Wer wird mit KI erfolgreich sein?

ALISON BEARD: Ich bin Alison Beard und das ist die HBR IdeaCast. Die Harvard Business Review veranstaltete kürzlich den HBR Strategy Summit 2026, einen Tag voller Expertenratschläge und Anleitungen von Führungskräften und Akademikern. Wir teilen die Höhepunkte der Veranstaltung in dieser Sonderausgabe. IdeaCast Serie.

Heute, unsere letzte Folge der Serie, ist ein Meisterkurs von Andy McAfee, leitender Forschungswissenschaftler am MIT und Mitbegründer und Co-Direktor der MIT Initiative on the Digital Economy an der Sloan School of Management. In der Sitzung erklärt er, wie Unternehmen die richtigen Kulturen aufbauen, um mit KI wirklich erfolgreich zu sein. Er erklärt den Aufstieg dessen, was er Geek-Organisationen nennt, und die Kluft, die KI zwischen den Besten und dem Rest schafft. Er beantwortet auch Fragen des Publikums mit Hilfe des HBR-Redakteurs Adi Ignatius. Hier ist dieser Meisterkurs.

ANDREW MCAFEE: Ich möchte über ein Thema sprechen, das vielen Menschen derzeit sehr präsent ist. Wer wird erfolgreich sein? Was wird erfolgreiche KI-Anwender von den Nachzüglern in dieser Ära unterscheiden, in der wir uns jetzt befinden, wo es erhebliche Unsicherheit darüber gibt, was mit KI passiert. Ich möchte einige Schlagzeilen aus den letzten Tagen aufgreifen, die verdeutlichen, wie tiefgreifend diese Unsicherheit ist. Ich beginne mit einer Schlagzeile meines Mitbegründers, Kollegen und sehr guten Ökonomen Erik Brynjolfsson, der vor kurzem einen Leitartikel in der Financial Times schrieb: „Der KI-Produktivitätsaufschwung ist bereits da. Wir haben darauf gewartet. Wir haben uns auf diese Erkenntnis von Robert Soloy aus der Vergangenheit gestützt, die besagt: ‚Wir sehen überall Beweise für das Computerzeitalter, außer in den Produktivitätsstatistiken.‘ Das galt für KI. Eric sagt, dass diese Ära endlich vorbei ist und wir nun in eine Ära mit wirklich hohem Produktivitätswachstum aufgrund von KI eintreten können.

Eine aktuelle Umfrage unter vielen CEOs weltweit sagt jedoch: „Nicht so schnell.“ Wir sehen es tatsächlich nicht. Wenn wir uns die Rendite unserer KI-Investitionen ansehen, den Produktivitätsschub oder den KPI-Schub, den unsere Organisationen durch KI erhalten haben, scheint dieser noch nicht da zu sein. Ein weiterer sehr guter Ökonom, der noch am MIT ist, Daron Acemoglu … Sie haben das Zeichen, dass er ein ziemlich guter Ökonom ist, weil er den Nobelpreis erhalten hat. Er gab kürzlich ein Interview im MIT Tech Review, in dem er sagte, dass es keinen Produktivitätsvorteil durch KI gibt.

Wir befinden uns in einer Ära tiefer, tiefer Unsicherheit. Es gab eine Grafik, die vor kurzem in der FT erschien und die meiner Meinung nach unsere Situation wunderbar zusammenfasst. Sie sagte: „Okay, schauen Sie, hier sind drei Möglichkeiten.“ Entweder wird KI die Knappheit beenden und uns in eine Ära des ewigen Überflusses führen. Das ist die verrückte rote Linie, die nach oben geht. Oder der Terminator wird kommen. Er wird uns zur Ausrottung treiben. Das ist die Linie, die nach unten geht. Oder es wird einfach den normalen Verlauf des Produktivitätswachstums um einen relativ geringen Betrag verbessern. Das ist die Fortsetzung der Trendlinie. Dies ist eine sehr, sehr große Bandbreite an Unsicherheit, gelinde gesagt.

Ich liebe die Art, wie Derek Thompson es gestern in seinem Substack formuliert hat. Er sagte: „Schauen Sie, niemand weiß etwas. Es ist zu früh in der Einführung moderner KI, generativer KI. Es ist eindeutig eine leistungsstarke Technologie. Sie kann eindeutig viel. Es gibt Grund, optimistisch zu sein. Es gibt Grund, pessimistisch zu sein. Es ist einfach zu früh, um es sicher zu wissen.“ Ich liebe diese Denkweise, weil ich glaube, dass wir uns extrem früh in dieser Ära der KI-Verbreitung befinden und ihre Veränderungen noch nicht klar sind, besonders wenn man die Beweise genau betrachtet.

