat ein enormes Potenzial, wurde aber in den letzten Jahren im Grunde nur für die Datenerfassung und das Web-Scraping verwendet. Bessere Anwendungen finden sich im Finanzbereich, da dort viele wiederholte Vorgänge anfallen. In den Bereichen Betrieb, Warenwirtschaft, Personalwesen und Lieferkette wird sie kaum eingesetzt. Der Grund dafür ist die geringe Akzeptanz bei den Mitarbeitern an der Basis und die traditionellen Produktionsverhältnisse.
Eine entgegen der Intuition liegende Erkenntnis ist, dass die ausführende KI ein stark unterschätzter Bereich ist. Sie ist hoch ausgereift und kann in Kombination mit RPA die meisten Szenarien mit wiederholten Vorgängen lösen. Viele Unternehmensleiter kennen jedoch die operativen Abläufe an der Basis nicht, und die Mitarbeiter an der Basis kennen die Tools nicht, sodass eine Informationslücke zwischen beiden Seiten entsteht und die eigentlich umsetzbaren Szenarien nicht realisiert werden.
II. Technische Kombination: Das Dreieck aus RPA + BI + KI
1. Das Verständnis der Arbeitsteilung der drei anhand eines Analogons zu menschlichen Organen
Entsprechend den menschlichen Organen: RPA (Robotic Process Automation) befreit die Hände, BI (Business Intelligence) befreit die Augen und KI befreit das Gehirn. Die drei stehen nicht in einem Konkurrenzverhältnis, sondern in einem Komplementärverhältnis.
RPA hat kein Gehirn und kann nicht denken. Es führt die Anweisungen streng Schritt für Schritt aus, macht keinen Schritt mehr, macht aber auch niemals Fehler und gibt niemals Geheimnisse preis. Man kann es als das fleißige Arbeitstier im Unternehmen verstehen, das keine Innovationen hervorbringt, keine eigenen Ideen hat, aber zuverlässig ist.
BI löst das Problem der Datenverwaltung. Früher war es sehr mühsam, die Ursachen und Probleme aus einem Haufen Daten zu finden. BI nutzt Dashboards zur Visualisierung, sodass man intuitiv sieht, wo das Problem liegt.
KI befreit das Gehirn, erstellt Texte, Pläne, Berichte und Bilder, hilft Ihnen bei der Entscheidungsfindung und verarbeitet unstrukturierte Informationen – also Inhalte, die umgangssprachlich sind und kein festes Format haben. Strukturierte Daten haben einheitliche Felder und ein festes Format, während unstrukturierte Daten eher umgangssprachlich sind.
2. Werden RPA durch Openclaw und Codex überflüssig?
Viele Leute fragen: Jetzt wo es Openclaw und Codex gibt, ist RPA nicht mehr brauchbar?
Betrachtet man die Eigenschaften von Unternehmen, verfolgen Unternehmen zwei Ziele im Betrieb: Die Kosten dürfen nicht zu hoch sein, und der Betrieb muss sicher und stabil sein.
Die Rechenkosten von Tools wie Codex sind viel höher als die von RPA. Der Betrieb von RPA verursacht nur Stromkosten. Für häufige wiederholte Vorgänge, die täglich ausgeführt werden müssen, ist die Lösung mit Stromkosten kostengünstiger.
Im Finanzbereich wagt man es nicht, Codex für Auszahlungen und Steuererklärungen einzusetzen, während RPA keine Fehler macht und keine Geheimnisse preisgibt. Einige Web-Scraping-Vorgänge lösen die Anti-Scraping-Mechanismen der Plattformen aus, und RPA verfügt über viele Methoden, um diese zu umgehen. Daher wird RPA nicht ersetzt, jedes hat seinen eigenen Platz.
Ein Beispiel: Die Rechnungsstellung im Finanzbereich. Früher musste man manchmal das Postfach öffnen, Rechnungen herunterladen, sie nach Regeln umbenennen und manuell in das Finanzsystem eingeben.
