Zusammenfassung
Im Jahr 2024 gab ein Fortune-500-Unternehmen 12 Millionen Dollar für ChatGPT-Lizenzen aus. Sechs Monate später ergab die Nutzungsanalyse ein brutales Ergebnis: Die Akzeptanz lag bei nur 8 %. Die anderen 92 % der Mitarbeiter öffneten die Anwendung einmal, vielleicht zweimal, und kehrten dann zu ihren alten Gewohnheiten zurück. Der Fehler des CIO bestand nicht darin, das falsche Modell gewählt zu haben. Er ging davon aus, dass Zugang gleichbedeutend mit Akzeptanz ist – so als würde man jedem eine Mitgliedschaft im Fitnessstudio kaufen und sich dann wundern, warum niemand fit wird. Das eigentliche Problem mit KI in Unternehmen ist nicht die Leistungsfähigkeit. Es ist die Tatsache, dass 99 % der Menschen nicht wissen, was sie damit anfangen sollen. Und wenn Sie Ihre Zukunft auf OpenAI oder Anthropic oder den Gewinner des Modellkriegs setzen, bedeutet das, dass Sie sich auf das Interaktionsparadigma eines anderen festlegen, obwohl Sie eigentlich ein Intelligent Interaction Fieldbrauchen – ein modellunabhängiges System, das die Menschen in ihrer tatsächlichen Arbeit abholt, aus ihrem Kontext lernt und Ihren eigenen Wert steigert. Akzeptanz entsteht nicht durch bessere Modelle. Sie entsteht durch besseres Interaktionsdesign.
Die 12-Millionen-Dollar-Fitnessstudio-Mitgliedschaft, die niemand genutzt hat
Lassen Sie mich Ihnen von einem Problem erzählen, das wie ein Erfolg aussieht, bis man sich die Daten ansieht.
Ein globales Finanzdienstleistungsunternehmen – nennen wir es Apex – hat alles richtig gemacht. Sie haben die Schlagzeilen über die KI-Transformation gelesen. Sie haben eine Taskforce zusammengestellt. Sie haben einen Unternehmensvertrag mit OpenAI ausgehandelt. Sie haben ChatGPT-Lizenzen für 15.000 Mitarbeiter eingeführt, begleitet von Schulungsvideos, Lunch-and-Learn-Veranstaltungen und Unterstützung durch die Führungskräfte.
In der Ankündigungs-E-Mail wurden Begriffe wie „bahnbrechend“ und „Wettbewerbsvorteil“ verwendet.
Drei Monate später stellte der CIO eine einfache Frage: „Wie viele Personen nutzen es tatsächlich?“
Die Antwort: 8 %.
Nicht 8 % der möglichen Anwendungsfälle. Nicht 8 % unter der angestrebten Akzeptanz.
8 % der Mitarbeiter hatten es mehr als zweimal genutzt.
Die anderen 92 % öffneten es einmal, stellten eine allgemeine Frage, erhielten eine Antwort, die ... in Ordnung war ... und machten dann weiter mit ihrer Arbeit, so wie sie es immer getan hatten.
12 Millionen Dollar ausgegeben. 8 % Akzeptanz.
Der erste Gedanke des CIO war, das Änderungsmanagement dafür verantwortlich zu machen. „Wir brauchen bessere Schulungen. Wir brauchen mehr Anwendungsfälle. Wir müssen ihnen zeigen, was möglich ist.“
Aber hier ist, was er übersehen hat:
Das Problem war nicht, dass die Menschen nicht wussten, dass es KI gibt. Das Problem war, dass sie nicht wussten, wie sie sie in ihrer tatsächlichen Arbeit einsetzen sollten.
Das Salatproblem (oder: Warum Leistungsfähigkeit nicht gleichbedeutend mit Akzeptanz ist)
Du weißt doch, dass du mehr Salat essen solltest, oder?
