Asger Risom
Ein Mangel an Management-Infrastruktur verwandelte den unternehmerischen Ansturm auf künstliche Intelligenz in eine teure Katastrophe, die menschliche Inkompetenz lediglich skalierte.
Im vergangenen Jahr ordneten Unternehmensvorstände die sofortige Integration von künstlicher Intelligenz in alltägliche Arbeitsabläufe an. Das anfängliche Versprechen suggerierte, dass digitale Agenten Routineaufgaben automatisieren und eine beispiellose betriebliche Effizienz schaffen würden. Die Realität dieser technologischen Einführung hat jedoch einen kritischen Fehler aufgedeckt, der Unternehmen zwingt, ihre gesamte Strategie zu überdenken.
Die Tokenmaxxing-Kollision
Die Technologiebranche bezeichnete diese Zeit unbegrenzter digitaler Budgets kurzzeitig als „Tokenmaxxing“-Ära. Laut einer Analyse von Fortune glich die chaotische Expansion dem amerikanischen Eisenbahnboom der 1830er Jahre. Genau wie der fatale Zugzusammenstoß von 1841, der die Erfindung des modernen Unternehmensmanagements erzwang, erfordert nun eine massive Welle digitaler Ausfälle zwingend menschliche Aufsicht.
Wirtschaftsführer beeilten sich, autonome Software in ihren Organisationen einzusetzen, ohne die notwendige administrative Infrastruktur aufzubauen.
Führungskräfte gewährten diesen digitalen Werkzeugen offenen Zugang zu Unternehmensbudgets und nahmen an, die Technologie könne unabhängig arbeiten. Erst als Amazon in einem einzigen Monat einen atemberaubenden Verlust von 500 Millionen Dollar hinnehmen musste, erkannte die Branche die wahren Kosten.
Diese Krise hat das zentrale wirtschaftliche Argument für die technologische Automatisierung vollständig umgekehrt. Softwareexperten stellen fest, dass menschliche Arbeitskräfte zum ersten Mal in der Geschichte billiger sind als ihr digitaler Ersatz.
Der unternehmerische Drang, alles zu automatisieren, gab leistungsschwachen Mitarbeitern lediglich die Rechenwerkzeuge an die Hand, um ihre Fehler zu vervielfachen.
Skalierung schlechter Leistung
Die eigentliche Ursache für diese teuren Ausfälle liegt eher bei den menschlichen Bedienern als bei der zugrunde liegenden Softwarearchitektur.
Durch die Beseitigung traditioneller Einschränkungen gaben Manager effektiv unbegrenztes Personal an Mitarbeiter weiter, die bereits mit grundlegenden Aufgaben zu kämpfen hatten. George Sivulka, CEO des Startups Hebbia, warnte Führungskräfte unverblümt, dass diese Dynamik bedeute, sie hätten gerade eine Million schlechte Mitarbeiter eingestellt.
Sivulka schätzt, dass nur ein Prozent der modernen Belegschaft weiß, wie man einem Algorithmus den richtigen Kontext gibt. Wenn durchschnittliche Mitarbeiter vage Anweisungen geben, gerät die Software in einen destruktiven Kreislauf ständiger Selbstkorrektur, der als Looping bezeichnet wird. Diese Verhaltensschleife führt dazu, dass Sprachmodelle große Mengen an Rechenleistung verbrauchen, um ihre eigenen Logikfehler zu beheben.
Arbeiter delegieren komplexe Aufgaben effektiv an Software, der das spezifische operative Wissen zur korrekten Ausführung fehlt. Die Maschinen verbrennen teure Verarbeitungs-Token, während sie völlig unbrauchbare Ergebnisse liefern. Gibt man leistungsschwachen Mitarbeitern Zugang zu unbegrenzten digitalen Agenten, multipliziert das ihre Ineffizienz über die gesamte Unternehmensstruktur hinweg.
Das menschliche Rampenlicht
Konzerne versuchen nun fieberhaft, interne Managementebenen aufzubauen, um ihre massiven Rechenausgaben zu kontrollieren. Softwarefirmen implementieren strenge Routing-Strategien, um Routineaufgaben billigeren Algorithmen zuzuweisen und den Zugriff auf teure Modelle einzuschränken. Industriegiganten wie Ford haben bereits begonnen, den Kurs umzukehren, indem sie erfahrene menschliche Ingenieure wieder einstellen, um diese strauchelnden Systeme zu überwachen.
Die Implementierung dieser Kontrollsysteme erfordert die direkte Extraktion von institutionellem Wissen aus der bestehenden menschlichen Belegschaft. Ein neues Phänomen namens Context Hoarding kristallisiert sich als primäre Verteidigungstaktik unter erfahrenen Mitarbeitern heraus.
Angestellte weigern sich aus Angst um ihren Arbeitsplatz aktiv, künstlichen Intelligenzsystemen die komplizierten Details ihrer täglichen Arbeitsabläufe beizubringen.
Diese interne Reibung stellt eine strukturelle Hürde für Unternehmen dar, die versuchen, ihre digitalen Investitionen zu retten. Die Arbeiter erkennen, dass sie über ein erhebliches Druckmittel verfügen, da der Unternehmensführung die technische Fähigkeit fehlt, die Algorithmen effizient zu bedienen.
Die entscheidende Fähigkeit des nächsten Jahrzehnts wird das Management des menschlichen Kontextes beinhalten, der erforderlich ist, um Automatisierung profitabel zu machen.
