KI ist doch schon so leistungsstark, warum ist die Arbeit trotzdem noch so anstrengend?

KI kann bereits alle Aufgaben erledigen, warum sind die Unternehmen immer noch genauso wie früher?

In den letzten Jahren treiben viele Unternehmen die KI-Transformation voran.

Sie kaufen KI-Tools für Mitarbeiter, organisieren KI-Schulungen, ermutigen alle, KI-Coding zu nutzen, und beziehen sogar die Nutzung von KI in die Leistungsbewertung ein.

Nach all diesen Bemühungen, wie ist das Ergebnis?

Die Mitarbeiter schreiben Wochenberichte schneller, die Betriebsmitarbeiter erstellen Poster schneller, die Entwickler schreiben Code auch schneller. Aber bei der tatsächlichen Arbeit müssen Anforderungen immer noch schrittweise genehmigt werden, die abteilungsübergreifende Kommunikation ist nach wie vor schwierig, und für ein Projekt von der Projektgenehmigung bis zur Inbetriebnahme müssen immer noch mehr als ein Dutzend Sitzungen abgehalten werden.

Man hat mit KI mühsam einige Stunden eingespart, die werden dann aber wieder für Sitzungen und Berichte verschwendet.

Das ist ziemlich peinlich.

Die KI-Tools wurden aktualisiert, aber die Managementmethode des Unternehmens hat nicht mitgezogen.

Das ist wahrscheinlich das größte Problem, mit dem viele Unternehmen bei der Umsetzung der KI-Transformation zu kämpfen haben.

01.Shopify hat bereits begonnen, die Personalbeschaffung neu zu überdenken

Eine interne E-Mail des weltweit bekannten E-Commerce-Plattform Shopify hat in der Technologiebranche eine große Diskussion ausgelöst.

CEO Tobi Lütke stellte den Mitarbeitern eine Anforderung: Bevor das Team zusätzliche Mitarbeiter und Ressourcen beantragt, muss es nachweisen, warum die vorhandene Arbeit nicht durch KI erledigt werden kann.

Das Unternehmen plant außerdem, die Nutzung von KI in die Leistungs- und Kollegenbewertung einzubeziehen.

Diese Politik ist natürlich umstritten. Schließlich möchte kein Arbeitnehmer, dass sein Chef ständig darüber nachdenkt, ob seine Arbeit an KI übergeben werden kann.

Aus der Perspektive der Unternehmensführung lohnt es sich jedoch, diese Angelegenheit zu untersuchen.

Für ein Projekt, das ursprünglich 10 Personen erledigen mussten, wenn es mit KI-Unterstützung von 5 Personen abgeschlossen werden kann, muss das Unternehmen dann noch nach der ursprünglichen Art einstellen, Arbeit aufteilen und verwalten?

Wenn Produktmanager bereits mit KI-Coding Prototypen entwickeln können, Designer visuelle Lösungen in großen Mengen generieren können und Betriebsmitarbeiter mit Agenten eine große Anzahl wiederholender Arbeiten erledigen können, gibt es dann noch Raum für Anpassungen bei der traditionellen Teamkonfiguration?

Viele Unternehmen müssen diese Rechnung wahrscheinlich neu berechnen.

Bei der Vorgehensweise von Shopify gibt es jedoch einen bemerkenswerten Punkt: Das Unternehmen verlangt von den Teams, vor der Beantragung von Ressourcen die Fähigkeiten von KI zu berücksichtigen, was in der Praxis darauf abzielt, wie Arbeit neu verteilt wird.

Schließlich bedeutet die Tatsache, dass KI eine Arbeit erledigen kann, nicht, dass das Unternehmen direkt eine Stelle streichen kann. Die ursprünglichen Geschäfte, Kundenbeziehungen, Systemwartung und Risikomanagement müssen nach wie vor von jemandem verantwortet werden.

Darüber hinaus ist es für Unternehmen, die seit mehr als zehn oder mehreren Jahrzehnten entwickelt wurden, viel schwieriger, die Organisation anzupassen, als nur ein paar KI-Tools zu kaufen.

02.KI-native Organisation: Das größte Problem ist, was mit der alten Organisation zu tun ist?

Viele Menschen diskutieren über KI-native Organisationen und nehmen gerne einige KI-Startups als Beispiele.

Ein paar Personen können in Zusammenarbeit mit einer Vielzahl von KI-Agenten Aufgaben wie Produktentwicklung, Marketing und Kundenservice erledigen.

Das klingt sehr vielversprechend.

Aber die allermeisten Unternehmen haben keine Chance, von Grund auf neu zu starten.

Das Unternehmen hat bereits Hunderte oder Tausende von Mitarbeitern, die vorhandenen Produkte erzielen noch Gewinne, die Geschäftssysteme laufen seit vielen Jahren, und Organisationsstruktur, Berichtswege und Leistungsbewertung sind längst etabliert.

Wenn der Chef plötzlich ankündigt, eine KI-native Organisation aufbauen zu wollen, tauchen sofort Probleme auf.