Sie wissen, dass es gesünder ist als ein Burrito. Sie wissen, dass es die Energie und Langlebigkeit verbessert, einfach alles. Sie haben Zugang zu Salat – zwei Blocks von Ihrem Büro entfernt gibt es einen Laden, der ihn verkauft.
Und dennoch.
Du isst keinen Salat.
Nicht, weil Sie es sich nicht leisten können. Nicht, weil Sie nicht an seine Vorteile glauben. Sondern weil Verhaltensänderungen nicht allein dadurch stattfinden, dass die Option existiert.
Sie müssten:
- Entscheiden Sie sich, heute Salat zu essen (kognitive Belastung).
- Zwei Blocks laufen (Reibung)
- Wählen Sie aus 47 Zutaten (Entscheidungsmüdigkeit)
- Überzeugen Sie sich selbst davon, dass es sich lohnt (Motivation)
- Morgen wiederholen (Gewohnheitsbildung)
Und selbst wenn Sie es einmal tun, bedeutet das nicht, dass Sie es wieder tun werden.
Zugang ist nicht gleichbedeutend mit Akzeptanz.
Genau das passiert derzeit mit KI in Unternehmen.
Unternehmen kaufen allen Mitarbeitern „Salatzugang“ – ChatGPT Enterprise, Claude for Work, Copilot-Lizenzen – und wundern sich dann, warum die Leute weiterhin Burritos essen (ihre Arbeit auf die alte Art und Weise erledigen).
Denn hier ist, was niemand löst:
99 % der Mitarbeiter verstehen nicht, was KI tatsächlich leisten kann. ihrem spezifischen Arbeitskontext leisten kann.
Sie öffnen ChatGPT. Sie sehen ein leeres Textfeld. Sie denken: „Was soll ich dieses Ding fragen?“
Sie versuchen etwas Allgemeines: „Fasse diese E-Mail zusammen.“ Es funktioniert. Cool.
Dann schließen sie es und kehren zu ihrer eigentlichen Arbeit zurück – die darin besteht, sieben Systeme zu navigieren, sich mit drei Abteilungen abzustimmen und Entscheidungen zu treffen, die auf dem Kontext basieren, den sie im Kopf haben, nicht auf einer Eingabeaufforderung.
Das Problem ist nicht die Leistungsfähigkeit. Das Problem ist, dass KI nicht in die Interaktion eingebettet ist, in der die Arbeit tatsächlich stattfindet.
Die Modell-Kriegsfalle (oder: Warum die Entscheidung für einen einzigen Anbieter die Einführung erschwert)
Und genau hier machen es die meisten Unternehmen noch schlimmer.
Sie wählen einen Anbieter aus. Nehmen wir OpenAI. Sie gehen aufs Ganze. Unternehmensvertrag. Integrations-Roadmap. Schulungsprogramme, die auf die Schnittstelle und das Paradigma von ChatGPT zugeschnitten sind.
Und dann haben sie sich auf die Arbeitsweise eines anderen festgelegt .
Hier ist die unangenehme Frage: Was, wenn OpenAI nicht der Gewinner ist?
Was, wenn Anthropic sie überholt? Was, wenn Open-Source-Modelle (die bereits aufholen) zum Standard werden? Was, wenn ein Modell, von dem Sie noch nie gehört haben, in 18 Monaten zum Standard wird?
Sie haben gerade Ihre Adoptionsstrategie auf einen Anbieter gesetzt, der möglicherweise nicht mehr relevant ist, wenn die Leute tatsächlich herausgefunden haben, wie man ihn nutzt.
Das ist so, als würde man sein gesamtes Fitnessprogramm auf ein einziges Gerät ausrichten – und dann wird dieses Gerät aus dem Sortiment genommen.
Aber hier liegt das tiefere Problem:
Wenn Sie auf einen Anbieter setzen, setzen Sie nicht nur auf dessen Modell. Sie setzen auf dessen Interaktionsparadigma.
