Warum KI-Transformation eine menschliche Note braucht

ADI IGNATIUS: Ich bin Adi Ignatius und das ist der HBR IdeaCast. Vor ein paar Wochen veranstaltete die Harvard Business Review eine eintägige Veranstaltung, die sich mit den neuesten Entwicklungen in der Strategieforschung und -praxis befasste, den HBR Strategy Summit 2026. Der Tag war gefüllt mit Expertenratschlägen und Anleitungen von Führungskräften und Akademikern. Und an den nächsten vier Donnerstagen werden wir einige der besten Gespräche mit Ihnen auf IdeaCast teilen. Zuerst ein Gespräch zwischen HBR-Chefredakteurin Amy Bernstein und Nigel Vaz, dem CEO von Publicis Sapient. Das Unternehmen ist im Bereich der digitalen Transformation tätig und hilft Organisationen, ihre bestehenden Modelle zu modernisieren und künstliche Intelligenz zu integrieren.

Das bedeutet, dass er einen Platz in der ersten Reihe für die digitale Transformation in allen Arten von Organisationen hatte, und er teilte seine Gedanken darüber, was Unternehmen jetzt wirklich in Bezug auf KI tun müssen, bevor es zu spät ist. Sie werden hören, wie er argumentiert, warum KI eher als Betriebssystem denn als Werkzeug betrachtet werden sollte, wie lineares Denken Führungskräfte zurückhält und welche aufregendsten Möglichkeiten er derzeit für KI sieht. Hier ist das Gespräch zwischen Amy Bernstein und Nigel Vaz.

AMY BERNSTEIN: Sie hatten einen Platz in der ersten Reihe für die Strategieentwicklung überall, auf der ganzen Welt, bei vielen verschiedenen Arten von Unternehmen. Sie machen das seit Jahren, also haben Sie den langen Überblick. Wie hat KI all das beeinflusst, die gesamte Strategieentwicklung, das gesamte Denken über Strategie? Wenn Sie es sozusagen auf den Punkt bringen könnten.

NIGEL VAZ: Sehen Sie, ich denke, KI ist weit mehr ein Betriebssystem dafür, wie ein Unternehmen arbeiten muss, als eine Technologie, richtig? Denn ich glaube, wir stehen am Anfang einer grundlegenden Transformation, bei der KI als technologischer Trend diskutiert wurde, aber sie verändert grundlegend, wie Unternehmen Werte schaffen und liefern, ähnlich wie das Internet in den 90ern. Für mich geht es also weniger darum, wie KI den Prozess der Strategie verändert, sondern mehr darum, wie KI verändert, wie Entscheidungen getroffen werden und wie Arbeit erledigt wird. Und wenn man bedenkt, wie sich Entscheidungsfindung und Arbeitserledigung entwickeln, dann muss man sehr schnell das Tempo der Strategie ändern, richtig?

Also, funktionieren jährliche Strategiezyklen? Kommen Planungsverschiebungen in langen mehrjährigen Zyklen? Werden Budgets auf Jahresbasis festgelegt? Und schaffen diese Wettbewerbsvorteile, was der Hauptzweck der Strategie ist? Oder geht es eigentlich darum, wie Unternehmen anders arbeiten müssen? Ähnlich wie bei der Einführung des Digitalen, geht es für mich bei KI nicht darum, Strategien intelligenter zu machen, richtig? Es geht hauptsächlich darum, wie sie Organisationen dazu zwingt, neu durchdacht zu werden, insbesondere im Kontext ihrer Geschwindigkeit.

AMY BERNSTEIN: Es geht also um Geschwindigkeit, aber Sie haben auch über Wertschöpfung und Wertaneignung gesprochen. Es geht also auch um das Geschäftsmodell. Es klingt, als ob Sie sagen, dass Organisationen ihre gesamten Geschäftsmodelle wirklich überdenken müssen. Ist das richtig?

NIGEL VAZ: Absolut. Denn wenn man bedenkt, wie sich organisatorische Innovation in den letzten Jahren entwickelt hat, sehen wir zunehmend, dass Unternehmen zwar in kleinen Bereichen innovieren können, aber große Schwierigkeiten haben, diese Innovationen unternehmensweit zu skalieren. Der Grund dafür ist, dass Experimente im Allgemeinen nicht skalieren, es sei denn, man denkt grundlegend neu, wie Dinge funktionieren sollen, oder? Und ich denke, genau diesen großen Wandel erleben wir im Kontext von KI.

