Autor: Cheng Yanjing
Herausgeber: Hu Min
Als ich kürzlich mit Leuten aus dem KI-Kreis sprach, wurde ein Punkt allgemein erwähnt. Die Menschen haben KI akzeptiert, um die Effizienz zu steigern, aber Unternehmen sind noch nicht bereit. (Leifeng.com Leifeng.com (öffentliches Konto: Leifeng.com) Leifeng.com)
Einerseits nutzen Mitarbeiter bereits Agenten für ihre Arbeit und haben sogar damit begonnen, ihre eigenen kleinen Systeme aufzubauen; Auf der anderen Seite verändern sich die KPIs, Genehmigungsketten und Berichtsrhythmen des Unternehmens immer noch wie vor drei Jahren.
Eine aktuelle Umfrage von Deloitte zeigt, dass fast drei Viertel der US-amerikanischen Führungskräfte damit rechnen, dass in den nächsten vier Jahren etwa die Hälfte der Geschäftsprozesse rund um KI-Agenten neu gestaltet werden; 61 % glauben, dass die meisten Agenten in Zukunft hochgradig autonom sein werden und der Mensch nur Aufsicht benötigt.
Es scheint, dass KI alle Unternehmen übernehmen wird, aber auf die Frage, ob ihre Unternehmen bereit sind, diesen Wandel anzunehmen, gab nur ein Fünftel der Führungskräfte eine positive Antwort.
Auf der heutigen Baidu World 2026 sprach auch Baidu-Gründer Robin Li über diesen Widerspruch. Sein Urteil ist: KI ist nicht nur eine technologische Revolution, sondern auch eine organisatorische Revolution. Der nächste Schritt der künstlichen Intelligenz ist die intelligente Organisation.
Als nächstes müssen Unternehmen nicht nur die Werkzeuge in den Händen der Mitarbeiter ändern, sondern auch die Art und Weise, wie die Organisation selbst arbeitet.
01
KI ist im Unternehmen angekommen, aber nicht vollständig
Um die Funktionsweise einer Organisation zu rekonstruieren, müssen wir zunächst die konventionelle Erkenntnis durchbrechen:
Eine hohe KI-Konzentration in einem Unternehmen bedeutet nicht, dass die KI-Transformation bereits stattgefunden hat.
Mitarbeiter verwenden Agent, um Code zu schreiben, Recherchen durchzuführen und Lösungen zu generieren. Die Geschäftsabteilung führt mehrere Pilotprojekte durch und das Management schreibt die Anzahl der Agenten, den Token-Verbrauch und die Nutzungsrate in den Bericht. Es scheint, dass sich die Intelligenz eines Unternehmens umfassend weiterentwickelt.
Allerdings steigert die individuelle Effizienz nicht automatisch die Produktivität der Organisation.
Beispielsweise kann die Bedarfsanalyse eines Produktmanagers, die ursprünglich zwei Tage in Anspruch nahm, jetzt einen halben Tag in Anspruch nehmen. R&D verwendet Agent, um schnell den ersten Codeentwurf zu schreiben, und der Vertrieb kann auch einen Forschungsbericht erstellen, bevor er Kunden besucht.
Anforderungen müssen jedoch noch überprüft, genehmigt und geplant werden, die abteilungsübergreifende Zusammenarbeit basiert immer noch auf Besprechungen und schichtweiser Synchronisierung, und die endgültigen Ergebnisse sind erst im ursprünglichen Berichtszyklus sichtbar. Wenn man sich im Kreis dreht, verringert sich zwar die persönliche Zeit der Mitarbeiter, aber die allgemeine organisatorische Stärke des Unternehmens hat sich nicht wesentlich verbessert.
Für einzelne Unternehmen stellt dies kein Problem dar.
Was Microsoft im „2026 Work Trend Index Annual Report“ präsentiert, ist dieses Paradox der KI-Transformation in Unternehmen: Mitarbeiter haben begonnen, KI zu nutzen, um die persönliche Effizienz zu verbessern, und Teams probieren auch neue Tools aus, aber Geschäftsprozesse, Methoden der Zusammenarbeit und Bewertungsmechanismen verwenden immer noch das frühere Modell.
