Von 100 Agenten zu strategischen Big Bets: So fand Box beim Einsatz von KI den richtigen Fokus

Dieser Artikel ist der zweite Teil einer Reihe darüber, wie Box als „AI-first“-Unternehmen agiert. Lesen Sie hier unseren ersten Artikel.

Lediglich 5 % der KI-Pilotprojekte sind erfolgreich. Bei Box lernen wir gerade, wie wir dieser geringen Erfolgsquote trotzen können.

Nach einem Jahr umfangreicher Tests mit mehr als 100 Agenten haben wir ein vierstufiges Konzept entwickelt – Ideenfindung, Pilotprojekte, Vorbereitung der Einführung und flächendeckende Einführung –, um Ideen in effektive, leistungsstarke Agenten umzusetzen, die in die Workflows unseres gesamten Unternehmens integriert sind.

Im ersten Teil unserer Blogreihe zum Thema „AI-First“ haben Sie erfahren, warum KI-Grundsätze und Governance an erster Stelle stehen und wie Sie einige wenige „Big Bets“ priorisieren, um maximale geschäftliche Wirkung zu erzielen. Im zweiten Teil werden wir uns eingehender damit befassen, wie der Prozess der „Big Bets“ abläuft – von den ersten Versuchen bis hin zur vollständigen Umsetzung.

Das vierstufige Framework für die Einführung

Der Weg von Box zu agentischer KI – vom dezentralen Experimentieren bis zur zielgerichteten Umsetzung – umfasst vier Phasen:

Phase 1: Ideenfindung

Ermitteln Sie Möglichkeiten für den Einsatz von KI, indem Sie interne Schwachstellen und Ineffizienzen untersuchen und entscheiden Sie, welche Big Bets Sie als Pilotprojekte umsetzen möchten. Nutzen Sie Bottom-up-Ideenfindung (Hackathons, Ideeneinreichungen, organische Entwicklung in Demokonten usw.) und priorisieren Sie mit dem im ersten Artikel dieser Reihe beschriebenen 2x2-Framework häufig wiederkehrende Anwendungsfälle, die ein hohes Maß an kritischem Denken erfordern.

Phase 2: Pilotprojekte

Entwickeln und testen Sie über einen Zeitraum von 3 bis 6 Monaten eine nach Prioritäten geordnete Auswahl an Agenten mit begrenztem Anwendungsbereich und einer begrenzten Nutzergruppe. Überprüfen Sie die Leistung anhand definierter Kennzahlen (Effizienz, Automatisierung und neue Aufgaben), testen Sie die Anwendererfahrung und optimieren Sie die Agenten anhand der erfassten Kennzahlen.

Phase 3: Einführung

Überführen Sie erfolgreiche Pilotprojekte in produktionsreife, unternehmensweite Lösungen. Dafür sind Zuverlässigkeitsanforderungen, ein präzises Wissensmanagement und Datenpipelines als Eingaben für die Agenten, Governance- und Sicherheitsprotokolle sowie eine klare Dokumentation erforderlich.

Phase 4: Flächendeckende Einführung

Maximieren Sie die Nutzung durch Change Management. Dazu gehören die Neugestaltung von Workflows, umfassende Schulungsprogramme, klare Nutzungsziele und die Nachverfolgung der Nutzung, um die Verantwortlichkeit zu fördern. Erfassen und messen Sie anschließend die Gesamtwirkung. Vergleichen Sie die Ergebnisse mit den erwarteten Effizienzsteigerungen, dem Automatisierungsgrad oder den zusätzlich erledigten Aufgaben.

