Wie Führungskräfte KI nutzen können, um echte Geschäftsprobleme zu lösen

ADI IGNATIUS: Ich bin Adi Ignatius.

ALISON BEARD: Ich bin Alison Beard und das ist die HBR IdeaCast.

ADI IGNATIUS: Also Alison, wir reden viel über KI. Alle reden viel über KI, aber mich interessiert Ihre aktuelle Sicht auf KI.

ALISON BEARD: Nun, ich bin völlig erstaunt über einige der Arbeiten, die sie leisten kann. Aber ich denke, dass die meisten Organisationen und Führungskräfte noch immer herausfinden, wie sie sie effektiv einsetzen können, um ihr Geschäft voranzubringen.

ADI IGNATIUS: Ja, das denke ich auch. Ich denke, zu viele Unternehmen lösen für KI. Sie treiben die KI-Einführung voran, wo immer möglich, anstatt KI als Werkzeug zu betrachten, das ihnen helfen kann, ein tatsächliches Problem zu lösen. Unser heutiger Gast ist Josh Tyrangiel, der für The Atlantic über KI schreibt. Er hat sich tief mit KI, ihren Anwendungen, ihrem Potenzial und ihren Fallstricken befasst und gibt Managern Ratschläge, wie sie sie für sich nutzen können.

Er ist weder ein KI-Evangelist noch ein KI-Untergangsprophet, sondern jemand, der die Technologie bewundert, aber ihre Grenzen und Risiken erkennt. Tyrangiel ist der Autor des neuen Buches „KI für das Gute: Wie echte Menschen künstliche Intelligenz nutzen, um Dinge zu reparieren, die wichtig sind“. Hier ist unser Gespräch.

Also, Sie sind seit einigen Jahren in die Welt der KI eingetaucht, haben Artikel für The Washington Post, für The Atlantic geschrieben, jetzt mit diesem neuen Buch. Sprechen Sie über Ihren Erkenntnisbogen zu KI, vielleicht was Sie darüber dachten und wo Sie jetzt in Bezug auf KI und ihr Potenzial stehen.

JOSH TYRANGIEL: Ja. Hören Sie, ich begann darüber zu berichten und dachte nicht über ihr Potenzial nach. Ich dachte kaum über die Technologie nach, denn in den ersten paar Monaten war die Art, wie sie präsentiert wurde, ziemlich gespalten. Als ich begann, die, wie ich glaube, erste KI-Kolumne für die Washington Post zu schreiben, ging ich ins Silicon Valley, und das meiste, worüber irgendjemand sprechen wollte, war so etwas wie: Ja, dieses Zeug ist magisch. Jeder kann das sehen, aber wir sind sehr gespalten. Und die Hälfte der Leute, mit denen ich sprach, sagte: „Wir müssen uns bewegen, denn dieses Zeug ist erstaunlich und es wird Krebs heilen und den Klimawandel abmildern.“

Und auf der anderen Seite waren die Untergangspropheten sehr wie: „Komm mit mir, wenn du leben willst.“ Was ich ein paar Monate später erkannte, war: Oh, ich bin in einer klassischen Schleuderspirale und alle hier draußen sind ein bisschen betrunken. Und erst ein paar Monate in die Berichterstattung hinein konnte ich tief durchatmen und mich irgendwie auf die Technik konzentrieren. Und ich bin seitdem ungefähr an derselben Stelle, nämlich: Ja, das ist ziemlich beeindruckend. Du kannst sagen, was du willst über die Technologen, darüber, wie sie sich im öffentlichen Raum verhalten. Die Technik ist ziemlich unglaublich. Sie ist nicht perfekt. Sie wird sich nicht von selbst ausrollen, aber das ist ein bedeutender Schritt nach oben im Vergleich zu dem, womit wir es in der Software zu tun hatten.

ADI IGNATIUS: Was ist Ihr Rat, wie insbesondere Führungskräfte dem Skript folgen können, wo dieses Gefühl herrscht: Oh mein Gott, ich muss alles wissen, aber oh mein Gott, es geht hin und her. Es ist optimistisch, es ist pessimistisch. Wie folgt man hier dem Skript?

