Originaltitel: Institutionelles AI vs Individuelles AI
Originalautor: George Sivulka, a16z
Originalübersetzung: 深潮 TechFlow
AI hat gerade die Produktivität jedes Einzelnen um das Zehnfache gesteigert.
Kein Unternehmen ist dadurch zehnmal wertvoller geworden.
Wohin ist die Produktivität gegangen?
Das ist nicht das erste Mal, dass es passiert.
In den 1890er Jahren versprach der Strom eine enorme Steigerung der Produktivität.
Die Textilfabrik in Neuengland wurde ursprünglich um die rotierende Kraft der Dampfmaschine gebaut, wurde aber schnell durch schnellere Elektromotoren ersetzt.
Doch dreißig Jahre lang gab es in den elektrifizierten Fabriken kaum eine Steigerung der Produktion. Die Technologie war weit voraus. Aber die Organisation hielt nicht Schritt.
Erst bis in die 1920er Jahre wurde die Produktion vollständig umgestaltet – Fließband, jede Maschine mit einem eigenen Motor, Arbeiter und Maschinen erledigen völlig unterschiedliche Aufgaben – erst dann brachte die Elektrifizierung echte Renditen.
Bildunterschrift: Die drei Evolutionen der Lowell-Spinnerei. Von links nach rechts: 1890 Dampfmaschinenfabrik, 1900 elektrifizierte Fabrik, 1920 „modulare Antriebs“-Fabrik (d.h. von Grund auf als elektrische Fließbandfabrik neu gestaltet).
Der Gewinn kommt nicht aus der Technologie selbst, noch aus der Tatsache, dass einzelne Arbeiter oder Maschinen schneller spinnen. Es ist erst dann, wenn wir endlich Institutionen und Technologien zusammen neu gestalten, dass die Erträge wirklich realisiert werden.
Das ist die teuerste Lektion in der Technikgeschichte, und wir lernen sie jetzt erneut.
Im Jahr 2026 bringt KI denjenigen, die wissen, wie man sie nutzt, einen 10-fachen Produktivitätszuwachs. Aber das reicht nicht. Wir haben den Motor gewechselt, aber die Fabriken noch nicht neu gestaltet.
Wegen einer einfachen Tatsache: Effiziente Individuen sind nicht gleich effiziente Organisationen.
Die meisten KI-Produkte vermitteln den Eindruck von „Effizienz“, ohne tatsächlich Wert zu schaffen. Der Großteil der KI-Anwendungsfälle, die Sie sehen, sind Menschen, die in Twitter oder Firmen-Slack in selbstgefälliger „Effizienz max“ schwelgen, deren tatsächliche Auswirkungen null sind.
Die wiederholte Erwähnung des Begriffs „Service ist Software“ im letzten Jahr ist in die richtige Richtung, aber sie hat keinen Plan geliefert. Außerdem ignoriert sie das größere Bild. Die wirkliche Transformation besteht nicht darin, von Werkzeugen zu Dienstleistungen überzugehen, sondern die Technologie und Institutionen gemeinsam zu gestalten (egal ob es darum geht, Altes umzubauen oder von Grund auf neu zu beginnen). Eine wirklich effiziente Zukunft erfordert eine ganz neue Produktkategorie – das Fließband von morgen.
Effiziente Organisationen benötigen „institutionelle Intelligenz“.
Dieser Artikel wird die sieben Dimensionen untersuchen, die „institutionelle KI“ von „persönlicher KI“ unterscheiden. Die Unternehmen im gesamten B2B-KI-Bereich im nächsten Jahrzehnt werden auf diesen Unterschieden basieren.
Bildunterschrift: Vergleichstabelle der sieben Säulen der institutionellen Intelligenz
Die sieben Säulen der institutionellen Intelligenz
1. Koordination
Persönliche KI erzeugt Chaos.
Institutionelle KI schafft Koordination.
Lassen Sie uns mit einem Gedankenexperiment beginnen. Angenommen, Sie verdoppeln morgen die Anzahl der Personen in Ihrer Organisation und klonen alle Ihre besten Mitarbeiter.
Jeder dieser Mitarbeiter hat kleine Unterschiede, Vorlieben, Eigenheiten und Perspektiven (insbesondere Ihre besten Mitarbeiter). Wenn das Management nicht richtig ist, die Kommunikation unzureichend ist, Verantwortungsberechtigungen, OKRs und Rollen nicht klar definiert sind… schaffen Sie Chaos.
Wenn man nach Einzelpersonen bewertet, könnte die Organisation effizienter sein. Aber zehntausende Agenten (oder Menschen), die in verschiedene Richtungen rudern, das gute Ergebnis ist, dass man an Ort und Stelle bleibt, das schlechte Ergebnis ist, dass man die Kohäsion der Organisation zerbricht.