Phase 1: Ideenfindung – Viele neue Ideen

Box schuf eine Umgebung, die das Experimentieren förderte und es jedem ermöglichte, einen beliebigen Agenten zu entwickeln. „Was wir von Anfang an wirklich, wirklich gut gemacht haben, ist, dass wir den Mitarbeiter:innen die Möglichkeit gegeben haben, zu experimentieren“, erklärt Ravi Malick, CIO von Box. „Wir haben Richtlinien festgelegt, keine technischen Vorgaben. Wir haben nicht alles blockiert.“

Wir haben Richtlinien festgelegt, keine technischen Vorgaben.
Ravi Malick, CIO von Box

Box ging bei der Ideenfindung mit einem zweigleisigen Ansatz vor:

1. Ein breiter, statt zentralisierter Zugang zum Box AI Studio in einer Sandbox-Umgebung: Dies ermöglichte es technisch interessierten Mitarbeiter:innen, sofort zu experimentieren. Die Teams erhielten Box AI Studio-Konten und eine minimale Struktur. Wer einen Agenten erstellen wollte, erhielt die erforderlichen Tools.

2. Einreichung von Ideen durch alle: Für diejenigen, die zwar keine Zeit zum Experimentieren hatten, aber großartige Ideen einbrachten, hat Box ein einfaches Verfahren zur Einreichung von Ideen eingerichtet. Dadurch wurde sichergestellt, dass wertvolle Anwendungsfälle nicht einfach deshalb übersehen wurden, weil jemand nicht über die nötigen Kapazitäten verfügte, sie zu realisieren.

Die strategischen Gründe für einen breiten Zugang

Die Teams, die direkt mit den Abläufen befasst sind, kennen ihre Probleme besser als Führungskräfte, die auf abstrakter Ebene planen.

„Der Innovationsfunke ging vom Team und von den einzelnen Mitarbeiter:innen aus“, berichtet Nora Soza, Senior Director of GTM Strategy and Operations. „Man darf nicht unterschätzen, wie wertvoll das ist, denn schließlich sind sie es, die täglich mit dieser Aufgabe leben und arbeiten und daher den realistischsten Einblick darin geben können, wie KI ihre Arbeit verändern kann.“

Dennoch lässt sich ohne empirische Belege im Rahmen einer zentralisierten Planung nicht vorhersagen, in welchen Bereichen KI einen Mehrwert schaffen wird. Die Versuchsphase trug dazu bei, diese Erkenntnisse zu gewinnen – und zeigte dabei Folgendes:

Welche Workflows KI auf natürliche Weise verbessert und bei welchen sie an ihre Grenzen stößt
Welche Teams KI annehmen und welche eher passiv bleiben

Zu den Unterstützern der KI zählten technikbegeisterte Mitarbeiter:innen, die verschiedene Möglichkeiten in unterschiedlichen Anwendungsfällen im Unternehmen ausloteten.

„Vordenker:innen – also Menschen, die sich intensiv mit KI auseinandersetzen – aus diesen Kreisen stammten die meisten unserer ersten Agenten“, erinnert sich Soza. Diese Mitarbeiter:innen haben Anwendungsfälle als Grundlage genommen und maßgeschneiderte Anleitungen erstellt, wobei sie in einer Sandbox-Umgebung über 100 Ideen und experimentelle Agenten entwickelt haben:

Teams zur Lead-Generierung haben Rechercheagenten entwickelt
Der Vertrieb hat Agenten für die Vorbereitung von Besprechungen entwickelt.
Das Marketing hat Agenten für die Erstellung von Inhalten entwickelt
Die Entwicklung hat einen Agenten für die Entwicklerdokumentation erstellt.
Das People-Team hat einen Kickoff-Agenten für die Personalbeschaffung entwickelt
Governance, Risikomanagement und Compliance haben einen Agenten zur Extraktion von Richtlinien entwickelt

Die Ideen und Agenten befanden sich zu diesem Zeitpunkt noch im Versuchsstadium und waren für den individuellen Einsatz in Sandbox-Umgebungen ausgelegt – sie waren noch nicht produktionsreif für einen breiteren Einsatz.

