Die KI ist bereit. Das Unternehmen auch?

Es gibt eine sechzig Jahre alte Idee eines Chemikers, der zum Philosophen wurde: Michael Polanyi. Sie erklärt das meiste von dem, was in den KI-Projekten des letzten Jahres schiefgelaufen ist. Polanyi fasste sie in fünf Worten zusammen: Wir wissen mehr, als wir sagen können.

Fahrradfahren lässt sich nicht aus einer Textanleitung erlernen. Das Gesicht eines Freundes ist in einer Menschenmenge sofort erkennbar, ohne dass sich die Geometrie beschreiben ließe, die das Gehirn gerade gelöst hat. Ein großer Teil dessen, worin Menschen gut sind, liegt unterhalb der Sprache. Es wird getan, ohne dass sich sagen ließe, wie.

Jahrzehntelang war das die Mauer, an der KI scheiterte. Eine Aufgabe, die sich nicht beschreiben lässt, lässt sich nicht automatisieren, und die wertvollste menschliche Arbeit war genau die, die niemand in Worte fassen konnte. Ökonomen erklärten damit, warum die Roboter die Jobs eben doch nicht übernahmen. In den letzten sechs Monaten hat sich etwas verändert, und deshalb lösen die meisten Unternehmen gerade das falsche Problem.

Die Modelle lernten, was sich nicht erklären ließ

Moderne Sprachmodelle sind erstaunlich gut im Ungesagten, solange es eine allgemeine Fähigkeit ist. Niemand hat ihnen ein Regelwerk für eine ordentliche Vertriebsmail gegeben, aber Millionen solcher Mails, gute wie schlechte, lagen in den Trainingsdaten. Das Muster wurde aufgenommen, und jetzt schreiben sie die Mail einfach. Das Handwerk, das kein Einzelner erklären konnte, ließ sich aus den Beispielen aller auf einmal lernen.

Damit ist das Bauen des Agenten nicht mehr der schwierige Teil. Ein SDR-Agent oder etwas in Agentforce steht heute in einem Bruchteil der Zeit, die vor einem Jahr nötig war. Die Werkzeuge sind schnell, die Modelle leistungsfähig, und die Demo sieht immer großartig aus.

Doch gelernt wurde nur die allgemeine Version. Eine gute Mail entsteht, weil gute Mails die Trainingsdaten füllen. Was gut für ein bestimmtes Unternehmen aussieht, hat das Modell nie gesehen: den konkreten Käufer, und warum der ungewöhnliche Einstieg der besten Vertriebskraft ausgerechnet in diesem Markt funktioniert und sonst nirgends. Nichts davon lag je in einem Trainingssatz. Es steckt im Kopf eines einzelnen Menschen, nirgends aufgeschrieben. Genau diese Version des Paradoxons steht noch, und sie ist die schwierigere Hälfte.

Die besten Leute können nicht sagen, wie sie es tun

Auf jeder starken Vertriebsfläche gibt es ein, zwei außergewöhnliche Jäger, die verlässlich die Termine holen, die alle anderen verpassen. Auf die Frage, wie sie das machen, folgt ein Achselzucken, eine Anekdote oder ein Ratschlag, der den zweiten Deal nicht übersteht. Die Methode ist entweder zutiefst individuell oder war nie wiederholbar. Aufgeschrieben wurde sie nie, weil sie als Instinkt und gesunder Menschenverstand in den Köpfen lag.

Genau dieser Instinkt ist das, was ein KI-Agent braucht, und genau das hat nie jemand nach außen gebracht. Das Modell lässt sich auf die Aufgabe ansetzen, aber was eine großartige Ansprache für ein bestimmtes Produkt und einen bestimmten Markt ausmacht, lässt sich ihm nicht sagen, weil die Person, die es weiß, es nie ausgesprochen hat.

Und wenn behauptet wird, der Prozess sei dokumentiert, stimmt das meist nicht in der Form, auf die es ankommt. Die Dokumentation beschreibt die Schritte. Sie sagt, was passiert: diese Phase, dann jene, dieses Feld, jene Freigabe. Sie geht fast nie hinab zu dem Urteil darunter: warum diese Formulierung und nicht jene, wie sich die Situation lesen lässt, was eine Version treffen und eine andere scheitern lässt. Diese Schicht trugen immer Menschen, also kam niemand auf die Idee, sie festzuhalten. Jetzt ist sie der fehlende Input.

