a16z: Künstliche Intelligenz steigert die Produktivität aller um das Zehnfache, doch der wahre Gewinner steht noch aus.

Originaltitel des Artikels: Institutionelle KI vs. individuelle KI

Autor des Originalartikels: George Sivulka, a16z

Übersetzung des Originalartikels: DeepTech TechFlow

Künstliche Intelligenz hat die Produktivität aller Menschen um das Zehnfache gesteigert.

Kein einzelnes Unternehmen ist daher zehnmal wertvoller geworden.

Wo ist die Produktivität geblieben?

Das ist nicht das erste Mal, dass so etwas passiert.

In den 1890er Jahren versprach Elektrizität eine enorme Produktivitätssteigerung.

Die Textilfabriken Neuenglands, die ursprünglich um dampfbetriebene Spinnmaschinen herum aufgebaut waren, tauschten die Dampfmaschinen schnell gegen schnellere Elektromotoren aus.

Doch drei volle Jahrzehnte lang verzeichneten elektrifizierte Fabriken fast keine Produktionssteigerungen. Die Technologie war weit hinterher. Doch die Organisation konnte nicht mithalten.

Erst in den 1920er Jahren, als die Fabriken die Produktionslinien komplett neu gestalteten – Fließbänder, jede Maschine mit eigenem Elektromotor, Arbeiter und Maschinen, die völlig unterschiedliche Aufgaben erledigten –, zahlte sich die Elektrifizierung endgültig aus.

Untertitel: Drei Entwicklungsstufen der Lowell-Textilfabrik. Von links nach rechts: 1890 dampfbetriebene Fabrik, 1900 elektrisch betriebene Fabrik, 1920 "Unit-Drive"-Fabrik (von Grund auf zu einer elektrischen Montagelinie umgebaut).

Der Nutzen ergab sich weder aus der Technologie selbst, noch daraus, dass einzelne Arbeiter oder Maschinen schneller arbeiteten. Die Vorteile zeigten sich erst richtig, als wir schließlich das System zusammen mit der Technologie neu gestalteten.

Dies ist die teuerste Lektion in der Geschichte der Technologie, und wir müssen sie jetzt wieder lernen.

Im Jahr 2026 wird KI denjenigen, die sie zu nutzen wissen, eine zehnfache Produktivitätssteigerung bringen. Das reicht aber nicht aus. Wir haben die Elektromotoren ausgetauscht, die Fabrik aber noch nicht umgestaltet.

Aus einem einfachen Grund: Leistungsfähige Einzelpersonen bedeuten nicht automatisch leistungsstarke Organisationen.

Die überwiegende Mehrheit der KI-Produkte vermittelt den Nutzern das Gefühl von „Effizienz“, schafft aber keinen wirklichen Mehrwert. Die meisten Anwendungsfälle von KI, die man sieht, sind Einzelpersonen, die auf Twitter oder im Firmen-Slack nach maximaler Effizienz streben, ohne dass dies tatsächlich Auswirkungen hat.

Der im vergangenen Jahr oft erwähnte Begriff „Service als Software“ ist zwar grundsätzlich richtig, aber es fehlt ihm an einem konkreten Konzept. Darüber hinaus wird das Gesamtbild außer Acht gelassen. Die eigentliche Transformation besteht nicht nur im Übergang vom Werkzeug zum Dienst, sondern im gemeinsamen Aufbau von Technologie und Institution (sei es die Transformation alter Strukturen oder ein Neubeginn). Eine wirklich effiziente Zukunft erfordert eine völlig neue Produktkategorie – das Fließband der Zukunft.

Effiziente Organisationen benötigen „institutionelle Intelligenz“.

Dieser Artikel befasst sich mit den sieben Dimensionen, die „Institutionelle KI“ von „Persönlicher KI“ unterscheiden. Die gesamte B2B-KI-Landschaft des nächsten Jahrzehnts wird auf diesen Unterschieden basieren:

Untertitel: Vergleichstabelle der sieben Säulen institutioneller Intelligenz

Die sieben Säulen institutioneller Intelligenz

1. Koordinierung

Persönliche KI stiftet Chaos.

