Die Einsatzebene: Warum Claude und ChatGPT vor Ort tätige Teams benötigen, um das Unternehmen zu erreichen

Einführung

Vor einigen Monaten zeigte mir ein CIO sein Claude Enterprise-Dashboard. Zweitausend Benutzerlizenzen, innerhalb von sechs Wochen eingeführt, Single Sign-On über den Identitätsanbieter des Unternehmens, eine Nutzungsrichtlinie, die von der Rechtsabteilung genehmigt und von jedem Mitarbeiter beim ersten Login bestätigt wurde. Dann scrollte er zur zweiten Registerkarte. Wöchentliche aktive Nutzer: 14%.

Die häufigste Anweisung: “Fassen Sie diese E-Mail zusammen.” Die zweithäufigste: “Formulieren Sie dies in einem professionelleren Ton um.” Keine einzige Verbindung zum ERP-System, zum Lager data oder zu den Dokumentenarchiven. Kein einziger Mitarbeiter war in der Produktion im Einsatz. Drei Stockwerke unter uns öffnete das Team der Kreditorenbuchhaltung nacheinander die PDF-Dateien der Lieferanten, las die Rechnungsnummer, den Betrag und die Kostenstelle ab und gab diese Daten manuell in das Finanzsystem ein – etwa eine hundert Rechnungen pro Monat, was etwa eineinhalb Arbeitstage entspricht.

Das überrascht mich mittlerweile nicht mehr. Ich bin mittlerweile der Ansicht, dass dies das typische Ergebnis der Art und Weise ist, wie Unternehmen KI beschaffen, und ich möchte ganz offen darlegen, warum das so ist.

Wir haben gemeinsam beschlossen, Frontier-Modelle wie Software zu behandeln: die Lizenz erwerben, die Nutzerlizenzen bereitstellen, ein Webinar durchführen und weitermachen. Das hat bei E-Mail und beim CRM funktioniert, da der Wert dieser Tools im Tool selbst lag – der Posteingang war das Produkt, die Pipeline-Ansicht war das Produkt. Der Wert eines Frontier-Modells liegt nicht im Modell selbst. Er liegt vielmehr in der Distanz zwischen dem Modell und dem data, den Befugnissen, Gewohnheiten und Prozessen eines bestimmten Unternehmens.: ob das Modell die Umsätze des letzten Quartals nach SKU anzeigen kann, ob es weiß, dass der “Nettoumsatz” in diesem Unternehmen keine Handelsausgaben umfasst, ob eine Vertriebsleiterin es jemals einmal für eine Frage genutzt hat, die sie in dieser Woche tatsächlich beantworten musste.

Niemand in der Organisation wird dafür bezahlt, diese Kluft zu überbrücken. Die IT-Abteilung ist für die Mandanten verantwortlich und misst die Verfügbarkeit. Der Geschäftsbereich ist für die Anwendungsfälle zuständig und führt keinerlei Messungen durch. Der Anbieter ist für die Roadmap verantwortlich und misst die Anzahl der Lizenzen. Der Bereich dazwischen gehört niemandem, und In diesem Raum liegt der Wert.

Nach einem Jahr, in dem ich Unternehmen genau zum Zeitpunkt „14%“ betreten habe, bin ich zu der Überzeugung gelangt, dass Dieser Bereich ist eine eigenständige Disziplin.. Es handelt sich nicht um Change Management mit besseren Folien, und es handelt sich auch nicht um Systemintegration mit einer neuen API. Es handelt sich um Engineering, data, Sicherheits- und Einführungsmaßnahmen, die gemeinsam beim Kunden vor Ort von Mitarbeitern durchgeführt werden, die auch in die Roadmap des Labors eingebunden sind und die für ein Ergebnis und nicht für ein Lieferergebnis verantwortlich sind. Ich nenne dies die „Deployment-Ebene“, und in diesem Artikel lege ich dar, warum sie wichtiger ist als die nächste Modellversion.

