Von Bryan Kirschner, Vizepräsident, Strategie bei DataStax

Bei aller berechtigten Begeisterung über das Potenzial generativer KI bleibt „chatgpt ist nicht Ihre KI-Strategie“ ein guter Rat.

Trotzdem lohnt es sich immer noch, darüber nachzudenken, wie man auf LLM (Large Language Model) basierende Tools wie ChatGPT verwendet strategischere Wege.

Neue Forschung von Microsoft Die Verwendung des KI-Assistenten Copilot weist auf Möglichkeiten hin, wie sich jeder – vom jüngsten einzelnen Mitarbeiter bis zum CEO – in jeder Organisation darauf einlassen kann.

Eine der Beobachtungen der Forscher war, dass „LLM-basierte Produktivitätstools Informationsarbeitern manchmal eine neue Option bieten können, die es vorher nicht gab: die Fähigkeit, eine bestimmte Reihe von Aufgaben viel schneller, aber mit geringfügig geringerer Qualität zu erledigen.“

Auf den ersten Blick mag das wie ein Kompromiss klingen.

Aber wenn wir einen Schritt zurücktreten und erkennen, dass Aufgaben von Wissensarbeitern wie das Erstellen von Geschäftsfällen, der Austausch von E-Mails und das Zusammenstellen von Foliendecks lediglich Mittel zum Zweck sind – in diesem Fall „hochwertige Entscheidungen“ –, können wir nach einem Gewinn suchen. gewinnen.

Der Schlüssel liegt darin, bewusste Entscheidungen zu treffen woher die Qualität kommt.

Der Preis für die Rückkehr zum Zeichenbrett

Eine Möglichkeit ist eine Arbeitsweise, die wir wahrscheinlich alle kennen. In „Jobs richtig gestalten„, beschreibt es Stratege Roger Martin so:

„Ob ein CEO eine Mission an den Präsidenten einer Geschäftseinheit delegiert hat, ob ein Geschäftseinheitspräsident eine Initiative an einen Kategoriemanager übergeben hat oder ein Kategoriemanager einem Markenmanager ein Projekt anvertraut hat, die Abfolge der Ereignisse ist unheimlich konsistent. Die Untergebenen leisten enorm viel Arbeit, um das Projekt für die Prüfung durch ihre Vorgesetzten vorzubereiten. Sie warten, bis die Arbeit so gründlich und kugelsicher wie möglich ist, und legen sie dann zur Genehmigung vor.“

Schon vor der generativen KI hatte dieser Ansatz, so weit verbreitet er auch war, seine Schattenseiten. Für Mitarbeiter, die „zurück ans Reißbrett geschickt“ wurden, ist ein Gefühl des Versagens fast unausweichlich – begleitet von der Angst, dass sie jetzt noch härter arbeiten müssen, um sich auf die nächste Überprüfung vorzubereiten.

Und es stellt Manager und Führungskräfte in gewisser Weise in die Klemme, wie sie einen Mehrwert schaffen – so kommt es manchmal vor: „…Chefs haben kein Interesse daran, weise zu nicken und zu sagen: ‚Tolle Arbeit!‘ Das ist ein dummer Job. Sie wollen einen echten, wertschöpfenden Job. Und wenn ihnen keins gegeben wird, neigen sie dazu, etwas zu entwickeln, das nicht besonders hilfreich ist: Nitpicking. Was ist damit? Hast du darüber nachgedacht?“

Wenn der Chef wirklich tut Wenn sie einen wesentlichen Fehler in der Denkweise des Teams feststellen, haben sie zwar die Qualität einer endgültigen Entscheidung geschützt, allerdings um den Preis der Demoralisierung. Wenn sie wirklich nur ein paar Löcher gestochen haben, die im Grunde keine Rolle spielen, haben sie bei beiden eine Demoralisierung ausgelöst Und unnötige Nacharbeit.

Und die Denkweise, mit der Menschen auf diese Überarbeitung vorbereitet werden, kann jetzt, da wir uns im Zeitalter der generativen KI befinden, gefährlich sein, weil „Wir brauchen mehr Fakten, um unsere Argumente zu untermauern“ ist eine riskante, sogar kontraproduktive Art, es zu verwenden.

Entfachen Sie ein fruchtbares Gespräch mit KI

Generative KI verfügt über grenzenlose Möglichkeiten, Ihnen zu sagen, was Sie hören möchten – einschließlich der selbstbewussten Darstellung von 100-prozentigen Erfindungen („Halluzinationen“) als Tatsachen. Wenn ein Team auf der Suche nach dem perfekten, kugelsicheren Fall nach weiteren Fakten drängt (während der Chef nach weiteren „Fallstricken“ tippt), haben wir ein „Worst-Case-Szenario“ entwickelt.

