Wo AI nützt, und wo nicht
Die Frage, die Sie sich stellen, ist wahrscheinlich die falsche. Sie lautet nicht «wie setzen wir AI ein», sondern «welche Arbeit von denen, die wir heute machen, hat die richtige Form». Die Form zählt mehr als die Branche: Zwei völlig verschiedene Unternehmen haben dasselbe Problem, wenn die Arbeit dem Lesen und Verteilen von Text ähnelt.
Wo sie nützt
Text, den jemand liest und verteilt.
Anfragen per Mail, Meldungen, frei formulierte Bestellungen. Jemand öffnet sie, versteht, worum es geht, und schickt sie an die richtige Person. Das ist repetitive Arbeit an Sprache, und dort bringt künstliche Intelligenz am meisten.
Schmutzige Daten, die jemand von Hand aufräumt.
Derselbe Kunde in drei Schreibweisen, Adressen ohne Format, Doubletten, die niemand zusammenführen kann. Es ist keine schwierige Arbeit: Es ist eine langweilige, die nie jemand zu Ende bringt.
Erste Entwürfe, die danach jemand korrigiert.
Eine Antwort, eine Sitzungszusammenfassung, eine Produktbeschreibung. Die Maschine schreibt die erste Fassung, ein Mensch bringt sie in Ordnung. Es funktioniert, weil die menschliche Kontrolle schon im Prozess steckt.
In Material ohne Index suchen.
Verträge, alte Offerten, interne Dokumentation. Wenn die Antwort da ist, aber in dreihundert Dateien vergraben, ist das Problem, sie zu finden — und das kann AI gut.
Der gemeinsame Faden: ein ungefähres Ergebnis ist akzeptabel, und jemand schaut es sich ohnehin an.
Wo sie nicht nützt
Wenn die Regel schon existiert.
«Über fünftausend braucht es eine zweite Unterschrift» ist nichts zum Lernen: Das ist eine Zeile Code, exakt und gratis. Ein Modell setzt man ein, wenn sich die Regel nicht aufschreiben lässt.
Wenn die Antwort immer dieselbe sein muss.
Berechnungen, Mehrwertsteuer, Fristen. Sie wollen kein System, das fast immer richtig rechnet.
Wenn das Problem ist, dass zwei Systeme nicht miteinander sprechen.
Das kommt häufiger vor als alles andere, und es verdient einen eigenen Abschnitt — gleich hier unten.
Wenn die Daten nicht da sind.
AI auf falschen Daten liefert nicht ab und zu falsche Antworten: Sie liefert sie schnell und mit Überzeugung, was schlimmer ist.
Der häufigste Fall: «wir wollen AI im CRM»
Wir werden oft danach gefragt, und fast immer steckt ein anderes Problem darunter.
Ein CRM ist so viel wert wie das, was drinsteht. Wenn Kunden doppelt erfasst sind, wenn die Hälfte der Geschäfte nicht nachgeführt wird, weil das Nachführen sechs Klicks braucht, wenn das ERP ihm die Bestellungen nicht übergibt und jemand sie am Montag abtippt — dann hat dieses CRM kein Problem mit künstlicher Intelligenz. Es hat ein Daten- und ein Integrationsproblem. AI über einem halbleeren CRM findet nichts, weil es nichts zu finden gibt.
Die richtige Reihenfolge ist langweilig und funktioniert: zuerst die Daten von selbst ankommen lassen, dann sauber machen, dann — wenn es an dem Punkt noch nötig ist — etwas darüberlegen, das sie liest.
Wenn das CRM in Ordnung ist, hat AI endlich Material: erkennen, welche Anfragen schon abgeschlossenen ähneln, die erste Antwort an einen Kunden schreiben, einem Verkäufer sagen, was auf einem Konto passiert ist, ohne dass er zwei Jahre Notizen lesen muss.
Zuerst die Integration, dann die Intelligenz. In der anderen Reihenfolge zahlt man zweimal.
Was Ihnen niemand über die Kosten sagt
Ein Modell ist kein Kauf, es ist ein Abonnement mit Folgen.
Es kostet bei jeder Nutzung, und die Rechnung wächst, wenn es gut läuft. Es verändert sich unter Ihnen: Der Anbieter aktualisiert, und etwas, das funktioniert hat, antwortet plötzlich anders. Man muss hinschauen: Wenn niemand die Antworten je kontrolliert, häufen sich die Fehler still an. Und vor allem muss jemand verantwortlich bleiben für das, was das System einem Kunden sagt. Dieser Jemand ist immer ein Mensch.
Das ist kein Argument gegen AI. Es ist der Grund, sie dort einzusetzen, wo der Nutzen klar ist, und nicht überall.
Wie man entscheidet, in vier Fragen
Bevor Sie AI in einen Prozess setzen, fragen Sie sich:
- Ist es repetitive Arbeit an Text oder an unordentlichen Daten?
- Genügt eine ungefähre Antwort?
- Gibt es schon jemanden, der das Ergebnis anschauen würde?
- Existieren die nötigen Daten, und sind sie verlässlich?
Wenn eine Antwort Nein ist, ist es wahrscheinlich keine Arbeit für AI — und das ist fast immer eine gute Nachricht, weil die anderen Lösungen weniger kosten und seltener kaputtgehen.
Nicht sicher, welcher Fall Ihrer ist?
Wir auch nicht, bevor wir hingeschaut haben. Man beginnt mit einer Prozessanalyse: Von da sieht man, ob Ihr Problem die richtige Form für AI hat, oder ob es etwas anderes in Verkleidung ist.
Wie die Analyse abläuft