Der Wettbewerb um Personal Agent beginnt, bevor die Nutzer sich darüber vollständig im Klaren sind.

Wer die noch unklaren Bedürfnisse der Nutzer früher aufgreifen kann, hat größere Chancen, zu einem neuen Konsumzugang zu werden.

Wann genau beginnt ein Konsumvorgang? Viele Menschen glauben, es sei der Moment, in dem sie die Bestellung aufgeben und bezahlen. Wenn Sie sich aber an einen kürzlichen Ausflug erinnern, werden Sie feststellen, dass sein Ausgangspunkt viel früher liegt.

Bevor Sie ein Restaurant buchen, haben Sie möglicherweise verschiedene Gedanken gehabt: Freunde treffen, etwas feiern, die Umgebung wechseln und so weiter. Der gleiche Gedanke "heute Abend ausgehen" kann letztendlich zu einem Essen, einer Vorstellung oder auch einer Route ohne festes Ziel führen.

Mit anderen Worten: Der Konsum hat bereits begonnen, bevor konkrete Informationen wie Name des Lokals, Kategorie oder Preis auftauchen. In dieser Phase hat er noch keinen Namen, er ähnelt eher einer vagen Stimmung, einem noch nicht ausgereiften Wunsch. Die Suche, Inhaltsempfehlungen und Ratschläge von Freunden beeinflussen diesen Prozess.

Karpo, das von MachinePulse auf den Markt gebracht wurde, ist genau ein KI-Produkt mit Fokus auf das städtische Leben, das in diesem Glied eine entsprechende Wahl trifft.

Ausgehend von einer Stimmung: Wählen Sie den gewünschten Zustand, beschreiben Sie das Gefühl, das Sie haben wollen, und Karpo gibt Ihnen konkrete Orte an. Bildquelle: Karpo

Es steht nicht am gleichen Ausgangspunkt wie Tools wie Resy oder Google Maps. Letztere kümmern sich um Dinge, die passieren, nachdem Sie bereits wissen, wonach Sie suchen: Orte nachschlagen, Bewertungen ansehen, Routen planen und so weiter. Karpo hingegen konzentriert sich darauf, Nutzern zu helfen, von einem vagen Gedanken zu einer konkreten Vereinbarung zu gelangen, wenn sie noch kein Ziel festgelegt haben oder sogar noch nicht bestimmt haben, welche Art von Aktivität sie durchführen wollen.

Hinter dieser Wahl steht ein Team mit Erfahrung in verbraucherorientierten KI-Produkten. Gründerin Leah war Mitglied des frühen Teams von Doubao und hat den gesamten Prozess von Doubao von 0 bis 100 Millionen DAU begleitet. Mitgründer Allen war früher Ingenieur bei Doubao und TikTok und hat mehrere Unternehmungen gegründet. Ein weiterer Mitgründer Alex war zuvor Leiter des Produktteams von Step Function Agent.

Mit diesen Erfahrungen hat das Team beschlossen, den Markt im Ausland zu erkunden, um das Konzept "Lebensstil × KI" umzusetzen. Ihrer Meinung nach erfordert die gute Betreuung einer Person die Nähe zu konkreten Szenarien, das Verständnis des persönlichen Geschmacks und den Umgang mit dem realen Angebot. Dies bietet einen konkreten Einstiegspunkt für verbraucherorientierte Personal Agents.

Was wird also im Wettbewerb um Personal Agent passieren, wenn KI in der Lage ist, vor der Bildung klarer Bedürfnisse in die Entscheidungsfindung einzugreifen?

Vom Suchen nach Antworten zur Mitgestaltung der Bedarfsbildung

Zuerst sollten wir uns klar machen: Die entscheidende Veränderung, die Personal Agent mit sich bringt, besteht nicht nur darin, dass es mehrere Dinge erledigen kann, sondern auch darin, dass das Problem "ob der Bedarf klar ist", das früher standardmäßig von den Nutzern selbst gelöst wurde, zu einem Objekt wird, das das Produkt verarbeiten muss.

