KI steigert die individuelle Produktivität, doch Unternehmen haben weiterhin Schwierigkeiten, den Nutzen nachzuweisen

Künstliche Intelligenz hilft vielen Menschen, produktiver zu arbeiten. Das führt jedoch nicht zwangsläufig zu besseren Ergebnissen für ihre Arbeitgeber. In McKinseys Studie „The State of AI 2026“ gaben 80 % der 1.719 Befragten aus 97 Ländern an, KI habe ihre individuelle Produktivität verbessert. Nur 37 % berichteten von positiven Auswirkungen auf die Betriebsergebnisse ihrer Unternehmen.

Bruno Machado schreibt über den Einsatz von KI bei Ânima Educação und erklärt, diese Lücke verdeutliche die Herausforderung, individuelle Zugewinne in geschäftlichen Mehrwert umzuwandeln. Er beschreibt ein persönliches System, das Gesundheitsdaten seiner Geräte sammelt und ihm täglich eine Zusammenfassung per WhatsApp sendet. Das Projekt kostete im Juni 19 US-Dollar, ein Großteil davon entfiel auf Entwicklung und Tests; die laufenden Kosten betrugen nur wenige Cent. Eine kleine Aufgabe lief jedoch wochenlang auf dem teuersten Modell, weil er dessen Konfiguration übersehen hatte.

Die Kosten für KI hängen von der Komplexität einer Aufgabe und dem verwendeten Modell ab, schreibt Machado. Daher ist nicht für jede Anwendung das leistungsfähigste Modell erforderlich. Im Unternehmensmaßstab kann der unterschiedslose Einsatz teurer Konfigurationen die Ausgaben für zahlreiche Arbeitsabläufe in die Höhe treiben. Den Verbrauch zu erfassen ist wichtig, doch Unternehmen müssen auch feststellen, welchen Nutzen die jeweilige Anwendung im Gegenzug bietet.

Bei Ânima lag der Tokenverbrauch 2025 bei über 10 Milliarden – zehnmal so hoch wie 2024. Das Unternehmen geht davon aus, dass die Nutzung 2026 den Gesamtwert des Vorjahres um mehr als das 20-Fache übersteigen wird. Machado warnt, dass ein steigender Verbrauch die Einführung belegt, nicht aber finanzielle Erträge: Nutzung, Produktivität und geschäftliche Wirkung sind unterschiedliche Kennzahlen.

Er argumentiert, dass KI-Budgets Kosten berücksichtigen müssen, die je nach Nutzung schwanken – anders als viele Softwarelizenzen und Verträge. Unternehmen sollten Ausgabenlimits, Warnmeldungen und Einblick in den Verbrauch vorsehen und zugleich Alternativen wie interne Tools anhand der Gesamtkosten, der Qualität und der Ergebnisse bewerten. Wie Machado es ausdrückt: Tokens ohne Ergebnisse sind Kosten.

Bei Ânima werden Projekte anhand eines Ausgangswerts und von Kennzahlen beurteilt, die an ihren jeweiligen Zweck geknüpft sind. Im Studierendenservice erfasst das Unternehmen Antwortzeiten und Lösungsquoten. Bei Tools zur Unterstützung von Lehrkräften wird betrachtet, wie viel operative Arbeit zugunsten von Aufgaben entfallen kann, die Urteilsvermögen erfordern; Bildungsanwendungen werden daraufhin bewertet, ob es Nachweise für Lernerfolge gibt.

Machado nennt mehrere betriebliche Ergebnisse. Prognosemodelle für Zahlungsausfälle, kombiniert mit der direkten Kommunikation mit Studierenden, ermöglichten es Ânima, intern dasselbe Volumen einzuziehen, das zuvor von ausgelagerten Inkassounternehmen bearbeitet wurde. Diese erhielten 2 % des eingetriebenen Betrags. Die Verträge wurden beendet, wodurch jährliche Kosten in Höhe von mehreren Millionen Reais entfielen.

Bei einer Marke der Gruppe stieg der Anteil der Anfragen, die ohne menschliche Unterstützung bearbeitet wurden, von 30 % auf 45 %, nachdem telefonähnliche Menüsysteme durch eine dialogbasierte Schnittstelle ersetzt worden waren. Das Unternehmen will sich der Marke von 90 % annähern, während die Lösung weiter ausgebaut wird. Mehr als 80 % der Lehrkräfte nutzen IA.RA, eine Funktionssammlung, die durch institutionelle Wissensdatenbanken unterstützt wird; mit ihrer Hilfe wurden mehr als 25.000 Lernobjekte erstellt. Machado merkt an, dass diese Zahlen die Nutzung und den Output zeigen, während die Auswirkungen auf das Lernen gesondert bewertet werden müssen.

Das Unternehmen hat sein KI-Programm anhand von Initiativen organisiert, die den gesamten Weg der Studierenden abdecken – von der Einschreibung bis zur Ausbildung. Jede Initiative hat einen Sponsor im Vorstand und finanzielle Wirkungsziele für die nächsten drei Jahre. Machado zufolge ist diese Einbindung der Führungsebene wichtig, um KI in Entscheidungen über Prozesse, Investitionen und Prioritäten zu integrieren.

Er empfiehlt Führungskräften, einen bedeutenden Prozess auszuwählen, dessen aktuelle Leistung zu messen und zu testen, wie KI ihn verbessern könnte. Außerdem sollten sie jeder vorgeschlagenen neuen Geschäftsinitiative eine verantwortliche Person und klare Kennzahlen zuweisen. Seiner Ansicht nach sind die Messung von Ergebnissen, die Neugestaltung von Prozessen und die Umverteilung von Ressourcen anhand der Wirkung entscheidend dafür, KI-Investitionen in geschäftlichen Mehrwert umzuwandeln.

Quellen: Canaltech.