ChatGPT denkt in Eingabeaufforderungen und Antworten. Copilot denkt in Dokumentenunterstützung. Claude denkt in Konversationssträngen.
Aber Ihr Unternehmen denkt nicht in dieser Weise.
Ihr Unternehmen denkt in Episoden und Momenten:
- Ein Kunde ruft mit einer komplexen Anfrage an.
- Ein Verkäufer muss unter Zeitdruck ein Angebot erstellen.
- Ein Underwriter bewertet Risiken anhand unvollständiger Informationen.
- Ein Betriebsleiter leitet Ressourcen um, weil ein Lieferant versagt hat.
Es handelt sich hierbei nicht um Probleme, die auf Eingaben und Antworten beruhen. Es handelt sich um interaction field , bei denen mehrere Signale, Systeme und Interessengruppen in Echtzeit koordiniert werden müssen und die KI aus jedem Ergebnis lernen muss.
Wenn Sie sich auf einen einzigen Modellanbieter verlassen, zwingen Sie Ihr Interaktionsdesign in dessen Paradigma. Das ist rückständig.
Die reale Architektur: Intelligente Interaktionsfelder
Lassen Sie mich Sie zurück zu Apex bringen.
Nach dem Desaster mit einer Akzeptanzrate von nur 8 % stellten sie die Frage „Wie bringen wir die Leute dazu, ChatGPT zu nutzen?“ nicht mehr und begannen, eine andere Frage zu stellen:
„Wo in der tatsächlichen Arbeit der Menschen geht Wert verloren, weil Interaktionen unterbrochen werden?“
Und das haben sie herausgefunden:
Das Problem war nicht, dass die Menschen einen Chatbot brauchten. Das Problem war, dass ihre Arbeit in Interaktionsfeldern stattfand, die nicht intelligent waren.
Lassen Sie mich erklären, was ich meine.
Was ist ein Interaction Field?
Ein interaction field ein Ort, an dem mehrere Teilnehmer – Kunden, Mitarbeiter, Systeme, Partner – zusammenkommen, um in einer bestimmten Situation oder einem bestimmten Moment einen Mehrwert zu schaffen.
Beispiele:
- Ein Kreditantrag (Kunde, Kreditprüfer, Kreditsystem, Compliance, Preismodell)
- Eine Unterbrechung der Lieferkette (Lieferantenwarnung, Bestandsverwaltungssystem, Logistik, Kundenverpflichtungen)
- Eine Eskalation im Kundenservice (Agent, Kundenhistorie, Produktdaten, Beurteilung durch den Vorgesetzten, Lösungsprotokolle)
Dies sind keine isolierten Aufgaben. Es handelt sich um Interaktionssysteme, in denen Wert geschaffen (oder zerstört) wird, je nachdem, wie gut Informationen fließen, Entscheidungen getroffen werden und Lernprozesse stattfinden.
Die traditionelle KI fragt: „Was kann das Modell leisten?“
Intelligente Interaktionsfelder fragen: „Was muss in dieser Episode geschehen, und wie koordinieren wir alle Beteiligten – Mensch und Maschine –, um das beste Ergebnis zu erzielen?“
Die vier Komponenten
Apex hat für seinen Kreditvergabeprozess ein sogenanntes „Intelligent Interaction Field entwickelt:
1. Sinn: Das System erfasste Signale in Echtzeit – Bewerberdaten, Marktbedingungen, Risikoindikatoren, Arbeitsbelastung der Underwriter, regulatorische Auflagen und sogar Muster aus früheren Entscheidungen.
2. Grund: Hier kommt der entscheidende Punkt: Das System wandte die Beurteilung von Apex an, nicht die generische Argumentation von OpenAI. Es kannte deren Risikobereitschaft, deren strategische Prioritäten und deren Werte. Und es war modellunabhängig– es konnte GPT-4, Claude, Llama oder Mistral verwenden, je nachdem, was für die jeweilige Argumentationsaufgabe am besten geeignet war.