Der Rat der Boston Consulting Group (BCG) ist einfacher: Unternehmen für KI umgestalten, anstatt KI an das ursprüngliche Unternehmen anzupassen.
Ein in seiner Untersuchung erwähntes europäisches Energieunternehmen hatte eine große Anzahl von KI-Piloten eingesetzt, konnte jedoch keine entsprechenden Gesamtvorteile erzielen. Erst als das Unternehmen seinen Fokus von einzelnen Tools und Teilszenarien auf die Rekonstruktion von End-to-End-Kundenprozessen verlagerte, konnten wesentliche Geschäftsverbesserungen erzielt werden.
Solche Fälle verdeutlichen, dass zwischen dem Erfolg von KI-Piloten und dem Erfolg der Unternehmenstransformation eine Ebene des Organisationsdesigns liegt.
Wenn das Unternehmen nur Werkzeuge zu den ursprünglichen Positionen hinzufügt und ein paar Agenten in den festen Prozess einfügt, kann KI Teile optimieren, aber es wird schwierig sein, das Ganze zu ändern.
Dadurch werden die ursprünglichen Engpässe sogar noch offensichtlicher: Inhalte werden immer schneller produziert, aber gleichzeitig wird die Entscheidungsfindung nicht beschleunigt; Es wird immer mehr Code generiert, aber der Anforderungsbestätigungs- und Bereitstellungsmechanismus bleibt derselbe.
Wenn die Ausführungsfähigkeiten rasch erweitert werden, ist die Art und Weise, wie Organisationen Aufgaben zuweisen, Wissen teilen und Entscheidungen treffen, zu einer neuen Einschränkung geworden.
In den letzten Jahren konzentrierte sich der Hauptwettbewerb in der KI-Branche auf die Technologieangebotsseite.
Modellparameter, Trainingsrechenleistung, Inferenzkosten und Listenrankings bestimmen, welche Art von Informationen ein Unternehmen erhalten kann.
Der KI-„Fünf-Schichten-Kuchen“ war einst in der Branche beliebt und reichte von Energie, Chips und Infrastruktur bis hin zu Modellen und Anwendungen und betonte das Gesamtsystem, das für eine intelligente Produktion erforderlich ist. Ohne Energie und Rechenleistung ist es unmöglich, über Modelle und Anwendungen der oberen Schicht zu sprechen.
Änderungen im Modellangebot spiegeln sich auch auf der Handelsseite wider. Einen Monat nach der Gründung des Ciyuan-Instituts wurden mehr als 100 Lieferressourcen abgewickelt, die durchschnittlichen täglichen Anrufe überstiegen 50 Millionen und die durchschnittlichen täglichen Token-Anrufe überstiegen 700 Milliarden.
Was mehr Aufmerksamkeit verdient als die Skala selbst, ist die Tatsache, dass sich Modelltransaktionen von der privaten Anbindung zwischen Unternehmen und Herstellern zu einer unabhängigen industriellen Verbindung entwickeln; Während diese Verbindung hergestellt wird, übernehmen Regelanbieter nach und nach die Attribute öffentlicher Güter.
Aber auf Unternehmensseite: Wenn diese Intelligenz bereits erworben, genutzt und eingesetzt werden kann, was bestimmt dann, wie viel Wert sie letztendlich generieren kann?
Robin Li richtete seinen Blick flussabwärts. Auf der Baidu-Weltkonferenz 2026 schlug Robin Li vor, dass „der nächste Schritt in der Entwicklung der KI eine intelligente Organisation ist“.
Er schlug vor, dass der KI-Technologie die Energie vorgelagert ist und die organisatorischen Fähigkeiten nachgelagert sind. Ersteres bestimmt, wie Informationen produziert werden, und letzteres bestimmt, wie Informationen in das reale Geschäft einfließen und in Geschäftsergebnisse umgewandelt werden.
Diese beiden Urteile widersprechen sich nicht, sondern beantworten Fragen an beiden Enden der KI-Industriekette. Selbst wenn für Unternehmen die vom Upstream bereitgestellte „Leistung“ ausreicht, kann die neue Intelligenz möglicherweise nicht zu neuen Gewinnen führen, wenn das interne Produktionssystem immer noch dasselbe ist.
