KI versprach Zeitersparnis. Was, wenn sie uns zuerst Zeit kostet?

Das Versprechen der künstlichen Intelligenz scheint unwiderstehlich: In Minuten tun, wofür früher Stunden nötig waren.

Doch zwischen dem Kauf einer Lizenz und der Produktivität liegt eine Phase, die wenige Unternehmen messen: das Erlernen ihrer Nutzung kostet ebenfalls.

Stundenlanges Ausprobieren von Werkzeugen. Prompts, die wiederholt werden müssen. Modelle, die für die jeweilige Aufgabe nicht geeignet waren. Prozesse, die automatisiert werden sollen, ohne sie zuvor verstanden zu haben. Token-Verbrauch. Experimente, die nie zu Lösungen werden.

Während des Experten-Roundtables von Líder Roundtable zur Künstlichen Intelligenz sprachen Máximo Hernández, Gründer und Geschäftsführer von ; Ismael Prieto, Direktor von ; und Alan Gibrán Ávalos, CEO von , über ein Paradoxon, das sich in Organisationen abzuzeichnen beginnt: Ein Werkzeug, das zur Produktivitätssteigerung geschaffen wurde, kann diese vorübergehend reduzieren, wenn seine Einführung ziellos erfolgt.

Neugier hat auch ihren Preis

Máximo Hernández brachte die Diskussion auf eine Fragestellung, die in einem früheren Roundtable offen geblieben war: Was geschieht mit der Produktivität, während die Menschen lernen, diese neuen Werkzeuge zu nutzen.

Die Einführung jeder Technologie bringt eine Lernkurve mit sich.

Hernández erinnerte an die Einführung von Unternehmens-E-Mails in den neunziger Jahren. Was heute unverzichtbar erscheint, erforderte ebenfalls die Änderung von Gewohnheiten, Prozessen und Arbeitsweisen.

Mit der künstlichen Intelligenz geschieht etwas Ähnliches, aber mit wesentlich höherer Geschwindigkeit.

Der Unterschied ist, dass nun praktisch jeder Mitarbeiter sofort mit dem Experimentieren beginnen kann.

Und Experimentieren ist notwendig.

Das Problem entsteht, wenn niemand definiert hat, was mit diesem Experimentieren erreicht werden soll.

Eine Person kann Stunden damit verbringen, mit KI ein Ergebnis zu erzielen, das sie mit dem bereits bekannten Verfahren schneller erreicht hätte.

Eine andere Person kann technologische Ressourcen verbrauchen, indem sie versucht, eine Aufgabe zu lösen, ohne den richtigen Kontext anzugeben.

Lernen hat seinen Wert, verbraucht aber auch Ressourcen.

KI kaufen bedeutet nicht Produktivität kaufen

Hernández erzählte vom Fall eines Unternehmens, das seine Mitarbeiter einheitlich schulte und anschließend zahlreiche Projekte mit Unterstützung von künstlicher Intelligenz entwickelte.

Während dieses Prozesses entstand ein Problem: Einige Benutzer verbrauchten schnell die verfügbare Kapazität, ohne das gewünschte Ergebnis zu erzielen.

Nicht unbedingt, weil die Technologie versagte.

Sie lernten noch, sie zu benutzen.

Eine scheinbar einfache Anweisung kann mehrere Schritte, ausreichenden Kontext, Kenntnis des Problems und die richtige Modellauswahl erfordern.

Produktivität entsteht also nicht automatisch, wenn ein Unternehmen eine Plattform erwirbt.

Zuerst muss die Fähigkeit zur Nutzung entwickelt werden.

Was kostet eine Antwort?

Zu dieser Lernkurve kommt eine für viele Organisationen relativ neue Variable hinzu: die Kosten für die Nutzung der Modelle.

Alan Gibrán Ávalos brachte die sogenannte Token-Ökonomie ins Spiel.

Nicht alle Modelle kosten gleich viel.

Auch nicht jede Aufgabe erfordert die gleiche Kapazität.

Die Wahl eines übermäßig leistungsfähigen Werkzeugs zur Lösung eines einfachen Problems kann die Betriebskosten unnötig erhöhen.

Ismael Prieto wies darauf hin, dass einige Organisationen am Ende mehr für Token-Verbrauch ausgeben könnten, als sie ursprünglich an Einsparungen erwartet hatten.

Dies ändert eine der grundlegenden Fragen zur künstlichen Intelligenz.

Es reicht nicht mehr aus zu fragen: Was können wir mit KI tun?

Es wird auch notwendig sein zu fragen: Was kostet es und welchen Wert generiert es?

Einsparungen bedeuten nicht unbedingt Stellenabbau

Es besteht auch die Gefahr, den Ertrag künstlicher Intelligenz ausschließlich in Form von Personalreduzierung zu messen.

Prieto schlug eine andere Perspektive vor.

Die Technologie kann Wert schaffen, indem sie Prozesse verbessert, Verkäufe steigert, Abläufe beschleunigt, die Analysekapazität erhöht oder Zeit für wirkungsvollere Aktivitäten freisetzt.

Eine Implementierung kann erfolgreich sein, auch wenn sie keine einzige Stelle abbaut.

Die eigentliche Frage ist, ob die Organisation mit den vorhandenen Ressourcen mehr Wert erzielt.

Experimentieren ja, aber mit Richtung

Die Lösung besteht auch nicht darin, das Experimentieren einzustellen.

Eine Technologie, die sich mit dieser Geschwindigkeit entwickelt, erzwingt das Ausprobieren, Lernen und Korrigieren.

Es gibt jedoch einen Unterschied zwischen Experimentieren und dem bloßen ziellosen Nutzen von Werkzeugen.

Mit Richtung zu experimentieren bedeutet, Ziele zu setzen, Anwendungsfälle auszuwählen, Mitarbeiter zu schulen, Ergebnisse zu messen und zu entscheiden, welche Praktiken sich skalieren lohnen.

Es bedeutet auch zu akzeptieren, dass es für eine gewisse Zeit eine Lernkurve geben wird.

Künstliche Intelligenz kann enorme Zeitersparnis bringen.

Aber bevor dies erreicht wird, müssen Unternehmen etwas scheinbar Einfaches lernen: Wofür es sich lohnt, sie einzusetzen, und wofür nicht.

Der Beitrag KI versprach Zeitersparnis. Was, wenn sie uns zuerst Zeit kostet? erscheint zuerst auf Líder Empresarial.