Institutionelle KI fördert die Koordination.

Beginnen wir mit einem Gedankenexperiment. Angenommen, Sie verdoppeln morgen die Größe Ihres Unternehmens, indem Sie alle Ihre leistungsstärksten Mitarbeiter klonen.

Jeder dieser Mitarbeiter hat seine Eigenheiten, Vorlieben, Macken und Sichtweisen (vor allem Ihre besten). Ohne angemessenes Management, unzureichende Kommunikation, undefinierte Aufgabenverteilung, OKRs und Rollenabgrenzungen... erzeugt man Chaos.

Einzeln betrachtet mag die Organisation effizienter erscheinen. Doch wenn Tausende von Akteuren (oder Menschen) in unterschiedliche Richtungen rudern, ist das beste Szenario Stagnation, das schlimmste Szenario hingegen die Fragmentierung des organisatorischen Zusammenhalts.

Dies ist keine hypothetische Frage. Jede Organisation, die KI ohne Koordinierungsebene einsetzt, erlebt dies derzeit. Jeder Mitarbeiter hat seine eigenen ChatGPT-Nutzungsgewohnheiten, seinen eigenen Schreibstil und seine eigenen Ergebnisse – allesamt voneinander unabhängig. Das Organigramm mag zwar noch vorhanden sein, aber die KI-generierte Arbeit verfolgt im Wesentlichen einen ganz anderen Ansatz.

Untertitel: Effiziente Individuen (oder Agenten), die in unterschiedliche Richtungen rudern. Ohne Koordination herrscht Chaos.

Ausrichtung ist eine absolute Grundvoraussetzung, sowohl für Menschen als auch für Agenten.

Enterprise Intelligence wird eine ganze Branche namens „Agentenmanagement“ hervorbringen, die sich auf die Rolle und die Aufgaben der Agenten, die Kommunikation zwischen Agenten und zwischen Agenten und Menschen sowie die Messung des Wertes der Agenten konzentriert (sich allein auf die nutzungsbasierte Abrechnung zu verlassen, reicht bei Weitem nicht aus).

2. Signal

Persönliche KI erzeugt Lärm.

Unternehmens-KI findet Signale.

Die heutigen Menschen können alles erschaffen – oder sollte ich sagen: generieren –, was man sich vorstellen kann: von KI geschriebene Artikel, Präsentationen, Tabellenkalkulationen, Fotos, Videos, Lieder, Webseiten, Software. Was für ein tolles Geschenk!

Das Problem ist, dass der überwiegende Teil der von KI generierten Inhalte absoluter Müll ist. Die Verbreitung von KI-Schrott hat ein Ausmaß erreicht, bei dem einige Organisationen überreagiert haben und sich für ein kategorisches Verbot aller KI-Ergebnisse entschieden haben. Um ehrlich zu sein, sehe ich das genauso – ich leite ein KI-Unternehmen, habe aber mein Führungsteam angewiesen, KI nicht für finale Textprodukte einzusetzen. Ich kann diesen Müll nicht ausstehen.

Überlegen Sie einmal, wohin sich die Private-Equity-Branche (PE) entwickelt. Im vergangenen Jahr wären Ihnen vielleicht 10 Geschäftsmöglichkeiten auf den Schreibtisch gekommen. In diesem Jahr erhalten Sie im nächsten Quartal 50 Angebote, die allesamt von der KI bis zur Perfektion aufbereitet wurden. Dennoch haben Sie weiterhin die gleiche Zeit, um eine Entscheidung zu treffen und das wirklich zuverlässige Angebot aus der Menge herauszufiltern.