Wenn man sich viele dieser Proofs of Concept ansieht, die nicht skalieren, liegt das größtenteils daran, dass die Probleme, die sie lösen, funktionale Probleme in einem bestimmten Teil der Organisation sind, die schmale Wertströme liefern können, während der breitere Wandel für die Organisation ein größeres Umdenken im Hinblick auf das Was und Wie der Geschäftstätigkeit erfordert – was meiner Meinung nach den Großteil der Gespräche ausmacht, die wir mit vielen Unternehmen weltweit führen, wenn es um wirklich große, bedeutende Probleme geht. Kann man ein Auto, dessen Neugestaltung 18 Monate dauert, in 18 Wochen umsetzen? Und wenn ja, welche strategischen Optionen eröffnet einem das?

AMY BERNSTEIN: Richtig. Und wie immer kommt es auf die Entscheidungen an, und man kann erkennen… Das Schwierige an Strategie ist, wozu man Nein sagt, aber es klingt, als ob ein Teil dessen, worauf Sie hier hinauswollen, ist, dass Organisationen, die sich in den letzten Jahrzehnten in viele verschiedene Geschäftsfelder bewegt haben – und das ist in vielen Organisationen passiert –, sich auf das konzentrieren sollten, was Sie fordern. Und ich frage mich, wie man Organisationen dazu bringt, sich strategisch zu fokussieren.

NIGEL VAZ: Meiner Erfahrung nach denkt man über Fokus so, dass man Dinge auswählen muss, die man testen und daraus lernen kann, zweifellos. Aber man muss diese Dinge so wählen, dass man diese Erkenntnisse nutzen und sicherstellen kann, dass sie tatsächlich auf die gesamte Organisation anwendbar sind. Man möchte also ein Problem auswählen, das nicht so klein ist, dass es im Kontext einer größeren Transformation als irrelevant abgetan werden kann, aber auch nicht so groß, dass man nie aus den Startlöchern kommt, wenn es darum geht, es tatsächlich zu lösen, richtig?

Und du willst dich in diesem Sweet Spot wiederfinden, wo du sagen kannst: „Das ist ein ausreichend relevantes Problem, dass die Organisation es als repräsentativ dafür ansieht, wie wir die größere Herausforderung lösen, die KI selbst darstellt – weil sie uns zwingt, so viele Aspekte zu überdenken, wie wir mit Kunden interagieren, wie wir Wachstum fördern, wie wir Kosten aus dem Geschäft herausnehmen.“ Aber gleichzeitig darf es auch nicht so groß sein, dass es einfach nicht schnell genug Wert liefert. Und sehr schnell wendet sich die Organisation dann dem nächsten Thema zu.

AMY BERNSTEIN: Wie raten Sie Ihren Kunden, diesen optimalen Punkt zu finden?

NIGEL VAZ: Das Erste, worüber man sich wirklich im Klaren sein muss, ist: Welche Probleme versuchen Sie auf organisatorischer Ebene zu lösen? Und was sind dann die Vorläufer dieser Probleme, die als Kandidaten zur Validierung dieser Strategie in Frage kommen, richtig? Einige dieser Fragen sind „Was“-Fragen – also: Was tun wir? Viele dieser Fragen sind „Wie“-Fragen. Ich veranschauliche das an einem Beispiel: Wir haben viele Kunden, die sich mitten in groß angelegten technologischen Transformationen befinden und im Grunde daran arbeiten, neue digitale Plattformen und Tools aufzubauen, während sie sich aus dem traditionellen Software-Ökosystem lösen. Das bedeutet, dass all ihre Geschäftsprozesse in diese monolithischen Softwareplattformen eingebettet sind, die sich nicht oder nicht häufig genug ändern, richtig?

Anstatt zu sagen: „Hey, wir werden unsere ERP-Systeme und einen Großteil unserer Kerntechnologie loswerden“, fragt man sich vielmehr: Was sind die Voraussetzungen dafür? Vielleicht nehmen wir einen Funktionsbereich, der eine ältere, schwer veränderbare und schwer zu migrierende Anwendung ist, und setzen dort eine KI-Modernisierungsinitiative um.