JOSH TYRANGIEL: Ich denke, es geht zurück auf diese Art von Trunkenheit, nämlich dass wir mit Marketing und Werbung und Berichten über die Notwendigkeit, auf KI umzusteigen, überhäuft werden. Wie bei allem Hype steckt ein Körnchen Wahrheit darin. Ich war an einigen Orten, die manchmal wirklich gute, manchmal fehlerhafte Implementierungen durchgeführt haben. Und das Wichtigste, was bei den erfolgreichen Implementierungen zurückkommt, ist: „Hey, wusstest du, welches Problem du ursprünglich zu lösen versucht hast? Und hattest du realistische Erwartungen, wie du es lösen würdest?“

Und was ich damit meine, ist: Wenn du die Werbung sonntags während des Footballs siehst, versucht so viel davon, jemanden mit einem großen Geldbeutel in einem Unternehmen davon zu überzeugen, dass die KI magisch ist, dass du deinen Kauf tätigst, deine Lizenz bekommst, die Software sich von selbst im Unternehmen ausrollt und plötzlich bist du viel produktiver und viel effizienter und vielleicht sogar in der Lage, Kosten zu senken. Und das stimmt einfach nicht.

Die Software ist wirklich, wirklich gut, aber sie erfordert ein Skalpell, um das Problem zu verstehen, das du zu lösen versuchst. Und sie erfordert auch ganz entscheidend Menschen, wirklich talentierte und einen sehr spezifischen Phänotyp von Menschen, die in der Lage sind, sowohl mit deinem System, was auch immer dieses System sein mag, als auch mit der Software zu arbeiten. Die Softwareentwickler und -hersteller kümmern sich nicht um dein Problem. Du musst tatsächlich tief durchatmen und dich irgendwie an die Grundlagen halten, was nicht das ist, was du im Hype-Zyklus hörst.

ADI IGNATIUS: Sie sehen Unternehmen, die KI als Werkzeug einsetzen, wie Sie sagen, und ich denke, das ist ein guter Rat. Finden Sie heraus, welches Problem Sie zu lösen versuchen, nutzen Sie es als Werkzeug. Ich denke, es gibt einige Verbesserungen des Endergebnisses, die Sie erzielen. Aber es gibt diese größere Sache, und ich sprach kürzlich mit einem Biotech-CEO, der sich mit Sam Altman getroffen hatte, der ihn drängte: „Sie wollen den Zug nicht verpassen.“ Und der Mann kam heraus und sagte: „Okay, welchen Zug?“

Ein Teil davon ist diese Frage: Wissen die Technologen notwendigerweise mehr als der Rest von uns über die potenzielle Anwendung von KI? Sie verstehen, dass sie super mächtig ist, aber in Bezug auf die praktische Anwendung, haben sie notwendigerweise bessere Einblicke als wir in ihr Potenzial?

JOSH TYRANGIEL: Nein. Sie haben schlechtere Einblicke, um es klar zu sagen. Wenn es eine Sache gibt, in der die Labore meisterhaft waren, dann ist es, sich als Inhaber von Weisheit zu präsentieren. Also erstens nennen sie sich Labore. Als ich das letzte Mal nachschaute, sind diese Labore alle gewinnorientierte Unternehmen mit massiven Gewinnzielen und massivem Wachstumsspielraum. Also die Sprache der Wissenschaft zu verwenden, um sich selbst zu beschreiben, ist ein ziemlich netter Trick.

Darüber hinaus sind alle Labore verschuldet. Sie erhalten massive, massive Investitionszuflüsse von Menschen, die Erwartungen an sie haben. Und diese Erwartungen sind, dass sie eines Tages, vorzugsweise bald, unglaublich profitabel sein werden. Und was einen Großteil dieses Verhaltens antreibt … Und das Beispiel Ihres Biotech-CEOs ist ein gutes, ist ihr plötzliches Bedürfnis, die Leute glauben zu lassen, dass KI für ihr Unternehmen unverzichtbar ist. Unverzichtbar, einfach auszurollen, all diese Dinge zu tun.

Alle Leute, die diese Labore leiten, und die Leute unter ihnen sind sehr, sehr gut in einer schwierigen Sache, nämlich Modelle zu erstellen, diese Modelle zu trainieren und zu verfeinern. Aber die Art von Person, die darin sehr gut ist, ist oft sehr schlecht darin, menschliche Systeme zu verstehen, Dinge wie Kunden zu verstehen. All diese sogenannten „Soft Skills“, die die Tech-Welt irgendwie abgewertet hat, sind tatsächlich ziemlich entscheidend für den Geschäftserfolg.