Warum diese Phase von Bedeutung war

Diese Phase erwies sich aus mehreren Gründen als entscheidend:

Mustererkennung: Da Dutzende von Experimenten gleichzeitig liefen, zeigte sich, wo sich KI sinnvoll einsetzen ließ und wo sie an ihre Grenzen stieß.
Kultureller Wandel: Anstatt sich vor der KI zu fürchten, setzten sich die Mitarbeiter:innen aktiv mit deren Möglichkeiten auseinander

Die Ideenfindung war erst der Anfang. Es stellte sich bald heraus, dass der unternehmensweite Einsatz einer kleinen Anzahl ausgewählter Agenten, möglicherweise nur zwei bis drei pro Team, den größten Nutzen bringen würde.

„Während vielleicht die Annahme bestand, man könne einfach seinen eigenen Agenten starten und loslegen – ja, das stimmt für einige kleinere Aufgaben“, erklärt Box COO Olivia Nottebohm. „Aber wenn Sie Ihr Unternehmen wirklich transformieren wollen, sollten Sie wahrscheinlich etwas gezielter vorgehen.“

Wenn Sie Ihr Unternehmen wirklich transformieren wollen, sollten Sie wahrscheinlich etwas gezielter vorgehen.
Olivia Nottebohm, COO von Box

Phase 2: Pilotprojekte – Big Bets testen

In der zweiten Phase, der Pilotphase, wählte Box unternehmensweit sorgfältig „Big Bets“ aus – Ideen für Agenten, von denen wir die größte Wirkung erwarteten. Anschließend entwickelten wir diese weiter, um sie mit einer größeren Gruppe von Benutzer:innen in einer Produktionsumgebung zu testen. Anschließend haben wir die Arbeit an anderen Agentenkonzepten bewusst zurückgestellt, um uns darauf zu konzentrieren, den Erfolg dieser Projekte sicherzustellen.

„Viele kleine Agenten – bei denen die Benutzer:innen noch nicht genau verstanden haben, wie sie diese in ihre Workflows integrieren können – führen zu einer geringen Wirkung“, sagt Nottebohm. „Dass 10 Personen einen Agenten nutzen, ist noch lange kein Erfolg, ganz gleich, wie gut dieser Agent auch sein mag. 300 Personen müssen zwei bis drei Agenten nutzen, die durchgehend hilfreich sind und Workflows transformieren können.“

Nicht alle Ideen oder Agenten, die in der Ideenfindungsphase entwickelt wurden, schafften es bis in die Pilotphase. Box konzentrierte sich bewusst auf die Agenten, von denen wir die größte Wirkung erwarteten: Agenten für häufig wiederkehrende Anwendungsfälle, die ein hohes Maß an kritischem Denken erfordern.

Durch die Konzentration auf einige wenige große Projekte haben wir mehrere wesentliche Vorteile erschlossen, darunter:

Leistungsstärkere Agenten: Wir konzentrieren uns darauf, wenige, dafür aber außergewöhnliche Agenten zu entwickeln, anstatt viele. Wir stellen sicher, dass die einzelnen Agenten reibungslos funktionieren, komplexe Anwendungsfälle abdecken und die Integration mit anderen Systemen und Datenquellen gewährleisten.
Zeitersparnis bei der Entwicklung: Wir entwickeln einmal für viele Anwendungsfälle, anstatt mehrere Lösungen für dieselbe Art von Herausforderung zu erstellen. Zu den Beispielen für „Box“-Agenten zählen unser Account-Research-Agent (der sich durch die Analyse von Kundendaten auszeichnet), unser Positionierungs-Agent (der Wertversprechen tiefgreifend versteht) und unser Vertriebsmethodik-Agent (der Prinzipien des wertorientierten Vertriebs anwendet).
Größere Anpassungsfähigkeit des Teams: Es ist wesentlich einfacher, Prozesse anzupassen und den Umgang mit zwei bis drei Agenten zu erlernen, als mit zehn oder mehr.

