Bei gleicher Nutzung von KI, womit sichern sich die Top-Talente den größten Bonus?

Viele Menschen glauben, dass KI die Leistungsunterschiede ausgleichen wird. Umfragen zeigen jedoch, dass die größten Vorteile von KI in der Regel an die Spitzenkräfte fließen. Sie nutzen KI nicht nur, um Zeit zu sparen, sondern erkunden auch aktiv die Tools und betrachten KI als Denkpartner. Unternehmen können die Personalauswahl, Stellenbeschreibungen, Tool-Auswahl und Berechtigungsregelungen schrittweise anpassen, um sich an diese neuen Veränderungen anzupassen.

Generative KI hat zwei völlig gegensätzliche Ansichten hervorgebracht, die sich darum drehen, welche Berufsgruppen am meisten davon profitieren. Eine Ansicht besagt, dass KI die Leistungsunterschiede verkleinern wird: Sie kann direkt in Arbeitsabläufe integriert werden und durchschnittlichen Mitarbeitern Vorlagen, fertige Antworten und Anleitungen bieten. Die andere Ansicht vertritt, dass KI die Unterschiede vergrößern wird – nachdem routinemäßige, aber notwendige Arbeiten automatisiert wurden, können Spitzenkräfte mehr Zeit für hochwertige Arbeiten aufwenden, bei denen sie ohnehin im Vorteil sind.

Betrachtet man jede einzelne Aufgabe für sich, können sowohl leistungsstarke als auch durchschnittliche Mitarbeiter davon profitieren. Die entscheidendere Frage ist jedoch, welcher Effekt sich durchsetzt, wenn man ihn in einem echten Arbeitsplatz betrachtet (wo Mitarbeiter gleichzeitig eine ganze Reihe verschiedener Aufgaben bewältigen müssen). Die Antwort darauf wirkt sich direkt auf die Rekrutierung, Schulung, Teamaufbau und alle Arten von Managementsystemen aus, die für die vorhandene Personalstruktur entwickelt werden.

Zwei der Autoren dieses Artikels sind Technologieökonomen, der dritte ist der Geschäftsführer von Terret, einem Unternehmen, das sich darauf spezialisiert hat, Institutionen bei der Implementierung von KI in Umsatzteams zu unterstützen. Um die Auswirkungen von KI in führenden Unternehmen zu untersuchen, haben wir unseren Forschungsschwerpunkt auf Vertriebsstellen gelegt. Vertriebsstellen eignen sich hervorragend, um zu verstehen, wie KI die Leistung beeinflusst: Sie umfassen sowohl wiederholende Arbeiten als auch Tätigkeiten, die stark von Urteilsvermögen abhängen. Die Ergebnisse dieser Studie wurden noch nicht in anderen Kanälen veröffentlicht. Wir haben acht Führungskräfte mit Umsatzverantwortung im CRO-Beratungsausschuss von Bain Capital Ventures interviewt, mehr als zehn Beratungsseminare mit Vertriebsleitern durchgeführt und eine Umfrage unter 236 Vertriebsmitarbeitern der Unternehmen Stripe und Checkr durchgeführt.

Eines unserer zentralen Ergebnisse: KI hilft im Großen und Ganzen allen Mitarbeitern, aber zumindest in Vorreiterunternehmen, die KI aktiv anwenden, fließen die größten Vorteile in der Regel an die Spitzenkräfte. In diesem Artikel erläutern wir die Gründe dafür. Einfach ausgedrückt: KI spart zwar Zeit, aber noch wichtiger ist, dass sie die bereits vorhandenen Vorteile von Spitzenkräften verstärkt. Um dies zu erreichen, müssen Führungskräfte vier Schlüsselfragen bewältigen: Wie man Talente rekrutiert und interviewt, die für das KI-Zeitalter geeignet sind; wie man Einstiegspositionen neu gestaltet, damit sie weiterhin als Talentpipeline dienen; welche KI-Funktionen selbst entwickelt und welche direkt eingekauft werden sollen; und wie man das Gleichgewicht hält – Hintergrundinformationen zentral zu verwalten und gleichzeitig die Berechtigungen für Erkundung und Innovation zu dezentralisieren. Obwohl sich unsere Forschung auf den Vertrieb konzentriert, ist dieser zentrale Widerspruch (ob KI die Qualifikationsunterschiede verkleinert oder vergrößert) höchstwahrscheinlich in einer Vielzahl von Stellen zu beobachten. Solange eine Arbeit gleichzeitig routinemäßige Aufgaben und urteilsintensive Tätigkeiten umfasst, stehen Beratung, Kundenbetreuung und sogar ein breiterer Bereich von wissensbasierten Tätigkeiten vor dem gleichen Problem.