Was tun Sie in einer Ära, in der es möglicherweise eine große Sache gibt? Eine transformative Technologie ist vielleicht aufgetaucht, beginnt sich zu verbreiten, in vielen Fällen schnell, in Organisationen, in der gesamten Wirtschaft, aber niemand weiß, wohin uns das führt. Niemand weiß etwas Endgültiges darüber, wohin uns das führt.

Ich möchte ein sehr einfaches Drei-Punkte-Programm vorschlagen, um mit KI unter den Umständen, in denen wir uns jetzt befinden, erfolgreich zu sein, wo niemand etwas weiß. Der erste Teil des Programms ist, dass Sie eine Wette eingehen müssen. Sie müssen sich festlegen. Ich empfehle dringend, sich in Richtung KI zu entscheiden. Hören Sie auf zu lavieren. Hören Sie auf, auf dem Zaun zu sitzen. Verpflichten Sie sich als Organisation zur KI. Und eine Möglichkeit, dieses Engagement zu zeigen, ist, KI zu einem OKR zu machen. Mit anderen Worten: Machen Sie KI zu etwas, das Sie von den Menschen in Ihrer Organisation erwarten. Kommunizieren Sie diese Erwartung. Machen Sie sie klar. Wiederholen Sie sie immer wieder. Beseitigen Sie die Vorstellung, dass KI eine von vielen laufenden Sachen oder eine Technologie des Monats ist. Kommunizieren Sie die Erwartung. Und dann das andere, was gute OKR-Unternehmen tun: Sie messen den Fortschritt in Richtung des Ziels. Wenn Sie ein Ziel in Bezug auf Zeitersparnis, Wertersparnis oder einfach die rohe Menge der KI-Nutzung haben, großartig. Setzen Sie dieses Ziel und messen Sie dann im Laufe der Zeit den Fortschritt in Richtung dieses Ziels.

Der zweite wirklich wichtige Teil des KI-Programms, wenn niemand etwas weiß, wurde mir von Steve Jurvetson nahegebracht, einem sehr guten Risikokapitalgeber, der früh bei SpaceX und Tesla dabei war. Und als ich The Geek Way recherchierte, betonte er mir gegenüber die Bedeutung des Unterschieds zwischen zwei Denkschulen, wie man komplexe voneinander abhängige Projekte in einem Umfeld hoher Unsicherheit ausführt. Und um es etwas zu vereinfachen: Diese beiden Schulen sind die Wasserfall-Methode und die agile Methode. Wasserfall ist eine vorausschauende, planungsintensive Methode zur erfolgreichen Durchführung großer Projekte. Wasserfall besagt: Schauen Sie, wir müssen das richtig hinbekommen. Dies ist ein Umfeld mit hohem Einsatz. Und der Weg, dies zu tun, ist, sich mit vielen klugen Leuten zusammenzusetzen, vorherzusehen, wie es sich entwickeln wird, jeden Eventualfall vorherzusehen, für diese Eventualfälle zu planen, es durchzuspielen und sicherzustellen, dass Sie wissen, wie es laufen wird, wenn Sie beginnen.

Das Hauptproblem mit Wasserfall ist, dass es nicht funktioniert. Und der Grund, warum es nicht funktioniert, wurde vor einiger Zeit wunderbar von Clay Shirky zusammengefasst, als er sagte: „Wasserfall ist ein Versprechen aller Beteiligten, während der eigentlichen Arbeit nichts zu lernen.“ Wenn niemand etwas weiß, wenn die Zukunft so unsicher ist, können Sie sich nicht zum Erfolg planen. Sie können nicht alle Eventualitäten vorhersehen, die auftauchen werden, und die richtige Reaktion auf all diese Gabelungen, all diese Verzweigungen, all diese Eventualitäten.