3. Handeln: Das System koordinierte alle Beteiligten – es holte Kreditauskünfte ein, kennzeichnete Risiken, füllte Dokumente vorab aus, eskalierte Fälle an Menschen, wenn eine Beurteilung erforderlich war, und koordinierte die Einhaltung von Vorschriften.
4. Lernen: Nach jeder Kreditentscheidung fragte das System: Was hat funktioniert? Was hat nicht funktioniert? Was sollten wir ändern? Und dieses Wissen blieb bei Apex – es floss nicht in die nächste Schulung eines Anbieters ein.
Was hat sich geändert?
Innerhalb von 90 Tagen geschah etwas Bemerkenswertes:
Die Adoptionsrate stieg von 8 % auf 67 %.
Nicht, weil sie mehr trainiert haben. Nicht, weil sie bessere Anwendungsfälle erstellt haben.
Weil die Menschen nicht mehr überlegen mussten, was sie die KI fragen sollten. Die KI war in die Interaktion eingebettet, in der ihre Arbeit tatsächlich stattfand.
Die Underwriter haben ChatGPT nicht geöffnet und sich gefragt: „Was soll ich eingeben?“
Sie eröffneten eine Kreditakte, und das Intelligent Interaction Field bereits dabei,im Kontext ihrer tatsächlichen Arbeit zu erkennen, zu denken, zu handeln und zu lernen.
Das System kam zu ihnen. Sie mussten nicht zum System gehen.
Die Benutzer hörten auf, mit den Tools zu navigieren. Sie konzentrierten sich auf die Beurteilung. Das Intelligent Interaction Field alles andere.
Modellunabhängig durch Design (oder: Warum Sie nicht auf einen einzigen Anbieter setzen sollten)
Hier ist, was Apex getan hat, was die meisten Unternehmen nicht tun:
Sie haben ihr Intelligent Interaction Field von Anfang an modellunabhängig gestaltet.
Sie haben nicht auf der API von ChatGPT aufgebaut. Sie haben auf Interaktionenaufgebaut – und dann das System entscheiden lassen, welches Modell (oder welche Kombination von Modellen) für jede Denkaufgabe am besten geeignet war.
Für einfache Dokumentenzusammenfassungen? Ein leichtgewichtiges Open-Source-Modell (schnell, günstig, gut genug).
Für komplexe Risikoanalysen, die regulatorisches Wissen erfordern? GPT-4 oder Claude (tiefgreifendere Argumentation, die Kosten wert).
Für die Mustererkennung bei Millionen von Kreditentscheidungen? Ihr eigenes, fein abgestimmtes Modell, das auf proprietären Daten basiert (ein Wettbewerbsvorteil, den sie besaßen).
Die Architektur war technologieunabhängig. Denn sie wussten, dass der Kampf der Modelle noch nicht vorbei war – und sie wollten nicht zu Geiseln des Gewinners werden.
Wie eine Umfrage von Andreessen Horowitz unter 100 CIOs von Unternehmen bestätigte, beschleunigt sich die Einführung von Open-Source-Modellen wie LLaMA und Mistral, insbesondere in größeren Unternehmen, die erkennen, dass sich die Leistungslücke schließt und die Bindung an einen bestimmten Anbieter gefährlich ist.
Sie setzen bei Ihrer Adoptionsstrategie nicht auf einen einzigen Anbieter. Sie schaffen Interaktionsfelder, die unabhängig davon funktionieren, welches Modell sich durchsetzt.
Warum dies das Adoptionsproblem löst
Kehren wir noch einmal zur Analogie mit der Mitgliedschaft im Fitnessstudio zurück.
Warum nutzen die Leute ihre Fitnessstudio-Mitgliedschaften nicht?
Weil Sie müssen:
- Entscheiden Sie sich dafür, zu gehen (Motivation)
- Dorthin fahren (Reibung)
- Überlegen Sie, welche Ausrüstung Sie verwenden möchten (kognitive Belastung).