Das ist keine Hypothese. Jedes Unternehmen, das KI ohne Koordinationsebene einführt, erlebt jetzt genau dies. Jeder Mitarbeiter hat seine eigenen ChatGPT-Nutzungsgewohnheiten, seinen eigenen Prompt-Stil und seine eigenen Ergebnisse – die mit den Ergebnissen anderer überhaupt nicht zusammenpassen. Das Organigramm mag noch bestehen, aber die von KI generierte Arbeit folgt tatsächlich einem anderen Pfad.
Bildunterschrift: Effiziente Individuen (oder Agenten) rudern jeweils in verschiedene Richtungen. Ohne Koordination gibt es Chaos.
Koordination ist eine absolute Notwendigkeit, sowohl für Menschen als auch für Agenten.
Institutionelle Intelligenz wird eine ganze Branche „Agentenmanagement“ hervorbringen – fokussiert auf die Rolle und Verantwortung der Agenten, die Kommunikation zwischen Agenten und zwischen Agenten und Menschen sowie darauf, wie man den Wert von Agenten misst (nur nach Menge zu berechnen, reicht nicht aus).
2. Signale
Persönliche KI erzeugt Rauschen.
Institutionelle KI findet Signale.
Heutzutage können Menschen alles schaffen – oder besser gesagt generieren – was sie sich vorstellen können: Artikel, Präsentationen, Tabellen, Fotos, Videos, Lieder, Websites, Software, die von KI geschrieben wurden. Was für ein schönes Geschenk.
Das Problem ist, dass der Großteil der von KI generierten Inhalte absoluter Müll ist. Die Flut von KI-Müll ist so schlimm geworden, dass einige Organisationen überreagieren und einfach alle KI-Ausgaben verbieten. Um ehrlich zu sein, habe ich auch das Gefühl – ich leite ein KI-Unternehmen, aber ich fordere das Führungsteam auf, KI nicht in irgendeinem Endprodukt zu verwenden. Ich kann diesen Müll nicht ertragen.
Denken Sie daran, wie sich die PE (Private Equity)-Branche entwickelt. Letztes Jahr erhielten Sie möglicherweise 10 Transaktionsmöglichkeiten auf Ihrem Tisch. Dieses Jahr werden Sie im nächsten Quartal 50 Möglichkeiten erhalten, jede von KI makellos geschliffen, während Ihre Bewertungszeit gleich bleibt – Sie müssen das eine finden, das wirklich zuverlässig ist.
Es ist nicht mehr das Problem, irgendetwas zu generieren. Für jede ernsthafte Organisation ist das aktuelle Problem, das richtige zu generieren und herauszufiltern. In einer von KI getriebenen Welt wird es immer entscheidender, das eine gute Ergebnisprodukt, das eine gute Transaktion und das Signal im Rauschen zu finden. Der zentrale wirtschaftliche Treiber des nächsten Jahrzehnts wird sein, Signale aus den exponentiell wachsenden Müllbergen herauszufiltern.
Bildunterschrift: Der von persönlichen Produktivitätstools erzeugte KI-Müll vermehrt sich exponentiell. Die Menschen selbst können nicht mehr aus dem Rauschen sortieren und benötigen eine neue Art von Produkten der institutionellen KI.
Institutionelle Intelligenz muss Signale finden, muss Rauschen strukturiert durchdringen und muss in der Arbeit definierbar, deterministisch und überprüfbar sein.
Persönliche KI könnte die Art von Produktivität betonen, die Clawdbot bietet, indem sie Ihre Bedürfnisse auf unvorhersehbare Weise 24/7 erfüllt – im Wesentlichen ein nicht deterministischer Agent. Institutionelle KI hingegen verlässt sich auf die Zuverlässigkeit deterministischer Agenten. Nur Agenten mit vorhersehbaren Kontrollpunkten, Schritten und Prozessen können skaliert werden, um Signale zu erkennen und durch diese Signale Einnahmen für die Organisation zu generieren.
Bildunterschrift: Matrix ist ein Tool, das generative Technologie nutzt, um durch Rauschen zu dringen und eine Welt von deterministischen Agenten und Kontrollpunkten zu eröffnen.
3. Vorurteile
Persönliche KI füttert Vorurteile.
Institutionelle KI schafft Objektivität.
Die Diskussion über gesellschaftspolitische Vorurteile hat über mehrere Jahre die KI-Diskurse dominiert. Basismodell-Labore haben schließlich durch ausreichend RLHF dieses Problem umgangen und alle Modelle zu Schmeichlern gemacht. Heute stimmen Modelle wie ChatGPT, Claude und andere übertrieben zu, egal welches Thema innerhalb des Overton-Fensters angesprochen wird (manchmal gehen sie sogar ein wenig zu weit, ich spreche von dir @Grok). Die Diskussion über gesellschaftspolitische Vorurteile hat nachgelassen. Aber ein neues Problem hat die Stelle eingenommen.