Warum die Einführung von KI in Unternehmen nach der Unterzeichnung des Lizenzvertrags ins Stocken gerät

Das Muster ist im Bankwesen, bei Konsumgütern, im Immobiliensektor und in der Telekommunikation dasselbe und vollzieht sich in einer wiedererkennbaren Abfolge. Ein Pilotprojekt ist erfolgreich: ein kleines Team im Marketing oder Kundenservice, ein wohlwollender Förderer, ein klarer Anwendungsfall, eine Demo, die die Geschäftsleitung in ihren Sitzen nach vorne beugen lässt. Ein zweites Pilotprojekt ist in einem anderen Bereich erfolgreich. Die Unternehmensleitung genehmigt eine unternehmensweite Einführung, oft mit einem Ziel wie “KI für alle bis zum 2. Quartal”. Die Einführung erfolgt. Die Akzeptanz steigt drei Wochen lang aufgrund des Neuheitsfaktors, stagniert dann auf dem Niveau einer besseren Suchmaschine, und die Agenten, die eigentlich im Anschluss an die Einführung zum Einsatz kommen sollten, verbleiben auf einer Folie mit dem Titel “Phase 2”.”

Die gängigen Erklärungen sind falsch.

• Es ist nicht so, dass sich die Mitarbeiter gegen Veränderungen wehren; Diejenigen, denen ich begegne, sind dringend darauf angewiesen, dass das Tool bei ihrer eigentlichen Arbeit funktioniert, und sind frustriert darüber, dass es die Tabelle, die sie gerade betrachten, nicht erkennen kann.
• Es ist nicht so, dass die Modelle unausgereift wären; Das meiste davon konnten sie bereits vor zwei Generationen, und die Kluft zwischen dem, was Claude oder GPT leisten können, und dem, was die Organisation von ihnen verlangt, hat sich seitdem nur noch vergrößert.
• Und es liegt nicht daran, dass es keine Anwendungsfälle gäbe. In jedem Workshop, den ich geleitet habe, fallen an einem Vormittag achtzig davon an, von denen die Hälfte Variationen des Satzes “Hören Sie bitte auf, mich dazu zu zwingen, das immer wieder neu einzugeben” sind.”

Der Vorgang bleibt hängen, da drei Fragen keinen Verantwortlichen haben:

• Was weiß das Modell über uns? Auf welche Systeme hat es Zugriff – das Lager, die Dokumentenarchive, das Ticketingsystem, die HR-Plattform? Unter welchen Berechtigungen greift es darauf zu: unter denen des Dienstkontos oder unter denen der anfragenden Person? Und wenn es eine Nummer ausgibt, kann dann jemand diese auf die Tabelle oder das Dokument zurückverfolgen, aus dem sie stammt?
• Wer ist in den einzelnen Abteilungen für die Umsetzung verantwortlich? Nicht für die Erfassung der Lizenzzahlen – sondern für die Gewohnheit, das Tool montagmorgens bei der eigentlichen Arbeit in den Bereichen Vertrieb, Finanzen, Rechtsabteilung und Betrieb einzusetzen, wobei jeder dieser Bereiche unterschiedliche data-Werte, ein anderes Vokabular und eine andere Definition von “nützlich” aufweist.”
• Wer entwickelt die Agenten, und wer wartet sie, wenn die Berater das Unternehmen verlassen? Ein IT-Rückstand, der sich bereits über achtzehn Monate erstreckt, ein externer Dienstleister mit einem Zeit- und Materialvertrag oder Mitarbeiter aus dem Unternehmen, die den zu automatisierenden Prozess verstehen?

Mir ist bisher noch kein Programm bekannt, das erfolgreich war, bei dem diese Fragen von einem Lenkungsausschuss beantwortet wurden. Sie werden beantwortet von denjenigen, die die Arbeit vor Ort im Gebäude verrichten und über Entscheidungsbefugnis verfügen.

Die Bereitstellungsschicht: Die Funktion, für die niemand Mittel einplant

Zwischen dem Modell und dem Geschäftsbetrieb liegt eine Arbeitsebene, die weder reine IT noch reines Veränderungsmanagement ist. Ich unterteile diese in vier Bereiche, und zu jedem davon habe ich eine klare Meinung.

Bereitstellen. Die Plattform selbst – Claude Enterprise, Claude Code und Cowork bzw. ChatGPT Enterprise und Codex – wurde ordnungsgemäß eingeführt. In der Praxis bedeutet dies ein Lizenzmodell, bei dem die Lizenzen nach Rolle, Bereich und Dienstalter vergeben werden und nicht nach dem Prinzip „Wer zuerst kommt, mahlt zuerst“; die Identitätsprüfung erfolgt über das unternehmensweite SSO mit gruppenbasiertem Zugriff; eine Nutzungsrichtlinie, die in verständlicher Sprache festlegt, was eingefügt werden darf und was nicht, sowie einen Leitfaden für bewährte Verfahren, der beschreibt, wie eine gute Praxis aussieht; und eine Kostenkontrolle, die ab der ersten Woche abteilungsweise aufzeigt, wer welche Funktionen nutzt. Dies ist der Bereich, den die meisten Organisationen recht gut meistern, und für sich genommen ist er der am wenigsten wertvolle Teil. Ein perfekt eingerichteter Mandant, an den nichts angeschlossen ist, ist ein sehr kostspieliges Chat-Fenster.