Umgekehrt ist generative KI sehr gut darin, neue Ideen schneller zu generieren und sofortiges – auch wenn unvollkommenes – Feedback zu geben Beispiele, die auch dann noch eine gute Diskussion auslösen können, wenn sie erfunden sind. (Denken Sie an hypothetische Szenarien: Wir sprechen sie ständig als Menschen durch.)

Diese „Fähigkeiten“ passen hervorragend zu einer anderen Arbeitsweise, die ebenfalls älter ist als die generative KI. Wie Martin empfiehlt:

„Anstatt bis zur 11. Stunde zu warten, um den Chefs einen dummen Job zu geben, geben Sie ihnen nebenbei kluge Jobs. Kommen Sie früh zurück und sagen Sie: „Chef, ich definiere das Problem, das Sie mir genannt haben, darin, unseren Go-to-Market-Ansatz zu rationalisieren, um ihn kostengünstiger und reaktionsfähiger für Endkunden zu machen.“ Stimmt diese Definition mit Ihnen überein? Wie könnten Sie es ändern oder verbessern? Das ist eine echte Aufgabe, die Chefs erledigen können und die sie auch gerne machen werden, und die Ihnen bei Ihren Strategiebemühungen helfen wird.

„Wenn Sie mögliche Lösungen haben, kommen Sie zurück und sagen Sie: ‚Boss, basierend auf der Problemdefinition, die wir verfeinert haben, habe ich die folgenden drei möglichen Lösungen gefunden. Sind Sie gegen eines davon so allergisch, dass es sich nicht lohnt, es weiter zu verfolgen? Oder schwirrt Ihnen noch eine andere Möglichkeit durch den Kopf, über die ich nachdenken sollte?‘ Auch das ist eine perfekte Aufgabe für Chefs, und ich habe die Erfahrung gemacht, dass ich Managern dabei geholfen habe, diesen Dialog zu führen. Chefs lieben ihn und schaffen einen Mehrwert, wenn sie ihn annehmen.“

Offensichtlich ist dies eine Einbahnstraße. Sowohl das Team als auch der Chef müssen sich darauf einlassen.

Aber wenn wir davon ausgehen, dass generative KI mindestens 25 Prozent der für die Generierung von Artefakten (wie E-Mails und Foliendecks) aufgewendeten Zeit einsparen kann und gleichzeitig 80 Prozent der Qualität erhalten bleibt, haben wir die Wahl. Eine Möglichkeit besteht darin, dies wieder in ein „Streben nach perfekten Artefakten, dann einer Prüfung unterziehen“-Modell umzuwandeln, um zu qualitativ hochwertigen Entscheidungen zu gelangen.

Die andere Möglichkeit – und eine weitaus bessere Nutzung der Stärken der generativen KI – besteht darin, „schneller zu iterieren und die Qualität durch kollaborative Gespräche einzubringen“. Diese Gespräche sollten zu einer Konvergenz sowohl hinsichtlich einer bevorzugten Entscheidung als auch der wichtigsten zu überprüfenden Fakten führen, um diese Entscheidung mit Zuversicht treffen zu können – ein perfekter Einsatz für menschliches Talent (anstatt die generative KI-Ausgabe ansonsten „gut genug“ zu optimieren).

Reorganisieren Sie die Art und Weise, wie Sie zu Entscheidungen kommen

Der Übergang von der Dampfkraft zur allgegenwärtigen Elektrizität in Fabriken brachte erst die großen Fortschritte als die Fabrikhallen neu organisiert wurden die Freiheit von den Zwängen von Dampfmaschinen und Riemen zu nutzen. Beim Übergang zur allgegenwärtigen generativen KI sollten wir eine Lehre aus der Vergangenheit ziehen und immer über neue Arbeitsweisen nachdenken, um die Technologie optimal zu nutzen – einschließlich der Art und Weise, wie wir Wissensarbeit organisieren, um zu großartigen Entscheidungen zu gelangen.

Erfahren Sie mehr über generative KI.

Über Bryan Kirschner:

Bryan ist Vizepräsident für Strategie bei DataStax. Seit mehr als 20 Jahren hilft er großen Unternehmen bei der Entwicklung und Umsetzung von Strategien, wenn sie nach neuen Wegen für die Zukunft und einer Zukunft suchen, die sich wesentlich von ihrer Vergangenheit unterscheidet. Er ist darauf spezialisiert, Angst, Unsicherheit und Zweifel aus der strategischen Entscheidungsfindung durch empirische Daten und Markterkennung zu beseitigen.