- Erstellen Sie Ihre eigene Routine (Fachwissen erforderlich)
- Verfolge deine eigenen Fortschritte (Disziplin)
Stellen Sie sich nun vor, das Fitnessstudio käme zu Ihnen. Es würde Ihre Ziele kennen. Es würde das Training zusammenstellen. Es würde Ihre Fortschritte automatisch verfolgen. Es würde sich anpassen, je nachdem, was funktioniert.
Das ist der Unterschied zwischen dem Zugang zu ChatGPT und dem Aufbau eines intelligenten Interaction Field.
Der Zugriff erfordert von ihnen:
- Denken Sie daran, dass das Tool existiert.
- Navigieren Sie dorthin.
- Überlegen Sie sich, was Sie fragen möchten.
- Übersetzen Sie die Antwort zurück in ihre tatsächliche Arbeit.
- Jedes Mal wiederholen
Intelligente Interaktionsfelder beseitigen all das.
Das System erkennt die jeweilige Situation. Es überlegt, was zu tun ist. Es koordiniert den Arbeitsablauf. Es lernt aus den Ergebnissen.
Sie setzen kein Tool ein. Sie arbeiten einfach besser – und die Intelligenz ist in die Interaktion eingebettet.
Deshalb stieg die Akzeptanz von Apex innerhalb von 90 Tagen von 8 % auf 67 %.
Nicht besseres Training. Besseres Design.
Die Abhängigkeitsfalle der großen Technologieunternehmen
Kommen wir nun zu dem anderen Risiko, über das niemand spricht.
Wenn Sie voll auf OpenAI (oder Anthropic oder Google) setzen, wetten Sie nicht nur auf deren Modell. Sie schaffen eine weitere Abhängigkeit von Big Tech.
Erinnern Sie sich noch daran, was mit Cloud Computing passiert ist?
Unternehmen haben alles auf AWS, Azure oder Google Cloud migriert, weil dies einfacher war als die Verwaltung der Infrastruktur.
Und dann wachten sie eines Tages auf und erkannten:
- Sie konnten nicht ohne massive Umstellungskosten gehen.
- Der Preis war das, was der Verkäufer festgelegt hat.
- Der gesamte Betrieb hing von den strategischen Prioritäten eines einzigen Unternehmens ab.
Wir sind dabei, genau dasselbe mit KI zu tun.
Nur ist die Abhängigkeit diesmal tiefer. Denn es geht nicht nur um Infrastruktur – es geht um Intelligenz. Es geht um Entscheidungsfindung. Es geht um das System, das aus Ihren Interaktionen lernt.
Und wenn dieses System OpenAI oder Anthropic oder wem auch immer gehört, sind Sie Mieter, nicht Eigentümer.
Sie haben keine Kontrolle über:
- Was sie aus Ihren Daten lernen
- Wie sie den Zugang in 24 Monaten bepreisen
- Ob sie Ihre Anwendungsfälle in der nächsten Modellversion priorisieren
- Was passiert, wenn sie sich neu ausrichten, übernommen werden oder scheitern?
Die intelligentere Strategie besteht darin, eine interaktionsorientierte, modellunabhängige Architektur zu nutzen – die sogenannten Intelligent Interaction Fields –, bei der Sie die Koordination übernehmen und beliebige Modelle einbinden können.
Sie sind nicht davon abhängig, dass OpenAI gewinnt. Sie sind nicht an die Roadmap von Anthropic gebunden.
Sie bauen ein System auf, das immer besser wird, unabhängig davon, welche Modelle sich durchsetzen.
Schaffen Sie keine weitere Abhängigkeit von Big Tech. Bauen Sie intelligente Interaktionsfelder auf, die Ihnen gehören.