Boden. Die Kontextschicht, die dafür sorgt, dass das Modell mit den unternehmensspezifischen Fakten antwortet. Konkret: eine einzelner MCP-Server, das im eigenen cloud-Tenant des Kunden ausgeführt wird und die strukturierten data (die Verkaufstabellen in Fabric oder Snowflake, die Budgets, die KPI-Marts) sowie die unstrukturierten Repositorien (Verträge, Richtlinien, Präsentationen für den Vorstand und Verfahren in SharePoint oder Drive) über eine einzige, regulierte Schnittstelle zugänglich macht. Darüber hinaus eine geschäftliche Wissensebene: das offizielle Glossar, die KPI-Definitionen, wie sie von der Finanzabteilung verfasst wurden, die Geschäftsregeln (“Ein Quartal endet am 25.”, “Intercompany-Umsätze aus dem Nettoumsatz ausschließen”) sowie eine semantische Beschreibung jedes Dokuments, damit das Modell die richtige Datei finden und vollständig einlesen kann, anstatt anhand eines Ausschnitts zu raten. Der Zugriff spiegelt die bestehenden Berechtigungen jedes Mitarbeiters wider, sodass das Modell für Sie nur das anzeigt, was Sie bereits selbst öffnen könnten. Und jede Antwort enthält einen Verweis: auf die Tabelle, den Zeilenfilter, das Dokument, die Seite. Ich glaube, genau hier entscheidet sich Erfolg oder Misserfolg der KI im Unternehmensbereich, und genau diesen Teil überspringen fast alle, weil er wie „Rohrschlosserei“ wirkt. Ohne ihn ist das Modell ein brillanter Fremder. Mit ihm ist es ein Kollege, der alles gelesen hat und dies auch belegen kann.

Adoptieren. Schulungen, Abteilung für Abteilung, bei der Live-Gesellschaft data. Ich habe eine Abneigung gegen die üblichen “Meisterkurse zum Thema Fragenstellung” mit ihren Muster-E-Mails und ihrem fiktiven Unternehmen entwickelt: Sie wecken eine Woche lang Neugier und führen dann ins Schweigen. Die Sitzungen, die tatsächlich funktionieren, sehen anders aus. Der Vertrieb widmet zweieinhalb Stunden einer einzigen konkreten Frage zum letzten Quartal. Die Finanzabteilung gleicht eine echte Monatsabschlussdatei ab. Die Personalabteilung erstellt einen echten Bericht über Fehlzeiten neu. Die Rechtsabteilung prüft eine echte Vertraulichkeitsvereinbarung anhand des unternehmensinternen Leitfadens. Jeder Teilnehmer verlässt die Veranstaltung mit einem „Claude-Projekt“, das die Regeln seiner Abteilung enthält, sowie einem Arbeitsergebnis, das er am Montag erneut öffnen wird. Der Unterschied liegt nicht in der Pädagogik. Es geht vielmehr darum, ob das Modell bereits etabliert war, bevor jemand darin geschult wurde.

Erstellen. Produktionsagenten, die in kurzen Sprints von Ingenieuren entwickelt werden, die eng mit dem Team des Kunden zusammenarbeiten, und zwar auf Basis eines vom Kunden verwalteten Frameworks. Die unscheinbare Arbeit – das Einlesen von Lieferantenrechnungen in ein Schema und das Markieren nicht zugeordneter Positionen, das Verfassen von Sitzungsprotokollen und Maßnahmenlisten anhand eines Teams-Transkripts, die Überprüfung einer Vertraulichkeitsvereinbarung (NDA) anhand der internen Richtlinien sowie die Zusammenfassung der Haftungs- und Kündigungsklauseln, das Extrahieren der Zahlen aus einem Stapel von PDF-Dateien in die Underwriting-Vorlage – ist es, wofür die meisten Arbeitsstunden aufgewendet werden, Und genau an dieser Stelle scheitern die meisten Agentenprogramme, da sie mit etwas Beeindruckendem beginnen, anstatt mit etwas Nützlichem.