Und wenn Sie fragen: Wissen sie etwas, das wir nicht wissen? Es ist wie: Nun ja, sie wissen definitiv etwas, das wir nicht wissen, über Labore und Feinabstimmung und Modelle. Ich glaube nicht, dass Sam Altman mehr über Bioengineering weiß als ein Bioengineering-CEO. Und ich denke, es ist die richtige Frage. Es ist wie: Welcher Zug? Es ist ihr Zug, verpassen Sie den Zug nicht. Der Zug, den wir mit großen Krediten gekauft haben. Können Sie bitte in diesen Zug einsteigen, weil wir sie zurückzahlen müssen?

ADI IGNATIUS: Der Widerstand gegen KI ist auch ein bisschen schwer zu entschlüsseln. Auf der einen Ebene gibt es Leute, die sich wirklich Sorgen um KI machen, besorgt über die ethischen Implikationen, besorgt darüber, möglicherweise ihren Job zu verlieren oder dass Jobs für ihre Familien verloren gehen. Und ich denke, CEOs entlassen diese Art von Negativität manchmal.

Aber wenn man dann an die Buhrufe denkt, die Leute wie Eric Schmidt bei Abschlussreden bekamen, wenn sie über KI sprachen, glaube ich nicht, dass es nur daran liegt, dass die Leute Angst haben. Ich denke, das sind KI-native Leute, die sie benutzt haben und die wissen, dass dies Schund produziert, es gibt eine Menge Müll. Also die Vorstellung, dass wir unsere Zukunft irgendwie an KI binden, ist nicht nur alarmierend aus all den Gründen, die ich aufgezählt habe, sondern es ist wie: Was machen wir hier?

Ich möchte die Art von Widerstand gegen KI aufschlüsseln, denn das ist wahrscheinlich verantwortungsvoll, aber vielleicht auch in einigen Fällen den Zug verpassen. Ich möchte diese Frage aufschlüsseln, inwieweit der Widerstand gerechtfertigt ist, inwieweit es nur ist: „Es sind frühe Tage, Leute, habt Geduld mit den Problemen auf dem Weg?“

JOSH TYRANGIEL: Schauen Sie, ich denke, nichts kommt im luftleeren Raum an. Und so ist vieles von dem, was mit Leuten wie Eric Schmidt passiert, die ausgebuht werden, mit der Feindseligkeit gegenüber Rechenzentren, denke ich, ein Produkt der ersten 25 Jahre des Jahrhunderts, nämlich dass wir zuerst diese Welle der Internetfähigkeit bekamen, die wir alle für ziemlich großartig hielten. Wir bekamen Computer in unseren Taschen 2007. Wir alle dachten, das sei ziemlich großartig. Und für den größten Teil der Existenz sozialer Medien, vergessen Sie nicht den unglaublichen Optimismus, der Dinge wie Facebook begrüßte. Ich bin alt genug, um mich zu erinnern, als die Leute verzweifelt versuchten, zu Facebook eingeladen zu werden, oder?

ADI IGNATIUS: Ich liebe übrigens immer noch meinen MySpace-Account.

JOSH TYRANGIEL: Du solltest es behalten. Es kommt wieder in Mode. Hol dir so viele Konten wie möglich. Wir waren so optimistisch, und ich denke, wir waren leichtgläubig. Und in den letzten besonders sechs, sieben Jahren, in denen wir Fehlinformationen, die Verkürzung der Aufmerksamkeitsspanne, Sucht und all diese Dinge gesehen haben, die wir nicht in unserem Leben haben wollen, sind wir unglaublich wütend auf Technologieunternehmen, richtig wütend.

Hinzu kommt, dass viele der Unternehmen, die uns KI bringen, dieselben sind, die uns soziale Medien gebracht haben, und viele der Führungskräfte sind dieselben. Und so die Vorstellung, dass KI kommt und die Leute einfach unbekümmert sagen: „Oh, fantastisch. Die nächste großartige Idee von diesen Leuten.“ Ich denke tatsächlich, dass die Wut und der Zorn nicht nur gerechtfertigt sind, sondern auch recht produktiv werden. Ich glaube, dass dieses kulturelle Problem eine bedeutende Rolle dabei spielt, den Widerstand und die Feindseligkeit gegenüber KI voranzutreiben.