Der Vorteil von Vertrauen und Kontext
Hier sind die Erkenntnisse, die Apex sechs Monate nach Interaction Field seines Intelligent Interaction Field gewonnen hat:
Sie haben nicht nur ein Adoptionsproblem gelöst. Sie haben einen Wettbewerbsvorteil aufgebaut.
Denn jede Kreditentscheidung, die durch ihr System lief, lehrte es etwas, worauf Konkurrenten keinen Zugriff hatten:
- Welche Risikosignale sagten tatsächlich einen Ausfall voraus (im Gegensatz zu denen, die nur regulatorisches Theater waren)?
- Wie man Geschwindigkeit und Gründlichkeit für verschiedene Kundensegmente in Einklang bringt
- Welche Entscheidungen der Underwriter führten zu den besten Ergebnissen?
- Wie man Preise in Echtzeit an den Wettbewerbsdruck anpasst
Es handelte sich nicht um allgemeines „KI-Wissen“, sondern um firmeneigene Informationen darüber, wie Apex in seinem interaction field Mehrwert schafft.
Und da die Architektur modellunabhängig war, gehörten sie ihnen – unabhängig davon, welches Basismodell sie für die Schlussfolgerungen verwendeten.
Eine MIT-Studie zum Thema Markenvertrauen zeigt, dass bewunderte Marken „Kunden befähigen, begeistern und bereichern“, indem sie wiederholt zuverlässig einen Mehrwert bieten. Dieses Vertrauen lässt sich jedoch nicht aufbauen, indem man die KI eines anderen Anbieters mietet.
Sie erstellen es, indem Sie intelligente Interaktionsfelder entwerfen, die Ihre Kunden, Ihren Kontext und Ihre Werte kennenlernen – und diese Intelligenz im Laufe der Zeit weiterentwickeln.
Als der Konkurrent von Apex einen ChatGPT-Vertrag für Unternehmen unterzeichnete und versuchte, dessen Erfolg zu wiederholen, erhielt er eine generische KI-Funktion, die für alle gleich funktionierte.
Sie haben nicht 18 Monate lang aus interaction field von Apex gelernt.
Das ist der Graben.
Die Interaction Field
Ich zeige Ihnen, was mit den Zahlen von Apex passiert ist.
Akzeptanz: 8 % → 67 % in 90 Tagen (da die Intelligenz in die Arbeit integriert und nicht nur angehängt wurde)
Zykluszeit: Die Kreditvergabe wurde von 4,2 Tagen auf 1,8 Tage verkürzt (da die interaction field zwischen Systemen und Beteiligten automatisch interaction field ).
Kosten pro Dienstleistung: Rückgang um 31 % (da keine Kontextverluste mehr auftraten, Nacharbeiten entfielen und die Koordination automatisiert wurde)
Standard-Vorhersagegenauigkeit: Von 83 % auf 91 % verbessert (da das System aus proprietären Mustern in ihrem interaction field gelernt hat)
Vertrauen der Mitarbeiter: Die Underwriter gaben an, dass ihr Vertrauen in Entscheidungen um 40 % gestiegen ist (da das System ihre Urteilsfähigkeit ergänzt, anstatt sie zu ersetzen).
Und hier ist der wirtschaftliche Beweis:
Der Umsatz pro Underwriter stieg um 23 % (da sie mehr Kredite mit besserer Risikobewertung bearbeitet haben).
Die operative Marge verbesserte sich um 280 Basispunkte (da die Effizienz gesteigert wurde, ohne Abstriche bei der Qualität zu machen).
Der NPS-Wert der Kunden stieg um 18 Punkte (da schnellere und genauere Entscheidungen zu besseren Ergebnissen führten).
Wenn Sie das Adoptionsproblem durch den Aufbau intelligenter Interaktionsfelder lösen, wächst der wirtschaftliche Wert nicht linear, sondern exponentiell.
Denn jede Interaktion macht die nächste besser. Und Sie sind der Eigentümer des Zinseszinseffekts.