Robin Li verglich KI mit einem neuen Motor und eine intelligente Organisation mit einem neuen Fabrikgebäude.
Er kam zu dem Schluss, dass KI nicht die erwarteten wirtschaftlichen Vorteile brachte. Ein wichtiger Grund war, dass das Unternehmen nur den Motor ersetzte, die Fabrik jedoch nicht umgestaltete.
Modelle, Rechenleistung und Agenten können stärkere Ausführungsmöglichkeiten bieten. Nur wenn sich die Aufgabenverteilung, der Wissensfluss und die Entscheidungsprozesse entsprechend ändern, kann diese Fähigkeit von den persönlichen Desktops der Mitarbeiter auf die gesamte Geschäftskette des Unternehmens übertragen werden.
Der Schwerpunkt des KI-Wettbewerbs hat sich daher zunehmend von der Bereitstellung von Technologie hin zur Wertschöpfung verlagert.
Unternehmen müssen nicht mehr nur antworten: „Welches Modell habe ich verwendet und wie viele Agenten wurden eingesetzt?“ Aber haben diese Agenten das Unternehmen verändert?
02
Wenn Arbeitnehmer KI nutzen, um ihre Effizienz zu verbessern, was ist dann mit Unternehmen?
Der CEO von Microsoft hat schon oft gesagt: KI ist keine Technologie, sondern die zukünftige Form des Unternehmens.
Wenn Sie diesen Satz verstehen, können Sie die von Robin Li vorgeschlagene „intelligente Organisation“ tatsächlich verstehen.
Ehrlich gesagt, wenn man nur die Worte liest, kann man es leicht als eine neue Art von Unternehmen verstehen, das aus Menschen und Agenten besteht, oder als eine andere Art, „KI-natives Unternehmen“ auszudrücken.
Worüber Robin Li aber sprechen möchte, ist nicht, jeder Position einen KI-Assistenten zuzuweisen, sondern die Arbeitsweise des Unternehmens neu zu gestalten: Wer erledigt die Aufgaben, wie werden Erfahrungen gesammelt und wie wird der Prozess anhand der Ergebnisse kontinuierlich angepasst?
Es kann auf drei Ebenen interpretiert werden.
Die erste besteht darin, die Grenzen der Positionen zu durchbrechen.
Traditionelle Unternehmen sind auf eine professionelle Arbeitsteilung angewiesen. Für eine vollständige Aufgabe müssen häufig mehrere Positionen in den Bereichen Produkt, Design, Forschung und Entwicklung, Betrieb usw. nacheinander erledigt werden.
Im Zeitalter der KI beginnen intelligente Agenten, die spezifische Ausführungsarbeit zu übernehmen, und Menschen sind für die Festlegung von Zielen, die Planung von Ressourcen und das Treffen wichtiger Entscheidungen verantwortlich.
Unternehmen verteilen die Arbeit nicht mehr ausschließlich auf feste Positionen, sondern können Mitarbeiter und Agenten entsprechend den Aufgabenanforderungen flexibel kombinieren.
Ein Beispiel dafür ist die Praxis des Tazi-Teams von Baidu. Ein Mitglied, das ursprünglich einen Hintergrund in der Quantencomputing-Forschung hatte, wäre nach seinem Beitritt zu Baidu fast völlig neu in die Produkt- und Unternehmensszene eingestiegen. Mit Hilfe von Baidus Partner übernahm er auch Produkt-, F&E- und Projektmanagementaufgaben. Von der Problemanalyse über die Planung bis hin zur Umsetzungsförderung und Ergebniskontrolle ist er nicht mehr an eine feste Position gebunden.
Entwickler neuer Produkte können sich darauf verlassen, dass Taozi den gesamten Prozess von den Anforderungen bis zum Prototypen schnell durchläuft. Das Team führte in einem halben Jahr mehr als 160 Iterationen durch und 90 % des Codes und mehr als 50 % der Kommunikationsmaterialien wurden von Taozi fertiggestellt.
Was in diesem Fall wirklich gebrochen wird, sind nicht die Regeln, „wer was tun soll“, sondern auch die Beschränkungen des Wissens- und Erfahrungsflusses.