Als ich Steve für The Geek Way interviewte … Und ich war unglaublich gespannt darauf, ihn zu interviewen, weil ich ihn vor etwa 10 Jahren auf einer Konferenz im Silicon Valley traf. Und als ich sagte: „Was ist los?“, sagte Steve: „Ich sage Ihnen, was los ist. SpaceX wird die Welt mit reichlich, billiger Internetkonnektivität aus dem Weltraum überfluten.“ Sie hatten noch nicht ihren ersten Starlink-Satelliten gestartet, und ich dachte, Jurvetson sei verrückt. Ich dachte, er hätte zu viel von dem Silicon-Valley-Kool-Aid getrunken, weil mein naiver Gedanke war, dass wir 60 Jahre im Zeitalter der Weltraumkommunikation sind. Wenn es wirklich möglich wäre, die Welt mit reichlich, billiger Bandbreite aus dem Weltraum zu überfluten, hätte dann nicht einer der etablierten Anbieter in der Luft- und Raumfahrt- und Kommunikationsindustrie das herausgefunden? Nun, keiner von ihnen tat es, und stattdessen tat es diese komplette Neulingsorganisation. Also kam mir der Gedanke, dass Jurvetson einige Dinge sah und sich einiger Dinge bewusst war, die ich nicht sah. Also, als ich den Geek-Weg erforschte, bat ich ihn um ein Interview. Er willigte sehr freundlicherweise ein. Ich möchte Ihnen ein Zitat geben, das er mir gab und das seitdem bei mir hängen geblieben ist. Und es geht um diese Unterscheidung zwischen einem planungsintensiven, vorausschauenden Ansatz wie Wasserfall und dem, was die Geeks tun, nämlich einen sehr agilen Ansatz zu verfolgen, Dinge auszuprobieren, schnelles valides Feedback zu erhalten, dieses Feedback nach Möglichkeit einzubeziehen und dann wieder hinaus in die Welt zu gehen und Dinge erneut auszuprobieren. Es ist sozusagen der ultimative industrielle Ansatz des Lernens durch Tun.

Und was Steve zu mir sagte, war: „Andy, du musst verstehen, die Unternehmen in meinem Ökosystem, die Art, wie wir gelernt haben, Software zu bauen, die agile Art, wie wir vor etwa 25 Jahren begannen, Software zu bauen, das ist jetzt die agile Art, wie wir alles bauen.“ Hardware, Software spielt keine Rolle. Atome und Bits spielen keine Rolle. Wir verfolgen einen agilen Ansatz, weil wir so unser Lernen maximieren. Und ich liebe das. Jurvetson sagte: „Ich denke manchmal, ich habe einen sechsten Sinn. Ich kann tote Unternehmen sehen. Sie wissen es noch nicht. Sie sind wandelnde tote Unternehmen, aber sie sind die wandelnden Toten, weil sie nicht reaktionsfähig genug sind.“ Und er sagte: „Die Unternehmen, die Teil meines Ökosystems sind, diejenigen, denen ich zu helfen versuche, in die ich investiere, wir laufen Kreise um diese wasserfalllastigen, planungsintensiven etablierten Anbieter. Wir innovieren alle paar Jahre bei Dingen, für die sie fast ein Jahrzehnt brauchen.“

Wie viele von uns wissen, sind wir vor nur ein paar Monaten mit der Veröffentlichung einiger dieser erstaunlichen Modelle, die so gut im Programmieren sind, in eine sehr neue Ära der Softwareentwicklung, des Programmierens eingetreten. Ich denke, wenn ich Jurvetson heute wieder interviewen würde, würde er nicht im Zeitrahmen von ein paar Jahren sprechen. Er würde wahrscheinlich im Zeitrahmen von ein paar Monaten sprechen. Also wird die Prämisse des Lernens durch Tun noch höher, weil die Menge des Tuns, das Sie tun können, zugenommen hat und die Menge des Lernens, die damit einhergeht, ebenfalls absolut durch die Decke geht. Also, Teil zwei des Programms ist, einen schnellen Feedback-Zyklus des Lernens durch Tun einzurichten. Und dann der dritte Teil ist, die Best Practices, die bereits in Ihrer Organisation vorhanden sind, zu verbreiten. Dies war ein Artikel vom Ende letzten Jahres über die Power-User in jeder Organisation.

Und bei Workhelix haben wir bei jedem einzelnen Unternehmen, mit dem wir gearbeitet haben, festgestellt, dass die Verteilung der KI-Nutzung einer ganz bestimmten Form folgt. Es gibt eine kleine Anzahl von Menschen, die sie viel nutzen, und dann nutzen die meisten Menschen sie sparsam. Und es gibt viele Menschen in jeder Organisation, die wir uns angesehen haben, die noch am Rande stehen. Sie experimentieren, sie tauchen ein Zeh hinein, oder vielleicht tun sie noch nicht einmal so viel. Es gibt also eine kleine Gruppe von Power-Usern. Und es gibt eine große Gruppe von Menschen, die wirklich etwas Hilfe gebrauchen könnten, um zu verstehen, wie sie diese Technologie einsetzen können.

Nun, für uns impliziert das eine riesige Chance. Nutzen Sie, was diese Power-User bereits tun. Nutzen Sie, was sie wissen, nutzen Sie die Best Practices, die sie herausgefunden haben, und beginnen Sie, sie zu teilen und zu verbreiten, so weit wie möglich zu verbreiten. Wir befinden uns in den frühen Stadien einer Ära der sehr tiefgreifenden Neuvorstellung, Neuentwicklung. Verwenden Sie den Begriff, den Sie möchten, aber wir werden die Art und Weise ändern, wie Arbeit innerhalb von Unternehmen und zwischen Unternehmen erledigt wird. Es gibt ein paar Denkschulen darüber, wie Sie diese Neuvorstellung erreichen. Und auch hier gibt es einen Kontrast zwischen einem planungsintensiven Ansatz und einem iterationsintensiven Ansatz.