Der Aufstieg der selbstständigen Entdecker

Warum profitieren Spitzenkräfte mehr von KI?

Unsere ursprüngliche Logik war einfach: KI übernimmt wiederholende Arbeiten, und die Spitzenkräfte nutzen die gesparte Zeit, um mehr Kontakte zu knüpfen, mehr Kundenkonten zu pflegen und mehr Kundengespräche zu führen. Die Umfragedaten bestätigen dies teilweise. Die leistungsstärkeren Vertriebsmitarbeiter in der Umfrage sparen tatsächlich mehr Zeit als ihre leistungsschwächeren Kollegen. Führungskräfte berichten, dass nach der Einführung von KI 44 % der Spitzenverkäufer im oberen 25 %-Bereich mit höherwertigen Aufgaben betraut wurden, während dieser Anteil bei den Mitarbeitern im unteren 25 %-Bereich nur 12 % beträgt.

Aber es wirkt noch ein zentralerer Mechanismus: Spitzenkräfte sind mit der Nutzung von KI-Tools besser vertraut und können sogar selbst Tools erstellen; sie nutzen KI während des gesamten Transaktionszyklus, anstatt sie nur zur Lösung einzelner taktischer Probleme einzusetzen. Neben der Zeitersparnis bei Recherchen, Inhaltserstellung und Dokumentenorganisation betrachten sie KI als Denkpartner, um Strategien zu verfeinern, vergangene Gespräche nachzuarbeiten, Kundeneinwände vorauszusehen und Verhandlungstaktiken zu üben. Diese umfassendere Art der Anwendung hilft ihnen, die Abschlussrate zu erhöhen. Führungskräfte berichten, dass der Anteil der Spitzenkräfte, die eine Verbesserung der Arbeitsqualität erreichen, um 16 Prozentpunkte höher ist als der der unteren Leistungsgruppe, was bedeutet, dass die Leistungssteigerung nicht auf Kosten des Kundenerlebnisses erfolgt.

Viele Menschen mögen glauben, dass diese Hilfstools für die Vorbereitung leistungsschwächeren Mitarbeitern größeren Nutzen bringen sollten. Beispielsweise zeigen Studien, dass Kundendienstmitarbeiter mit durchschnittlicher Leistung deutlich profitieren, wenn während des Anrufs automatisch KI-Vorschläge auf dem Bildschirm eingeblendet werden. Aber die Vertriebsszene ist völlig anders: Vertriebsmitarbeiter müssen Tools aktiv auswählen, Arbeitsabläufe entwerfen und sich an technische Suiten anpassen, die sich extrem schnell weiterentwickeln und ständig verändern.

KI-Kompetenz ist genau der Kern, der die oben genannten Leistungsunterschiede bestimmt. In der Umfrage bewerteten die Befragten ihre eigene KI-Kompetenz und den Nutzen, den sie aus KI ziehen, auf einer Skala von 1 bis 5. Mit jedem Punkt, um den die Kompetenz steigt, steigt der wahrgenommene Nutzen im Durchschnitt um 0,71 Punkte. Die hier genannte KI-Kompetenz bedeutet nicht einfach nur Vertrauen in KI (der Zusammenhang zwischen Vertrauen und Nutzen ist nahezu null). Sie umfasst: die Fähigkeit, vorhandene KI-Tools zu nutzen, neue Tools schnell zu erlernen, die Ausgaben von KI zu prüfen, Fehler zu beheben und zu wissen, wann Menschen die endgültige Entscheidung treffen müssen. Diese Unterscheidung ist von entscheidender Bedeutung – KI-Tools entwickeln sich so schnell, dass statische Schulungen und traditionelle Lernmethoden die ständig auftauchenden neuen Anwendungen gar nicht abdecken können.

Spitzenkräfte warten nicht darauf, dass das Unternehmen Schulungen oder Demonstrationen organisiert. Sie sind aktive selbstständige Entdecker, was ihnen mehr Chancen gibt, die Vorteile von KI zu nutzen. Diese Personen bauen ihre KI-Kompetenz Schritt für Schritt durch Ausprobieren, schnelle Iteration, Vergleich mit Kollegen, Feedback-Austausch und gemeinsamen Erfahrungsaustausch auf. Aus den Rückmeldungen der Führungskräfte gehen einige gemeinsame Faktoren für den Erfolg hervor: Führungskräfte gehen mit gutem Beispiel voran, ermutigen zum Ausprobieren, fördern den Wissensaustausch unter Kollegen und lassen Vorreiter praktische, umsetzbare Beispiele vorstellen.

