ChatGPT, Metaverse, Blockchain … alles Technologien, die Sie nutzen können, um bestimmte Möglichkeiten für Ihr Unternehmen zu verfolgen, um einen Mehrwert auf dem Markt zu schaffen. Aber Technologien sind nicht der Ausgangspunkt einer Strategie und sollten es auch nie sein. Stattdessen müssen wir uns das Mantra der Startups zu Herzen nehmen: „Verliebe dich in das Problem und nicht in die Lösung„. Bevor Sie Ihr nächstes ChatGPT-Pilotprojekt starten, fragen Sie sich: Welches Problem versuchen wir zu lösen?
Verführung durch Technologie
Die letzten 12 Monate mit KI waren zugegebenermaßen aufregend und spannend. Mit generativer KI erleben wir das Aufkommen einer unglaublich interessanten neuen Technologie, die unser Leben und die zugrunde liegende Dynamik vieler Branchen in den nächsten ein bis zwei Jahrzehnten wahrscheinlich umgestalten wird.
Aber… Bei all ihren erstaunlichen Fähigkeiten hat GenAI eine offensichtliche Kehrseite. Wie jede neue Technologie kann sie leicht zur Ablenkung führen und unsere Aufmerksamkeit von strategischen Fragen wegleiten. Um dies zu vermeiden, müssen wir uns ständig dazu zwingen, unsere Aufmerksamkeit von den schillernden neuen Objekten der Technologie abzuwenden und uns auf die Geschäfts- und Kundenbedürfnisse zu konzentrieren.
Wenn Sie wollen, dass Ihre Mitarbeiter die diesjährigen „WOW“-Demonstrationen von KI hinter sich lassen („ChatGPT hat meine E-Mail in eine PowerPoint-Datei verwandelt… und dann meine PowerPoint-Datei als E-Mail zusammengefasst!“), müssen Sie die generative KI mit der Strategie verbinden.
Ein neuer Blick auf GenAI
Was sollte Ihr Unternehmen also im Jahr 2024 mit generativer KI tun? Schließlich befinden wir uns noch in einem relativ frühen Stadium dieser bemerkenswerten Technologie.
Was sollten Sie mit dieser neuen Technologie tun? Erwarten Sie in diesem ersten Stadium KEINE großen Auswirkungen auf Ihr Geschäft. Konzentrieren Sie sich stattdessen auf risikoarme Experimente, die zum Lernen gedacht sind, und geben Sie das Gelernte an das gesamte Unternehmen weiter.
In den meisten Unternehmen wird derzeit nur eine Reihe von Pilotprojekten gestartet, bei denen alle darum wetteifern, wie sie mit der coolsten neuen Technologie der Welt „etwas erreichen“ können. Bei jedem Pilotprojekt definiert das Team häufig nicht klar das zu lösende Problem oder wie Erfolg und Misserfolg aussehen würden. Und es gibt wenig bis kein gemeinsames Lernen.
5 Schritte für jedes GenAI-Experiment
Wie können wir es besser machen? Wie kann man Experimente entwerfen, um das Risiko zu minimieren, den Lerneffekt zu maximieren und den Weg zu einem tatsächlichen (wiederholbaren, messbaren, skalierbaren) Nutzen von GenAI zu beschleunigen? Nutzen Sie einen einfachen Prozess in fünf Schritten:
1. Definieren Sie ein zu lösendes Problem.
Wählen Sie ein wichtiges Problem, von dem Sie glauben, dass Sie es mit GenAI-Werkzeugen lösen können, oder ein Bedürfnis, das Sie damit befriedigen können. (Anmerkung: „Wir könnten X machen!“ ist kein Problem. Aber „Wir könnten die Art und Weise, wie wir derzeit Z machen, verbessern“ ist möglicherweise eines).
2. Bestimmen Sie Ihren Kunden.
Wer würde Ihre GenAI-Lösung nutzen oder von ihr profitieren? Wer würde Ihr Problem gelöst haben wollen? Ist es ein externer Kunde? Oder jemand innerhalb Ihrer Organisation? Dies wird der „Kunde“ für Ihre Lösung sein.
3. Legen Sie eine Definition des Erfolgs fest.
Suchen Sie diesen Kunden auf und treffen Sie sich mit ihm. Erfragen Sie seinen Standpunkt. Mit ihrer Hilfe müssen Sie drei Dinge validieren: das Problem, das Sie lösen (sehen sie es genauso?), eine messbare Definition des Erfolgs (Zeitersparnis? Kostenersparnis? Höhere Qualität des Outputs?) und Leitplanken (welche Metriken würden darauf hinweisen, dass sich Ihre GenAI-Lösung (nicht) lohnt, z. B. Messungen der Zuverlässigkeit oder Genauigkeit?).
4. Experimentieren Sie, um zu sehen, was funktioniert.
Probieren Sie mit Hilfe von KI-Tools und unterstützenden Experten neue Lösungen für das Problem aus. Lassen Sie den Kunden die Ergebnisse auf der Grundlage der vereinbarten Messgrößen beurteilen. Erfassen Sie auch qualitative Antworten, die möglicherweise auf einen Nutzen oder ein Problem hinweisen, das Sie nicht vorhergesehen haben.