ADI IGNATIUS: Erst gestern habe ich einen Brief von jemandem bekommen, der unseren Newsletter gelesen hat und einfach sagte: „Ihr seid doch nur eine KI-Hype-Maschine, warum schreibt ihr nicht mehr über die ökologischen Kosten von Rechenzentren und so weiter?“ Das ist ein wirklich guter Punkt. Ich möchte nicht, dass wir nur Begeisterung für Technologie verbreiten. Ich suche nach interessanten Fallstudien. Wenn Unternehmen zu KI-Unternehmen werden, was bedeutet das? Und lassen wir die Ethik für einen Moment außen vor und finden wir einfach heraus: Gibt es eine Möglichkeit, Ihr Unternehmen mit KI neu zu gestalten, die nicht unbedingt Arbeitsplätze kostet – oder vielleicht doch –, aber die etwas schafft, das besser mit den Verbrauchern verbindet, das besseren Wert auf dem Markt schafft? Und lassen Sie uns dorthin lenken. Sehen Sie so etwas schon? KI hilft dem Endergebnis, das kann passieren. Aber sehen Sie schon wirklich sprunghafte Wertschöpfung durch KI?

JOSH TYRANGIEL: Ich gebe Ihnen ein Beispiel: Ich habe viel Zeit in der Cleveland Clinic verbracht, die von einem hervorragenden CEO geführt wird, der Arzt ist. Sein Name ist Tomislav Mihaljevic. Als ich mich mit ihm traf, um mit der Recherche zu beginnen, merkte er, dass wir viel über KI sprechen würden. Er unterbrach das Gespräch gleich zu Beginn und sagte: „Ich möchte Ihnen etwas über das Gesundheitswesen, Technologie und KI erzählen.“

Viele unserer Kollegen in dieser Branche sind ständig auf der Suche nach den Wunderbohnen und wollen sich zum Microsoft des Gesundheitswesens machen.“ Und er sagte: „Wir werden nicht das Microsoft des Gesundheitswesens. Wir haben alle möglichen Initiativen und Partnerschaften ausprobiert, aber das funktioniert für uns nicht. Wir haben hier zwei Prioritäten. Die erste ist, die bestmögliche Versorgung zu bieten, um die bestmöglichen Ergebnisse für unsere Patienten zu erzielen. Die zweite ist, Effizienzen zu schaffen, damit wir mehr Geld in die bestmögliche Versorgung und die bestmöglichen Ergebnisse für unsere Patienten stecken können.“

Und so wird jeder Einsatz von KI in der Klinik nicht durch massive Partnerschaften und Tech-Firmen, die etwas anpreisen, umgesetzt. Es gibt einen Produktmanager, der jeden KI-Pilotversuch leitet, und dieser Produktmanager ist ein Arzt oder eine Ärztin. Von Anfang an arbeitet die Technologie an der Cleveland Clinic also für die Medizin und nicht umgekehrt. Und ich sagte: „Na, zeigen Sie mir. Zeigen Sie mir, wer die Leute sind. Zeigen Sie mir, wie es funktioniert.“ Und deshalb gebe ich Ihnen zwei Beispiele – eines zum Thema Backend und eines zum Thema Gesundheit. Also Medizin und insbesondere Krankenhäuser: Die Gewinnmargen der Klinik liegen bei etwa 2,2 %, und die meisten Ihrer Zuhörer würden sich, wenn ihre Margen bei 2,2 % lägen, noch vor Ende dieses Satzes aus dem Fenster stürzen.

Im Gesundheitswesen ist das eine heldenhafte Marge. Die Herausforderung besteht darin, dass Krankenhäuser im Grunde genommen Hotels sind. Sie haben viele Mitarbeiter, sie haben Gäste, sie haben Zimmer, Betten, Bettwäsche, Essen und so weiter. Der Unterschied ist, dass Krankenhäuser in der Regel nicht wissen, wann diese Gäste kommen oder gehen. Und so betreibt man diese Art von System auf der Grundlage von Chaos. In der Klinik gibt es eine Krankenhausärztin, eine wunderbare Frau, die zuerst Krankenschwester war, dann Ärztin wurde und jetzt Krankenhausärztin ist. Sie und die Klinik beschlossen: „Wisst ihr was? Lasst uns versuchen, das mit unseren Daten zu modellieren.“

Und was sie taten: Sie riefen Palantir an. Die kamen und bauten im Grunde ein rudimentäres Planungstool, das dem Krankenhausteam mitteilte, wann Patienten zur Entlassung bereit waren. Das klingt nach einer einfachen Sache, aber wenn jemand wegen eines schwerwiegenden Herzproblems in Behandlung ist, ist es aus ärztlicher Sicht wirklich wichtig zu wissen, dass die Entlassung oder Verlegung in 24 Stunden ansteht – denn dann kann man plötzlich einen Zeitplan erstellen.