Plötzlich wechseln Sie von einer langsamen Technologieentwicklung zu einer agentenbasierten Orchestrierung, beweisen das Modell und können nun sagen: „Weißt du was? Wir müssen eine breitere Modernisierungsinitiative in unserem gesamten Unternehmen starten, um die Erkenntnisse von hier nahezu schrittweise zu replizieren, bis wir nicht länger durch Geschäftsprozesse eingeschränkt oder durch die von uns eingesetzte Technologie begrenzt sind.“

AMY BERNSTEIN: Sie sprechen also über sehr neue Denkweisen in Bezug auf Organisationsstrategie und Geschäftsstrategie. Und ich frage mich, worauf Sie bei der Arbeit mit Kunden am zuverlässigsten achten, um eine Strategie im Zeitalter der KI zu Fall zu bringen? Was ist der häufigste Denkfehler, den Sie bisher gesehen haben?

NIGEL VAZ: Ich denke, das mit Abstand Wichtigste ist die Fähigkeit, einem linearen Gedankengang zu folgen, bevor man loslegt. Also diese klassische Idee: Wir machen dies, dann das, dann das, dann das. Wir überprüfen die Ergebnisse und dann gehen wir die Schleife noch einmal durch, richtig? Und diese Idee des linearen Staffelstabs, der funktionalen Trennung der Strategie.

Also, wir haben die Unternehmensstrategie, dann die Finanzstrategie, die Marketingstrategie, die Produktstrategie, die Fertigungsstrategie – und wir konzentrieren uns nicht wirklich darauf, wie Daten durch die Organisation fließen, wie Arbeit erledigt wird und wie diese interdisziplinären Aufgaben, die Verbindungen zwischen Vertrieb und Marketing schaffen, historisch gesehen unüblich sind, aber heute wirklich wertvoll wären, wenn man diese Datensätze im Kontext der Lösung einer möglichen Fertigungsfrage verknüpfen könnte – nicht im Vertrieb oder Marketing, richtig?

Und bewusst über diese Art von Herausforderungen nachzudenken, ist wahrscheinlich das, was ich hervorheben würde, denn es ist fast so, als ob der gesamte Erfolg strategischer Prozesse bisher genau die Dinge sind, die bis zu einem gewissen Grad Ihre Fähigkeit einschränken, Wert daraus zu ziehen, wenn es darum geht, bewusst zu gestalten, wie Sie eine KI-zentrierte Welt entwerfen – vor allem in Bezug auf Menschen, Kontext und OKRs, nicht nur auf Technologie.

AMY BERNSTEIN: Ja. Und was Sie sagen, erinnert mich an einige Themen, die wir heute bereits gehört haben: die Bedeutung von Versuch und Irrtum, das Abrücken von diesem linearen Wasserfallansatz zur Strategieentwicklung, bei dem alles bis zur Perfektion ausgefeilt werden muss, bevor man zum nächsten Schritt übergeht. Und jetzt frage ich mich: Woran erkennen Sie, dass Ihre neue Strategie funktioniert, bevor Sie die Zahlen haben, die es belegen – die KPIs, Ihre OKRs oder was auch immer?

NIGEL VAZ: Ich denke, das ist eine der größten Herausforderungen, oder? Diese Vorstellung einer strategischen Planungsübung, die getrennt von einer Umsetzungsübung ist, gehört doch zu diesem traditionellen Modell, oder? Ich glaube, so viel von der heutigen Strategie – ob es um Wachstum, Kosteneinsparungen durch Innovation oder um operative Beschleunigung geht – muss sowohl aus einem strategischen Satz von Prinzipien und Ansätzen bestehen als auch daraus, wie dieser mit der Organisation im Kontext der tatsächlichen Umsetzung verbunden wird und Rückmeldungen in diesen Prozess einfließen, sodass wir nicht diese Vorstellung haben: „Okay, wir entwickeln diese unglaubliche Strategie.“