Der planungsintensive Ansatz zur Neuvorstellung oder Neuentwicklung besagt: „Schauen Sie, holen Sie ein paar der klügsten Leute, die Sie finden können, in einen Raum mit einem Whiteboard. Zeichnen Sie auf, wie die Arbeit in der neuen Welt der KI erledigt werden wird.“ Und die Geeks sagen: „Nein.“ Lassen Sie die Geeks das tun, was sie tun, nämlich die mächtigen neuen Werkzeuge zu ergreifen, sich Probleme anzusehen, die gelöst werden müssen, diese Werkzeuge einzusetzen und etwas zu entwickeln, das die Arbeit auf eine grundlegend andere, viel befähigtere Weise erledigt. Die Geeks sagen, dass genau dort die Neuvorstellung herkommen wird.

Es ist in erster Linie ein Bottom-up-Prozess, der von oben unterstützt wird. Es gibt also bereits Menschen, die mit dieser Neugestaltungsarbeit begonnen haben. Ich denke, eines der Ziele einer Organisation in dieser Zeit tiefgreifender Unsicherheit ist es, diese Leute zu identifizieren, zu erfahren, was sie tun, und ihre guten Ideen so breit wie möglich zu verbreiten. Adi, lass mich hier innehalten. Ich würde gerne hören, welche Fragen und Kommentare das hervorruft.

ADI IGNATIUS: Andy, das war großartig und sehr provokativ. Ich beginne mit ein oder zwei eigenen Fragen, aber es kommen viele Fragen von den Teilnehmern. Ich denke, bei KI, wie bei jeder neuen Technologie, stellt sich die Frage: Ist sie überbewertet? Ist sie unterbewertet? Diese hier steht bei den meisten Leuten ganz oben auf der Strategie-Liste – auf Platz eins, zwei oder drei. Es heißt: Das machen wir jetzt.

ANDREW MCAFEE: Wir machen das.

ADI IGNATIUS: Wir können uns durch Experimente hineintasten. Vielleicht wird es richtig groß, aber wir machen das. Und du hast gerade gesagt, selbst Derek Thompson – ich liebe „Niemand weiß etwas“ –, aber du hast die Leute quasi gedrängt, sich zu verpflichten. Ist das an einem bestimmten Punkt ein Glaubenssatz, dass KI die Verpflichtung wert ist, oder bist du ein Techno-Optimist? Ich meine, wie sollten wir das betrachten? Denn man kann es in beide Richtungen argumentieren.

ANDREW MCAFEE: Ich bin ein Techno-Optimist, Adi, wie du weißt, aber wir müssen KI nicht einfach blind vertrauen. Ökonomen haben drei Methoden entwickelt, um zu erkennen, was sie als eine universelle Technologie bezeichnen – im wirtschaftswissenschaftlichen Sinne also eine riesengroße Sache für die Wirtschaft, auf dem Niveau der Dampfmaschine oder des Verbrennungsmotors. Eine dieser Technologien, die auftaucht und das gesamte Wirtschaftswachstum beschleunigt. Es gibt drei Möglichkeiten, sie zu erkennen, und man kann sie im Voraus erkennen.

Erstens: Verbessert sich die Technologie selbst schnell? Häkchen, mit KI. Zweitens: Bringt sie andere ergänzende Innovationen hervor? Wir haben bereits KI-gesteuerte selbstfahrende Autos. Wir versuchen sehr schnell, KI-Roboter zu bauen und zu verbreiten, die KI im Kern dessen haben, was sie können. Also denke ich, das ist wahrscheinlich auch ein Häkchen.

Das dritte Kriterium ist: Bleibt es auf einen oder zwei Sektoren, eine oder zwei Volkswirtschaften beschränkt, oder beginnt man, es in der gesamten Wirtschaft eingesetzt zu sehen? Wir sehen bereits, dass KI, generative KI, in der gesamten Wirtschaft eingesetzt wird. Wenn ich also über diese drei Kriterien und dieses neue Kapitel der KI nachdenke, lautet die Antwort: ja, ja und ja. Darauf gründet sich mein Vertrauen – und es ist kein bloßes Vertrauen, sondern die Beweise, auf die ich mich stütze, um zu sagen, dass dies tatsächlich eine große Sache ist.

ADI IGNATIUS: Okay, schauen wir nach vorne. Wenn KI das tut, was sie kann, stellen sich mir und vielen anderen zwei große Fragen. Erstens: Wenn diese Werkzeuge für alle zugänglich sind, wie denken wir dann über dauerhafte Wettbewerbsvorteile? Wo kommen diese her? Und zweitens: Was in aller Welt bedeutet das für das Management und die Ebenen des mittleren Managements?