Und so haben sie alle Gesundheitsdaten miteinander verbunden. Sie haben die Audio-Notizen der Ärzte einbezogen, sodass sie in den Transkripten hören konnten, wie es dem Patienten besser geht, und all solche Dinge. Und was sie erreichen konnten, war die Schaffung einer Art Krankenhaus-System, bei dem man das Krankenhaus wie ein Videospiel steuern kann. Man kann Patienten hinein- und herausbewegen. Die Klinik erzielt einen großen Teil ihrer Einnahmen aus internationalen Überweisungen. Und plötzlich konnten sie sehen, was tatsächlich im Inneren vor sich ging. Maschinelles Lernen und algorithmische Prognosen waren ein wesentlicher Bestandteil davon. Sie steigerten die Überweisungsrate enorm. Sie verkürzten die Wartezeiten in der Notaufnahme um 90 Minuten und konnten das Betriebsergebnis verbessern.

Das haben sie also ohne große Kosten gemacht. Sie haben es durch kreatives Denken über ein Problem, das sie hatten, erreicht und dann einen Technologiepartner hinzugezogen, der speziell an diesem Problem arbeitete, anstatt eine Reihe von Anbietern zu beauftragen, die verschiedene Dinge anbieten, die dann hätten angepasst werden müssen. Das ist also ein Beispiel dafür, wie die Verbesserung des Endergebnisses die Versorgung verbessert.

Was ich allein im Gesundheitswesen gesehen habe: Sepsis ist im Grunde der größte Killer in den Vereinigten Staaten. Sie tötet etwa 350.000 Menschen pro Jahr – mehr als Prostatakrebs, Brustkrebs und Opioidabhängigkeit zusammen. Und Sepsis ist diese harmlos aussehende Infektion. Es ist die Reaktion des Körpers auf eine Infektion. Wenn man sie früh erkennt, behandelt man sie mit Antibiotika – kein Problem. Wenn man sie erst spät erkennt, sterben Menschen. Das Krankenhaus hat 2021 seine Zahlen zu Todesfällen durch Sepsis überprüft und gesagt: „Das ist unerhört. Wir sind eines der drei besten Systeme in Amerika und verlieren drei- bis viertausend Menschen pro Jahr. Das muss aufhören.“ Der CTO, der von außerhalb des Gesundheitswesens kam, dachte, das sei ein perfektes KI-Problem, denn wir haben all dieses Rauschen und müssen das Signal finden.

Habe einen guten Anbieter namens Bayesian Health gefunden, eine prädiktive Software, die lediglich auf die Möglichkeit einer Sepsis hinweist. Sie kamen, integrierten sich mit allen Daten, integrierten sich mit Epic, einem sehr komplexen Gesundheitssystem, das praktisch in jedem Krankenhaus in Amerika vorhanden ist.

Und was sie taten, war, dass sie einen ziemlich guten ersten Versuch unternahmen, ziemlich gut insofern, als er drei Flaggen erzeugen würde, quasi eine Art „kein Problem hier“, grün, gelb, rot im Grunde. Und die Ärzte nutzten es nicht. Weil die Software nicht wirklich in die Kultur dessen integriert war, wie es auf einer Intensivstation zugeht. Auf einer Intensivstation piept ständig jedes Gerät, und sie markieren ständig Dinge, die die Ärzte und Pflegekräfte wahrscheinlich bereits im Griff haben.

Und vor allem würden sie auf diese drei Flaggen schauen, und es gab keine Erklärung. Und wenn es um Leben und Tod geht, handelt man nicht aufgrund einer Maschine ohne Erklärung. Also bauten sie nach und nach Erklärbarkeit in diese drei Flaggen ein, und die Ergebnisse verbesserten sich. Im Laufe eines Jahres im Krankenhaus sank die Sterblichkeit um 41 %. Nennen wir es also 1000 Menschen, die teilweise dank dieses Modells am Leben sind. Was sie nicht schafften, war die letzte Meile. In etwa 10 % der Fälle auf der Intensivstation konnte eine Krankenschwester oder ein Arzt einen Patienten ansehen, einfach daran riechen oder die Hautfarbe betrachten und sagen: „Oh, der hat eine Sepsis, und das System hat es nicht erkannt.“ Der Grund dafür ist, dass Menschen, obwohl wir Mustererkennungsmaschinen sind, auch verrückt sind.