Wir werden all diese Zeit darauf verwenden, eine strategische Hypothese zu entwickeln, aber dann werden wir die Validierung dieser Hypothese wieder in einen sehr linearen Messprozess einbetten. Und dann werden wir sie am Ende des nächsten Jahres überprüfen, wenn wir den nächsten Budgetierungszyklus durchführen, um zu iterieren. Ein Großteil dessen, worum es heute geht, ist also die Messung der Strategie in Einheitsökonomie, nicht nur in Aktivitäten – darüber nachzudenken, was die kleinstmöglichen messbaren Dinge sind, und diese zu nutzen, um daraus abzuleiten, ob Ihr strategischer Fortschritt in die gewünschte Richtung geht. Ich habe die Technologiebeispiele verwendet: Statt auf einen Projektbericht am Ende eines Meilensteins zu warten – was sind die Kosten pro Release? Was ist die Zykluszeit pro Feature?

Wie hoch ist die Fehlerdurchschlupfrate? Denn letztlich geht es uns darum, Unternehmen bei der digitalen Transformation zu unterstützen, was in erster Linie bedeutet, Technologie einzusetzen, um entweder Wachstum zu fördern, Kosten- und Effizienzprobleme zu lösen oder die Kundenerfahrung in einer Organisation zu verbessern. Vieles davon hängt davon ab, wie Sie in Schritten messen und diese Messungen dann nutzen, um Ihre Hypothesen zu strategischen Entscheidungen abzuleiten oder zu validieren.

AMY BERNSTEIN: Sie haben also Wachstum und Effizienzsteigerung erwähnt. Wir haben viel über den Effizienzaspekt gesprochen. Und ich frage mich: Wenn Sie ein Unternehmen sehen, das KI wirklich nutzt, um Wachstum zu fördern – was tut es dann? Wenn Sie Ihren Kundenstamm betrachten, was machen diejenigen, die den Code wirklich geknackt haben, anders?

NIGEL VAZ: Ich würde sagen, nur sehr wenige Unternehmen weltweit würden behaupten, den Code geknackt zu haben, und dieser Ansicht schließen wir uns an. Aber was ich Ihnen über diejenigen sagen kann, die im aktuellen Kontext führend sind: Es gibt einige Dinge, die sie wirklich anders machen.

Erstens erkennt man, dass sich das traditionelle Konzept von Softwaresystemen, die einen Großteil der Differenzierung aus Prozessperspektive verkörpern, hin zu einem Datenökosystem verlagert, das verschiedene Datensätze miteinander verbindet, um zu verstehen, wie diese Datenverbindungen eine bessere Kundenbetreuung ermöglichen – sei es im Einzelhandel, um die Warenkorbgrößen durch prädiktive Analysen des aktuellen Inhalts und möglicherweise darauf basierender Ergänzungsvorschläge zu vergrößern, oder im Bereich der Arzneimittelforschung, indem man angrenzende Felder zu den primären Forschungsbereichen des Unternehmens untersucht und dabei alle Datensätze aus früheren gescheiterten Studien nutzt.

Jede dieser Anwendungen ist eine innovative Nutzung der Datenvernetzung in einem KI-zentrierten Ansatz, um für Patienten, Bürger und Kunden einen Mehrwert zu schaffen, wie es historisch nicht möglich war.

AMY BERNSTEIN: Also, ich möchte auf einige der eingegangenen Fragen eingehen, Nigel. Du hast offensichtlich einen Nerv bei vielen Leuten getroffen. Eine Frage, die oft hochgeladen wurde, kommt von Stacy. Sie sagt: „Das Thema des Gipfels ist es, unsere Arbeitsweise zu überdenken.“ Wo sollte deiner Meinung nach die KI-Strategie angesiedelt sein? Liegt sie derzeit meistens in der IT? Es scheint, als ob eine funktionsübergreifende Zusammenarbeit mit Führungskräften, Experten und einzelnen Mitarbeitern notwendig ist.

NIGEL VAZ: Ja, ich finde das eine fantastische Beobachtung, oder? Und genau hier habe ich ganz am Anfang angefangen. Selbst heute wird KI im Kontext von Technologie diskutiert. Ich habe hier eine Analogie, um auf Stacys Frage zurückzukommen, die in die 90er Jahre führt, als die wertvollsten Technologieunternehmen Ende der 90er, Anfang der 2000er Jahre Firmen wie Cisco waren, weil wir uns in jener Phase der Internetentwicklung befanden, in der es darum ging, Pakete schneller zwischen Organisationen zu bewegen. Der gesamte Kontext der Internetdiskussionen – und wir waren ein Unternehmen, das einige der ersten Online-Banken aufbaute und es ermöglichte, einen Sitzplatz im Flugzeug auszuwählen – das waren keine technologischen Probleme.