Hier liegt die Trennlinie zwischen zwei Fähigkeiten. Die Ausführungsfähigkeit löst das Problem, wie man eine Sache erledigt: Sobald das Ziel festgelegt ist, bleiben nur Schritte zu zerlegen, Tools aufzurufen und den Prozess voranzutreiben. Die Absichtserfassung hingegen löst das weiter vorne liegende Problem: Sie hilft Nutzern, Schritt für Schritt herauszufinden, was sie eigentlich wollen. Letzteres ist besonders häufig in Szenarien von Lebensentscheidungen zu sehen.

Lebenserfahrungen vermischen oft Emotionen, Ästhetik, soziale Beziehungen und spontane Einfälle. Menschen erwarten möglicherweise bereits ein bestimmtes Gefühl, wissen aber noch nicht, welche Aktivität oder welcher Ort dies erfüllen kann. Der Bedarf existiert nicht nicht, er ist nur noch nicht zu einer direkt ausführbaren Anforderung strukturiert.

Dieses Verständnis spiegelt sich auch in Informationen wider, die nicht wiederholt ausgesprochen werden. Wenn Sie Karpo beispielsweise fragen: "Ich möchte an einem ruhigen Ort laufen, wo ist das geeignet?", erwähnen Sie weder Hunde noch Autos.

Aber die Antwort von Karpo beginnt mit: "Es ist völlig in Ordnung, mit Koda am Flussufer zu laufen." Koda ist der Hund zu Hause, an den sich Karpo erinnert. Es empfiehlt zwei ruhige, hundefreundliche Orte, an denen man leicht ins Wasser gelangen kann, und fügt dann hinzu: "Es ist kein Problem, mit dem Sportage dorthin zu fahren. Das Motoröl dieses Autos muss gewechselt werden, aber das beeinträchtigt die heutige Hin- und Rückfahrt nicht."

Sie müssen Ihr Leben nicht jedes Mal neu erklären – das ist das echte Gefühl, nachdem Sie die Antwort erhalten haben.

Natürlich ist dies eine Interaktion, die erst stattfinden kann, wenn das persönliche Verständnis einen bestimmten Grad erreicht hat: Die Grundlage ist nicht nur die aktuelle Nachricht, sondern auch der Kontext, der sich aus vorherigen Dialogen ergibt. Die Absichtserfassung findet nicht nur in einer einzelnen Frage und Antwort statt, sie erfordert eine anhaltende Beziehung als Grundlage.

Aber um dies gut zu machen, reicht es nicht aus, sich nur zu merken, was man mag.

Ein Nutzer, der gerade in New York angekommen ist, teilt Karpo seine Interessen mit. Karpo empfiehlt ständig Orte, die von Gleichgesinnten häufig besucht werden, und hilft ihr, in der neuen Stadt feste Anlaufstellen und Freunde zu finden.

Wenn eine Person lange Zeit Kunst liebt, bedeutet das nicht, dass sie jedes Wochenende bereit ist, in ein Kunstmuseum zu gehen. Frühere Vorlieben bilden die Grundlage für das Verständnis, während die aktuelle Stimmung, die Begleitpersonen und der Zeitplan bestimmen, wie die Empfehlung diesmal angepasst werden soll. Wenn Sie eine Ausstellung besuchen, sind Sie möglicherweise bereit, einen halben Tag damit zu verbringen, die Werke allein zu studieren. Wenn Sie mit Freunden unterwegs sind, legen Sie möglicherweise mehr Wert darauf, dass beide Seiten Interesse haben.

Feedback muss ebenfalls im konkreten Kontext verstanden werden. Wenn ein Nutzer eine Ausstellung aufgibt, kann das daran liegen, dass der Inhalt nicht seinem Interesse entspricht, oder einfach daran, dass der Ort zu weit entfernt ist. Die beiden Gründe liefern unterschiedliche Grundlagen für die nächste Empfehlung. Das Verständnis einer Person muss diese Veränderungen aufnehmen können und zwischen stabilen Vorlieben und einmaligen Auswahlbedingungen unterscheiden.