Und so sind wir selbst in unseren Krankheiten in der Lage, Muster zu durchbrechen, auf eine Weise, die Maschinen nicht können und vielleicht nie gut können werden. Beide Beispiele sind für mich in vielen anderen Branchen nützlich, weil es sich um spezifische Probleme handelt. Es gab Kliniker, also Fachexperten, deren Wissen das technische Fachwissen übertraf, und sie mussten ständig angepasst werden, um einen Zustand zu erreichen, in dem sie stabil genug waren, um Ergebnisse zu liefern – aber die Ergebnisse sind bedeutsam. Das bedeutet, dass viele Leben gerettet werden. Die Fähigkeit, Wartezeiten zu verkürzen und mehr Menschen ins Krankenhaus zu bringen, ist das, was den Krankenhausbetrieb ermöglicht. Die Herausforderung liegt also nicht darin, dass die Technik nicht großartig ist. Die Technik kann wirklich großartig sein. Die Herausforderung besteht darin, zu glauben, dass sie sich von selbst regelt. Man braucht absolute A+-Talente, die sich der Lösung Ihrer Probleme mit KI verschrieben haben.

ADI IGNATIUS: Die KI-Gespräche verlagern sich von Technologie hin zu Management.

JOSH TYRANGIEL: Management, Personal, Talentförderung, aber auch Kundenservice. Ich habe Freunde, die in New York ein Software-Unternehmen betreiben. Und sie beklagen sich ständig darüber, dass Claude Code jeden Ingenieur in ein Imperium verwandelt hat. Die Ingenieure sagen dann: „Nein, nein, nein, ich habe das alles selbst gemacht. Ich habe das Produkt entworfen. Ich habe mich um die Produktbeschreibung gekümmert. Es ist in Ordnung.“

Und wenn sie meinen Freunden diese Produkte präsentieren, die eigentlich für Kunden eingeführt werden sollen, sagen meine Freunde: „Das ist das Hässlichste, was ich je gesehen habe.“ Und außerdem hast du sechs Punkte aus dem Briefing ignoriert. Der Grund dafür ist natürlich, dass sie so befähigt sind, 80 % ihrer Software in 10 % der Zeit zu erstellen, die es früher brauchte, dass sie glauben, das Problem gelöst zu haben. Das Problem ist jedoch viel vielschichtiger als nur das Schreiben des Codes.

Wir haben das gesehen, und ich bin sicher, Sie haben es in diesem Podcast gehört: Große Unternehmen haben botgesteuerten Kundenservice eingeführt. Und was ist die Nummer eins, die in das Nachrichtenfeld getippt wird? "Holen Sie mir einen Menschen."

ADI IGNATIUS: Hol mir einen Menschen, ja.

Sie haben Talent erwähnt, und es gibt ein paar offensichtliche Ansätze im Umgang mit Talent. Einer ist, die Besten und Klügsten einzustellen. Die Kosten für die Besten und Klügsten sind inzwischen astronomisch. Für kleine und mittlere Unternehmen ist es schwer, damit zu konkurrieren. Die Alternative ist also die Ausbildung. Mich interessieren die Jahre, die Sie intensiv mit KI verbracht haben. Haben Sie KI-Trainings gesehen, die funktionieren? Funktioniert KI-Training? Und wenn ja, welcher Ansatz funktioniert?

JOSH TYRANGIEL: Sprechen wir hier von einer allgemeinen Umschulung oder einer Weiterbildung? Denn das sind zwei verschiedene Dinge. In dem gerade genannten Beispiel der Cleveland Clinic gab es keine Schulung. Dort gab es einfach Ärzte, denen ein Problem sehr am Herzen lag und die über grundlegende technische Fachkenntnisse verfügten, aber im Grunde nur Menschen waren, die sich sehr engagierten und bereit waren, härter an der Lösung des Problems zu arbeiten. Das ist eine andere Art der Talentfindung als eine berufliche Umschulung, bei der man im Wesentlichen jemanden nimmt und sagt: „Ich möchte, dass du völlig anders arbeitest und dich mit einer anderen Reihe von Problemen befasst.“ Umschulung ist in den Vereinigten Staaten bekanntermaßen die am meisten vernachlässigte Politik, die wir haben. Seit etwa 40 Jahren gab es auf Bundesebene ein Umschulungsprogramm. Es war einigermaßen effektiv. Etwa fünf Millionen Menschen wurden umgeschult, hauptsächlich im Mittleren Westen im Bereich Autoteile und Automobilherstellung.