Das waren Probleme der Geschäftsinnovation und der Erkenntnis, dass eine Fluggesellschaft, die es dir erlaubt, deinen eigenen Sitzplatz zu wählen, nicht nur die Abläufe am Flughafen effizienter macht und nicht nur die Arbeit in einem Callcenter effizienter gestaltet – sodass du nicht anrufen und fragen musst: „Wo ist 32B?“, weil du keine Karte vor dir siehst –, sondern auch eine der größten Einnahmequellen für eine Fluggesellschaft heute schafft, bei der Menschen bereit sind, für das Privileg der Sitzplatzwahl zu zahlen, oder? Und ich denke, das ist der Situation, in der wir uns heute mit KI befinden, sehr ähnlich. Ein Großteil der Diskussion dreht sich also um Rechenleistung.

Ein Großteil der heutigen Diskussion dreht sich um die technologische Manifestation von KI im Kontext der Frage, welches Modell besser ist. Aber die Realität ist, dass es, ob es nun um Rechenleistung oder Modelle geht, grundlegende architektonische Komponenten der KI gibt, während die eigentliche Diskussion über KI auf geschäftlicher Ebene geführt werden sollte, da der Großteil des Werts in den Anwendungen, den Geschäftsprozessen und den neuen Angeboten entsteht, die wir auf Basis der Rechenleistung und der Modelle entwickeln, oder? Und so, um auf Stacys Frage zurückzukommen: Organisationen, die erfolgreicher sind als andere, führen diese Diskussion nicht im Kontext der Technologie.

Sie diskutieren dies im Kontext darüber, welche Veränderungen für uns mit unseren Kunden, Mitarbeitern und Partnern möglich sind und wie wir mit ihnen im Rahmen des technologisch Machbaren interagieren – im Gegensatz zu einer technologiegetriebenen KI-Strategie, die auf CIO-Ebene durchaus sinnvoll ist, aber meiner Meinung nach nicht der Ort ist, an dem der primäre Mehrwert für die gesamte Organisation erschlossen wird.

AMY BERNSTEIN: Das ergibt sehr viel Sinn. Eine weitere Frage, die viele Upvotes erhalten hat, kommt von Suzanne, die fragt: Wenn Sie über KI-Transformation mit menschlichem Touch sprechen, welche ethischen roten Linien sollte Ihrer Meinung nach jede Organisation definieren, bevor sie KI in großem Maßstab einsetzt? Wie raten Sie CEOs, den Druck nach Geschwindigkeit und Kosteneinsparungen mit der Notwendigkeit einer verantwortungsvollen, ethischen KI in Einklang zu bringen, insbesondere wenn der kurzfristige ROI unklar ist? Und ich füge hinzu: wenn so viel Druck besteht, den ROI zu zeigen.

NIGEL VAZ: Ja. Und schauen Sie, ich denke, es gibt hier zwei Ebenen des Gesprächs, oder? Ich meine, eine der Herausforderungen, die dies von den traditionellen ethischen Diskussionen der Vergangenheit unterscheidet, ist die Tatsache, dass diese ethischen Überlegungen in der Technologie verankert sein müssen, denn wenn man sie nicht tatsächlich in der Technologie verankert, werden sie nur zu einer Reihe ethischer Richtlinien und Prinzipien, die man als Organisation veröffentlicht, um sich selbst besser zu fühlen. Und was ich damit meine, ist eine klare Perspektive darauf zu haben, wie wir Daten verwenden, die uns im Kontext einer Sache für eine andere gegeben wurden.