Das Problem ist nicht mehr, überhaupt etwas zu erzeugen. Für jede seriöse Organisation besteht das Problem heutzutage darin, die richtigen Dinge zu generieren und herauszufiltern. In einer KI-gesteuerten Welt wird es immer wichtiger, das eine gute Ergebnis, das eine gute Geschäft, das Signal im Rauschen zu finden. Der wichtigste wirtschaftliche Motor des nächsten Jahrzehnts wird darin bestehen, aus dem exponentiell wachsenden Müllberg Signale herauszufiltern.

Untertitel: Der von Tools zur persönlichen Produktivität erzeugte KI-Müll vermehrt sich exponentiell. Der Mensch allein kann die Informationsflut nicht mehr bewältigen und benötigt daher eine neue Klasse von KI-Produkten für Unternehmen.

Enterprise Intelligence muss das Signal erkennen, das Rauschen strukturieren, um den Müll herauszufiltern, und ihre Arbeit muss definierbar, deterministisch und überprüfbar sein.

Persönliche KI kann die „immer verfügbare“ Produktivität wie Clawdbot betonen und Ihre Bedürfnisse rund um die Uhr auf unvorhersehbare Weise erfüllen – ein im Wesentlichen nicht-deterministischer Agent. Unternehmens-KI hingegen basiert auf der Zuverlässigkeit deterministischer Agenten. Agenten mit vorhersehbaren Kontrollpunkten, Schritten und Prozessen ermöglichen Skalierbarkeit, die Erkennung von Signalen und erzielen durch diese Signale einen Umsatzanstieg für das Unternehmen.

Untertitel: Matrix ist ein Werkzeug, das generative Techniken nutzt, um Störungen zu minimieren und so eine Welt deterministischer Agenten und Kontrollpunkte zu eröffnen.

3. Voreingenommenheit

KI auf persönlicher Ebene nährt Vorurteile.

KI auf institutioneller Ebene schafft Objektivität.

Die Diskussion um soziopolitische Voreingenommenheit dominiert den KI-Diskurs seit Jahren. Das Base Model Lab umging dieses Problem schließlich mit einer ausreichenden Menge an RLHF, indem es alle Modelle so abstimmte, dass sie unterwürfig waren. Heutzutage stimmen Modelle wie ChatGPT, Claude usw. zu perfekt überein und geben jeden Ihrer Punkte innerhalb des Overton-Fensters wieder (manchmal tendieren sie sogar leicht zur Überübereinstimmung und kritisieren Sie @Grok). Die Diskussion um gesellschaftspolitische Voreingenommenheit ist in den Hintergrund getreten. Doch ein neues Problem ist an seine Stelle getreten.

Diese übermäßige Übereinstimmung in allen Belangen hat absurde Ausmaße angenommen. Es ist selbst schon zu einem Meme geworden – Claudes reflexartiges „Da hast du absolut Recht!“, unabhängig davon, ob das, was du sagst, tatsächlich völlig richtig ist.

Es klingt harmlos. Nein.

Viele der enthusiastischsten KI-Befürworter in Unternehmen könnten schon bald zu den leistungsschwächsten Mitarbeitern der Geschichte gehören. Überlege, warum.

Die leistungsschwächsten Mitarbeiter eines Unternehmens, die kaum positives Feedback im Alltag erhalten, werden bald einen ASI haben, der ihnen durchgehend zustimmt. Sie werden sich denken: „Die intelligenteste KI der Geschichte stimmt mir zu.“ Mein Manager irrt sich.

Es macht süchtig. Und schädlich für Organisationen.

Untertitel: Die Echokammer der KI auf persönlicher Ebene verschärft die Spaltung und führt dazu, dass sich zwei Individuen voneinander entfernen. Diese Dynamik führt, wenn sie sich ausweitet, zur Bildung von Fraktionen innerhalb einer ursprünglich zusammenhängenden Organisation.

Das offenbart etwas Wichtiges. Tools zur persönlichen Produktivitätssteigerung stärken den Nutzer. Doch was wirklich gestärkt werden muss, ist die Wahrheit.