Einfachheit als Best Practice im Bereich Sicherheit

Wenn Agenten über mehrere Systeme hinweg auf sensible Unternehmensdaten zugreifen, werden Sicherheit und Compliance exponentiell komplexer, was eine ordnungsgemäße Authentifizierung, Zugriffskontrollen und Prüfpfade erfordert.

„Dass wir standardmäßig in Box AI entwickeln, verschafft uns hier einen Vorsprung, da Box AI-Agenten die zugrunde liegende Governance sowie die Sicherheitsrichtlinien und Berechtigungen der in Box gespeicherten Inhalte berücksichtigen“, erklärt Robert Ferguson, Head of Corporate Strategy bei Box und Chief of Staff des CEO.

Box AI-Agenten berücksichtigen die zugrunde liegende Governance sowie die Sicherheitsrichtlinien und Berechtigungen der in Box gespeicherten Inhalte.
Robert Ferguson, Box’s Head of Corporate Strategy & Chief of Staff to the CEO

Um die Agenten jedoch noch leistungsfähiger zu machen, wollen wir auch Daten aus anderen Systemen einbinden.

Nottebohm ergänzt: „Den wirklichen Nutzen dieser Agenten schöpfen Sie aus, wenn Sie sie mit anderen Systemen verbinden. Wir wollten Agenten, die nicht nur auf die in der Box Platform gespeicherten Daten, sondern auch auf unsere Daten in Google Cloud Platform oder Salesforce zugreifen können.“

Teams verfügen selten sowohl über die Kapazitäten als auch über das Fachwissen, um diese Integrationen korrekt und sicher umzusetzen. Ein zentralisierter Ansatz zur Steuerung von Integrationen (und Integrationsanfragen) gewährleistet, dass die Agenten einheitliche Sicherheitsstandards und Governance-Prozesse einhalten.

So haben wir Ideen zu Big Bets für die Pilotphase gebündelt

Der Konsolidierungsprozess umfasste zwei wesentliche Schritte:

1. Ermitteln Sie Überschneidungen bei den Funktionen der Agenten aus der Ideenfindungsphase

Im Rahmen des Konsolidierungsprozesses – der in funktionsübergreifenden Arbeitssitzungen unter der Leitung von funktionsspezifischen KI-Verantwortlichen wie Soza und mit Unterstützung des Design- und Entwicklungsteams stattfand – wurden alle Agenten eingehend geprüft, um Überschneidungen aufzudecken. In vielen Fällen wurden mehr als 10 ähnliche Agenten zu einigen wenigen leistungsfähigeren Versionen zusammengefasst.

Beispiel: Anstatt separate Agenten für die Einführung von Features, Box Hubs und Box Sign zu entwickeln, erstellte Box ein einziges Toolkit zur Feature-Einführung. Damit lassen sich Best Practices für Positionierung, Anwendungsfallerkennung und Einführung auf jedes beliebige Feature anwenden.

Warum? Soza betont: „Wir hatten die Fähigkeit der KI, mit Mehrdeutigkeiten umzugehen, unterschätzt. Ein gut angeleiteter Agent konnte jedes Feature in den passenden Kontext einordnen – wir hatten ihm lediglich noch keine Gelegenheit dazu gegeben.“

2. Priorisieren Sie eine hohe Wiederholbarkeit und kritisches Denken

Die Fachbereichsverantwortlichen nutzten daraufhin die im ersten Artikel dieser Reihe vorgestellte Priorisierungsmatrix, um Agenten im „Sweet Spot“ zu identifizieren – also Agenten für häufig wiederkehrende Aufgaben, die ein hohes Maß an kritischem Denken erfordern. Dieser Bereich verspricht in der Regel den höchsten ROI.

Dies trug dazu bei, eine klare Priorisierung zu erzwingen: Wenn Sie sich nur für zwei bis drei Initiativen entscheiden könnten, was wäre dann am wichtigsten?