Diese vier bilden ein System, kein Menü, und ich würde sogar noch weiter gehen: Das eine davon ohne die anderen zu tun, ist oft schlimmer, als gar nichts zu tun. Eine Schulung ohne praktische Umsetzung vermittelt den Teilnehmern den Eindruck, dass das Tool „Halluzinationen“ erzeugt – und damit haben sie Recht. Eine praktische Umsetzung ohne Schulung führt zum Bau einer Kathedrale, die niemand betritt. Agenten ohne Plattform erzeugen ein Dutzend unzusammenhängender Automatisierungen ohne gemeinsame Steuerung, und das Sicherheitsteam schaltet diese schließlich – zu Recht – ab.

Die Rechnung, auf die ich immer wieder zurückkomme, ist einfach:

Wert = Modell × Einsatzebene.

Die Zahl ist sehr groß. Multiplizieren Sie es mit Null, und Sie erhalten Null. Mit jeder neuen Veröffentlichung aus den Forschungslabors gewinnt der erste Faktor an Bedeutung, während der zweite Faktor an Ausschlaggebendheit gewinnt.

Und hier liegt der unangenehme Aspekt für alle, die hoffen, sich den Weg freikaufen zu können: Die Bereitstellungsschicht lässt sich nicht als Software erwerben. Die Labore verkaufen das Modell und die Plattform, und sie tun gut daran, es dabei zu belassen. Der Kontext, die Berechtigungen, die Gewohnheiten auf Abteilungsebene und die ersten Mitarbeiter sind spezifisch für das „data“-Modell und die Unternehmenspolitik jedes einzelnen Unternehmens – welches System für einen Kunden die „Quelle der Wahrheit“ darstellt, wer die Margen nach Produkten einsehen darf und wie das Finanzteam einen Monat tatsächlich abschließt. Sie müssen in dem Gebäude errichtet werden, und zwar von Personen, die sowohl die Roadmap des Modells als auch die Systeme des Kunden verstehen. Es gibt keine Abkürzung, und ich bin jedem misstrauisch gegenüber, der eine solche anbietet.

Beispiel – Wer beantwortet die Frage zum Verkauf?

Stellen Sie sich eine einfache Frage vor, die ein kaufmännischer Leiter an einem Montagmorgen stellen könnte: “Wie hat sich Skala im letzten Quartal im Vergleich zum Vorjahreszeitraum entwickelt, und wo haben wir Marktanteile eingebüßt?”

Unter Bora Brasil, … bei der Haarpflegegruppe, die aus Skala Brasil und Lola From Rio hervorgegangen ist, wanderte diese Frage früher hin und her. Vom Geschäftsführer zum Analysten, vom Analysten zu einem BI-Auszug, vom Auszug zu einer Tabellenkalkulation, von der Tabellenkalkulation zu einer Präsentation und drei Tage später zurück zum Geschäftsführer – zu diesem Zeitpunkt hatte sich die Folgefrage bereits geändert. Unterdessen nutzten bereits fünfzehn Early Adopters Claude informell, verbunden mit ihrer E-Mail, ihrem Kalender, Teams und ihren Dateien, und erhielten plausible Antworten, deren Quelle niemand zurückverfolgen konnte und die manchmal eine Definition des Begriffs “Teilen” verwendeten, die niemand in der Finanzabteilung kannte.

Die drei Anforderungen an Führungskräfte waren genau die drei oben genannten Fragen: Lösungen, die auf dem gruppeneigenen data basieren, Zugriff, der bestehende Berechtigungen berücksichtigt, sowie eine regulierte Umgebung damit keine sensiblen Geschäftsdaten mehr in nicht genehmigte Tools gelangten. Das ist der 14%-Moment, aus der Innenperspektive betrachtet.

Was sich im Laufe von neun Wochen geändert hat, war nicht das Modell. Es gab drei parallel verlaufende Stränge: einen Bottom-up-Strang zur Einführung, einen Top-down-Strang zur Roadmap und einen Strang zur Governance.