Das Digital-People-Team von Baidu fördert die Umwandlung von Produkt-, F&E-, Design- und Testrollen in Builder, was ebenfalls eine Erweiterung derselben Logik darstellt.
Dabei geht es nicht darum, jeden bedingungslos mehr Arbeit übernehmen zu lassen, sondern darum, die wiederholte Übergabe von Aufgaben zwischen verschiedenen Rollen zu reduzieren, sodass Menschen, die Ziele definieren können, auch die Möglichkeit haben, mithilfe von KI zum Endergebnis zu gelangen.
Wenn sich jedoch nur die Art und Weise ändert, wie Aufgaben erledigt werden, können intelligente Organisationen nur als halbfertig betrachtet werden. Die andere Hälfte hängt davon ab, wie die Organisation es macht.
Die zweite besteht darin, implizites Wissen anzusammeln.
Das wirklich wertvolle Wissen eines Unternehmens ist die praktische Erfahrung seiner Mitarbeiter: zum Beispiel die Beurteilungsmethoden erfahrener Mitarbeiter im Umgang mit Fehlern, Vertriebserfahrung bei der Identifizierung von Kundenbedürfnissen und das Verständnis von Designern für Ästhetik und Normen.
Dieses Wissen lässt sich nur schwer in standardisierte Dokumente schreiben und geht mit dem Personalfluss leicht verloren.
Aber KI bietet eine neue Art der Niederschlagung: Sie wandelt Expertenerfahrung, Geschäftsregeln und Betriebsmethoden in Wissensdatenbanken, Fertigkeiten und Fähigkeiten um, die intelligente Agenten abrufen können.
Die Zusammenarbeit zwischen Baidu und China Southern Power Grid beinhaltet diesen Prozess. Angesichts der Fehleranalyse und -beurteilung im Verteilungsnetz dauert die herkömmliche manuelle Analyse jeweils mehr als 60 Minuten und hängt in hohem Maße von der Erfahrung eines Experten ab.
Nachdem Baidu Tazi in der Southern General Commission gelandet war, lernte es Zehntausende historische Daten zur Fehlerbehandlung, sammelte die Erfahrung erfahrener Experten zu wiederverwendbarem Fachwissen und verknüpfte dann Fehleraufzeichnungen, Schaltsignale und Leitungstopologie in Reihe, um eine vollständige Beweiskette zu bilden. Derzeit erreicht die Fehleranalysegenauigkeit mehr als 70 %.
Das Designteam von Baidu MEG demonstrierte eine andere Möglichkeit, Wissen anzusammeln.
Das Team wandelte die ästhetischen Erfahrungen und Designvorgaben erfahrener Designer in wiederverwendbare KI-Fähigkeiten um, sodass die KI nicht nur Bilder gemäß den Anweisungen generieren kann, sondern auch die vom Team gesammelten Designmethoden nutzen kann, um an der Inhaltsproduktion teilzunehmen. Derzeit übernehmen KI-Tools mehr als 50 % der Content-Bereitstellung und die Teameffizienz ist um 100 % bis 200 % gestiegen.
Vom Stromausfall bis zur Produktion von Designinhalten ist die Logik hinter den beiden Szenarien sehr ähnlich: Arbeitsmethoden, die ursprünglich auf persönlicher Erfahrung beruhten, werden in Fähigkeiten umgewandelt, auf die das Unternehmen wiederholt zurückgreifen kann.
Wenn sich die Geschäftsbedingungen ändern, kann es natürlich sein, dass die Erfahrung veraltet ist. Daher müssen Sie die Aufgabenergebnisse wieder in den Prozess einbeziehen.
Das ist der zuletzt erwähnte geschlossene Entwurfsprozess.
Herkömmliche Prozesse werden in der Regel von Menschen vorab entworfen. Wenn bei der Ausführung Probleme auftreten, werden diese überprüft und korrigiert.