Was sind die Erwartungen an die Art von Daten, die wir aus unserer Organisation herauslassen wollen, um möglicherweise mit welchen Modellen zu interagieren? Welche Entscheidungen treffen wir im Kontext von Open-Source-Modellen, bei denen wir verstehen können, wie Modelle im Wartezustand und bei geschlossenen Modellen trainiert wurden? Was sind die geografischen Überlegungen im Kontext der Souveränität in Bezug auf KI und Daten-Governance, was eine wichtige Überlegung im Kontext all der Gespräche über die sich so schnell ändernde geopolitische Landschaft mit Zöllen und anderen Überlegungen wird, oder? All dies sind nicht nur Prinzipien, denen zugestimmt werden kann. Sie müssen auch eine sehr spezifische Reihe technologischer Entscheidungen vorantreiben.

Also, ich gebe Ihnen ein Beispiel dafür, oder? Zu sagen, wir wollen tatsächlich die Daten unserer Kunden schützen, aber dann seinen Mitarbeitern zu erlauben, mit KI-Tools zu experimentieren, die nicht in einer Sandbox sind – ein ziemlich einfaches Beispiel – wo diese Daten möglicherweise Modelle im öffentlichen Bereich anreichern könnten, ist ein Fehler. Man denkt, drei Jahre in dieser Iteration der KI hätten wir das nicht mehr gesehen, aber es passiert immer noch, weil Unternehmen ihren Mitarbeitern nicht unbedingt die Werkzeuge zur Verfügung stellen, um sie so produktiv wie möglich zu machen.

Und so sehen Sie jemanden, der versucht, einem Kunden im Kontext eines Kundendienstproblems zu helfen, und es sehr schwierig findet, die Informationen auf der eigenen Website oder in den eigenen Systemen zu finden, die ihm zur Verfügung gestellt wurden. Und er kopiert einfach diese Frage, steckt sie in einen öffentlichen KI-Chatbot und stellt die Frage, wobei er möglicherweise einige der Informationen teilt, die der Kunde ihm gegeben hat, damit er diesem Kunden eine bessere Antwort geben kann. Aber diese Daten sind nun natürlich einem öffentlichen Bereich ausgesetzt, wo man nicht genau weiß, wo und wie sie sich weiter verbreiten werden.

Dies sind einige grundlegende Dinge, von denen ich denke, dass man erkennen muss, dass es jetzt nicht nur um diese Richtlinien geht, die besagen, wie wir eine ethische Nutzung von Daten wollen, wie wir mit Fehlinformationen und Desinformationen umgehen, wie wir mit KI-Austausch im Kontext von Ausgaben umgehen, wie wir mit Fälschungen umgehen und wirklich helfen, im Kontext von Marketing oder vielleicht sozialen Medien zu leiten, was fake ist und was nicht, oder? All diese Entscheidungen müssen dann in Systeme und systemische Arbeitsweisen in den technologischen Ansätzen eingebettet werden, die Sie wählen, denn ich denke, in der heutigen Zeit wird dort der Unterschied gemacht.

Haben Sie also die Möglichkeit, Wasserzeichen zu setzen oder die KI-Nutzung im Kontext kreativer Ergebnisse, Marketingkommunikation hervorzuheben? All dies sind meiner Meinung nach die Punkte, bei denen die Unterscheidung, ob Sie wirklich die Werte leben, die Sie in Bezug auf verantwortungsvolle KI predigen, meiner Meinung nach wichtig ist.

AMY BERNSTEIN: Ja, das ergibt sehr viel Sinn. Unsere nächste Frage ist eigentlich angrenzend daran. Sie kommt von einem CEO, der fragt: „Für Organisationen, die gefährdete Gemeinschaften bedienen, welche Sicherheitsvorkehrungen sind unerlässlich, damit KI nicht unbeabsichtigt Ungleichheiten in Bezug auf Zugang, Stimme oder Ergebnisse verstärkt?“

NIGEL VAZ: Das Wichtigste dabei ist, die Daten zu erkennen, mit denen die Modelle, die Sie verwenden, im Kontext der Dienstleistungen, die Sie erbringen, trainiert wurden. Denn wir sollten uns alle im Klaren sein: KI ist nur so gut wie die Daten, mit denen sie trainiert wurde. Wenn Ihre Daten also alle Vorurteile und alle bedenklichen Komponenten enthalten, die Sie aus den Interaktionen mit diesen gefährdeten Gemeinschaften eliminieren möchten, denke ich, dass Sie mit den Datensätzen beginnen müssen, die verwendet werden, um Dienstleistungen zu erbringen, denn ich denke, dass alle Dinge, die Sie auf dieser Grundlage aufbauen, entweder nur verstärken oder möglicherweise durch die Art und Weise, wie die Modelle trainiert wurden, gemildert werden könnten.