ANDREW MCAFEE: Ja, das sind zwei große Fragen. Und ich höre dasselbe wie Sie, nämlich: Moment mal, wenn die Kosten für schwierige Dinge wie das Schreiben von Software sinken, bedeutet das dann nicht, dass der Wettbewerbsvorteil, gut in Software zu sein, schwindet? Ich glaube, das ist nicht der richtige Ansatz. Die Kosten für die Softwareentwicklung sind bereits gesunken. Ich weiß nicht, ob es das 10-fache oder das 1.000-fache ist. Aber es ist heute mindestens um mehrere Größenordnungen günstiger, Software zu schreiben als noch vor zehn Jahren. Heißt das, dass heute alle gleich gut in Software sind? Absolut nicht. Die Ära leistungsstarker Software hat die Wettbewerbsunterschiede zwischen Unternehmen verschärft und vergrößert. Ich glaube, KI wird definitiv nicht der große Wettbewerbsausgleicher sein. Sie wird die Unterschiede zwischen Unternehmen noch viel, viel größer machen als heute.

Wir beginnen, solide Belege dafür zu bekommen, indem wir uns die Bereiche ansehen, in denen KI am intensivsten eingesetzt wurde, nämlich beim Schreiben von Software. Es zeichnet sich ein wirklich interessantes Muster ab. Adi, wir beide haben Karrieren, die lang genug sind, dass wir schon seit langer Zeit über Netzwerkorganisation und die Abflachung von Hierarchien sprechen. Jetzt sehen wir das endlich. Es stellt sich heraus, dass Menschen, wenn sie Zugang zu dieser unglaublich leistungsstarken neuen KI erhalten, tendenziell etwas weniger Kommunikations-, Kooperations- und Koordinationsarbeit leisten. Diese Arbeit geht nicht auf null zurück, aber es fühlt sich so an, als ob wir die administrative Routinearbeit der Projektleitung und der Koordination anderer Teams an die Technologie übergeben. Der menschliche Anteil daran nimmt also ab. Gleichzeitig zeigen die Belege, dass die besten Leute, diejenigen, die man wirklich auf die großen Probleme loslassen möchte, mit denen man konfrontiert ist, mehr Zeit für explorative Arbeit, für Innovation, für das Ausloten von Grenzen haben – genau das, was wir von ihnen erwarten.

Ich habe auch gehört, dass die Fähigkeit, eine Flotte von Agenten zu leiten, sehr ähnlich ist wie die Fähigkeit, ein sehr guter Manager zu sein, insbesondere in einem High-Tech-Bereich oder als Produktmanager. Ich glaube also nicht, dass die Fähigkeiten, die wir im Umgang mit großen, komplexen Projekten lernen, überhaupt veralten. Ich denke, sie werden eine unglaublich reiche Mischung aus Menschen, die an dieser Arbeit beteiligt sind, und Technologien, die daran beteiligt sind, sein.

ADI IGNATIUS: Also, sprechen wir darüber. Ich bin sicher, es gibt einige Zuhörer, die denken: „Ja, ja, wir haben Agenten, und ich bin sehr vertraut damit, sie zu managen, und vielleicht managen sie mich in manchen Fällen.“ Für Leute, denen das noch etwas futuristisch oder erst in ferner Zukunft vorkommt, erklären Sie das. Machen Sie uns die Vorstellung von Agenten in unserem Arbeitsleben schmackhaft.

ANDREW MCAFEE: Ein Software-Agent ist also einfach eine Technologie, die man nicht so sehr füttern muss, wie wir es gewohnt sind. Man kann ihm sagen, er solle etwas relativ Kompliziertes erledigen, ihm hoffentlich ziemlich klare Anweisungen geben, und er wird sich in vielen Fällen stundenlang selbstständig machen und dann zurückkommen, wenn die Arbeit erledigt ist, und seine Ergebnisse präsentieren. Nun hatten wir bei dieser wilden neuen Technologie OpenClaw ein paar Fälle, in denen die Leute ihr vielleicht etwas zu viel Autonomie eingeräumt haben – ihr die Kreditkarte zu geben und sie zu beauftragen, die gesamte Weihnachtseinkäufe zu erledigen, ist wahrscheinlich eine sehr, sehr schlechte Idee. Aber mit geeigneten Sicherheitsvorkehrungen können wir diese Technologien jetzt einrichten, sie für immer längere Zeiträume ihre Arbeit verrichten lassen, sie miteinander interagieren lassen, um gegenseitig zu überprüfen, zu auditieren, sicherzustellen, dass die Schutzregeln eingehalten werden, ihre Aktivitäten zu koordinieren, und dann kommen sie zurück und geben einen Fortschrittsbericht.