Neue Teams können mit KI-Coding Produkte schnell entwickeln, aber die alten Entwicklerteams müssen über Code-Standards, Sicherheit, Stabilität und Systemkompatibilität nachdenken.

Neue Teams hoffen, Kundenanfragen automatisch mit Agenten zu bearbeiten, aber die alten Geschäftsteams fürchten, dass bei Problemen mit der Servicequalität sie am Ende selbst die Verantwortung tragen müssen.

Was noch realistischer ist: Das neue Team entwickelt möglicherweise gerade ein KI-Produkt, das höchstwahrscheinlich die Einnahmen der alten Produkte beeinträchtigen wird.

Wird der Leiter des alten Geschäftsbereichs bereit sein, dies aktiv voranzutreiben?

Besonders wenn die Leistungsindikatoren beider Seiten in Konflikt geraten, wird die Sache noch komplizierter.

Das erinnert mich an die Erfahrungen vieler Unternehmen in den vergangenen Jahren, die die digitale Transformation vorangetrieben haben.

Damals diskutierten alle auch über organisatorische Veränderungen, datengesteuerte Arbeit und agile Zusammenarbeit. Die Unternehmen gründeten digitale Abteilungen und führten verschiedene Systeme ein, um die ursprünglichen Geschäftsprozesse zu ändern.

Aber während der Umsetzung wurden viele Projekte immer noch von der ursprünglichen Organisationsstruktur und den Arbeitsgewohnheiten behindert.

Die neue Abteilung wollte Veränderungen vorantreiben, die alte Abteilung war damit beschäftigt, ihre eigenen Leistungsziele zu erreichen. Alle fanden Digitalisierung wichtig, aber sobald es um Budget, Personal, Entscheidungsbefugnisse und Interessenverteilung ging, war die Sache nicht mehr so einfach.

Die KI-Transformation könnte noch komplizierter sein.

Die digitale Transformation dreht sich hauptsächlich um Geschäftsprozesse und Daten, während KI die Möglichkeit hat, direkt an konkreten Arbeiten teilzunehmen oder diese sogar abzuschließen, was die bestehende Stellenaufteilung und Organisationskonfiguration beeinflusst.

Wenn KI tatsächlich die Hälfte der Arbeit einer Abteilung automatisieren kann, wer wird bereit sein, aktiv aufzustehen und diese Angelegenheit voranzutreiben?

Solche Probleme lassen sich nicht nur mit Technik lösen.

Ich denke, dass Unternehmen, die eine KI-native Organisation aufbauen wollen, möglicherweise einen nachhaltigen Kooperationsmodus zwischen der neuen und der alten Organisation finden müssen.

Zum Beispiel lassen kleine Teams zuerst in spezifischen Geschäftsszenarien Pilotprojekte durchführen, um neue Arbeitsabläufe zu validieren, bevor sie schrittweise in die bestehenden Geschäfte integriert werden. Für Innovationsprojekte, die die Einnahmen alter Produkte beeinträchtigen könnten, muss das Management die Leistungszuordnung und Anreizmechanismen neu überdenken.

Sonst wird das neue Team, so schnell es auch läuft, möglicherweise von der alten Organisation behindert.

03.Ohne Abbau der Abteilungsbarrieren nützt selbst die stärkste KI nichts

Es gibt noch ein sehr realistisches Problem: die Abteilungsbarrieren.

Die Geschäftsprozesse vieler Unternehmen sind von vornherein in einzelne unabhängige Abteilungen unterteilt.

Das Produktteam ist für die Anforderungen verantwortlich, das Entwicklungsteam für die Entwicklung, das Betriebsteam für das Wachstum, das Verkaufsteam für die Kunden und das Kundenservice-Team für den After-Sales-Service.

Jede Abteilung hat ihren eigenen Leiter, ihr eigenes Budget und ihre eigenen Leistungsindikatoren.

Nach dem Aufkommen von KI beginnen alle, ihre eigene Effizienz zu steigern.

Die Entwicklungsabteilung führt KI-Coding ein, die Marketingabteilung führt KI-Inhaltstools ein, die Kundenserviceabteilung setzt intelligente Kundenservices ein, und die Verkaufsabteilung hat auch ihre eigenen KI-Assistenten.

Betrachtet man jede einzelne Abteilung, hat sich die Effizienz möglicherweise verbessert.

Aber ein komplexes Geschäft erfordert oft die Zusammenarbeit mehrerer Abteilungen.

Nehmen wir ein Beispiel: Ein Unternehmen möchte Kundenanfragen automatisch mit KI bearbeiten und die Kunden zum Kauf bewegen.

Die Marketingabteilung ist für die Kundengewinnung verantwortlich, die Verkaufsabteilung für die Nachverfolgung, die Produktabteilung für die Systemkapazität und die Kundenserviceabteilung für den nachfolgenden Service.

Damit der KI-Agent den gesamten Prozess reibungslos abschließen kann, müssen Daten, Systeme und Geschäftsregeln mehrerer Abteilungen aufgerufen werden.