In den Interviews gibt es viele Beispiele: Spitzenkräfte suchen ständig nach Möglichkeiten, ihre Fähigkeiten zu verbessern, außerhalb der offiziellen Schulungen des Unternehmens. Beispielsweise hat ein Vertriebsmitarbeiter bei der Prüfplattform Checkr bereits vor der Verbreitung dieser Hilfstools selbst einen intelligenten Verhandlungsassistenten entwickelt. Lindsey Scrase, Chief Operating Officer von Checkr, sagt, dass diese kreativen, auf die Kundenszenarien abgestimmten Anwendungen genau das sind, was Spitzenverkäufer von anderen unterscheidet.

Scrase erläutert, dass mit der Weiterentwicklung der KI-Tools die Vertriebsmitarbeiter von Checkr jetzt hochgradig personalisierte Nachrichten für potenzielle Kunden erstellen, Arbeitsabläufe zur Verwaltung großer Kundenbestände aufbauen und Kundensignale erfassen können. All dies zusammen führt zu einer spürbaren Verbesserung der Umsatzumwandlung und des Kundenerlebnisses. Ein ähnliches Beispiel gibt es auch beim Fintech-Unternehmen Brex: Ein Mitarbeiter hat an einem Wochenende ein praktisches KI-Tool entwickelt, das das Unternehmen anschließend intern weit verbreitet hat.

Rekrutierung und Talentpipeline neu überdenken

Wenn Personen, die aktiv selbstständig lernen und entdecken, leichter hervorstechen, müssen Unternehmen bei der Rekrutierung und Stellenbeschreibung diese Eigenschaft gezielt auswählen und fördern, statt nur zu prüfen, ob Mitarbeiter „KI nutzen können“. Kevan Yalowitz, globaler Branchenleiter für Software- und Plattformgeschäft bei Accenture, der für den Vertriebsbereich zuständig ist, erwähnt: Spitzenkräfte können sich schnell an das sich ständig verändernde KI-Umfeld anpassen, während andere strukturierte Schulungen und kontinuierliche Unterstützung benötigen.

Daher ist die Auswahl von Lern- und Anpassungsfähigkeit ein unverzichtbarer Bestandteil der Rekrutierung. Führungskräfte sollten Kandidaten nicht nur fragen „Können Sie KI nutzen?“, sondern sie fragen, wie sie KI lernen. Hochwertige Vorstellungsgespräche erfordern die Vertiefung dieser Fragen: Hat der Kandidat jemals einen KI-Arbeitsablauf erstellt oder optimiert? Hat er jemals verschiedene KI-Ausgaben verglichen und KI-Fehler erkannt? Hat er jemals KI genutzt, um sich auf die Kommunikation mit bestimmten Kunden vorzubereiten? Oder hat er jemals entschieden, KI nicht zu nutzen, weil das Kundenszenario hochsensibel ist und ein hohes Risiko birgt?

Diese Art von Fragen verlagert den Prüfschwerpunkt von der Vertrautheit mit Tools auf Neugier und selbstständige Lernfähigkeit und hilft Unternehmen, Kandidaten zu finden, die bereit sind, ihre Arbeitsweise ständig zu optimieren und klar erläutern können, warum neue Methoden die Ergebnisse verbessern. In den Interviews gibt es eine sehr aufschlussreiche Interviewidee von einer Führungskraft: Er bittet den Kandidaten, „die KI-Interaktionsaufzeichnungen zu teilen, die Sie zur Vorbereitung auf dieses Vorstellungsgespräch verwendet haben“.

Neben der Rekrutierung müssen Führungskräfte auch Einstiegspositionen neu gestalten – diese Stellen waren ursprünglich Sprungbretter für Mitarbeiter, um in höhere Positionen aufzusteigen. Die Stelle des Vertriebsentwicklungsbeauftragten (SDR) macht dieses Problem besonders deutlich. Die meisten Aufgaben des SDR zur Lead-Generierung und zur Pflege von Geschäftsmöglichkeiten sind wiederholend und folgen festen Regeln, was sie natürlich für die KI-Automatisierung eignet. Gleichzeitig ist sie aber auch ein typischer Einstiegspunkt in die Vertriebskarriere und die wichtigste Talentquelle für die Stelle des Kundenbetreuers.