Das ist 2022 gestorben. Es gab keine Bemühungen, es wiederzubeleben. Umschulung geht es wirklich zu einem gewissen Grad wieder um diese Verschmelzung der Fähigkeiten einer Person mit der Software, nicht um: „Hey, hier ist die Software, hier ist, was sie tut, hier ist, was du jetzt tun musst.“ Und ich denke, die effektivste Version davon wird eine Zusammenarbeit sein, nicht diese Art von Umsetzung von oben. Aber es gibt viele Arbeitskräfte da draußen, hochqualifizierte, geschickte Arbeitskräfte, die noch sehr lange, wenn überhaupt, nicht von Robotern erledigt werden. Und es gibt Möglichkeiten, bei denen es für einen Elektriker enorm hilfreich sein kann, multimodale KI zu haben, um ein Foto von etwas zu machen, eine viel schnellere Diagnose zu erhalten und Sicherheitsprobleme viel schneller zu verstehen. Und so denke ich, dass es bei der Umschulung viel mehr um Integration als um Aufzwingen geht.

ADI IGNATIUS: Wenn Sie als Führungskraft zuhören, denke ich, dass die Beispiele der Cleveland Clinic großartig waren. Und wie Sie sagten, sind sie im Großen und Ganzen anwendbar, aber es ist auch leicht zu sagen: „Das ist ein Krankenhaus. Ich weiß nicht, wie das mit mir zusammenhängt. Ich bin ein normales Unternehmen.“ Sprechen Sie also über die Regeln, wie Manager jetzt über diese Technologie nachdenken sollten – in Bezug auf Experimente jetzt und mögliche Neukonfigurationen für die Zukunft.

JOSH TYRANGIEL: Ich denke, in erster Linie ist es wahrscheinlich gesund für Ihr Unternehmen, wenn Sie aufhören, künstliche Intelligenz als eine einzige Sache zu bezeichnen. Es ist eigentlich ein Knäuel aus vielen verschiedenen wissenschaftlichen Techniken. Wenn Sie also zu Ihrer Belegschaft sagen: „Okay, wir bereiten uns alle auf KI vor“, denken die: „Nun, ich benutze Claude zu Hause. Was meinen Sie damit?“ Und Sie müssen tatsächlich etwas tiefer in die Materie eintauchen und konkreter mit den Leuten sprechen, denn das wird einige der Bedenken zerstreuen und sie auf das Problem lenken, das Sie lösen wollen.

Viele der CEOs, mit denen ich spreche, haben keinen technischen Hintergrund und zögern daher etwas, das zu tun. Es beginnt also mit einer Investition, und es gibt CEOs, die viel Zeit mit ihren CTOs verbringen, und andere, die es im Kalender sehen und denken:

ADI IGNATIUS: Kann ich das stornieren?

JOSH TYRANGIEL: Ja, vielleicht verschieben wir das. Nein, man muss tatsächlich eine tiefere Beziehung aufbauen, in der man die Sprache des anderen sprechen kann, weil man seiner Belegschaft vermitteln muss, was man eigentlich erreichen will. Ich denke, das ist der Ausgangspunkt. Der zweite Punkt wäre, dass ich alle auf dem transparentesten Weg ins Boot hole, der möglich ist. Ich weiß, dass es Leute gibt, die die Vorstellung hassen, zu sagen: „Hey, wir werden bald KI einsetzen, weil es zunächst…“ Die ersten Fragen werden sein: „Wird das meinen Job ersetzen?“

ADI IGNATIUS: Und die Antwort muss übrigens vielleicht lauten. Wir wissen es nicht.

JOSH TYRANGIEL: Aber unsere Aufgabe ist es, Probleme für unsere Kunden auf die bestmögliche und effizienteste Weise zu lösen, und wir brauchen Sie als Teil dieser Bemühungen. Ich denke, es beginnt mit Kommunikation und Klarheit. Und dann müssen Sie es mit einem Geist der Forschung und Entwicklung angehen, nicht mit einem Geist der Gewissheit, denn Sie werden unterwegs einiges lernen. Ich verspreche Ihnen, es gab noch nie eine einzige perfekte KI-Implementierung ohne Probleme. Noch nie. Es ist mir egal, was die Labore sagen. Und so müssen Sie es mit dem Geist von F&E angehen. Wir werden über einen bestimmten Zeitraum hinweg herausfinden, was passieren wird. Möchten Sie teilnehmen? Möchten Sie Teil des Pilotprojekts sein? Möchten Sie das Pilotprojekt leiten? Sie müssen die Leute mit ins Boot holen, um zu entmystifizieren, was Sie eigentlich tun.