Die Marketingabteilung ist nicht bereit, ihre Daten zu teilen, der Verkauf fürchtet, dass KI seine Kundenressourcen beeinträchtigt, der Kundenservice verlangt mehr manuelle Prüfungen, und die Entwicklungsabteilung muss die Systemverbindung in ihren Zeitplan aufnehmen.

Am Ende nach mehreren Monaten Arbeit realisiert die KI möglicherweise nur das automatische Antworten auf Kundennachrichten.

Jede Abteilung hat ihr eigenes Ziel zur Effizienzsteigerung durch KI erreicht, aber die gesamte Geschäftseffizienz des Unternehmens hat sich nicht wesentlich verändert.

Eine globale KI-Umfrage von McKinsey spiegelt ähnliche Probleme wider: Fast 90 % der Befragten gaben an, dass ihre Organisation KI bereits in mindestens einem Geschäftsbereich einsetzt, aber nur 39 % der Befragten berichteten, dass KI das gesamte EBIT des Unternehmens beeinflusst hat.

Bei Unternehmen, die einen hohen Wert aus der KI-Nutzung ziehen, ist die Neugestaltung von Arbeitsabläufen ein herausragendes Merkmal.

Diese Zahlen verdienen es, von Unternehmensmanagern durchdacht zu werden.

Die Effizienz eines komplexen Geschäfts hängt oft davon ab, ob der gesamte Prozess reibungslos abläuft. Wenn ein Glied die Effizienz verzehnfacht, aber andere Glieder immer noch auf Genehmigungen warten, manuelle Eingaben machen und wiederholt kommunizieren müssen, wird das Endergebnis stark beeinträchtigt.

Damit KI wirklich an abteilungsübergreifenden Geschäften teilnehmen kann, muss möglicherweise jemand für das vollständige Geschäftsergebnis verantwortlich sein, anstatt nur die wenigen Indikatoren seiner eigenen Abteilung zu verwalten.

Zum Beispiel lassen sich Produkt, Entwicklung, Verkauf und Betrieb gemeinsam für die Konversionsrate und das Kundenerlebnis verantwortlich machen, wenn es um den Abschluss von Kundengeschäften geht.

Wie KI-Tools konfiguriert werden, wie Daten fließen und welche Glieder manuelle Prüfungen erfordern, werden alle auf dasselbe Geschäftsziel ausgerichtet.

Natürlich wird diese Anpassung auch die bestehenden Rechte- und Verantwortungsbeziehungen berühren.

Ist der Abteilungsleiter bereit, Ressourcen zu teilen? Wer ist verantwortlich, wenn etwas schiefgeht? Wem gehören die Leistungen, die durch KI erzeugt werden? An wen muss das neue Team berichten?

Jeder Punkt kann zu einem Widerstand gegen die Reform werden.

Das Schwierigste, was Unternehmen durchbrechen müssen, ist wahrscheinlich die organisatorische Trägheit, die seit Jahren läuft.

04.KI-native Organisation wird möglicherweise viele Stellen neu definieren

Mit der zunehmenden Leistungsfähigkeit von KI kann sich auch die Stellenaufteilung innerhalb von Unternehmen verändern.

Die ursprünglich getrennten Aufgaben von Produktmanagern, Designern, Entwicklungsingenieuren und Testingenieuren weisen immer mehr Überschneidungen auf.

KI-Coding ermöglicht es Produktmanagern, einige einfache Funktionen selbstständig zu implementieren, KI-Designtools verbessern die Effizienz der Designausgabe, und automatisiertes Testen verändert auch den traditionellen Entwicklungsprozess.

In Unternehmen können nach und nach mehr kleine Teams mit hoher Selbstständigkeit entstehen.

Ein paar wenige Personen sind für das vollständige Geschäftsziel verantwortlich und erledigen konkrete Aufgaben in Zusammenarbeit mit mehreren KI-Agenten.

Aber die organisatorische Anpassung wird wahrscheinlich nicht reibungslos verlaufen.

Auf der einen Seite verbessert KI die individuelle Arbeitsfähigkeit, und Unternehmen haben tatsächlich die Chance, wiederholende Arbeiten zu reduzieren.

Auf der anderen Seite muss jede Person nach der Verkleinerung des Teams möglicherweise mehr Verantwortung übernehmen.

Produktmanager müssen möglicherweise die technische Architektur verstehen, Entwicklungsingenieure an Produktentscheidungen teilnehmen, und Betriebsmitarbeiter müssen auch über gewisse Fähigkeiten zur Datenanalyse und Automatisierung verfügen.

Für Unternehmen ändern sich auch die Bewertungsstandards für Talente.

Es ist möglicherweise nicht so wichtig, wie viele KI-Tools ein Mitarbeiter beherrscht. Es lohnt sich mehr zu beachten, ob er selbstständig für ein Geschäft verantwortlich sein kann, ob er mit Hilfe von KI komplexe Probleme lösen kann und welches Ergebnis er am Ende liefert.

Für Manager ist die Herausforderung noch größer.

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto "Jeder ist Produktmanager" (ID: woshipm),