Warum Modellunabhängigkeit wichtiger ist, als Sie denken
Hier ist die unangenehme Wahrheit über die Modelkriege:
Niemand weiß, wer gewinnen wird.
Im Jahr 2023 glaubten alle, OpenAI sei unantastbar. Bis 2025 erreichten Open-Source-Modelle wie LLaMA und Mistral eine vergleichbare Leistung. Bis 2026 übertraf DeepSeek GPT-4 in einigen Benchmarks – und lief dabei auf Hardware, die nur einen Bruchteil der Kosten verursachte.
Fähigkeiten werden schnell zur Massenware.
Was ist also die intelligente Architektur?
Entwickeln Sie für Interaktionen, nicht für Modelle.
Für Interaction Field Intelligent Interaction Field von Apex spielt es Interaction Field Rolle, ob GPT-6, Claude-4 oder Llama-5 letztendlich das beste Modell ist. Denn ihr Wert ergibt sich nicht aus dem Zugriff auf das Modell.
Ihr Wert ergibt sich aus:
- Interaktionsdesign, das Menschen dort abholt, wo sie arbeiten
- Kontextverantwortung, die sich mit jeder Entscheidung verstärkt
- Lernschleifen, die ihr System jeden Tag intelligenter machen
- Flexibilität, die es ihnen ermöglicht, das zu nutzen, was jetzt und in Zukunft am besten funktioniert.
Wenn es den nächsten Durchbruch bei einem Modell gibt, schließen sie es an. Wenn ein Modell zu teuer wird, tauschen sie es aus. Wenn Open Source aufholt, wechseln sie.
Ihr Wettbewerbsvorteil ist nicht das Modell. Es ist das Interaction Field entwickelte Intelligent Interaction Field .
Und ihre Konkurrenten können das nicht von OpenAI mieten.
Die Wahl: Adoptionstheater oder intelligente Interaktionsfelder
Lassen Sie mich zum Anfang zurückkommen.
Die meisten Unternehmen betreiben Adoption Theater:
- Kauf von Lizenzen ✓
- Lauftrainings ✓
- Erstellen von Anwendungsfallbibliotheken ✓
- Messung von Nutzungsmetriken ✓
Und dann wundern wir uns, warum die Adoptionsrate bei 8 % stagniert.
Weil sie KI wie eine Mitgliedschaft im Fitnessstudio behandeln – sie geben den Menschen Zugang und erwarten, dass sie selbst herausfinden, was sie damit anfangen sollen.
Die Unternehmen, die dieses Problem lösen, bauen intelligente Interaktionsfelder auf:
- Identifizieren, wo Arbeit tatsächlich stattfindet (Episoden und Momente)
- Entwicklung von Systemen, die wahrnehmen, denken, handeln und lernen –in diesen Interaktionen
- Intelligenz modellunabhängig gestalten, damit sie nicht zu Geiseln von Anbieterkonflikten wird
- Das Lernen als Wettbewerbsvorteil nutzen
Ein Ansatz betrachtet KI als ein Werkzeug, das Menschen anwenden müssen.
Der andere bettet Intelligenz in die Interaktionen ein, in denen Wert geschaffen wird.
Ratet mal, welches Produkt innerhalb von 90 Tagen eine Akzeptanzrate von 67 % erreicht?
Das Vivaldi : Intelligente Interaktionsfelder
Bei Vivaldi nennen wir diesen Ansatz „Intelligente Interaktionsfelder”– und er basiert auf drei Prinzipien:
1. Interaktion zuerst, nicht Modell zuerst
Entwerfen Sie rund um den Ort, an dem die Arbeit stattfindet, und nicht rund um die Möglichkeiten von ChatGPT. Beginnen Sie mit Episoden und Momenten. Koordinieren Sie dann die Intelligenz – menschliche und maschinelle –, um bessere Ergebnisse zu erzielen.
