Ein Führungsteam, das sagt "wir werden AI einsetzen", meint damit oft nicht dasselbe. Die eine Hälfte denkt an ein Sprachmodell, das Berichte zusammenfasst, die andere an Systeme, die Kundenkontakt teilweise selbst abwickeln. Beides erfordert Technologie, die das verarbeiten kann, und Kapazität, die das begleiten kann. Das sind zwei unterschiedliche Arten von Bereitschaft, und sie werden selten getrennt voneinander geprüft.
Die Kosten der AI-Bereitschaft liegen nicht primär in Lizenzen. Sie liegen in dem, was geschehen muss, bevor eine Aufgabe sicher von einem System zu AI verlagert werden kann: Daten, die auffindbar und aktuell sind, Verbindungen, die bestehen oder gebaut werden müssen, und Menschen, die wissen, wann sie ein Ergebnis genehmigen und wann nicht. Was das kostet, hängt davon ab, wie viele dieser Bausteine bereits vorhanden sind und wie viele noch fehlen.
Innerhalb jeder Ambition, die AI-Arbeit voraussetzt, fällt die zugrunde liegende Arbeit in drei Kategorien. AI kann die Aufgabe übernehmen, ohne dass ein Mensch noch danach schaut. Ein Mensch behält die Aufsicht und genehmigt oder lehnt ab, mit Begründung. Oder die Arbeit bleibt Menschenwerk, weil Urteilsvermögen, Kontext oder Verantwortung das erfordern.
Die benötigte Technologie unterscheidet sich je Kategorie. Vollständige Übernahme erfordert zuverlässige, gut strukturierte Daten und ein System, das Fehlermeldungen erkennt, bevor sie Schaden anrichten. Aufsicht mit Genehmigung erfordert eine Schnittstelle, in der ein Mensch schnell erkennen kann, warum ein System zu einem Ergebnis kam. Menschenwerk erfordert oft keine neue Technologie, wohl aber Klarheit darüber, wer wofür verantwortlich bleibt — das berührt Entscheidungsrechte, die bei einer Veränderung neu zugeordnet werden müssen.
Unternehmen, die diese Unterscheidung bereits treffen, spüren den Unterschied darin, wie schnell ein Pilotprojekt vom Test zur Produktion gelangt. Unternehmen, die sie nicht treffen, testen weiter, ohne dass klar wird, welcher Teil der Arbeit tatsächlich verlagert wird.
Der Unterschied zwischen Unternehmen, die das heute bereits reibungslos hinbekommen, und Unternehmen, die noch nicht so weit sind, liegt meist nicht in der Wahl der Technologie. Er liegt in drei Dingen, die dem vorausgehen.
Erstens: ob die Organisation weiß, aus welchen Aufgaben welcher Prozess besteht, losgelöst von der dazugehörigen Funktionsbezeichnung. Ohne diese Bestandsaufnahme ist jede Aussage über "AI-Bereitschaft" eine Schätzung.
Zweitens: ob die bestehenden Systeme Daten liefern, die eine AI-Anwendung nutzen kann. Viele Organisationen haben Daten, die für einen Menschen, der sie liest, korrekt sind, aber nicht strukturiert genug für ein System, das damit rechnen muss.
Drittens: ob Kapazität vorhanden ist — in Stunden, nicht in guten Absichten —, um den Übergang zu begleiten. Jemand muss die ersten hundert Ergebnisse kontrollieren, bevor ein System ohne Aufsicht laufen darf. Diese Stunden stehen meist in niemandes Planung.
Das erste sichtbare Zeichen ist keine Kosteneinsparung, sondern eine Verschiebung, wohin Zeit fließt. Arbeit, die zuvor aus Ausführen bestand, wird zu Arbeit, die aus Beurteilen besteht. Das erfordert andere Fähigkeiten und manchmal eine andere Rolle, nicht automatisch weniger Menschen.
Das zweite Zeichen ist, dass Fragen, die zuvor bei der IT lagen, nun bei der Geschäftsführung liegen. Welche Entscheidung darf ein System selbst treffen, und welche muss immer von einem Menschen bestätigt werden? Das ist ein Entscheidungsrecht, keine technische Einstellung, und es muss irgendwo festgelegt sein, bevor der Vorfall eintritt.
Das dritte Zeichen liegt im Budget. Freigewordene Stunden an einer Stelle verschwinden nicht automatisch als Einsparung; sie erscheinen oft als zusätzliche Kapazität an anderer Stelle, etwa in der Kontrolle, im Kundenkontakt in Momenten, in denen AI nicht ausreicht, oder in der Wartung der Systeme selbst. Was das unter dem Strich für das Budget bedeutet, hängt damit zusammen, wie finanzielle Resilienz aufgebaut ist und welcher Spielraum vorhanden ist, um diese Verschiebung aufzufangen, bevor sie Ertrag bringt.
Diese Prüfung sagt nichts darüber aus, wen eine Organisation weiterbeschäftigt oder gehen lässt. Das ist eine Entscheidung mit eigenen gesetzlichen Anforderungen, außerhalb dessen, was hier beschrieben wird. Was hier beschrieben wird, ist Kapazität: welche Stunden frei werden, welche Stunden zusätzlich benötigt werden, und welche Technologie dafür bereitstehen muss. Das gilt ebenso für Zusammenarbeiten mit anderen Parteien — was eine Partnership AI-bereit macht bestimmt mit, ob eine Verschiebung im eigenen Haus auch in der Kette funktioniert.
Es berührt auch Compliance. Ein System, das einen Teil eines Prozesses übernimmt, verändert, wer wofür nachweislich verantwortlich ist, und das verdient eine eigene Prüfung zu Compliance und Risiko, die AI-bereit gemacht werden müssen.
Es gibt keinen Prozentsatz, der für jede Organisation gilt. Es hängt davon ab, wie viele Daten bereits nutzbar sind, wie viele Prozesse bereits dokumentiert sind und wie viel Kapazität vorhanden ist, um die erste Phase zu begleiten. Unternehmen mit viel unstrukturierten Daten und wenig Dokumentation starten mit mehr Arbeit als Unternehmen, die das bereits geordnet haben. Genau dieser Unterschied ist der Grund, warum eine Schätzung im Voraus wenig aussagt, ohne zunächst die Arbeit selbst zu betrachten, Aufgabe für Aufgabe — das ist es, was der [Arbeitsscan von FTE TO AI](/) je Aufgabe erfasst.
Um zu sehen, wo Ihre Organisation am weitesten und am wenigsten weit ist, gibt es einen kostenlosen Bereitschaftscheck: acht kurze Fragen, eine pro Dimension, mit einem Bild davon, wo die Bereitschaft bereits steht und wo noch Arbeit liegt. Die vollständige Ambitionsprüfung, mit den vier Ebenen und fünf Confidence Gates, befindet sich im Aufbau.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.