Jetzt wird RPA täglich zeitgesteuert ausgelöst, lädt automatisch die Rechnungen herunter, benennt sie nach Finanzregeln, extrahiert die Rechnungsinformationen mit der Computer Vision und der Verarbeitung natürlicher Sprache von KI, gibt sie dann über RPA in das System ein und zeigt sie schließlich im BI-Dashboard an. Der gesamte Prozess ist automatisiert.
Unsere Erkenntnis ist, dass „KI + RPA + BI“ derzeit die beste Lösung ist.
Der generative Teil kann nur von KI übernommen werden. Wenn Unternehmen die analytische KI nicht einschränken und trainieren können, verwenden sie die Kombination aus BI und KI: BI gewährleistet die Datengenauigkeit, KI erstellt das Analyseframework und die Schlussfolgerungen, RPA füllt die Daten ein, sodass die Genauigkeit sehr hoch ist. RPA automatisiert hauptsächlich die wiederholten Vorgänge und senkt die Rechenkosten auf das Niveau von Stromkosten.
Einer unserer Kunden hatte monatliche Ausgaben von 300.000 für Tokens, die nach der Verwendung dieser Lösung auf 30.000 gesunken sind.
III. Was ist eigentlich die KI-Transformation und warum lässt sie sich nicht vorantreiben?
1. Was ist eigentlich die KI-Transformation?
Mein Verständnis ist: Der Kern der KI-Transformation von Unternehmen besteht darin, durch die Einführung von KI-Technologien intelligente Upgrades in allen Bereichen wie Forschung und Entwicklung, Produktion, Betrieb und Dienstleistungen durchzuführen und gleichzeitig tiefgreifende Veränderungen der Organisationsstruktur und der Kultur voranzutreiben, um die Bedürfnisse der Kunden zu erfüllen, das Wohlbefinden der Mitarbeiter zu steigern und ein nachhaltiges finanzielles Wachstum zu erreichen.
Dies gliedert sich in drei Bereiche. Der erste ist die intelligente Erweiterung, deren Wert weit größer ist als die Effizienzsteigerung. Die Einsparung von Zeit bei wiederholten Tätigkeiten ist nur eine oberflächliche Anwendung mit geringem wirtschaftlichen Wert. Nur die Veränderung von Abläufen und die Stärkung der Organisationsfähigkeit bringen einen größeren Wert, sodass Dinge erreicht werden, die früher nicht möglich waren, oder das Niveau von 60 Punkten auf 80 Punkte angehoben wird.
Der zweite ist die organisatorische Veränderung. Die Veränderung der Art der Zusammenarbeit zwischen Mensch und Maschine erhöht die Organisationseffizienz – beachten Sie: Es ist die Organisationseffizienz, nicht die individuelle Effizienz.
Der dritte ist das Ökosystem, die Evolution des Geschäftsmodells. Der kurzfristige Wert besteht in der Umsatzsteigerung, Kostensenkung und Effizienzsteigerung. Der langfristige Wert besteht darin, mit KI neue Wachstumsmotoren zu schaffen und das Geschäftsmodell neu zu gestalten.
Ich stimme besonders der Definition zu, die ein Unternehmen für die KI-Transformation gegeben hat: KI ist kein Werkzeug, sondern ein Upgrade der Betriebsfähigkeit und der Art der organisatorischen Zusammenarbeit.
Sie hat drei Kernschlussfolgerungen:
Erstens: KI ist eine unvermeidliche Aktualisierung der Betriebsweise von Unternehmen;
Zweitens: KI ersetzt weder Menschen noch Systeme, sondern gestaltet die Arbeitsteilung zwischen den drei neu: Das System verwaltet Fakten, KI verwaltet Erkenntnisse und Menschen verwalten Entscheidungen;
Drittens: Das Ziel ist nicht die Inbetriebnahme von Agenten, sondern die Bildung einer reproduzierbaren, nachvollziehbaren und evolvierbaren Betriebsfähigkeit.