Menschliche Organisationen haben im Laufe von Jahrtausenden der Evolution Systeme entwickelt, die speziell dazu dienen, dieses Problem zu bekämpfen:

• Sitzung des Investitionsausschusses

• Due-Diligence-Prüfung von Drittparteien

• Board-Suche

• Gewaltenteilung in den USA Regierung

• Repräsentative Demokratie sowie die Demokratie selbst

Untertitel: Objektivität kann sogar Koordinationsprobleme abmildern – kleinere Meinungsverschiedenheiten werden unterdrückt, anstatt sie zu verstärken.

Organisationen scheitern selten, weil es ihren Mitarbeitern an Selbstvertrauen mangelt. Sie scheitern, weil niemand bereit oder in der Lage ist, „Nein“ zu sagen.

Künstliche Intelligenz auf institutioneller Ebene muss diese Rolle spielen. Es wird von RLHF nicht darauf trainiert, den Nutzern zu gefallen oder sich ihren Überzeugungen anzupassen, sondern darauf, ihre Vorurteile in Frage zu stellen. Es gibt positives Feedback, wenn das Verhalten effizient ist, zieht klare Grenzen und erzwingt Kurskorrekturen, wenn Abweichungen auftreten.

Daher wird der wichtigste Akteur innerhalb einer Organisation nicht ein Ja-Sager sein, sondern ein disziplinierter Kritiker, der Argumentationen hinterfragt, Risiken aufdeckt und Standards durchsetzt. Einige der wirkungsvollsten KI-Anwendungen der Zukunft werden auf institutionellen Beschränkungen basieren: KI-Aufsichtsratsmitglieder, KI-Auditoren, KI-Tests durch Dritte, KI-Compliance...

4. Edge Advantage

KI auf persönlicher Ebene optimiert für den Nutzen.

KI auf institutioneller Ebene optimiert für Wettbewerbsvorteile.

Die Grenzen der KI-Fähigkeiten verschieben sich wöchentlich, ja sogar täglich. Unternehmen mit einem grundlegenden Geschäftsmodell konkurrieren um jeden und jede Organisation mit ihren schnellen Iterationsfähigkeiten.

Das klassische Innovationsdilemma lehrt uns jedoch, dass in bestimmten Anwendungsfällen Tiefe immer Breite vorzuziehen ist:

• Die Aufgabe von @Midjourney besteht darin, bei Designbildern einen kleinen Vorsprung zu wahren.

• Die Aufgabe von @Elevenlabsio besteht darin, einen leichten Vorsprung bei Sprachmodellen zu wahren.

• Die Aufgabe von @DecagonAI besteht darin, im Bereich des umfassenden Kundenserviceerlebnisses stets einen Schritt voraus zu sein.

Während sich die grundlegenden Modelle immer weiter annähern, ist für domänenspezifische Experten der tatsächliche Wettbewerbsvorteil entscheidend.

Viele Top-Designer nutzen @Midjourney, viele führende Unternehmen im Bereich Sprach-KI nutzen @Elevenlabsio – denn selbst während sich die grundlegenden Modelle weiterentwickeln, definieren spezialisierte Anwendungen, die sich unermüdlich darauf konzentrieren, ihre spezifischen Wettbewerbsvorteile voranzutreiben, den Markt.

Solange sich auch die proprietäre Lösung weiterentwickelt, wird die Fähigkeit, die für wirtschaftliche Ergebnisse – und damit für Unternehmen – wirklich entscheidend ist, immer auf der Seite der proprietären Produkte stehen.

Dies zeigt sich exemplarisch im Finanzbereich – derzeit das gefragteste Gebiet für die Entwicklung eines LLM-Abschlusses. Sobald eine bestimmte Fähigkeit weit verbreitet ist, wird sie Ihnen definitionsgemäß nicht mehr dabei helfen, den Markt zu übertreffen. Aber was, wenn Spitzentechnologie einen kurzfristigen Nischenvorteil von 1 % bieten kann? Dieses eine Prozent kann Renditen im Milliardenbereich erzielen.