Das "aktive Erlebnis" baut ebenfalls auf diesem Verständnis auf. Eine aktiv zugesandte Nachricht ist nur eine Interaktionsform. Der Wert der Empfehlung hängt mehr vom Kontext und dem richtigen Zeitpunkt ab, und davon, ob sie dem Nutzer hilft, den nächsten Schritt zu machen. Das Produkt muss auf Basis von Dialogen, Vorlieben und konkreten Szenarien zu passenden Zeitpunkten relevante Auswahlmöglichkeiten vorschlagen, damit der Nutzer sie bestätigen, anpassen und schrittweise eine Vereinbarung treffen kann.

Der Ausgangspunkt des Wettbewerbs um die Absichtserfassung besteht darin, die Kosten für Nutzer zu senken, ihre Bedürfnisse auszudrücken und Auswahlmöglichkeiten zu bilden. Ob die Wahl tatsächlich zu einem Erlebnis wird, hängt noch von einer anderen Sache ab: Wie die KI das Verständnis einer Person mit dem real vorhandenen Angebot in der Stadt verbindet.

Nach dem Verstehen einer Person muss die Welt vor ihr neu organisiert werden

Tatsächlich ist es nicht gleichbedeutend mit dem Abschluss des Dienstes, eine vage Absicht klar zu machen. Was es in der Nähe gibt, wann es geöffnet ist, ob es für die Begleitpersonen geeignet ist, wie Verkehr und Aktivität miteinander verbunden sind – all das beeinflusst, ob eine Empfehlung zu einer realen Vereinbarung werden kann. Selbst wenn das subjektive Gefühl sehr genau ist, muss es letztendlich von Zeit, Raum und Angebotsbedingungen geprüft werden.

Das bedeutet, dass die KI nicht nur verstehen muss, was empfehlenswert ist, sondern auch die Beziehungen zwischen verschiedenen Optionen. Wie lange man an einem Ort bleiben sollte, wie weit er vom nächsten Ziel entfernt ist und ob der Rhythmus der gesamten Vereinbarung den Erwartungen des Nutzers entspricht – all das beeinflusst das letztendliche Erlebnis.

Nach der Bestätigung des Bedarfs vergleicht Karpo die Preise, prüft die Regeln für Umbuchung und Rückerstattung, treibt den Ticketkauf voran und lässt den Nutzer vor der Bestellung bestätigen.

Eine Art von Bedarf kann diese Fähigkeit besonders gut prüfen: Wenn das Zeitfenster eingeschränkt ist, kann die KI das städtische Angebot zu einer rhythmischen Route organisieren? Beispielsweise sendet ein Nutzer während eines Flugtransfers eine Nachricht: "Ich lande um 1:10 in Barcelona, mein nächster Flug geht um 9:20, was kann ich in der Zwischenzeit machen?"

Karpo wandelt die Einschränkung von etwa 8 Stunden in eine geschlossene Route um: Zuerst gehen Sie nach El Born, laufen entlang der Santa Maria del Mar zum Port Vell und weiter zum Strand von Barceloneta, um die Altstadt und die Meereslandschaft miteinander zu verbinden und Umwege zu vermeiden. Dann reservieren Sie im Voraus einen Tisch im Can Solé, "sonst vergeht die Transferzeit mit dem Warten auf einen Platz". Am Nachmittag gehen Sie nach Montjuïc, um den Sonnenuntergang zu sehen, fahren um 6:45 los und kehren direkt zum Flughafen El Prat zurück.

Sie fragen sich vielleicht: "Warte, ich kann das Meer sehen, Paella essen und noch den Sonnenuntergang erleben?" Die Antwort von Karpo lautet: "Und Sie schaffen es noch, Ihren Flug zu erreichen."

Der Schwerpunkt liegt nicht darauf, welche Orte Karpo empfiehlt, sondern darauf, dass die Reihenfolge und der Zeitpunkt jedes Ortes um das Transferfenster herum angeordnet sind: Die Route vermeidet Umwege, die Restaurantreservierung reduziert Wartezeiten, und der Rückkehrpunkt dient dazu, den nächsten Flug zu erreichen.

Das ist genau der Unterschied zwischen "Angebotsorganisation" und "Informationsabruf": Beim Abruf findet man nur eine passende Option. Bei der Angebotsorganisation werden mehrere ursprünglich verteilte Geschäfte und Orte nach den Bedürfnissen und dem Rhythmus dieser einen Person kombiniert, sodass sie gemeinsam eine vollständige Lebensvereinbarung erfüllen.

