KI-Einführung: Welche Probleme bleiben in Vevey ausser Sicht?
Die Einführung von KI beginnt oft mit Aufgaben, deren Daten zugänglich und deren Ergebnisse leicht vorzeigbar sind. Die präzise Führungsfrage lautet: Bleiben bei dieser Auswahl wichtige Probleme unberücksichtigt, die sich weniger unmittelbar mit dem Werkzeug bearbeiten lassen?
Was die Literatur belegt
James March (1991, Organization Science) unterscheidet die Nutzung bestehenden Wissens von der Erkundung neuer Möglichkeiten. Sein Modell zeigt, wie Lernen naheliegende, vorhersehbare Verbesserungen zulasten einer unsichereren Suche begünstigen kann. Auf die KI-Einführung übertragen, regt dieser Ansatz dazu an, die Verbesserung bekannter Aufgaben von der Untersuchung noch unzureichend definierter Probleme zu unterscheiden.
Der Mechanismus: Lernen kann die Suche verengen
Daniel Levinthal und James March (1993, Strategic Management Journal) analysieren die Kurzsichtigkeit organisationalen Lernens, insbesondere die Tendenz, zeitlich und organisatorisch nahe Wirkungen zu bevorzugen. Ein Team kann dadurch in seinem gewohnten Zuständigkeitsbereich leistungsfähiger werden, ohne besser zu erkennen, was anderswo geschieht. Für ein KI-Projekt ergibt sich daraus ein prüfenswertes Risiko: Leicht dokumentierbare Fälle könnten die Aufmerksamkeit zulasten von Schwierigkeiten binden, die mehrere Abteilungen betreffen.
Der vorschnelle Schluss
Daraus könnte man ableiten, einfache Anwendungen zugunsten explorativer Projekte aufzugeben. Diese Arbeiten rechtfertigen eine solche Umkehr nicht: Die Nutzung bestehenden Wissens bleibt notwendig, während Exploration Kosten und unsichere Ergebnisse mit sich bringt. Vielmehr gilt es zu prüfen, ob die einfache Umsetzung einer ersten Anwendung zum alleinigen Auswahlkriterium für weitere wird. (unsere Weiterbildungen für Führungskräfte und Mitarbeitende)
Was diese Arbeiten nicht nachweisen
Die Artikel befassen sich nicht mit generativer KI: Der erste beruht auf einer Modellierung, der zweite entwickelt eine theoretische Analyse organisationalen Lernens. Sie erlauben daher weder die Aussage, dass KI die Exploration verringert, noch die Festlegung eines optimalen Anteils explorativer Projekte. Auch eine Liste von KI-Projekten reicht nicht aus, um blinde Flecken zu erkennen: Sie muss mit einem unabhängig vom Werkzeug erstellten Probleminventar verglichen werden.
Eine überprüfbare Praxis in Vevey
In Vevey, im Umfeld der globalen Lebensmittelwirtschaft, der Konzernzentralen und der KMU an der Riviera, kann eine Führungskraft die Fachbereiche ihre prioritären Probleme auflisten lassen, bevor sie die Möglichkeiten der KI vorstellt. Für jedes Problem hält das Team anschliessend fest, ob es mit KI, auf andere Weise oder gar nicht bearbeitet wird, jeweils mit Begründung. Die vorgeschlagene Kennzahl ist der Anteil prioritärer Probleme, die hauptsächlich wegen fehlender zugänglicher Daten oder einer fehlenden offensichtlichen KI-Anwendung unbearbeitet bleiben; sie lässt sich bei der nächsten Überprüfung anhand dieses Registers kontrollieren. Im SHR-Programm « Conduire l’adoption de l’IA dans son équipe » liesse sich damit eine konkrete Führungsentscheidung bearbeiten: das Werkzeug nach dem Problem auszuwählen und nicht das Problem nach dem Werkzeug. Weiterführend: entdecken Sie die KI-Einführung im Team gestalten-Weiterbildung in Vevey im Kanton Waadt, oder durchstöbern Sie unsere Weiterbildungen für Führungskräfte und Mitarbeitende in der Schweiz.
In Bildern: KI-Einführung im Team gestalten in Vevey
- ki-einführung im team gestalten
- Vevey
- forschung
- Weiterbildung vevey