Und mit der Zeit gibt es immer mehr Fortschritte und immer weniger Fehler. Das bedeutet nicht, dass wir die Agenten heute einfach freilassen können. Das bedeutet auch nicht, dass wir das nächsten Monat tun können, aber zeigen diese KI-Teile im Laufe der Zeit eine immer größere Fähigkeit, zunehmend komplexe Dinge zu tun und sich dabei in manchen Fällen gegenseitig zu beeinflussen? Absolut ja, in beiden Fällen. Und niemand, mit dem ich spreche, sagt, dass sich das bald abschwächen wird.

ADI IGNATIUS: Meine Leitplanke wäre, ich würde dem Bot meine Kreditkarte geben. Ich würde einfach sagen: „Kauf nichts Geschmackloses.“

ANDREW MCAFEE: Schön.

ADI IGNATIUS: Das wird nicht passieren. Also gut, es kommen viele Fragen aus dem Publikum. Ein paar davon möchte ich kombinieren. Eine kommt von Moumita, einer Customer-Success-Strategin, die andere von Elena, einer Geschäftsführerin. Beide interessieren sich für Erfolgskennzahlen und KPIs. Eine Frage lautet: Wie sollten wir über Erfolgskennzahlen nachdenken, wenn wir mit KI produktiver und effizienter werden? Und für Wissensarbeiter: Wie sehen echte KPIs aus?

ANDREW MCAFEE: Ja, es gibt ein paar faszinierende Aspekte dieser Frage. Ich unterteile sie in zwei Bereiche. KI wird die KPIs in einer Organisation nur dann bei den Kennzahlen, die uns wichtig sind, verbessern, wenn die Leute sie auch nutzen. Das Erste, was wir empfehlen, ist daher: Verfolgen Sie die Nutzung Ihrer KI? Wie ich bereits sagte: Sind Sie in der Situation, dass nur eine sehr kleine Gruppe von Menschen diese Technologie angenommen hat? Arbeiten die meisten von ihnen derzeit in der Softwareentwicklung? Und steht der Rest der Organisation noch immer am Spielfeldrand? Das können wir jetzt messen. Was Sie wollen, ist nicht nur, dass die Power-User ihr Ding machen und ihre Nutzung steigern, sondern Sie wollen eine breite Akzeptanz und einen breiten Anstieg der Nutzung sehen. Der erste Teil der sehr ergiebigen KPI-Frage ist also: Stellen Sie sicher, dass Sie Ihre Nutzung korrekt messen, und Sie möchten, dass diese Nutzung steigt.

Der Grund, warum Sie all diese Nutzung betreiben und Ihre KI-Anbieter bezahlen, ist, dass Sie bestimmte Leistungskennzahlen verbessern möchten. Und wie der Fragesteller anmerkt, sind einige dieser Leistungskennzahlen recht einfach. In einem Callcenter beispielsweise möchten Sie, dass die Produktivität der Kundendienstmitarbeiter steigt. Sie möchten, dass die Gesprächszeiten sinken und die Lösungsraten steigen. Für diese Kategorie von Wissensarbeit haben wir gute Metriken. Für andere Kategorien von Wissensarbeit ist das weitaus weniger klar. Ich sprach mit dem Leiter einer Investmentbank, der sagte: Unsere Analysten führen sehr komplexe Analysen durch, aber das Ergebnis sieht aus wie eine Präsentation, die wir einem Kunden zeigen. Wenn ich meinen Mitarbeitern sagen würde, sie sollen produktiver sein, oder meinen Analysten, produktiver zu sein, hoffe ich, dass sie nicht einfach doppelt so viele Präsentationen erstellen würden.

Es gibt also Bereiche der Wissensarbeit, die tatsächlich recht schwer zu messen sind – nicht unmöglich, aber etwas subtiler. Die wirklich gute Nachricht ist für mich, dass das Instrumentarium der Wirtschaftswissenschaften zur Messung von Veränderungen, selbst wenn sie subtil sind oder etwas weiter von der Intervention wie der KI entfernt, über die wir sprechen, sehr gut ist. Unser Werkzeugkasten, um zu verstehen, ob das, worin wir investiert haben, Gutes oder Schlechtes bewirkt hat, ist derzeit wirklich leistungsfähig. Wir setzen ihn bei Workhelix ein. Es ist Teil einer sogenannten Glaubwürdigkeitsrevolution, bei der unsere Fähigkeit zu sagen: „Hey, du hast etwas ausprobiert. Hat es dazu geführt, dass sich der KPI in die gewünschte Richtung bewegt hat?“ – diese Fähigkeit ist heute viel, viel besser als noch vor 20 Jahren. Also setzen Sie das ein, setzen Sie die Glaubwürdigkeitsrevolution für Ihre KPIs ein.