Wenn man das klar verstanden hat, versteht man auch, warum Karpo das städtische Leben als Einstiegspunkt gewählt hat.

Essen, Trinken und Unterhaltung scheinen leichte Szenarien zu sein, beinhalten aber gleichzeitig komplexe Probleme wie persönlichen Geschmack, lokale Informationen und Handlungsvereinbarungen. Nutzer haben oft keine fehlenden Auswahlmöglichkeiten, sondern wissen nicht, welche Auswahl im Moment am besten zu ihnen passt. Der Inhalt, den eine Stadt bietet, ist reichhaltig genug, was bedeutet, dass das Filtern und Kombinieren Aufwand erfordert. Je mehr Orte und je reichhaltiger die Aktivitäten sind, desto einfacher ist der Prozess, eine passende Vereinbarung zu finden, nicht unbedingt.

Das Gleiche gilt für die Angebotsseite. Geschäfte besitzen Angebote, werden aber möglicherweise nicht von den Personen entdeckt, die sie genau brauchen. Ein Restaurant hat seine eigene Atmosphäre, eine Ausstellung hat einen bestimmten Ausdruck – diese Merkmale können nicht immer vollständig durch Labels wie Bewertungen, Kategorien oder Beliebtheit dargestellt werden.

Die Chance der KI liegt genau zwischen diesen beiden Seiten.

Wer die Absicht aufgreift, hat die Chance, die Richtung des Konsums zu beeinflussen

Wenn KI an der Bedarfsbildung teilnimmt und weiter Auswahlmöglichkeiten und Handlungen organisiert, hat sie die Chance, die Konsumzugänge und die Verteilungsbeziehungen zu verändern. Das ist die kommerzielle Bedeutung des Wettbewerbs um die Absichtserfassung, die die Branche beachten sollte.

Wie bereits gesagt wird die Richtung eines Konsums oft schon vor der Bestellung beeinflusst. Personal Agent erforscht, wie das Verständnis der Absicht durch anhaltende Kommunikation rund um die Person weiter mit nachfolgenden Vereinbarungen verbunden werden kann.

Wenn eine Person keine Kategorie, kein Ziel oder kein Geschäft festlegen muss, um eine Lebensvereinbarung zu starten, kann der Bedarf im Austausch mit der KI die ursprünglichen Kategorien überschreiten. Von dem Gedanken, sich zu entspannen, über die Entscheidung, eine Ausstellung zu besuchen, bis zur Vereinbarung eines Restaurants in der Nähe – mehrere Optionen, die ursprünglich separat gesucht und verglichen werden mussten, können sich schrittweise um denselben Gedanken entfalten. Die Logik der Angebotsseite ändert sich ebenfalls, und der Dienst hat die Chance, nicht nur ein Produkt anzubieten, sondern einen gesamten Bedarfsabschnitt aufzugreifen.

In der Ära von Suchmaschinen und Bewertungsplattformen hängt es stark davon ab, ob ein Geschäft oder eine Aktivität entdeckt werden kann, ob es zu den vom Nutzer eingegebenen Schlüsselwörtern passt, ob die Bewertung hoch genug ist und ob die Position weit genug vorne liegt. Wenn die Auswahl von der KI um die konkrete Person herum organisiert wird, hängt sie stärker davon ab, wie gut sie zu einem bestimmten Nutzer und einem konkreten Szenario passt.

Das führt zu einer wichtigen Veränderung: Erlebnisse, die schwer mit Schlüsselwörtern zu beschreiben sind und früher deshalb schwer zu finden waren, können erstmals in den Auswahlbereich des Nutzers gelangen, weil sie genau zu seinem Interesse passen. Die Sichtbarkeit des Angebots wird nicht mehr nur vom Suchfeld bestimmt.

Gerade weil man das Gewicht dieser Position erkannt hat, hat das Kapital bereits begonnen, vorab zu investieren.

Derzeit hat Karpo Unterstützung von Institutionen wie Creekstone Ventures, GL Ventures und BlueRun Ventures erhalten, mit einer gesamten Finanzierung von mehreren zehn Millionen US-Dollar.