„In welchem Umfang können Sie Wirkung erzielen und wo ist der größte Hebel?“, fragt Nottebohm. „Überlegen Sie für Ihren Fachbereich, welche beiden Prioritäten für den Einsatz von KI am wichtigsten sind.“

Indem wir Ideen und experimentelle Agenten aus der Ideenfindungsphase zu „Big Bets“ bündelten, erhöhten wir die Wahrscheinlichkeit, dass aus den Pilotprojekten erfolgreich Agenten hervorgehen, die im Unternehmen eine erhebliche Wirkung erzielen.

Überlegen Sie für Ihre Funktion, welche beiden Prioritäten für den Einsatz von KI am wichtigsten sind.
Box COO, Olivia Nottebohm

Erfolg von Big Bets messen

In der Pilotphase war es von entscheidender Bedeutung, klare und messbare Ziele für die Leistung der Agenten festzulegen. Die Teams hielten sich an eine Checkliste, mit der sichergestellt wurde, dass ein Pilotprojekt die Erfolgskriterien tatsächlich erfüllte.

Beispiele für Messgrößen sind unter anderem:

Effizienz (z. B. eingesparte Stunden) bei der Erstellung von Marketingtexten oder Recruiting-Paketen
Prozentualer Anteil der Support-Anfragen, die an den Self-Service umgeleitet wurden
Neue Aufgaben, wie die KI-gestützte, branchenspezifische Vorbereitung von Besprechungen

Entscheidend war zudem die flächendeckende und einheitliche Nutzung in allen Testgruppen. Agenten sollten nicht nur die ihnen übertragenen Aufgaben effektiv erfüllen, sondern auch benutzerfreundlich sein (und die Menschen sollten sie gerne nutzen wollen).

Big Bets, die wichtige Erfolgskennzahlen erfüllten, erhielten anschließend Unterstützung durch das Design-&-Build-Team bei der produktionsreifen Entwicklung und der Integration in andere Unternehmenssysteme.

Hier können Sie sich Ihre eigene Kopie der 2x2-Priorisierungsmatrix sowie die bei Box intern verwendete Planungsvorlage für „Big Bets“ herunterladen.

Phase 3: Vorbereitung der Einführung – Agenten produktionsreif machen

Agenten, die in Phase 2 ihre Leistungsfähigkeit unter Beweis stellen, wechseln in die Phase „Vorbereitung der Einführung“. Dort stellen wir sicher, dass sie für die Einführung bei allen relevanten Benutzer:innen produktionsbereit sind.

Dazu ist Folgendes erforderlich:

Mindestanforderungen an Zuverlässigkeit und Genauigkeit
Präzises, konsistentes Wissensmanagement und entsprechende Datenpipelines (eine gezielte Maßnahme – Agenten sind nur so gut wie die Inhalte, auf die sie zurückgreifen)
Governance- und Sicherheitsrichtlinien, die festlegen, wer Zugriff auf den Agenten hat (hier hatten wir einen Vorsprung, da in Box integrierte Agenten die zugrunde liegenden Benutzerberechtigungen automatisch berücksichtigen)

Anschließend wird der Agent einer gesamten Benutzergruppe zur Verfügung gestellt, wobei klar erläutert wird, wie er zu verwenden ist, und das Unternehmen sammelt weiterhin Feedback, um weitere Verbesserungen vorzunehmen.

Big Bets vs. Hero Agents

Big Bet: Eine Idee (die aufgrund ihrer potenziellen Auswirkungen für die Entwicklung als Pilotprojekt ausgewählt wurde)

Hero Agent: Ein in einem Pilotprojekt getesteter Agent, der nachweislich eine hohe Wirkung erzielt

Phase 4: Flächendeckende Einführung – Agenten in die tägliche Arbeit integrieren

Phase 4 konzentriert sich auf das Change Management mit dem Ziel, eine hundertprozentige Nutzung und den konsequenten Einsatz einiger weniger wichtiger Hero Agents zu erreichen. Bei „Big Bets“ handelt es sich um Ideen, die aufgrund ihrer potenziellen Wirkung für die Entwicklung als Pilotprojekt ausgewählt wurden. Hero Agents hingegen sind in Pilotprojekten getestete Agenten – und ehemalige Big Bets –, die nachweislich eine hohe Wirkung erzielen.

