Neulich erzählte mir der Kundenservice-Verantwortliche eines TK-Unternehmens stolz von der KI-Strategie und dass der Kundenservice mit KI jetzt viel schneller arbeitet. Wie genau nutzt das Unternehmen KI, um den Service zu beschleunigen? Die Mitarbeiter nutzen zur Beantwortung von E-Mail-Anfragen eine in Deutschland gehostete KI. Ein KI-Assistent schreibt die Texte, die Mitarbeiter machen das Feintuning. So wurden In den vergangenen vier Monaten 2.800 E-Mails bearbeitet. Die Beantwortungszeit einer E-Mail sank von zuvor 4 Stunden auf 38 Minuten. Ein massiver Produktivitätsgewinn.
Aber daneben geschieht noch etwas anderes: Wenn Kunden komplizierte Fragen stellen wie: „Kann ich ein neues Smartphone XYZ mit Extra-Speicherplatz für geringe Zusatzkosten kriegen, wenn ich meinen Vertrag verlängere oder gilt das nur für Neukunden?“ führt das zu mindestens drei Extra-E-Mails der KI, an deren Ende der Kunde noch immer nicht weiß, ob er den Vertrag jetzt entsprechend verlängern kann oder nicht. Über wie viele Extra-E-Mails reden wir dabei? Unbekannt. KI produziert hier viel Output. Aber ist das auch guter Outcome?
Viel Output ist nicht zwingend ein Erfolg
Anderes Beispiel, anderes Unternehmen: Kundenservice-Mitarbeiter Thomas will effizienter arbeiten und beantwortet häufige E-Mail-Anfragen inzwischen mit ChatGPT. Also konkret Copy-Paste. Das dauert jeweils 4 Minuten und er macht es gefühlt täglich 50 mal. Und klar nimmt er dazu die echten Kundendaten, was - nebenbei bemerkt - weder der CEO noch der CISO wissen. Die AHT der E-Mails und damit der Output von Thomas ist super und suggeriert hohe Effizienz durch KI. Bei genauem Hinsehen kommen Zweifel. Denn das Problem ist, dass Geschwindigkeit gar nicht das Thema ist, um das es wirklich geht.
Geschwindigkeit ist wertlos ohne fallabschließende Lösung. Hier wird ein Prozess, der für Menschen gemacht ist, einfach durch einen Algorithmus erledigt, für den der Prozess nicht gemacht ist. Das ist keine wirkliche Verbesserung. Der Ablauf ist zwar schneller, aber niemand fragt sich, warum Thomas das überhaupt jeden Tag 50 mal machen muss. Vielleicht wäre es sinnvoller, mit KI ein mögliches Problem zu identifizieren und es mit KI zu lösen?
Danke für die Antwort, aber ...
Noch ein Beispiel: Herkömmliche Bots sorgen dafür, dass ein Kunde 24/7 eine sachlich korrekte Antwort bekommt. Das sieht so aus. Das Auto eines Kunden hat einen Schaden und muss möglicherweise in die Werkstatt. Der Wagen wird aber am nächsten Morgen für einen wichtigen Termin gebraucht. Reicht es da, dem Kunden zu antworten, dass der Wagen mit dem Schaden nicht mehr gefahren werden darf und die Werkstatt das Problem frühestens übermorgen beheben kann, weil das notwendige Ersatzteil bestellt werden muss?
Diese Infos sind alle richtig – aber ist das Problem damit gelöst? Nein. Das ist Output. Jetzt die gute Nachricht: AI Agents verstehen das Problem und suchen eine Lösung. Und die lautet: Der Kunde hat für morgen früh kein Auto, er braucht also ein Ersatzfahrzeug! Das muss jetzt vom AI Agent in räumlicher Nähe angefragt und gebucht werden. Und das tut er auch. Lösungsorientiertes Handeln ist der gewünschte Outcome.
KI zu implementieren ist vor allem ein Designprozess
Wichtige Erkenntnis daher: Output und Outcome sind nicht dasselbe. Mit KI kann etwas nach außen sehr effizient aussehen, doch hinter der strahlenden Fassade stehen Bretter. KI heilt keinen schlecht gestalteten Gesamtprozess. Sie kann einzelne Schritte beschleunigen, aber ebenso bestehende Schwächen skalieren. Schneller in die falsche Richtung zu gehen, ist eben kein Fortschritt.
KI kann in kürzester Zeit unendlich viele Dinge erledigen, aber mitunter ist das keine Lösung. Beispiel LinkedIn: Posts werden inzwischen im Sekundentakt erstellt, der Output ist also hoch. Aber die Posts sind einander alle ziemlich ähnlich und werden von KI auch längst als KI-generiert erkannt. Hat das noch einen Nutzen? Warum sollten Menschen einen Meinungsbeitrag lesen, der von einer KI kommt? Oder arbeitet KI nur noch für KI? Ist das „positiver Outcome“? Nein. „Positiver Outcome“ bedeutet, eine Lösung für einen Kunden zu finden.
Der oben genannte Mobilfunkkunde muss wissen, ob er das gewünschte Smartphone mit Extra-Speicher für 1-Euro-Extrakosten bei Vertragsverlängerung jetzt bekommt oder nicht, und zwar in der ersten E-Mail-Antwort und nicht nach E-Mail-Nummer 2, Nummer 3 oder Nummer 4, die ihm mit KI im Sekundentakt um die Ohren fliegen. Das ist nicht Kundenservice, sondern Kunden-Belästigung.
“Ask not, what you can do with AI. Ask what AI can do for you!”
KI zu implementieren ist also mehr ein Design- und weniger ein Optimierungsprozess: Erfolgreiche Transformation gelingt nicht durch einen unvorbereiteten Technologie-Wurf. Es geht darum, einen Prozess mit KI neu zu gestalten, damit der gewünschte Outcome mit KI erreicht wird. Wesentlich ist es, Prozesse mit KI im Kern zu verändern und die Schritte loszuwerden, die uns bisher im täglichen Doing aufhalten. Manuelle, teure Prozesse werden damit skalierbar und lassen neue Geschäftsmodelle entstehen. Denn KI hat neue Fähigkeiten, die uns wiederum befähigen, Dinge anders zu machen als bisher und damit Geschäftserfolg zu generieren.
Und es liegt an uns Menschen, zu definieren, was der gewünschte Outcome und damit der Geschäftserfolg ist. Den gewünschten Outcome und die damit verbundenen Zielkonflikte verantwortungsvoll festzulegen, bleibt eine menschliche Führungsaufgabe. Die entscheidende Frage lautet daher nicht: Wo können wir KI in einen bestehenden Prozess einbauen? Sie lautet: Welches Ergebnis wollen wir für Kunden und Unternehmen erreichen und wie muss der Prozess dafür neu gestaltet werden? Erst wenn Lösungsquote, Kundennutzen und Geschäftserfolg steigen, ist KI mehr als ein Beschleuniger. Andernfalls automatisiert sie nur den Weg in die falsche Richtung.
KI ist manchmal nur ein Pflaster für eine tiefe Wunde, die eigentlich genäht werden müsste
Rainer Holler, VIER CEO
