IA on the job: Was belohnen Ihre Kennzahlen?
Die Einführung von KI am Arbeitsplatz geht häufig mit Mengenzielen einher: mehr Dokumente, Antworten oder Vorschläge. Die präzise Führungsfrage lautet: Wie lässt sich ein Ziel für KI-gestützte Arbeit setzen, ohne die Menge zulasten der erbrachten Leistung zu belohnen?
Was die Forschung belegt
Edwin A. Locke und Gary P. Latham (2002, American Psychologist) fassen Forschungsergebnisse zusammen, nach denen spezifische, anspruchsvolle Ziele die Leistung unter bestimmten Bedingungen fördern können; dazu gehören Zielbindung, Fähigkeiten und Rückmeldungen zu den Ergebnissen. Ziele lenken Aufmerksamkeit und Anstrengung auf jene Dimensionen, die als wichtig bezeichnet werden. Auf KI übertragen, legt dieser Rahmen eine Prüfung nahe: Hat die Zielvorgabe Vorrang für das Erstellen einer Antwort oder für das tatsächliche Lösen eines Anliegens?
Die Lücke zwischen Absicht und Belohnung
Steven Kerr (1975, Academy of Management Journal) analysiert Situationen, in denen Organisationen andere Verhaltensweisen belohnen als jene, die sie nach eigener Aussage anstreben. Sein Artikel bietet eine anhand von Beispielen erläuterte Analyse, kein Experiment zu KI. Der Mechanismus eignet sich dennoch zur Formulierung einer Hypothese: Wenn die Beurteilung vor allem die Anzahl der Arbeitsergebnisse berücksichtigt, kann es für Mitarbeitende vorteilhafter sein, mehr zu produzieren, als deren Nutzen zu prüfen.
Der vorschnelle Schluss
Daraus könnte man ableiten, dass quantitative Ziele abgeschafft werden sollten, sobald KI zum Einsatz kommt. Diese Arbeiten rechtfertigen diesen Schluss nicht: Ein ausdrückliches Ziel kann nützlich sein, während eine vage Beurteilung der «Qualität» andere Unklarheiten bestehen lässt. Entscheidend ist, dass die erklärte Zielvorgabe, die Abnahmekriterien und die tatsächlich massgebenden Leistungsbeurteilungskriterien zusammenpassen. (unsere Weiterbildungen für Führungskräfte und Mitarbeitende)
Was diese Arbeiten nicht versprechen können
Keiner der beiden Artikel untersucht generative KI oder belegt, dass eine veränderte Kennzahl die Ergebnisse eines Teams automatisch verbessert. In Lausanne gelten für ein Medtech-Dokument, eine Lehrunterlage einer Hochschule, eine Mitteilung eines internationalen Sportverbands und ein kommerzielles Angebot eines Scale-ups aus der Genferseeregion nicht dieselben Abnahmekriterien. Eine gemeinsame Mengenkennzahl kann diese Unterschiede verdecken; eine unzureichend definierte Qualitätskennzahl kann dies jedoch ebenso.
Eine überprüfbare Praxis in Lausanne
Im Rahmen des SHR-Programms «IA on the job» schlagen wir einem Lausanner Team einen zweiwöchigen Test mit einer einzigen Kategorie von Arbeitsergebnissen vor, deren Abnahmekriterien vor Beginn schriftlich festgelegt werden. Für jedes Ergebnis werden neben der produzierten Menge die Annahme bei der ersten Prüfung und die bei der empfangenden Person anfallende Nachbearbeitungszeit erfasst. Anschliessend werden der Anteil ohne Nachbearbeitung angenommener Ergebnisse und die gesamte Nachbearbeitungszeit berechnet und der Kennzahl gegenübergestellt, anhand derer das Team beurteilt wird. Diese Prüfung misst für sich genommen nicht den kausalen Effekt der KI; sie zeigt jedoch, ob die Organisation brauchbare Ergebnisse belohnt oder Arbeit auf deren Empfängerinnen und Empfänger verlagert. Weiterführend: entdecken Sie die KI im Arbeitsalltag-Weiterbildung in Lausanne, oder durchstöbern Sie unsere Weiterbildungen für Führungskräfte und Mitarbeitende in der Schweiz.
In Bildern: KI im Arbeitsalltag in Lausanne
- ki im arbeitsalltag
- Lausanne
- forschung
- Weiterbildung lausanne