Agenten, denen der Status „Hero Agent“ verliehen wird, sollten für eine große Anzahl von Menschen von Nutzen sein. Bei konsequenter Nutzung steigern diese Agenten die Produktivität, verbessern die Arbeit und ermöglichen neue Aufgaben, die zuvor nicht erledigt worden wären (z. B. ermöglicht unser Intelligent Prospecting Agent den SDRs, ihre Kundenansprache in bisher ungekanntem Umfang zu skalieren).

Sobald ein Agent zum „Hero-Agenten“ ausgewählt wurde, unterstützt die Unternehmensleitung dies durch Change-Management-Maßnahmen, Schulungen und umfassende Fördermaßnahmen. Dieser Prozess wird derzeit bei einer Reihe von Box-Agenten umgesetzt, darunter auch bei den „Bill of Materials“-Agenten unserer Marketingabteilung, die derzeit Belastungstests für Blogs, soziale Medien und andere Aufgaben durchlaufen. Bislang haben sie das Verfassen von E-Mails, die Bereitstellung von Schulungsmaterialien und die Erstellung von Inhalten für soziale Medien schneller, konsistenter und präziser gestaltet.

Unter der Leitung der Fachbereichsverantwortlichen werden in dieser Phase bestehende Abteilungsworkflows rund um Agenten neu gestaltet, Schulungen für die betreffenden Mitarbeiter:innen entwickelt und durchgeführt, OKRs festgelegt und die Nutzung nachverfolgt. Die Fachbereichsverantwortlichen übernehmen die Aufgabe, zu vermitteln, dass der Einsatz von Agenten die neue Normalität ist.

Diese Führungskräfte legen Ziele für die erwartete Nutzung fest (z. B. nutzen 100 % der Account Executives für jedes Meeting einen Agenten zur Meeting-Vorbereitung). Auf diese Weise bleiben die Teams dafür verantwortlich, das Potenzial der neuen Agenten voll auszuschöpfen.

Die von den Fachbereichsverantwortlichen ernannten KI-Manager:innen haben anschließend die Aufgabe, Schulungsunterlagen zu erstellen und das Team in die Lage zu versetzen, die neuen Agenten einzusetzen. KI-Manager:innen sind zudem dafür verantwortlich, Erfolge bei der Einführung von Agenten anzuerkennen.

„Anerkennung ist ein wichtiger Bestandteil des Änderungsmanagements“, sagt Soza. „Die Menschen freuen sich darauf, über die Fortschritte wirklich guter Agenten und den Erfolg, der dahintersteckt, zu berichten. Ein wesentlicher Bestandteil davon ist, dass wir die Menschen würdigen möchten, die vorangehen.“

Ein kontinuierlicher Kreislauf

Bei der Entwicklung und Einführung von Agenten gibt es keine Ziellinie, und das ist beabsichtigt.

„Nur weil wir mit der Einführung und Skalierung mehrerer Agenten begonnen haben, heißt das nicht, dass die Ideenfindung aufhört“, erklärt Ferguson. „Dies ist ein fortlaufender Prozess, bei dem wir jeden Monat überprüfen, was gerade getestet und skaliert wird, was funktioniert und was nicht.“

Die besten Ideen werden weiterentwickelt, begleitet von kontinuierlichem Feedback und iterativer Optimierung.
Robert Ferguson, Box’s Head of Corporate Strategy & Chief of Staff to the CEO

Einige Pilotprojekte erfordern, wie sich zeigt, unterschiedliche technische Ansätze. Andere zeigen, dass das Geschäftsziel neu definiert werden muss. Die besten Ideen werden weiterentwickelt, doch es gibt dabei ständiges Feedback und ständige Überarbeitungen. Grassroots-Innovationen sorgen weiterhin für einen stetigen Zustrom an Ideen, und die Philosophie von Box, wonach alle alles entwickeln dürfen, hat sich zu gezielten Investitionsströmen gewandelt, die von Fachbereichsverantwortlichen und KI-Manager:innen unterstützt werden, welche die zu verfolgenden Prioritäten festlegen.