ADI IGNATIUS: Eines der Probleme, das Menschen skeptisch macht, ist „Workslop“. Und das ist eine Frage von Suzanne, die viele Upvotes erhalten hat. Viele von uns sehen also Workslop – damit meinen wir KI-generierte Inhalte, die großartig aussehen, aber nicht so großartig sind und vielleicht mehr Arbeit für Kollegen verursachen. Wenn Sie Workslop betrachten, sehen Sie es dann als ein Trainingsproblem, ein Kulturproblem, ein Strategieproblem oder etwas anderes? Es ist ein Problem.

ANDREW MCAFEE: Es ist ein Problem, und es ist ein bisschen von allem oben Genannten. Und die Lösung, auf die wir hoffentlich nicht zusteuern, ist, dass mein Agent Schund produziert und Ihr Agent versucht, ihn herauszufiltern, sodass nur die guten Sachen bei Ihnen ankommen. Wir wollen keine Schundkriege innerhalb des Unternehmens oder zwischen Unternehmen. Ich denke, einer der wirklich wichtigen Unterschiede hier, Adi, Sie haben von diesem Unterschied zwischen einer prozessorientierten und einer ergebnisorientierten Organisation gehört. Die Geek-Unternehmen, die ich untersucht und über die ich „The Geek Way“ geschrieben habe, sind sehr stark ergebnisorientierte Organisationen. Sie verstehen die Notwendigkeit von Prozessen, aber worauf es ihnen wirklich ankommt, sind die Kennzahlen, die anzeigen, ob sich das Unternehmen in die richtige Richtung bewegt oder nicht. Wie entwickeln sich diese Kennzahlen? Ich denke, dass es in einer ergebnisorientierten Organisation weniger Nachfrage nach Arbeits-Schund geben wird als in einer prozessorientierten Organisation.

Eine prozessorientierte Organisation fragt: Hast du alle deine Ergebnisse zum nächsten Meeting mitgebracht? Hast du alles abgehakt, was wir uns vorgenommen haben? Hast du alles auf den Schreibtisch aller anderen gelegt? Unabhängig davon, ob das einen KPI beeinflusst hat, der für einen Kunden relevant wäre.

In prozessgetriebenen Organisationen wird das Arbeitsvolumen meiner Meinung nach bereits recht hoch sein und leider wahrscheinlich noch weiter steigen. In ergebnisorientierten Organisationen erwarte ich eine ganz andere Situation. Dort besteht Ihre Aufgabe nicht darin, Dokumente zu erstellen, um den Prozess zu erfüllen. Dort geht es darum, Dinge zu erledigen, die einen Kunden zufriedenstellen.

ADI IGNATIUS: Hier ist eine Frage, die auf Ihr Gespräch über agil versus Wasserfall zurückgeht. Sie kommt von Rich, einem Gründer und CEO. Es ist eine Bitte um praktische Ratschläge. Was ist eine Sache, die ein Führer eines traditionellen Unternehmens tun kann, um sich vom Wasserfall-Denken und der entsprechenden Kultur zu lösen und eine agile Denkweise anzunehmen?

ANDREW MCAFEE: Wow. Das ist eine großartige Frage. Eine Sache, die eine Führungskraft tun kann, ist zu verstehen – es ist eine zweiteilige Antwort, aber sie hängen zusammen. Verzeihen Sie mir also – den Unterschied zwischen dem zu verstehen, was Amazon „Einweg-Türen“ und „Zweiweg-Türen“ nennt. Mit anderen Worten: Können wir hier keinen Fehler machen? SpaceX hat viele Raketen gestartet und viele Raketen abstürzen lassen, weil sie erkannt haben, dass der Start einer Rakete in vielerlei Hinsicht eine Zweiweg-Tür ist. Der Start einer Rakete mit Menschen an Bord ist eine Einweg-Tür. Den Unterschied zu verstehen: Diese Rakete abstürzen zu lassen, ist ein inakzeptabler Fehler. Also bemüht sich SpaceX sehr, sehr erfolgreich darum, keine Raketen abstürzen zu lassen, auf deren Spitze Menschen sitzen. Doch die Art und Weise, wie man lernt, diese Raketen zu bauen, ist durch Lernen, Ausprobieren und Scheitern – und Teil einer Organisation zu sein, die sagt: „Schau, du hast diese Rakete gebaut, um etwas zu lernen. Wir haben keine Menschen darauf gesetzt. Sie ist abgestürzt. Das ist eigentlich gut. Wir haben daraus gelernt.“

Ein Teil davon ist, den Unterschied zwischen Einwegtüren und Zweiwegtüren zu verstehen und sich darüber im Klaren zu sein. Der andere Teil ist, bei Zweiwegtüren die Leute Dinge ausprobieren zu lassen, dein Team Dinge ausprobieren zu lassen. Als Führungskraft auf jede erdenkliche Weise zu signalisieren, dass Scheitern bei Zweiwegtüren in Ordnung ist, solange man etwas daraus lernt. Was lernen wir? Was werden wir beim nächsten Mal anders machen? Großartig. Dann lasst uns wieder rausgehen und es erneut versuchen. So kann eine Führungskraft meiner Meinung nach beginnen, eine agilere Organisation aufzubauen.