2. Standardmäßig modellunabhängig
Setzen Sie nicht auf einen einzigen Anbieter. Entwickeln Sie eine Architektur, die GPT-4, Claude, LLaMA, Mistral oder Ihre eigenen fein abgestimmten Modelle nutzen kann, je nachdem, was für die jeweilige Aufgabe am besten geeignet ist. Ihr Wettbewerbsvorteil liegt nicht im Modellzugang, sondern im Interaktionsdesign und im eigenständigen Lernen.
3. Die eigene Intelligenz kombinieren
Jede Interaktion sollte die nächste verbessern. Aber dieses Lernen muss proprietär bleiben. Bauen Sie Schleifen auf, in denen Sinn → Vernunft → Handeln → Lernen innerhalb der von Ihnen kontrollierten Systeme stattfindet, nicht in der API eines anderen.
So lösen Sie das Adoptionsproblem und schaffen gleichzeitig einen Wettbewerbsvorteil.
Wachstum wird selbstoptimierend (wenn Sie das Interaction Field beherrschen)
Lassen Sie mich mit dem Stand von Apex 18 Monate später schließen.
Ihr Intelligent Interaction Field 340.000 Kreditentscheidungen verarbeitet. Es hat aus jeder einzelnen gelernt.
Und das hat mir der CEO letzten Monat gesagt:
„Früher haben wir uns Gedanken über die Einführung von KI gemacht. Jetzt machen wir uns Gedanken über Wettbewerber, die nicht über das verfügen, was wir aufgebaut haben.
Unsere Underwriter denken nicht darüber nach, „KI einzusetzen“. Sie machen einfach ihre Arbeit – und das interaction field sie dabei besser. Schnellere Entscheidungen. Intelligentere Risikobewertung. Höheres Vertrauen.
Und das System lernt ständig dazu. Jeden Tag wird es besser darin, Muster zu erkennen, Randfälle zu beurteilen, Arbeitsabläufe zu koordinieren und Ergebnisse zu verbessern.
Unsere Mitbewerber können die gleichen Modelle kaufen, die wir verwenden. Aber sie können nicht 18 Monate komplexes Lernen aus Interaktionen kaufen, die wir entwickelt haben und besitzen.
Das ist kein technologischer Vorteil. Das ist ein Vorteil des Geschäftsmodells.
Die Frage, die wirklich zählt
Hier stehen wir also:
Der Modellkrieg endet in einer Kommodifizierung. Open Source schließt die Lücke.
Die Adoptionskrise ist real. 99 % der Menschen wissen nicht, was sie mit KI anfangen sollen – und der Zugang löst dieses Problem nicht.
Das Setzen auf einen einzigen Anbieter (OpenAI, Anthropic, Google) schafft Abhängigkeiten, ohne die Probleme der Einführung zu lösen oder Schutzwälle aufzubauen.
Die erfolgreichen Unternehmen bauen intelligente Interaktionsfelder auf:
- Modellunabhängig durch Design
- Eingebettet in den Ort, an dem die Arbeit tatsächlich stattfindet
- Aus jeder Interaktion lernen – und diese Intelligenz nutzen
- Wirtschaftlicher Mehrwert: Akzeptanz, Geschwindigkeit, Qualität, Marge, Vertrauen
Die Frage lautet nicht „Wie sieht unsere ChatGPT-Strategie aus?“.
Die Frage lautet: „Welche intelligenten Interaktionsfelder sollten wir aufbauen, die wir tatsächlich besitzen – und die das Problem der Akzeptanz lösen, indem sie die Menschen dort abholen, wo sie arbeiten?“
Denn Adoption entsteht nicht durch bessere Modelle.
Es kommt von einem besseren Interaktionsdesign.
Und Wachstum entsteht nicht durch KI-Fähigkeiten.
Es stammt aus intelligenten Interaktionsfeldern, die den von Ihnen kontrollierten Wert erhöhen.
Interaktionsdesign ist Wachstumsdesign. Und Wachstum, das richtig gestaltet und umgesetzt wird, optimiert sich von selbst.