Die RPA-Welle vor einigen Jahren scheiterte auf dieselbe Weise. Starre Bots wurden auf Prozesse angesetzt, die nie wirklich kartiert worden waren, und die Bots brachen bei der ersten Ausnahme, die niemand aufgeschrieben hatte. KI geht mit Ausnahmen weit besser um als jeder RPA-Bot, aber den eigenen Maßstab für „gut" kann sie nicht aus dem Nichts erfinden.

Die Fähigkeit steigt, der Bedarf an Inhalten explodiert

Beim Skalieren bekommt das Fundamentproblem ein Preisschild. Ein SDR-Agent für ein Segment ist überschaubar. Sobald er über fünf Branchen laufen soll, jede mit einem anderen Käufer und einer anderen Botschaft, braucht es eine enorme Menge an Kontext. Neue Blickwinkel und neue Belege, Segment für Segment. Ohne eine Content-Maschine dahinter und ein Team, das dieses Material produziert, verhungert der Agent. Er hat die Fähigkeit und nichts Gutes zu sagen.

In den Zahlen wird es sichtbar. Generische KI-Ansprache erreicht heute eine Antwortquote von etwa drei Prozent, weil alle dasselbe Werkzeug haben und die Postfächer überquellen. Kampagnen auf Basis echten, signalspezifischen Kontexts landen näher bei achtzehn. Dasselbe Modell, das Fünffache an Ergebnis, und das Einzige, was sich geändert hat, ist der zugeführte Kontext.

Selbst bei voller Bereitschaft bleibt es Automatisierung

Es gibt einen ehrlichen Haken, den die Anbieter nicht erwähnen. Sobald ein Agent in irgendeinem Maßstab eigenständig handelt, braucht er Grenzen, damit er markenkonform bleibt und nicht irgendwohin abdriftet, wo es peinlich wird. Also kommen Leitplanken dazu, und jede Leitplanke nimmt ein Stück der Autonomie, die es anfangs magisch wirken ließ. Genug davon, und übrig bleibt eine wohlerzogene Vorlage, näher an Automatisierung als an der frei laufenden Intelligenz, die verkauft wurde.

Die Branche sagt gern, Leitplanken machten die Automatisierung klüger, nicht kleiner. Daran ist etwas Wahres. Nützlicher ist die Sicht, dass Autonomie keine Eigenschaft des Agenten ist, sondern der Aufgabe. Risikoarme, umkehrbare Arbeit darf frei laufen. Alles, was Marke oder Kunde berührt, bleibt an der kurzen Leine. Das ist eine reife Art zu bauen, und das sollte gesagt werden, bevor dem Vorstand Magie versprochen wird.

Warum es große Unternehmen am härtesten trifft

All das ist umso schlimmer, je größer die Organisation. Große Unternehmen sitzen auf Jahren organisch gewachsenen Wissens, das ausschließlich in den Köpfen langjähriger Mitarbeiter lebt. Sie tragen mehr Altprozesse, mehr Politik und ein in Territorien zerschnittenes Eigentum. Inhalte sollen aus dem Marketing kommen, also weiß eine Vertriebskraft nicht einmal sicher, ob sie eigene überhaupt erstellen darf, oder wer sie danach pflegt. Jede dieser Nahtstellen ist ein Ort, an dem das Fundament nie gebaut wird.

Kleinere Unternehmen sind hier aus einem unglamourösen Grund schneller: Das Eigentum ist noch nicht zersplittert, also kann eine einzige Person den Prozess einfach festlegen und loslegen.

Zuerst das Fundament

Nichts davon ist ein Argument gegen KI. Auf einem soliden Fundament zahlt sie sich enorm aus. Ohne eines wird ein Durcheinander automatisiert und Transformation genannt.

Die Arbeit, auf die es wirklich ankommt, passiert also, bevor irgendetwas angeschlossen wird. Zuerst kommen die Menschen auf einen gemeinsamen, konsistenten Prozess. Dann geht es eine Schicht tiefer als der Prozess selbst: die Botschaft festhalten, die Ein- und Ausgaben, das Warum und Wie, nicht nur das Was. Das ist der Teil, der immer in einem Kopf steckte, und genau den braucht das Modell am dringendsten.

Und dafür braucht es einen bestimmten Menschentyp. Nicht nur jemanden, der die Arbeit gut macht, sondern jemanden, der einen Schritt zurücktreten und erklären kann, wie sie getan wird, gut genug, um sie zu übergeben. Solche Menschen sind seltener als gute Leister, und sie sind es, die KI am Ende wirklich rentabel machen.

Die Technologie ist bereit. Offen ist nur, ob die Organisation es auch ist.