5. Teilen Sie das Gelernte.
Geben Sie diese Erkenntnisse in der gesamten Organisation weiter: Was haben Sie ausprobiert? Was hat funktioniert? Was hat nicht geklappt? Was haben Sie sonst noch gelernt?
Entwerfen Sie Ihr eigenes GenAI-Programm
Natürlich geschieht dies nicht auf magische Weise von selbst. Ein effektives Experimentieren mit GenAI erfordert, dass Sie Ihr Programm entwerfen, bevor Sie beginnen. Dazu gehören Innovationsmanagement, Schulung und Unterstützung für Ihre Experimentatoren, Berichtsmechanismen für gemeinsames Lernen und ein (zunächst kleineres) Budget.
In der Praxis sollten diese Elemente Folgendes umfassen:
1. Einfache Schulungen – Welche KI-Tools gibt es und wie funktionieren sie, und zwar auf einer grundlegenden Ebene. Außerdem erstellen Sie grundlegende Sicherheitsregeln.
2. Projektgenehmigung – Um eine Genehmigung zu erhalten, muss jedes Pilotprojekt zumindest ein Problem definieren können, das es lösen soll.
3. Sicherheitsaufsicht – Die IT-Abteilung muss zustimmen, dass dieses Tool mit diesen Daten in diesem Teil Ihres Intranets verwendet werden kann.
4. Kleines Budget – für die Lizenzierung von externen Tools.
5. Berichtspflicht – Jeder Teilnehmer muss Bericht erstatten: Was haben Sie mit Ihrer Zeit und Ihren Ressourcen gemacht? Was haben Sie gelernt?
6. Verteiltes Lernen – Irgendein Mechanismus (Demo-Tage, Newsletter, Wissensdatenbank) für den internen Austausch von Ergebnissen.
7. Growth Board – Eine Gruppe von Business- und IT-Führungskräften, die alle 60-90 Tage zusammenkommt, um die vielversprechendsten Experimente zu überprüfen und zu überlegen: Lässt sich diese Lösung weiter ausbauen? Ist der geschäftliche Nutzen groß genug, um die Investition zu rechnen?
8. OPTIONAL: Technische Unterstützung auf professionellem KI-Level – z. B. Einsatz von Interims-„Prompt Engineers“, die von Projekt zu Projekt wechseln können (aber extern zumeist sehr teuer sind)
Sobald dieser Rahmen geschaffen ist, sollten alle Mitarbeiter zur Teilnahme an dem Programm ermutigt werden. Sie müssen sich jedoch an den von Ihnen sorgfältig konzipierten Prozess halten.
Jedes Unternehmen sollte diesen Prozess mit mäßigen Erwartungen beginnen: Die meisten eingereichten Ideen werden nicht in der Lage sein, ein zugrunde liegendes Problem zu formulieren, das KI lösen würde. Diese sollten in der Phase des grünen Lichts abgelehnt oder sofort geschlossen werden. Die meisten Experimente, die grünes Licht erhalten, werden ihr Problem nicht oder nur mit einer akzeptablen Fehlerquote lösen. Einige wenige Experimente können so vielversprechende Ergebnisse liefern, dass sie weiter validiert und verfeinert werden und eine Ausweitung auf das gesamte Unternehmen in Betracht gezogen werden sollte.
Die weitreichendste Auswirkung wird jedoch darin bestehen, den Lernprozess innerhalb des Unternehmens drastisch zu beschleunigen, damit Sie bereit sind, mit den raschen Fortschritten von GenAI einen echten Mehrwert für Ihr Unternehmen zu schaffen.
Ein Ziel für 2024
In den nächsten ein, zwei oder drei Jahren könnte GenAI beginnen, den Arbeitsalltag in Ihrem Unternehmen radikal zu verändern. Sie könnte sogar Ihr derzeitiges Geschäftsmodell auf den Kopf stellen. Oder sie hilft Ihnen, ein völlig neues Geschäftsmodell auf den Markt zu bringen. Das Jahr 2024 sollte ein Jahr des Experimentierens und Lernens sein. Und wirklich lernen können Sie nur, wenn Sie nicht mit der Technologie beginnen, sondern mit konkreten Problemen, die Sie für Ihr Unternehmen oder Ihre Kunden lösen wollen.
Adaptiv übersetzter Artikel von David Rogers: Der führende US-Experte für digitale Transformation, Dozent an der Columbia Business School und Autor von fünf Büchern, darunter der internationale Bestseller „The Digital Transformation Playbook“. Sein neuestes Buch ist THE DIGITAL TRANSFORMATION ROADMAP.
Nutzen Sie zum gegenseitigen unternehmensübergreifenden Erfahrungsaustausch auch unseren Expertenzirkel zu „Implementierung von KI im Vertrieb“