Untertitel: Bei ausreichend spezifischen Aufgaben liegt der Wettbewerbsvorteil in Ihrer institutionellen Lösung, die auf modernster Technologie basiert.

Unsere Nutzer standen schon immer an vorderster Front. Das Kontextfenster des LLM ist innerhalb von vier Jahren von 4.000 auf 1 Million Token angewachsen. Manche unserer Nutzer verarbeiten 30 Milliarden Token in einem einzigen Vorgang. In diesem Jahr haben wir bereits den Weg zur Bewältigung von Aufgaben im Umfang von 100 Milliarden Token gesehen. Mit jeder Verbesserung der Basismodellfunktionen sind wir ein großes Stück weiter gekommen.

Untertitel: Das Kontextfenster ist, wie andere Funktionen auch, ein sich ständig veränderndes Ziel. Ein Vergleich der Entwicklung des Kontextfensters zwischen dem Spitzenlabor und Hebbia in den letzten drei Jahren.

Eine breite, nutzerorientierte Allgemeingültigkeit ist natürlich wichtig, insbesondere in der Phase der Einarbeitung von Mitarbeitern in die KI. Die Zukunft wird aber nicht darin bestehen, dass Menschen ChatGPT/Claude oder vertikale Lösungen nutzen, sondern vielmehr darin, dass ChatGPT/Claude mit vertikalen Lösungen kombiniert wird.

Institutionelle Intelligenz muss domänenspezifische, ja sogar aufgabenspezifische Agenten nutzen.

Wir werden uns eine Frage stellen, die absurd klingt, es aber nicht ist:

„Welche Agenten wird AGI als Abkürzungen auswählen?“ Selbst Superintelligenzen werden domänenspezifische Spezialwerkzeuge benötigen.“

Die Grenzen der Fähigkeiten von KI verschieben sich ständig, und die Organisationen, die echte Wettbewerbsvorteile nutzen, sind die Gewinner. Andere zahlen alle für einen sehr teuren Allzweckartikel.

5. Ergebnisse

Persönliche KI spart Zeit.

Institutionelle KI steigert den Umsatz.

@MaVolpi sagte mir einmal einen Satz, der meine Sichtweise auf den Verkauf von KI an Unternehmen grundlegend veränderte: „Wenn man einen CEO fragt, ob er Kostensenkung oder Umsatzsteigerung bevorzugt, werden fast alle Umsatzsteigerung sagen.“

Allerdings konzentrieren sich heutzutage fast alle KI-Produkte auf die Kostenreduzierung – sie versprechen, Zeit zu sparen, mit weniger Personal mehr zu erreichen oder Arbeitskräfte zu ersetzen.

Institutionelle KI muss zusätzliche Einnahmen generieren. Und zusätzliche Einnahmen lassen sich viel schwieriger standardisieren als eingesparte Zeit.

Nehmen wir beispielsweise die KI-gestützte Softwareentwicklung. Code-IDEs zählen zu den besten KI-Produktivitätswerkzeugen für den persönlichen Gebrauch überhaupt, sehen sich aber einer starken Konkurrenz durch Claude Code (ein weiteres KI-Werkzeug für den persönlichen Gebrauch) ausgesetzt. Die Kognition spielt ein ganz anderes Spiel. Ihr am schnellsten wachsendes Geschäftsfeld ist der Verkauf von Transformation durch Technologie, nicht der Verkauf eines Werkzeugs. Ich wette, dieses Modell wird sich lange halten.

Reine Software „wird schnell uninvestierbar“. Reine Dienstleistungen sind nicht skalierbar. Die Lösungsebene – die Technologie und Ergebnisse miteinander verbindet – ist der Ort, an dem der nachhaltige Wert liegt.