ADI IGNATIUS: Ich möchte mit Ihnen über Talente sprechen. Ich möchte mit Ihnen über Einstellung und Fähigkeiten sprechen. Sie haben wahrscheinlich den Bericht gesehen, dass IBM seine Einstiegspositionen verdreifacht. Das ist irgendwie kontraintuitiv, weil wir irgendwie angenommen haben, dass KI Einstiegsjobs vernichten wird. Ich glaube, Microsoft hat etwas Ähnliches gesagt. Was denken Sie? Wie sollte die Personalabteilung über Einstellung, über Einstellungsprofile, über Fähigkeiten nachdenken? Die Leute sagen leichtfertig: „Wir wollen mehr Geisteswissenschaftler“, wie sich herausstellt. Und ich weiß nicht, ob das real ist oder nur gut klingt, aber was sind die Fähigkeiten? Was sind die Profile? Wie sollten Unternehmen darüber nachdenken, Menschen für diese Ära einzustellen?

ANDREW MCAFEE: Der Grund, warum viele Unternehmen ihre Einstellungen auf Einstiegsniveau zurückgefahren haben, ist, dass sie eine umfassende Automatisierung durch KI erwarteten. Insbesondere rechneten sie mit Automatisierung, die die eher routinemäßigen Aufgaben übernehmen könnte, für die wir bisher Berufsanfänger eingesetzt haben. Das Problem dabei ist zweifach. Erstens: Wie sollen Menschen den Job sonst lernen, wenn nicht durch Lernen am Arbeitsplatz und Ausbildung in der Praxis? Genau so lernt man anspruchsvolle Wissensarbeit – indem man jemandem, der darin gut ist, bei den Routinearbeiten hilft. Wenn wir zu schnell zu viel Automatisierung einsetzen, verlieren wir diese Ausbildungsleiter. Der zweite Fehler jedoch ist: Wenn man die Einstellungen auf Einstiegsniveau kappt, unterbricht man die Pipeline der Personen, die am ehesten KI-Enthusiasten, KI-Power-User und KI-Begeisterte in Ihrem Unternehmen sind.

Es gibt einen großen demografischen Rückgang. Mit zunehmendem Alter neigen Menschen dazu, in ihren Gewohnheiten verhafteter zu sein und weniger bereit, verrückte neue Dinge wie KI auszuprobieren. Wenn Sie also Ihre Einstellung auf Einstiegsniveau zurückfahren, opfern Sie wahrscheinlich zukünftige Lernmöglichkeiten und die Fachkräfte von morgen. Sie drehen auch den Hahn für die begeistertsten KI-Nutzer in Ihrem Unternehmen zu. Ich denke, aus diesen Gründen bin ich nicht allzu überrascht zu hören, dass Organisationen wie IBM und Microsoft jetzt versuchen, einen Kanal von sehr talentierten, KI-affinen jungen Menschen aufzubauen.

ALISON BEARD: Das war Andy McAfee, Forschungswissenschaftler am MIT, der im Rahmen des kürzlich stattgefundenen HBR Strategy Summit 2026 einen Meisterkurs gab.

Wenn Ihnen diese Folge geholfen hat, teilen Sie sie bitte mit einem Kollegen und abonnieren und bewerten Sie sie unbedingt IdeaCast in Apple Podcast, Spotify oder wo auch immer Sie hören. Wenn Sie Führungskräften helfen möchten, die Welt voranzubringen, denken Sie bitte darüber nach, Harvard Business Review zu abonnieren.

Sie erhalten Zugang zur HBR-Mobil-App, dem wöchentlichen exklusiven Insider-Newsletter und unbegrenztem Zugang zu HBR online. Gehen Sie einfach auf hbr.org/subscribe. Danke an unser Team, die leitende Produzentin Mary Dooe, den Audio-Produktmanager Ian Fox und den leitenden Produktionsspezialisten Rob Eckhardt. Und danke an Sie, dass Sie HBR zugehört haben. IdeaCast. Wir sind am Dienstag mit einer regulären Folge zurück. Ich bin Alison Beard.