• Die dabei entstandenen technischen Arbeiten eine Kontextplattform auf Azure, das von der gruppeneigenen technischen Leitung genehmigt wurde und Microsoft Fabric (Umsatz, KPIs, Budgets) sowie SharePoint (Verträge, Richtlinien, Präsentationen) über einen einzigen MCP-Server bereitstellt.
• Eine Geschäftswissensschicht enthält das Glossar, die KPI-Definitionen und die Geschäftsregeln sowie eine semantische Beschreibung jedes Dokuments, sodass Claude die vollständige Datei finden und lesen kann.
• Access bildet die bestehenden Berechtigungen jedes Mitarbeiters ab, und Jede Abbildung enthält einen Verweis auf die zugrunde liegende Tabelle oder das zugrunde liegende Dokument.

Parallel dazu ergaben sich aus Interviews mit den Leitern der Bereiche Vertrieb, Marketing, Innovation und F&E, Betrieb, Finanzen sowie Personalwesen 83 Möglichkeiten, die hinsichtlich ihres geschäftlichen Nutzens und ihrer technischen Komplexität bewertet, auf 24 eingegrenzt und anschließend in einem Führungskräfte-Workshop, auf fünf für die Roadmap des ersten Jahres.

Erst dann – und nur dann – folgte die Schulung, die sich genau auf diese Vertriebsfrage bezog. In einer 150-minütigen Sitzung richtete jeder Teilnehmer ein Claude-Projekt mit den Geschäftsregeln ein, rief die KPI-Definitionen aus SharePoint ab, plante die Abfrage, bevor er sie in Fabric ausführte, erstellte ein interaktives Vertriebs-Dashboard als gemeinsam nutzbares Artefakt und überprüfte die Quelle jeder Zahl. Die Schnelleren integrierten das Dashboard noch vor Ende der Sitzung als wöchentlich geplante Routine in Cowork. Der Leitfaden für Moderatoren, der selbst mit Claude erstellt worden war, verfolgte den Fortschritt jedes Teilnehmers Schritt für Schritt.

Derzeit sind 62 Mitarbeiter im Einsatz; die Zahl soll auf 150 steigen, wobei die Lizenzen nach Rolle und Bereich vergeben werden, mit einem KI-Büro als zentrale Anlaufstelle und einem Beauftragten in jedem Geschäftsbereich. Die ersten dreißig Lizenzinhaber berichten im Durchschnitt mindestens vier Stunden Zeitersparnis pro Woche; sieben von zehn sparen drei Stunden oder mehr ein. Eine HR-Lohn- und Gehaltsabrechnung: data-Lastumstellung dauerte 90 Minuten statt der extern veranschlagten 40 Beraterstunden. Ein Zeiterfassungsbericht, dessen manuelle Überprüfung früher acht Stunden in Anspruch nahm, wird nun nach einem festgelegten Zeitplan ausgeführt.

Ich erzähle diese Geschichte nicht, weil die Zahlen hoch sind – sie stammen aus einer frühen Phase und basieren auf Selbstauskünften –, sondern weil Die Abfolge ist die Lektion. Beginnen Sie mit der Erdung. Üben Sie an dem geerdeten Gegenstand. Geben Sie diese Gewohnheit an jemanden weiter, der vor Ort bleibt. Kehren Sie die Reihenfolge um, und Sie erhalten ein Webinar.

Das Einsatzmodell für den Einsatz vor Ort

Wenn die Bereitstellungsschicht von Menschen aufgebaut und nicht als Produkt erworben wird, stellt sich die Frage, welche Menschen dies tun und wie sie organisiert sind. Meine Antwort orientiert sich bewusst daran, wie die Labore selbst mit ihren größten Kunden zusammenarbeiten, und es ist eine Antwort, für die die meisten Beratungsunternehmen – einschließlich meines eigenen bis vor kurzem – strukturell nicht gerüstet waren: kleine Teams, eingebunden, verantwortlich für ein Ergebnis sondern eher ein Prozess. Drei Verben beschreiben ihn.

Einbetten

Kombinieren Sie ein ein vor Ort eingesetzter Stratege zusammen mit einem vor Ort eingesetzten Ingenieur und beide für die Dauer des Projekts – soweit möglich physisch – beim Kunden unterbringen. Der Stratege ist verantwortlich für das Geschäftsergebnis und das Betriebsmodell: welche Prozesse, welche Abteilungen zuerst, welche der achtzig Anwendungsfälle in die Roadmap für das erste Jahr aufgenommen werden, wie das KI-Büro besetzt wird, wie der Mehrwert gemessen und an den Vorstand berichtet wird. Der Ingenieur ist verantwortlich für die Plattform, die Kontextschicht und die Agenten: den MCP-Server und seine Konnektoren, das Berechtigungsmodell, das Agenten-Framework sowie die Integration in die bereits beim Kunden laufenden Systeme. In einer typischen Woche befindet sich der Stratege vormittags im Büro des Finanzdirektors und der Ingenieur arbeitet nachmittags im Pairing mit dem data-Team des Kunden zusammen; beide nehmen am selben Stand-up-Meeting teil. Keiner von beiden arbeitet anhand einer Präsentation, und keiner darf eine Empfehlung als Endergebnis hinterlassen. Das Ergebnis ist das funktionierende Produkt.