Schauen Sie sich Fusionen und Übernahmen noch einmal an. Persönliche KI hilft Analysten, schneller Modelle zu erstellen. Eine KI auf institutionellem Niveau identifiziert aus hundert Zielen das eine, das es wert ist, verfolgt zu werden, und weitet die Suche dann auf tausend aus. Das eine spart Zeit, das andere generiert Einnahmen.

Untertitel: Unternehmen, die auf dem Fundamentalmodell basieren, bewegen sich in Richtung vertikaler Anwendungsschicht. Unternehmen, die vertikale Anwendungsschichten anbieten, verlagern ihren Fokus auf die Lösungsschicht.

„Sich stromaufwärts zu bewegen“ ist die natürliche Gravitationskraft des aktuellen Marktes. Fundamentale Modelle wandern in die Anwendungsschicht, und Unternehmen der Anwendungsschicht wandern in die Lösungsschicht.

Institutionelle Intelligenz ist die Lösungsschicht. Und auf der Lösungsebene – wo die Ergebnisse erzielt werden – wird nachhaltiger Wert geschaffen und die größten Umsatzchancen ausgeschöpft.

6. Ermächtigung

Persönliche KI bietet Ihnen ein Werkzeug.

Institutionelle KI lehrt Sie, wie man sie benutzt.

Egal wie intelligent der Mensch ist, er sträubt sich gegen Veränderungen.

Man mag es kaum glauben, aber es gibt in New York immer noch erfolgreiche Unternehmen, die keine Kreditkarten akzeptieren. Sie wissen, dass sie Geld verlieren, verstehen, dass die Nichtakzeptanz von Kreditkarten sie etwas kostet, aber sie bleiben dabei. In ähnlicher Weise werden in absehbarer Zukunft einige Mitarbeiter in bestimmten Organisationen die Nutzung von KI einfach verweigern.

Die Transformation von einer rein menschlichen Organisation zu einer KI-zentrierten Hybridorganisation wird die nachhaltigste und prägendste Herausforderung des nächsten Jahrzehnts sein. Und oft sind es gerade die ranghöchsten und wichtigsten Personen in einer Organisation, die am langsamsten neue Wege gehen.

Untertitel: Die obersten Ebenen einer Organisation – diejenigen, die am weitesten vom eigentlichen Werkzeugbetrieb entfernt sind – sind oft die langsamste, aber gleichzeitig die wichtigste Gruppe bei der Einführung neuer Technologien.

Palantir ist das einzige Softwareunternehmen, das in dem Billionen-Dollar-Ausverkauf von Technologieaktien in den letzten zwei Monaten eine extrem hohe Bewertung beibehalten konnte. Dafür gibt es einen Grund. Palantir gehört zu den ersten Unternehmen, die sich wirklich auf „Prozessentwicklung“ spezialisiert haben. Ob man es nun „Prozessentwicklung“ oder „Erstellung von Claude-Skill-Dokumenten“ nennt – die institutionelle KI der Zukunft wird eine ganze Branche hervorbringen: die Kodierung von Unternehmensprozessen in Agenten und die Implementierung des notwendigen Change-Managements.

Untertitel: Die organisationsweite Einführung von KI wird mehrere Kluften überbrücken, von denen jede ihre eigenen Herausforderungen mit sich bringt. Die Implementierung von KI in die Geschäftsprozesse wird die treibende Kraft sein.

Ich wage zu behaupten, dass die Verfahrenstechnik in naher Zukunft zur wichtigsten „Technologie“ werden wird.

Und im Bereich der Verfahrenstechnik ist Geschäfts- und Branchenexpertise – und nicht Softwareexpertise – von größter Bedeutung. Vertikale Lösungen fördern Talente an vorderster Front in den Bereichen Bereitstellungstechnik, Implementierung und Änderungsmanagement.

Eine führende Investmentbank (eine der drei größten Investmentbanken), die sich für eine umfassende Implementierung mit Hebbia entschieden hat, brachte es am besten auf den Punkt: Der Grund, warum sie nicht mit einem bestimmten großen Modelllabor zusammenarbeiten, ist, dass „wir deren Team CIM erklären müssten“. Claude oder GPT mögen den Bereich verstehen, aber die für die Implementierung verantwortlichen Teams nicht...