„Innovation von unten nach oben wird stets zu besseren Ergebnissen führen als Innovation von oben nach unten“, fügt Malick hinzu. „Dann verfügen Sie über das Framework und können sagen: ‚Okay, die wirklich guten Anwendungsfälle haben wir ermittelt. Nun müssen wir noch skalieren.‘“

Der Betriebsrhythmus

Der Zyklus folgt einem monatlichen und vierteljährlichen Rhythmus:

Monatlich: den Fortschritt der Pilotprojekte überprüfen, neue Ideen aufgreifen, herausfinden, was funktioniert
Vierteljährlich: Prioritäten der Big Bets neu bewerten (einschließlich der Weiterentwicklung neuer Ideen), Ressourcen neu zuweisen und Erfolge bei der Skalierung würdigen
Fortlaufend: die Technologie entwickelt sich rasant weiter; Mechanismen für kontinuierliches Lernen aufrechterhalten

Dieser Betriebsrhythmus verhindert den häufigen Fehler, die KI-Transformation als Projekt mit einem festen Endtermin zu betrachten. Es handelt sich vielmehr um eine organisatorische Fähigkeit, die Sie aufbauen und pflegen.

Erkenntnisse für Ihr Unternehmen

Beginnen Sie mit Freiräumen statt Vorgaben. Lassen Sie die Teams zunächst umfassend experimentieren, bevor Sie ihnen eine Struktur auferlegen. Sie benötigen empirische Belege dafür, wo KI einen Mehrwert schafft.
Beseitigen Sie Hürden bei der Entwicklung. Trennen Sie geschäftliche Anforderungen von der technischen Umsetzung. Alle sollten Anwendungsfälle vorschlagen können.
Konsolidieren Sie konsequent. Führen Sie nach Abschluss der Tests die sich überschneidenden Agenten zusammen. Weniger, dafür aber besser trainierte Hero-Agenten erzielen bessere Ergebnisse als viele mittelmäßige.
Verändern Sie Workflows, nicht nur einzelne Aufgaben. Die größten Vorteile ergeben sich aus der Neugestaltung ganzer Prozesse und nicht aus der Automatisierung einzelner Schritte.
Befähigen Sie Fachbereichsverantwortliche als KI-Manager:innen. Übertragen Sie ihnen die Verantwortung für die KI-Transformation ihres jeweiligen Aufgabenbereichs, unterstützt durch zentrales Fachwissen und Ressourcen.
Sorgen Sie für Kontinuität. Die KI-Transformation ist kein Projekt mit einem festen Endtermin. Führen Sie monatliche und vierteljährliche Überprüfungen durch, um die Dynamik aufrechtzuerhalten.

Planen Sie Ihre Big Bets für das kommende Jahr. Laden Sie Ihr Ressourcenpaket jetzt herunter.

In unserem nächsten Artikel befassen wir uns eingehend mit der Ideenfindungsphase – damit, wie Sie interne Schwachstellen aufdecken, Bottom-up-Experimente ermöglichen und häufig wiederkehrende Anwendungsfälle priorisieren, die ein hohes Maß an kritischem Denken erfordern.

* Wir setzen uns stetig dafür ein, Produkte und Services mit Datenschutz, Sicherheit und Compliance höchsten Grades anzubieten. Dennoch stellen die Informationen in diesem Blogbeitrag keine Rechtsberatung dar. Wir empfehlen potenziellen und bestehenden Kund:innen dringend, bei der Beurteilung von Compliance nach geltendem Recht eigene Sorgfaltsprüfungen durchzuführen.