Ich bin davon überzeugt, dass die Zusammensetzung des Teams wichtiger ist als die Dienstaltersstufe. Ein Stratege allein erstellt einen Fahrplan, der auf die IT wartet. Ein Ingenieur allein entwickelt eine Plattform, die auf das Geschäft wartet. Gemeinsam schaffen sie eine Gewohnheit für den Montagmorgen.

Zug

Die Einführung erfolgt abteilungsweise im Live-Betrieb von data und wird eher übergeben als ausgeliefert. Drei Rollen sorgen dafür, dass sie Bestand hat.

• KI-Champions in jedem Geschäftsbereich, die eher aufgrund ihres Interesses als aufgrund ihrer Position ausgewählt wurden, wöchentliche Sprechstunden abhalten, die Fragen sammeln, auf die das Tool keine Antwort liefern konnte, und die nächsten Anwendungsfälle an das Team weiterleiten.
• Ein KI-Büro Im Zentrum stehen vier Funktionen: Führung und Steuerung, die für das Portfolio und die Lizenzen verantwortlich ist; ein Use-Case-Team, das die Lösungen entwickelt; ein Plattformteam, das die Kontextschicht, die Sicherheit und die Kernwerkzeuge betreibt; sowie eine Einführungsfunktion, die in Zusammenarbeit mit der Personalabteilung für Schulungen und Veränderungsprozesse zuständig ist.
• Und für die Entwicklungsteams gilt:, Aktivierung auf Claude Code und Codex — Hackathons, Sprechstunden, ein Arbeitsbereich zur Steuerung von Zugang und Kosten — gemessen in täglichen Sitzungen pro Entwickler statt in Plätzen.

Der Test, den ich anwende, ist einfach: Wenn das vor Ort eingesetzte Team morgen verschwinden würde, würde die Nutzung dann weiter steigen? Falls nicht, wurde noch nichts eingeführt.

Erstellen

Die Agenten treffen ein zweiwöchige Sprints. Am ersten Tag findet ein praxisorientierter Workshop zum Thema “Wie erstellt man einen Agenten?” mit den für den Prozess Verantwortlichen statt, sodass der Sachbearbeiter in der Kreditorenbuchhaltung bereits zur Mittagszeit gesehen hat, wie eine Rechnung in strukturierte Felder umgewandelt wird, und weiß, was der Agent leisten kann und was nicht. Der Rest des Sprints besteht aus der Entwicklung, dem Testen und der Iteration anhand realer Dokumente, mit einer Demo für die Geschäftsseite am letzten Tag.

Jeder Mitarbeiter erhält zum Abschied ein wiederverwendbares Framework — in einer Microsoft-Umgebung in der Regel Power-Automate-Abläufe, die die Dokumente erfassen und die Claude-API mit dem Schema und dem Referenzmaterial aufrufen, woraufhin ein strukturiertes Dossier zur Überprüfung durch einen Mitarbeiter zurückgegeben wird — sowie Vorlagen für Eingabeaufforderungen, kurze Videos, einen namentlich genannten Geschäftsverantwortlichen, einen Testnutzer und einen Betreuer, der den Aufbau begleitet hat.

Der Maßstab für den Erfolg sind nicht die vier Agenten, die wir entsenden. Es ist das zwanzigste, das der Kunde anschließend ohne uns erstellt. Wenn diese Zahl Null ist, haben wir eine Abhängigkeit geschaffen, keine Fähigkeit.