Nachdem jede Aufgabe abgeschlossen ist, kann das System die Ergebnisse anhand der voreingestellten Ziele messen, Probleme bei der Ausführung identifizieren und dann das Feedback nutzen, um die nächste Aufgabenrunde anzupassen. Auf diese Weise handelt es sich bei dem Prozess nicht mehr um eine Reihe fester Betriebsvorgaben, sondern um ein System, das im Laufe des Geschäftsbetriebs kontinuierlich angepasst werden kann.
Robin Li fasste es als „Messbar + Lopping = Kontinuierliche Evolution“ zusammen.
„Messbar“ bedeutet, dass Aufgabenergebnisse klare Bewertungskriterien haben müssen, während Lopping bedeutet, dass Ausführung, Feedback und Optimierung einen kontinuierlichen Kreislauf bilden müssen.
Wenn immer mehr Aufgaben einen solchen geschlossenen Kreislauf absolvieren können, wird sich die Organisation nicht mehr nur darauf verlassen, dass Manager ihn fördern, sondern wird in der Lage sein, kontinuierlich Erfahrungen zu sammeln und Prozesse im täglichen Betrieb zu modifizieren.
Um einen solchen geschlossenen Regelkreis zu unterstützen, reicht eine Modell-API allein offensichtlich nicht aus.
Agenten müssen die Geschäftsziele des Unternehmens verstehen, auf Daten, Wissen und Tools aus verschiedenen Systemen zurückgreifen und in der Lage sein, Aufgaben in langen Ketten kontinuierlich auszuführen, zu bewerten und auf der Grundlage von Feedback anzupassen. Dies stellt neue Anforderungen an die zugrunde liegende Infrastruktur.
Dies ist auch die Bedeutung von AI Cloud und Agent Infra, die Shen Dou auf der Baidu-Weltkonferenz 2026 betonte.
Gemäß der Idee von Baidu bietet die untere Schicht Baige AI Infra Rechenleistungsunterstützung und die obere Schicht Qianfan Agent Infra bietet Langzeitkontextverwaltung, persistenten Speicher, Toolaufruf, Subagentenplanung, Bewertungsfeedback und Betriebsumgebung, sodass umfangreiche, langfristige Aufgaben den geschlossenen Kreislauf wirklich vervollständigen können.
In der Full-Stack-Struktur „Kern-Cloud-Modul-Körper“ wird diese Unterstützungsbeziehung klarer: Der Chip stellt die Grundlage für die Rechenleistung bereit, die Cloud stellt die Infrastruktur für den Betrieb und die Planung des Agenten bereit, das Modell bietet Verständnis-, Argumentations- und Generierungsfähigkeiten und der Agent gibt spezifische Aufgaben und Geschäftsszenarien ein.
Von Positionen bis zu Aufgaben, von persönlicher Erfahrung über organisatorische Intelligenz bis hin zur kontinuierlichen Iteration von Prozessen: Was intelligente Organisationen verändern, ist nicht die Arbeitseffizienz einer bestimmten Position, sondern die zugrunde liegende Logik der Unternehmensproduktion und -zusammenarbeit.
Als nächstes müssen wir uns ansehen, wie diese Prinzipien in die Praxis umgesetzt werden: Wirklich an Geschäftsprozessen teilnehmen und echte Probleme lösen?
03
Wie entsteht eine intelligente Organisation innerhalb eines Unternehmens?
Um zu beurteilen, ob ein Unternehmen der AI Native-Organisation beigetreten ist, kommt es darauf an, ob KI tatsächlich den gesamten internen Betrieb verändert.
Nehmen Sie die Geschäftsabteilung für digitale menschliche Innovation von Baidu.
Das Team durchbricht die Jobgrenzen zwischen Produkt, Forschung und Entwicklung, Design und Tests, fördert die Umwandlung aller Mitarbeiter in Builder und basierend auf dem selbst entwickelten BiuBiuAgent können einige Anforderungen von einer einzigen Person während des gesamten Prozesses erfüllt werden.
Allein im dritten Quartal schloss das Team 564 Produktions- und Forschungsiterationen ab und sammelte 130 Fähigkeiten und 729 organisatorische Vermögenswerte.