Dieser Unterschied macht den entscheidenden Unterschied.

7. Null-Eingabeaufforderung

Persönliche KI auf individueller Ebene reagiert auf menschliche Eingaben.

Institutionelle KI agiert proaktiv, ohne dass eine Aufforderung erforderlich ist.

Es gibt viele Diskussionen über die Kommunikation zwischen den Akteuren und darüber, ob die Zukunft von Unternehmen und Institutionen überhaupt noch auf den Menschen angewiesen ist.

Die bessere Frage lautet jedoch: Benötigt der zukünftige KI-Agent noch eine Eingabeaufforderung?

Eine Aufgabenstellung für AGI zu schreiben ist wie einen Elektromotor an einen Handwebstuhl anzuschließen. Sie wird grundlegend und unwiderruflich durch das schwächste Glied in der organisatorischen Lieferkette eingeschränkt – durch uns selbst. Die Menschen wissen grundsätzlich nicht, welche Fragen die richtigen sind, geschweige denn, wann sie diese stellen sollen.

Die wertvollste Arbeit, die KI leisten kann, ist die Arbeit, an die niemand gedacht hat. KI sollte Risiken aufspüren, die niemand bemerkt hat, Geschäftspartner, an die niemand gedacht hat, und Vertriebskanäle, von deren Existenz niemand wusste.

Dies wird die Grenzen der Anwendungsfälle von KI grundlegend erweitern.

Ein System, das keine Aufforderung benötigt, überwacht kontinuierlich den Datenfluss eines gesamten Anlageportfolios. Es stellt fest, dass sich der Betriebsmittelzyklus eines Portfoliounternehmens seit drei aufeinanderfolgenden Monaten stillschweigend verschlechtert hat, gleicht dies mit den Vertragsbedingungen im Kreditvertrag ab und alarmiert den operativen Partner im Fonds, bevor irgendjemand die PDF-Datei öffnet.

Wenn keine Menschen mehr nötig sind, um KI-Befehle zu schreiben, entstehen neue Schnittstellen und neue Arbeitsweisen. Wir von @Hebbia haben dazu eine klare Meinung. Fortsetzung folgt.

Abschluss

Das oben Genannte schmälert jedoch nicht den Wert von Chatbots, Agenten und persönlicher KI.

Persönliche KI wird das Vehikel sein, durch das die Mehrheit der globalen Unternehmen zum ersten Mal die transformative Kraft der KI erleben wird. Die Förderung der Akzeptanz und der Benutzerfreundlichkeit ist der entscheidende erste Schritt im Veränderungsmanagement zum Aufbau einer KI-zentrierten Wirtschaft.

Gleichzeitig ist der Bedarf an Informationen auf institutioneller Ebene klar, dringend und immens.

Zukünftig wird jede Organisation über einen Chatbot aus einem groß angelegten Modelllabor verfügen. Jede Organisation wird zudem über eine institutionelle KI verfügen, die auf domänenspezifische Fragestellungen zugeschnitten ist – und die persönliche KI wird die institutionelle KI als wichtigstes Werkzeug in ihrem Repertoire nutzen.

Die bessere Integration von KI auf institutioneller Ebene und persönlicher KI ist ein unausweichlicher Trend.

Aber denken Sie an die Lehre aus der Textilfabrik der 1890er Jahre. Die erste elektrifizierte Fabrik unterlag der auf Elektrizität umgebauten Fabrik.

Wir haben bereits Strom. Es ist an der Zeit, unsere Fabriken neu zu gestalten.

Vielen Dank an @aleximm und @WillManidis für die Durchsicht des Textes und an Will für die Inspiration zu diesem Artikel mit seinem Beitrag über „Objekte in Form eines Werkzeugs“.

Link zum Originalartikel