Und Sie werden auch bessere und vertrauenswürdigere Informationen von ihnen erhalten, wenn Sie im Eckbüro sitzen, wenn Sie sie in Bezug auf diese Technologie befähigen. Ich halte es auch für völlig vernünftig, Budgets für das festzulegen, was Sie tun werden. Das letzte Jahr war irgendwie wie diese wildäugige Verrücktheit in Casinos, besonders an Orten wie Beratungsfirmen, wo die Leute einfach losgelassen wurden: „Füttere es in Claude, schau, was Claude sagt, schau, was Claude Code damit macht.“ Und plötzlich sind die Rechnungen verrückt. Das würden Sie mit nichts anderem tun. Warum tun Sie es mit KI?

Und wie gesagt, ich denke, die Welt ist ein bisschen KI-betrunken geworden. Ich würde sagen, bleiben Sie in erster Linie nüchtern. Es ist in Ordnung, ein bisschen beschwipst zu sein, denn manche Technologie ist wirklich so gut, aber kehren Sie zu den Grundlagen zurück, aber Sie können sich nicht davor verstecken. Das können Sie einfach nicht, denn ich glaube, die Angst ist, dass unsere Konkurrenten es nutzen, sie nutzen es, um schneller zu sein. Nun, vielleicht stimmt das. Gleichzeitig können Sie nicht alle Eier in diesen Korb legen und erwarten, dass alles perfekt ist. Es ist langweiliger, unglamouröser Rat. Sie müssen führen, umsetzen und kommunizieren und wirklich Parameter dafür festlegen, was Sie tun wollten.

ADI IGNATIUS: Wenn Sie ein traditionelles Unternehmen führen, kein Technologieunternehmen, kein Medizinunternehmen, was ist sozusagen eine KI-Möglichkeit, über die Führungskräfte nachdenken sollten, an die sie vielleicht noch nicht denken?

JOSH TYRANGIEL: Schauen Sie sich Ihr Unternehmen an und fragen Sie sich: Wo ist Code in unserem Unternehmen? Und ich spreche sowohl von Software als auch von anderen Dingen. Das Gesetz ist eine Art Code. Es hat all diese Wenn-Dann-Dinge in sich. Mathematik, auch eine Art Code. KI ist inhärent Code und sie ist inhärent großartig darin, zwischen Codes zu übersetzen. Wenn Sie also ein Unternehmen haben, das auf solchen Strukturen basiert, wird KI wahrscheinlich ziemlich gut darin sein. Auch: Wo sind unsere Daten? Wie gut sind unsere Daten? Denn es gibt mehrere Schritte, um effektive KI zu erreichen. Wenn Sie schlechte Daten und eine Art römischen Straßenansatz haben, bei dem es nur schlechte Daten auf schlechten Daten und schmutzigen Datenpipelines gibt, kommen Sie nirgendwo hin. All das muss bereinigt werden. Sie haben ein massives Infrastrukturprojekt vor sich.

Sie müssen also wirklich wissen, wo Sie stehen. Aber wo es wirklich gut ist, ist: Okay, wir haben all diese Richtlinienhandbücher. Nehmen wir an, Sie sind ein Geschirrspülerhersteller. Wollen wir, dass Leute über ChatGPT mit unserem Produkt interagieren, oder wollen wir, dass sie hier interagieren? Wollen wir ihnen beibringen, was wir tun? All das ist nur Code. Ich denke also, der erste Schritt ist zu identifizieren, wo Gleiches mit Gleichem existiert und wo KI, insbesondere LLMs, für Sie nützlich sein kann.

ADI IGNATIUS: Josh, das war großartig. Vielen Dank, dass Sie dabei sind. IdeaCast.

JOSH TYRANGIEL: Danke, dass ich dabei sein durfte, Adi.

ADI IGNATIUS: Das war Josh Tyrangiel, Redakteur bei The Atlantic und Autor des Buches „AI for Good: How Real People are Using Artificial Intelligence to Fix Things that Matter“.

Wenn Ihnen diese Folge geholfen hat, teilen Sie sie und bewerten Sie uns in Apple Podcasts, Spotify oder wo immer Sie hören. Wenn Sie Führungskräften helfen wollen, die Welt voranzubringen, besuchen Sie hbr.org/subscribe, um Zugang zur HBR-Mobil-App, dem wöchentlichen exklusiven Insider-Newsletter und unbegrenztem Zugang zu HBR online zu erhalten.

Danke an unser Team, die leitende Produzentin Mary Dooe und die leitende Produktionsredakteurin Kristin Murphy Romano. Und danke an Sie, dass Sie den HBR gehört haben. IdeaCast. Am Dienstag melden wir uns mit einer neuen Folge zurück.