Angesichts dieses Widerspruchs hat Garrett Marker, Chief Revenue Officer von Brex, sich für die Neugestaltung der Stelle entschieden: 20 %–40 % der manuellen Arbeiten werden automatisiert, sodass ehrgeizige SDR die gesparte Zeit nutzen können, um unabhängig Transaktionen im gesamten Zyklus zu begleiten. Wenn ein SDR die ursprünglichen Ziele erreicht und gleichzeitig eine bestimmte Anzahl von Aufträgen im gesamten Zyklus erfolgreich abschließt, kann er direkt zum Kundenbetreuer befördert werden. Das Unternehmen hat diese Stelle nicht vollständig automatisiert, sondern behält den Raum für Einsteiger, durch eigene Anstrengungen und Kreativität Werte zu schaffen. Dadurch werden zwei Gruppen unterschieden: die zukünftigen Spitzenkräfte, die durch KI gestützt werden und kontinuierlich wachsen, und diejenigen, die vollständig von KI abhängig sind und die Entscheidungsgewalt an Tools abgeben. Nach der Umgestaltung zieht diese Stelle hochwertigere Kandidaten an, die interne Beförderungen haben zugenommen und die Einarbeitungszeit für neue Mitarbeiter hat sich deutlich verkürzt.

Wie man die technische Lösung auswählt: Selbstentwicklung oder Einkauf

Die Vorteile der „selbstständigen Entdecker“ beruhen nicht nur auf persönlichen Eigenschaften, sondern auch darauf, welche Tools Vertriebsmitarbeiter erhalten und ob sie diese flexibel kombinieren können – was hohe Anforderungen an den technischen Stack des Unternehmens stellt. Der Wert von KI hängt eng mit den ausgewählten Tools zusammen. Die von uns interviewten Unternehmen vereinfachen ihre Lieferanten, gestalten die Benutzeroberflächen neu und prüfen sorgfältig, welche Arbeitsabläufe auf unternehmenseigenen Geschäftsdaten basieren müssen.

Früher mussten Vertriebsmitarbeiter zwischen einer Vielzahl nicht verbundener Tools wechseln: Salesforce, Gong, Outreach, ZoomInfo, Tabellen, Slack, zentrale Plattform für Vertriebsressourcen und verschiedene Dashboards. Jetzt bauen Führungskräfte eine kohärentere Betriebsebene auf, die Daten aus mehreren Systemen (CRM-Einträge, Gesprächstranskripte, Produktnutzungsdaten, Vertragsinformationen, öffentliche Informationen) verbindet und in einer einzigen Oberfläche zusammenführt, um vollständige geschäftliche Hintergrundinformationen zu erhalten. Beispielsweise hat Checkr etwa 20 Dienstleister bewertet und eine KI-Kontrollschicht aufgebaut, die mehrere Systeme, die Vertriebsmitarbeiter täglich nutzen, in einem einheitlichen Fenster zusammenführt.

Soll das Unternehmen fertige Tools direkt einkaufen oder sie intern selbst entwickeln? Christopher hat dieses Thema bereits in einem anderen Artikel der Harvard Business Review ausführlich erörtert. Für allgemeine Aufgaben, für die es auf dem Markt ausgereifte Lösungen gibt und die keine unternehmenseigenen Geschäftsdaten benötigen, ist der Einkauf vorzuziehen. Eileen O’Mara, ehemalige Chief Revenue Officer von Stripe und derzeitige stellvertretende Vorsitzende, erwähnt, dass die intelligente Dialogplattform Gong bei der Aufzeichnung von Gesprächen und der Empfehlung von nächsten Schritten sehr gut funktioniert, sodass Stripe diese Funktionen nicht selbst von Grund auf neu entwickelt. Aber wenn Aufgaben sensible Daten, komplexe Produktlogik oder branchenspezifische Geschäftsregeln betreffen, entscheidet sich Stripe für die Eigenentwicklung.

Brex verfolgt einen ähnlichen Ansatz: Fertige Tools können allgemeine Aufgaben verarbeiten, beispielsweise Notizen extrahieren und in CRM-Felder eintragen; echte differenzierende Wettbewerbsvorteile ergeben sich aus eigenen Daten und Geschäftslogik. Jeanne Grosser, Chief Operating Officer von Vercel, erzählt uns: Damit Agenten gut funktionieren, brauchen sie eine gut strukturierte Datenschicht, in der die eigene Definition des Unternehmens zu Kunden, Kundensegmentierung und potenziellen Chancen hinterlegt ist.

Die oben genannten Beispiele stammen alle von Vorreiterunternehmen mit tiefgreifenden KI-Fähigkeiten und ausreichenden Ressourcen, die Tools nach Bedarf