Da Loops weiterhin in Betrieb ist, hat sich der Pro-Kopf-Durchsatz von Produktion und Forschung um 125,3 % erhöht und der Lieferzyklus wurde um 28,8 % verkürzt. Ein neuer Rekrut der Schule nutzte KI, um eine Anforderung zu erfüllen, für deren Erfüllung früher fünf Rollen und mindestens 10 Tage erforderlich waren, und dies an nur einem Tag.
Hinter den schnell wachsenden Zahlen steckt der eigentliche „Transformation“ der KI in Unternehmensorganisationen.
Dadurch können sich die Mitarbeiter stärker auf die Zielbeurteilung und die Ablauforganisation konzentrieren. Die Fähigkeiten und organisatorischen Ressourcen, die das Team während der Ausführung entwickelt, können wiederholt abgerufen werden, und die Erfahrung einer einzelnen Person verschwindet nicht mehr, wenn die Aufgabe beendet ist.
Ein weiteres Beispiel ist Dodo. Dieser KI-Assistent, der von einem Team von mehr als zehn Mitarbeitern bei Baidu entwickelt wurde, hat sieben Monate nach seiner Einführung 99 % der regulären Mitarbeiter abgedeckt und den Abschluss der KI-freundlichen Transformation von mehr als 300 Unternehmensplattformen vorangetrieben.
Dies offenbart auch einen Aspekt der Organisationsintelligenz, der leicht übersehen wird: Unternehmen können nicht nur verlangen, dass ihre Mitarbeiter den Umgang mit KI erlernen, sondern müssen auch bestehende Systeme, Daten und Prozesse in die Lage versetzen, mit KI zusammenzuarbeiten.
Andernfalls wird es schwierig sein, die Geschäftskette wirklich zu öffnen, selbst wenn der Agent die Aufgabe eines bestimmten Glieds erfüllen kann.
Im vergangenen Jahr ist die Zahl der täglich aktiven Agenten innerhalb von Baidu von etwa 5.000 auf 37.000 gestiegen, und auch die Zahl der pro Woche effektiv erledigten Aufgaben ist von 84.000 auf über 1 Million gestiegen.
Neben der Größenausweitung findet gleichzeitig auch die Anhäufung von Wissen statt: Baidu hat mehr als 4.300 Arbeitsplätze aufgebaut und mehr als 20.000 allgemeine Fähigkeiten auf Unternehmensebene angesammelt, wodurch Erfahrungen, die ursprünglich auf Einzelpersonen und Teams verteilt waren, nach und nach in wiederverwendbare organisatorische Fähigkeiten umgewandelt werden.
Wenn Baidus Praxis Veränderungen in den Methoden der organisatorischen Zusammenarbeit aufzeigt, dann testen die folgenden Fälle, ob KI in echte Geschäfte eintreten kann.
Im China Southern Power Grid wurde Baidu Tiezi im Southern Power Grid implementiert und bildet einen „Tianxuan-Partner“ für die Analyse und Diagnose von Verteilungsnetzfehlern.
Im Stromnetz von Guangxi wird es im Jahr 2025 zu 8.215 dauerhaften Fehlern kommen. Die traditionelle manuelle Recherche und Beurteilung nimmt jedes Mal mehr als 60 Minuten in Anspruch und hängt in hohem Maße von der Erfahrung von Experten ab.
Die Tianxuan-Partner haben Zehntausende historische Fehlerbehandlungsdaten untersucht, die Beurteilungserfahrung erfahrener Experten in wiederverwendbares Wissen umgewandelt und dann Fehleraufzeichnungen, Schaltsignale und Leitungstopologie in einer Beweiskette verknüpft, um die Fehleranalyse abzuschließen.
Laut Kundenfeedback hat sich die Effizienz der Fehleranalyse um das Zwölffache erhöht, die Analysegenauigkeit hat mehr als 80 % erreicht und Expertenerfahrung wurde wiederverwendet. Es wurde in 14 Städten und 112 Landkreisen in Guangxi gefördert.
Der Wert dieser Art von Anwendung liegt nicht nur darin, die Fehleranalyse zu beschleunigen, sondern auch darin, die Erfahrung, die ursprünglich in den Händen einiger weniger Experten lag, in professionelle Fähigkeiten umzuwandeln, die vom System kontinuierlich genutzt werden können.