Der Umsetzungsgedanke lautet: Die Datenbasis aus echten Szenarien ergänzen, KI-Positionen planen, neue Wettbewerbsvorteile bilden und schließlich die Organisation dazu bringen, sich durch die Zusammenarbeit von Daten, Wissen, KI und Menschen weiterzuentwickeln, anstatt von individuellen Erfahrungen angetrieben zu werden.
2. Externe Faktoren: Schnelle Aktualisierung, schwere Halluzinationen, zu viele Tools
Die Verbesserung der Reife externer neuer Technologien ermöglicht die Monetarisierung vieler Geschäftsszenarien. Unsere eigenen Beobachtungen zeigen jedoch, dass die KI-Transformation in vielen Unternehmen intern zu langsam voranschreitet. Die Prozessverwaltung, die Veränderung der organisatorischen Arbeitsteilung und die Anhäufung von Wissensdatenbanken verlaufen alle langsam, was die endgültige Effizienz direkt beeinträchtigt. Die Hindernisse lassen sich in externe und interne Faktoren unterteilen. Zuerst zu den externen Faktoren.
Erstens: Die Modelle werden immer schneller veröffentlicht. Letztes Frühlingsfest wurde nur DeepSeek veröffentlicht. Vor diesem Frühlingsfest wurden bereits Doubao 2.0 und Qwen 3.5 veröffentlicht; Ende April wurden Claude 4.7, Kimi 2.6 und GPT5.5 veröffentlicht; inzwischen ist Qwen bereits bei Version 3.8 und GPT bei Version 5.6 angekommen. Unternehmen fühlen sich wie Kui, der der Sonne nachjagt und nie mithalten kann.
Zweitens: Die Halluzinationen sind immer noch schwerwiegend. Die meisten Modelle sind mit Trainingsdaten bis Ende 2024 trainiert, es gibt eine Informationslücke von eineinhalb Jahren. Wenn keine Informationen über die Netzwerksuche gefunden werden können, ist das größte Problem von KI, dass sie nicht sagen kann „Ich kann das nicht“, sondern eine falsche Antwort erfindet.
Drittens: Der Return on Investment ist ungewiss. Unternehmen haben kein ROI-Dashboard und können nicht nachvollziehen, wie viel sie ausgegeben haben und wie viel der Ertrag ist. Das Dashboard muss selbst erstellt werden.
Viertens: Komplexe Fachbegriffe und zu viele Tools. Heute gibt es Zehntausende von AIGC-Tools, und ein Unternehmen verwendet durchschnittlich mehr als 30 davon. Für den Kundenservice gibt es Dianxiaomi, Qianniu, Feige, Chitu und andere, für Kurzvideos gibt es Jimeng, Jianying, Keling und andere. Jede Abteilung hat eine Vielzahl von Tools, die ständig aktualisiert und ersetzt werden, was zu hohen Versuchskosten führt.
3. Interne Faktoren: Keine Ziele, keine Wege, keine Bewertung, keine Meilensteine
Die internen Faktoren sind fataler, es gibt vier Punkte.
Erstens: Keine echten Ziele. Ich habe gefragt, wer schon einmal KI-Kennzahlen festgelegt hat, fast niemand hat die Hand gehoben. Herr Ma von Alibaba hat einmal gesagt: „Ist die Strategie Ihres Unternehmens klar genug, dass selbst die Reinigungskraft sie erklären kann?“ Wenn die Ziele unscharf sind und alle sie von unten nach oben langsam durchdringen lassen, lässt sie sich nicht vorantreiben.
Zweitens: Es gibt Ziele, aber keine klaren Wege, die Ziele hängen nur an der Wand.
Drittens: Es gibt Wege, aber keine Bewertung. Viele KI-Verantwortliche sind nebenberuflich tätig, es ist schwierig, die Hauptaufgabe und die Nebenaufgabe auszugleichen. Die menschliche Neigung geht zur Hauptaufgabe, sodass der Fortschritt langsam ist. Die Mentalität ist: „Schlimmsten