Ein roter Faden, der sich durch alle drei Bereiche zieht, ist die Beziehung zu den Labors. Ich bin der Ansicht, dass die Bereitstellungsschicht nur dann funktioniert, wenn die Entwickler, die sie aufbauen, die Roadmap für die nächsten sechs Monate einsehen können, sich bei Fehlfunktionen eines Konnektors direkt an das Lösungsteam des Labors wenden können und die Ingenieure des Labors mit den Führungskräften und Entwicklern des Kunden an einen Tisch bringen können. Diese Nähe ist keine bloße geschäftliche Höflichkeit. Sie ist es, die es einer Bereitstellung ermöglicht, MCP, Skills, Cowork oder Codex bereits im Monat ihrer Veröffentlichung zu integrieren – und nicht erst ein Jahr später.

Was könnte ohne dies schiefgehen?

Stellen Sie sich denselben CIO in achtzehn Monaten vor, nachdem er die Lizenzen erneuert und die Bereitstellungsschicht übersprungen hat. Die Anzahl der Lizenzen ist auf dreitausend gestiegen; Die Quote der aktiven Nutzer hat sich nicht verändert. Die Mitarbeiter, die mehr wollten, haben ihre eigentliche Arbeit still und leise auf private Konten verlagert, wo die Vertragsentwürfe, Kundenlisten und Prognosen des Unternehmens für das nächste Jahr nun in Chat-Verläufen gespeichert sind, die niemand kontrolliert und niemand löschen kann. Drei Abteilungen haben jeweils eine Einzellösung mit eigenem eingebettetem Modell, eigenen Schnittstellen und eigenen Berechtigungen angeschafft – eine für die Vertragsprüfung, eine für den Kundenservice und eine für die Beschaffung –, von denen keine sich darüber einig ist, was ein Kunde oder eine Marge ist, und von denen nun jede eine eigene Sicherheitsüberprüfung erfordert.

Eine Handvoll Enthusiasten hat an einem Wochenende eigenständig in einem No-Code-Tool Agenten erstellt. Einige davon sind gut. Keiner verfügt über einen Verantwortlichen, einen Testnutzer oder ein Protokoll, und einer von ihnen versendet Zahlungserinnerungen an Lieferanten mit den Bankdaten des letzten Jahres. Das Sicherheitsteam, das erst spät hinzugezogen wurde und mit einer Umgebung konfrontiert wurde, die es nicht selbst entworfen hat, reagiert auf die einzige ihm mögliche Weise: indem es alles sperrt, was die Enthusiasten zurück auf ihre privaten Konten und das Unternehmen zurück an den Anfang befördert.

Das Kundenbetreuungsteam des Labors sieht einen Kunden mit gleichbleibender Nutzung, ohne Referenzfall und ohne technischen Ansprechpartner, mit dem es sich austauschen könnte, und setzt seine knappen Lösungsingenieure für einen anderen Kunden ein. Die Organisation hat die Kosten für die „Frontier“ übernommen und einen Chatbot erhalten.

Ich möchte hier genau auf die Schuldfrage eingehen, da diese in der Regel falsch zugewiesen wird. Nichts davon ist auf ein Versagen der Technologie zurückzuführen, und nur sehr wenig davon ist auf ein Versagen der Mitarbeiter zurückzuführen. Dies ist die vorhersehbare Folge davon, dass eine Fähigkeit als Beschaffungsmaßnahme behandelt wird und niemand für die Kluft zwischen einer Erlaubnis und einer Gewohnheit zur Rechenschaft gezogen wird.

Was wir diesbezüglich beschlossen haben

Ich möchte mit der Frage schließen, was diese Überzeugung in der Praxis bedeutet hat, denn eine Meinung, die keine Auswirkungen auf die Art und Weise hat, wie man sich organisiert, ist lediglich eine Äußerung.

Bei Artefact betrachten wir die Implementierung nicht mehr als eine Phase am Ende eines Strategieprojekts, sondern haben sie zu einem eigenständigen Fachgebiet mit einem eigenen Team ausgebaut. Wir bezeichnen dies als DeployCo: Vor Ort eingesetzte Ingenieure und Strategen, deren einzige Aufgabe die Implementierungsebene ist; sie arbeiten mit Anthropic und OpenAI zusammen und sind nach Labors sowie nach Regionen in Europa, dem Nahen Osten und Afrika organisiert, wobei jede Region über einen geschäftlichen und einen technischen Leiter für jedes Labor verfügt. Wir beabsichtigen, bis zum Jahr 2027 auf hundert zu wachsen. Das ist eine Wette, und ich habe kein Problem damit, dies öffentlich zu sagen, denn ich glaube, dass die Alternative – nämlich die Strategie zu verkaufen und die technische Umsetzung anderen zu überlassen – der Grund dafür ist, dass die Branche bei 14% angelangt ist.