Die Praxis von Higo Laser hat KI in komplexere Entscheidungsprozesse am Produktionsstandort gebracht.
In der Produktionslinie müssen mehrere sechsachsige Roboterarme zusammenarbeiten, um das Schneiden und Bearbeiten desselben Werkstücks abzuschließen. In der Vergangenheit verließen sich Handwerker hauptsächlich auf ihre Erfahrung, um Flugbahnblöcke zuzuordnen und die Ausführungsreihenfolge festzulegen; Wenn jedoch die Anzahl der Roboterarme, Verarbeitungsaufgaben und Prozessbeschränkungen zunehmen, können lokale Vereinbarungen leicht die Gesamteffizienz beeinträchtigen.
Baidu Valou optimiert kontinuierlich Algorithmen rund um die Vorhersage zeitaufwändiger Bewegungen, die Vermeidung von Kollisionen mit mehreren Maschinen und die Planung der Aufgabenzuweisung. Unter der Voraussetzung, dass Einschränkungen wie Zugänglichkeit des Roboterarms, Prozessabhängigkeit und Kollisionsfreiheit erfüllt werden, kann die Werkstückprogrammierungszeit von 8 Stunden auf 10 Minuten verkürzt werden, wodurch das Engpassproblem der Branche gelöst wird.
Von der Analyse von Stromnetzfehlern bis hin zur kollaborativen Planung von Roboterarmen deuten die beiden Fälle auf den gleichen Wandel hin: Der Einzug von KI in die Branche erfordert das Verständnis von Branchenkenntnissen, die Anpassung an geschäftliche Einschränkungen und die Akzeptanz von Ergebnistests bei tatsächlichen Aufgaben.
Eine intelligente Organisation bedeutet natürlich nicht, dass die Menschen in der Organisation unwichtig sind.
Auf der Konferenz berührte ein Gespräch zwischen dem digitalen Menschen Xi Jiajia und Robin dieses Thema.
Als Xijajia fragte, ob er CEO werden könne, antwortete Robin mit Nein.
Seiner Ansicht nach muss der CEO die Mission und Vision des Unternehmens verstehen. KI kann zum Denkpartner des CEOs werden, ihm dabei helfen, seine Effizienz zu verbessern und Inspiration zu liefern, aber es besteht kein Grund, den CEO zu überstürzen.
Als sich das Thema weiter drehte: „Wenn KI in jeden Winkel der Organisation eindringt, was wird dann der Kernteil der Organisation sein?“ Robins Antwort war: Leute.
Wir sagen oft, dass KI den Menschen nicht ersetzen kann, aber in praktischen Anwendungen gibt es immer noch Bedenken, ersetzt zu werden. In diesem Gespräch wurden die Ausführungsfähigkeiten und die organisatorische Ausrichtung der KI differenziert.
KI kann weiterhin bestimmte Aufgaben übernehmen, an Analysen teilnehmen und Vorschläge machen, die endgültige Entscheidung über den Existenzwert des Unternehmens und seine zukünftige Ausrichtung liegt jedoch immer noch beim „Menschen“.
Dies ähnelt ein wenig dem „DRI (Directly Responsible Individual)“-Konzept, das Apple in seinen Anfängen vorgeschlagen hat.
Bei Apple war nie klar, wer wofür verantwortlich ist. Einfach ausgedrückt: KI kann Ihnen bei der Entscheidungsfindung helfen, aber für die Endergebnisse und Werturteile muss jemand verantwortlich sein.
Mit anderen Worten: Intelligente Organisationen entfernen Menschen nicht aus Prozessen, sondern verteilen die Verantwortlichkeiten von Menschen und Agenten neu.
In der Zukunft besteht die tatsächliche Kluft zwischen Unternehmen darin, wer KI in Geschäftsabläufe einbetten, Erfahrungen in organisatorischen Vermögenswerten sammeln und ein Organisationssystem bilden kann, das weiterhin funktionieren und sich weiterentwickeln kann.
Originalartikel von Leifeng.com, unerlaubte Vervielfältigung ist verboten. Einzelheiten finden Sie in den Nachdruckanweisungen.
bearbeiten
E-Mail erneut senden E-Mail ändern