Und ich denke, dass es entscheidend wird, tatsächlich zu verstehen, wie Sie Fehlinformationen, Desinformationen und Voreingenommenheit im Kontext der Datensätze angehen. Und dann denke ich, ist es wichtig, sicherzustellen, dass Sie die angemessenen Sicherheitsvorkehrungen haben, bei denen Sie konsequent Verstärkung für die Dinge einbauen, die Sie sicherstellen wollen, dass sie wahr bleiben. Denn ich denke, im Kontext gefährdeter Gemeinschaften oder tatsächlich im Kontext der Bereitstellung gerechter Erfahrungen für Menschen ist die Entscheidung, was Sie einschränken wollen, fast so wichtig wie das, was Sie verstärken wollen.

AMY BERNSTEIN: Ja, viele Entscheidungen, viele Wahlmöglichkeiten. Man muss sich wirklich konzentrieren und achtsam sein bei all dem. Rich, der ein Gründer und CEO ist, fragt: „Was ist das wichtigste menschliche Attribut, das Führungskräfte zeigen müssen, um KI-Transformation erfolgreich voranzutreiben?“ Welche sozialen und emotionalen Faktoren bedenken Führungskräfte nicht genug? Das ist eine große HBR-Frage.

NIGEL VAZ: Ich denke, für mich müssen wir erkennen, dass wir jetzt an einem Punkt sind, an dem viel über KI in einem breiten, allgemeinen Sinne gesprochen wurde, oder? Aber wenn man zu dieser Welle der generativen KI vor vielleicht drei Jahren zurückgeht, begannen wir mit Chat, und dann sahen wir, wie sich Reasoning-Modelle entwickelten. Und jetzt sind wir in einer Welt, in der wir anfangen, Agenten sehr praktisch zu sehen … Ich habe ein paar auf meinem Computer, die jetzt arbeiten, während ich dieses Gespräch führe, und schließlich werden wir uns zu KI-Kollegen entwickeln.

Und ich denke, wir müssen diese Idee erkennen, dass die eigentliche Art und Weise, wie wir als Organisation arbeiten, sich zu dieser Interaktion zwischen uns als Menschen und der Abhängigkeit und der Richtung und der Handlungsfähigkeit, die wir diesen KI-Tools geben werden, um in unserem Namen zu arbeiten, verändern wird. Und ich denke, wir müssen anfangen, darüber im Kontext dessen nachzudenken, wie wir über Menschen denken, wo man ihnen nicht unbedingt nur eine Aufgabe gibt und sie über einen sehr langen Zeitraum weggehen und diese Aufgabe einfach weiter ausführen, sondern man aktiv mit ihnen interagieren, sie umleiten, korrigieren, anstoßen und weiterentwickeln kann, oder?

Und so wird diese Beständigkeit in Bezug auf das Gedächtnis dieser Agenten, die Interaktion, meiner Meinung nach sehr strategisch definieren, wie wir anfangen müssen, über Arbeit im Kontext von Organisationen nachzudenken, denn das ist sehr anders als die Art, wie Arbeit nur durch Menschen, die miteinander interagieren, erledigt wurde. Zur zweiten Frage: Ich denke, was die Leute nicht tun, ist, nicht unbedingt strategisch genug darüber nachzudenken, was die Leitplanken sind? Was sind die Erwartungen?

Wenn Sie ein CHRO in einer Organisation sind, die für einen CEO wie Sie arbeitet, oder ein Personalverantwortlicher, oder wie wir es bei SAP nennen, ein People Success Leader, jemand, dessen Aufgabe es ist, Menschen erfolgreich zu machen, wie fangen Sie dann tatsächlich an, darüber nachzudenken, diese Menschen im Kontext dessen erfolgreich zu machen, wie Sie Agenten befähigen, mit diesen Menschen zu interagieren? Wir als Unternehmen sind ein Enterprise-KI-Technologieunternehmen zusätzlich zu einem Dienstleistungsunternehmen, oder? Also betrachten wir uns selbst als Menschen und Produkt zusammen. Und so existiert diese Koexistenz in Organisationen nicht nur in unserer, weil wir im Geschäft der Bereitstellung dieser Dienstleistung sind.