Diese Wette beruht auf einigen Standpunkten, an denen ich fest halte:

• Das Die Grundlagen kommen vor dem Training, stets, und dass eine Trainingseinheit, in der das eigene data des Klienten nicht zum Einsatz kommt, reine Show ist.
• Das ein Agent ohne namentlich genannten Eigentümer Und ein Wartungsprogramm ist eine Belastung, kein Gewinn, egal wie clever es auch sein mag.
• Dass die Das Team des Kunden muss unser Team innerhalb eines Quartals übertreffen, andernfalls haben wir versagt.
• Und dass die Menschen, die diese Arbeit leisten, nah genug an den Labors sitzen müssen, um zu erkennen, was auf uns zukommt – weshalb wir unsere Zeit gemeinsam mit ihnen in den Räumlichkeiten verbringen: Allein im Oktober in München, Zürich und Casablanca, wobei auf der einen Seite des Tisches Führungskräfte unserer Kunden und deren Entwickler saßen und auf der anderen Seite die Teams von Anthropic und OpenAI, um konkrete Implementierungen durchzugehen, anstatt Keynotes anzuhören.

Chancerygate, ein Londoner Industrieentwickler und Vermögensverwalter mit rund 700 Mietern und etwa 1,2 Milliarden Pfund unter Verwaltung, ist für mich der eindeutigste Beweis dafür, dass die dritte Position zutrifft. Ein Workshop im Frühjahr hatte die üblichen Backoffice-Flaschenhälse zutage gefördert: hundert Lieferantenrechnungen pro Monat, die von Hand neu eingegeben werden mussten, eineinhalb Stunden für die Überprüfung der Protokolle jeder größeren Besprechung, die Überprüfung von Geheimhaltungsvereinbarungen mit uneinheitlicher Abdeckung der Risikoklauseln sowie Risikoprüfungsmodelle, die durch das Abschreiben von Zahlen aus PDF-Dateien erstellt wurden.

In einem zweiwöchiger Sprint Innerhalb ihrer Microsoft-Umgebung hat ein gemeinsames Team vier Von Claude gesteuerte Agenten gerade gegen diese vier Probleme:

• Verbindlichkeiten aus Lieferungen und Leistungen (80% weniger Zeitaufwand pro Rechnung, über 90% automatisch abgeglichene Einzelposten),
• NDA-Prüfung (von drei Tagen auf unter zwei Stunden),
• Einleitung des Underwriting-Prozesses (25 Stunden bis unter drei)
• und Sitzungsprotokoll (eineinhalb Stunden bis dreißig Minuten).

Jeder Agent wurde einem Verantwortlichen, einem Testnutzer und einem Betreuer zugewiesen. Seitdem haben die eigenen Mitarbeiter – etwa 25 geschulte, von denen rund zehn die Agenten täglich nutzen – mehr als zwanzig weitere Agenten entwickelt, jeweils in weniger als einem halben Tag, und sind nun dabei, den AP-Agenten direkt in NetSuite und den NDA-Agenten in DocuSign zu integrieren.

“Das Artefact-Team war hervorragend”, sagte Phil Price, der Leiter der Abteilung FP&A, und “hat uns in eine gute Ausgangsposition versetzt, um nun auf eigener Faust weiterzubauen und zu expandieren.” Der erste Teil dieses Satzes ist wohlwollend formuliert. Auf die zweite Hälfte kommt es an.

Die Grenze ist nicht mehr das Vorbild. Sie ist die Distanz zwischen dem Vorbild und Ihrem Montagmorgen. Wenn Sie über Lizenzen für Claude oder ChatGPT verfügen und die drei Fragen in diesem Artikel noch nicht beantworten können – was das Modell über Sie weiß, wer in den einzelnen Abteilungen für die Einführung verantwortlich ist und wer Ihre Agenten entwickelt und wartet –, dann verfügen Sie noch nicht über KI-Fähigkeiten. Sie haben lediglich ein Abonnement. Die gute Nachricht ist, dass diese Lücke innerhalb von Wochen – und nicht erst nach Jahren – geschlossen werden kann, und zwar von Personen, die sich dazu entschlossen haben, dies als ihre Aufgabe zu betrachten.

Ich würde mich freuen, zu erfahren, in welchen Punkten Sie anderer Meinung sind: remi.sabonnadiere@artefact.com