AGI Ist Noch Nicht Da: Strategische Entscheidungsfindungstipps für die Herausforderungen von Heute

Seit dem Start von ChatGPT im November 2022 sind Begriffe wie „Inference“, „Reasoning“ und „Trainingsdaten“ in den alltäglichen Sprachgebrauch eingegangen und verdeutlichen den tiefgreifenden Einfluss von KI auf unser Leben. Diese Konzepte, die einst auf Computerwissenschaftslabore und Technologiekonferenzen beschränkt waren, werden mittlerweile in Bars und U-Bahnen ganz selbstverständlich diskutiert.

Es wurde bereits viel über die Verbesserung von KI-Agenten und Co-Piloten als Entscheidungsträger geschrieben und wird weiterhin geschrieben. Es ist jedoch wichtig zu beachten, dass KI, zumindest kurzfristig, dazu gedacht ist, die menschliche Entscheidungsfindung zu unterstützen und nicht zu ersetzen. Nehmen wir als Beispiel eine Marketingmanagerin, die ihre KI-Tool fragt: „Welche Kundensegmente haben den niedrigsten Net Promoter Score (NPS)?“ Nach Erhalt der Antwort könnte sie Folgefragen stellen, wie zum Beispiel: „Was wäre, wenn wir nach geografischen Aspekten segmentieren?“ und diese Daten nutzen, um ihre Promotionsstrategie zu verfeinern.

Ein Ausblick: Möglicherweise erreichen wir einen Punkt, an dem ein CEO einer KI sagt: „Entwirf eine Promotionsstrategie basierend auf unseren Daten, Branchenbest Practices und Erkenntnissen aus unserem letzten Launch.“ Dies könnte zu einem Plan führen, der die Leistung eines erfahrenen Marketingmanagers übertrifft. In einer noch ferneren Zukunft könnte KI autonom die Notwendigkeit einer Promotionsstrategie erkennen und den Prozess selbstständig initiieren – als autonomer Chief Marketing Officer (CMO).

Bis wir jedoch künstliche allgemeine Intelligenz (AGI) erreichen, werden Menschen ein unverzichtbarer Teil wichtiger Entscheidungsprozesse bleiben. Während viele über das transformative Potenzial von KI in unserem Berufsleben spekulieren, sollten wir nicht vergessen, was sich so bald nicht ändern wird: den Wert guter menschlicher Entscheidungsfindung. Stellen Sie sich Ihr Business-Intelligence-Team vor, das von KI-Agenten unterstützt wird und zusammen an einer Analyse einer neuen Promotionsstrategie arbeitet. Wie können Sie diese Daten effektiv nutzen? Hier sind einige bewährte Strategien, die ich empfehle:

Vor der Datenprüfung:

1. Klare Kriterien festlegen: Definieren Sie vor der Datenanalyse klare Go/No-Go-Kriterien. Oft verschieben Entscheidungsträger die Zielvorgaben, indem sie sagen: „Wir sind so nah; ich glaube, ein weiteres Jahr Investition wird sich bezahlt machen.“ Dieser Trend kann zu einer verlängerten Verfolgung untragbarer Projekte führen. Um dem entgegenzuwirken, legen Sie vorher spezifische Kriterien fest (z.B. „Wir machen weiter, wenn über 80 % der Befragten bereit sind, 100 Dollar für dieses Produkt zu zahlen“), um die Objektivität bei der Datenanalyse zu wahren.

Während der Datenprüfung:

2. Individuelle Dokumentation: Lassen Sie vor der Diskussion der Ergebnisse alle Entscheidungsträger ihre Gedanken unabhängig dokumentieren. Dies verhindert Gruppendenken, bei dem dominierende Meinungen berechtigte Bedenken unterdrücken können. Indem Sie nach der schriftlichen Einsichtnahme die Ergebnisse teilen, führen Sie eine umfassende Diskussion, die diverse Fachkenntnisse wertschätzt. Für weitere Einsichten siehe die Konformitätsstudien von Asch.

Bei der Entscheidungsfindung:

3. Medierende Urteile diskutieren: Verstehen Sie, dass jede bedeutende Entscheidung aus kleineren Entscheidungen besteht. Der Kognitionswissenschaftler Daniel Kahneman betont, dass diese kleineren Aspekte, wie Kostenvergleiche und erwartete Genauigkeit, die größere Entscheidung beeinflussen. Machen Sie diese während der Diskussionen explizit, um die Entscheidungsqualität zu verbessern.

4. Begründung dokumentieren: Halten Sie die Gründe für Entscheidungen fest – z.B. „Wir erwarten eine Kostenreduzierung von 20 % und eine stabile Kundenzufriedenheit innerhalb von neun Monaten“ – um eine ehrliche Neubewertung bei zukünftigen Überprüfungen zu ermöglichen. Dies schafft einen datengestützten Rückkopplungsprozess, der hilft zu klären, welche Strategien funktioniert haben oder nicht, und zwischen Können und Glück zu unterscheiden.

5. Kriterien zur Projektbeendigung festlegen: Ähnlich wie Ihre ursprünglichen Entscheidungskriterien sollten Sie Metriken identifizieren, die darauf hinweisen, dass ein Projekt nicht genug Leistung zeigt, um fortgesetzt zu werden. Zum Beispiel: „Wenn über 50 % der Nutzer nach mehr als einer Minute Interaktion mit unserem Chatbot um eine menschliche Kontaktaufnahme bitten, sollte das Projekt überdacht werden.“ Diese vorausschauende Analyse fördert intellektuelle Ehrlichkeit und gewährleistet objektive Bewertungen der Projektviabilität.

Auch wenn dieser Prozess arbeitsintensiv erscheinen mag, werden diese Praktiken schnell zur Gewohnheit für Ihr Team. Die investierte Zeit bringt erhebliche Vorteile, indem sie sicherstellt, dass alle Einsichten geäußert werden und Risiken effektiv gemanagt werden, was Lernen aus Erfolgen und Misserfolgen ermöglicht.

Solange Menschen bei datengestützten Entscheidungen zusammen mit KI-Agenten beteiligt sind, wird es entscheidend sein, das Zusammenspiel von menschlicher Einsicht und KI-generierter Analyse zu meistern, insbesondere um kognitive Vorurteile zu navigieren.