Diese existiert im Kontext jedes Unternehmens, ob Sie ein Einzelhändler oder ein Telekommunikationsunternehmen oder eine Fluggesellschaft sind, wo Ihre Mitarbeiter neben diesen KI-Tools arbeiten werden, die sich von vollständig von Menschen gesteuert zu in einigen Fällen autonom operierend entwickelt haben. Wie stellen Sie dann in diesem Kontext sicher, dass beide Seiten dieser Gleichung, der Mensch und der KI-Kollege, sozusagen, in einem System zusammenarbeiten, das Wert schafft und Risiken für die Organisation minimiert, denn ich denke, das wird die Grenze sein, an der wir uns sehr, sehr schnell wiederfinden werden.

AMY BERNSTEIN: Wir haben Zeit für eine letzte Frage, und diese hat viele Upvotes bekommen. Sie kommt von Caterina, einer Mitgründerin. Können Sie ein Beispiel für die effektive Nutzung von KI in der Strategieentwicklung oder -umsetzung geben und was war entscheidend für diesen Erfolg?

NIGEL VAZ: Ich werde ein Beispiel für eine strategische Entscheidung wählen. Ein Automobilunternehmen traf in diesem Fall eine große Strategiefrage, wie wir tatsächlich drei Dinge gleichzeitig tun können? Erstens, schneller in einem agileren Umfeld bewegen. Zweitens, sicherstellen, dass wir reaktionsschneller auf Kunden und sich ändernde Verhaltensweisen sind. Und drittens, unsere Lieferketten operativ so organisieren, dass sie darauf reagieren können, oder? Und das erste, was sie meiner Meinung nach tun mussten, war, strategisch das Gleichgewicht dessen zu gewichten, was diese Lösung am meisten beeinflussen würde. Und in diesem Fall priorisierten sie, sicherzustellen, dass sie für ihre Kunden relevanter wurden, oder?

Und so haben sie unter anderem den Prozess der Vorherbestimmung vieler Antworten verschoben und begonnen, im Grunde einen Strategierahmen um die Kosten, die Demografie, die Art des Automobils, das sie produzierten, zu bauen. Und dann fast auf iterativer Basis mit Märkten zu interagieren, um im Grunde zu sagen: „Okay, wenn wir diese Kamera hinzufügen, die das Rückwärtsfahren ermöglicht, dann bedeutet das, dass die Kosten für Malaysia, das plötzlich ein großes Publikum ist, zu hoch werden und sie dann nicht an der Nutzung dieses Modells teilnehmen werden. Wie nutzen wir diese Informationen früh genug, dass wir beginnen können, das Armaturenbrett mit oder ohne Kamera zu entwerfen, so dass optionale Varianten entstehen?“

Dann fließt das in die Lieferkette ein, in Bezug darauf, wie sie beschaffen, bepreisen. Es ist also ein gutes Beispiel dafür, wie KI genutzt wird, um große strategische Entscheidungen voranzutreiben, die dann viele kleine strategische Entscheidungen ermöglichen, die sie letztendlich zu einem schnelleren Autodesign führen, von dem sie schneller abweichen können, wenn sie nicht so viel Engagement von den Märkten sehen, bevor es überhaupt den tatsächlichen Verbraucher erreicht, dessen Perspektiven durch diesen gesamten Prozess eingespeist wurden.

ADI IGNATIUS: Das war Nigel Vaz, CEO von Publicis Sapient, im Gespräch mit HBR-Chefredakteurin Amy Bernstein auf dem HBR Strategy Summit 2026. Wenn Ihnen diese Folge gefallen hat, teilen Sie sie mit einem Kollegen und abonnieren und bewerten Sie sie unbedingt. IdeaCast in Apple Podcasts, Spotify oder wo auch immer Sie hören.

Und danke an unser Team, Senior Producer Mary Dooe, Audio Product Manager Ian Fox und Senior Production Specialist Rob Eckhardt. Und danke an Sie fürs Zuhören beim HBR. IdeaCast. Wir sind am Dienstag mit einer neuen Folge zurück. Ich bin Adi Ignatius. Alles klar.