Diese übermäßige Zustimmung zu allem ist bereits so absurd, dass es lächerlich geworden ist. Es ist zu einem Meme geworden – Claudes bedingungslose „Sie haben vollkommen recht!“, egal ob das, was Sie sagen, wirklich vollkommen richtig ist.
Das klingt harmlos. Ist es nicht.
Viele der Personen in Organisationen, die sich am stärksten für KI einsetzen, könnten schnell zu den schlechtesten Mitarbeitern in der Geschichte werden. Denken Sie darüber nach, warum.
Die Mitarbeiter, die in der Organisation am schlechtesten abschneiden, erhalten täglich kaum positives Feedback und werden schnell von einem ASI vollständig unterstützt. Sie werden innerlich denken: „Der intelligenteste Agent aller Zeiten stimmt mir zu. Mein Manager hat Unrecht.“
Das ist süchtig machend. Es ist auch giftig für Organisationen.
Bildunterschrift: Die Echokammer der persönlichen KI verstärkt die Spaltung und lässt zwei Personen auseinanderdriften, dieses dynamische Verhalten wird nach der Skalierung innerhalb einer ursprünglich einheitlichen Organisation Fraktionen erzeugen.
Das offenbart etwas Wichtiges. Persönliche Produktivitätstools stärken die Benutzer. Aber das, was wirklich gestärkt werden sollte, sind die Fakten.
Menschenorganisationen haben über Jahrtausende hinweg Systeme etabliert, die speziell gegen dieses Problem gerichtet sind:
· Sitzung des Investmentausschusses
· Dritte Due Diligence
· Auf den Vorstand schauen
· Die Exekutive, Legislative und Judikative der US-Regierung sind getrennt.
· Repräsentative Demokratie und das demokratische System selbst
Bildunterschrift: Objektivität kann sogar Koordinationsprobleme mildern – kleine Differenzen unterdrücken und nicht verstärken.
Organisationen scheitern selten, weil den Mitarbeitern das Vertrauen fehlt. Sie scheitern, weil niemand bereit oder in der Lage ist, „nein“ zu sagen.
Institutionelle KI muss diese Rolle übernehmen. Sie wird nicht durch RLHF darauf trainiert, die Benutzer zu erfreuen oder deren Überzeugungen zu bestätigen, sondern dazu, ihre Vorurteile herauszufordern. Positives Feedback wird gegeben, wenn das Verhalten effizient ist, und es werden klare Grenzen gezogen und Korrekturen durchgesetzt, wenn man vom Kurs abkommt.
Daher werden die wichtigsten Agenten innerhalb der Organisation nicht „ja-Sager“, sondern disziplinierte „Widerspruchsführer“ sein – die Argumentationen in Frage stellen, Risiken aufdecken und Standards durchsetzen. Einige der einflussreichsten KI-Anwendungen der Zukunft werden um institutionelle Einschränkungen herum aufgebaut.
4. Randvorteil
Persönliche KI optimiert den Verbrauch.
Institutionelle KI optimiert Randvorteile.
Die Grenzen der KI-Fähigkeiten bewegen sich wöchentlich und sogar täglich. Basismodellunternehmen iterieren schnell, um um jeden und jede Organisation zu konkurrieren.
Aber das klassische Dilemma der Innovatoren zeigt uns, dass Tiefe immer Breite schlägt, wenn es um spezifische Anwendungen geht:
· Die Arbeit von @Midjourney liegt darin, bei der Gestaltung von Bildern leicht im Vorteil zu bleiben.
· Die Arbeit von @Elevenlabsio bleibt leicht im Vorteil bei Sprachmodellen.
· Die Arbeit von @DecagonAI führt ständig im Full-Stack-Kundenerlebnis.
Obwohl die Basismodelle immer näher kommen, ist der echte Randvorteil für Fachleute in verschiedenen Bereichen entscheidend.
Viele der besten Designer nutzen @Midjourney, viele der besten Sprach-KI-Unternehmen nutzen @Elevenlabsio – denn selbst wenn Basismodelle Fortschritte machen, definiert die unermüdliche Fokussierung auf spezifische Anwendungen ihren bestimmten Randvorteil.
So lange spezialisierte Lösungen sich weiterentwickeln, wird die Fähigkeit, die für wirtschaftliche Ergebnisse wirklich entscheidend ist – die Fähigkeit, die für Unternehmen entscheidend ist – immer auf der Seite spezialisierter Produkte liegen.
Dies zeigt sich besonders im Finanzbereich – dem derzeit heißesten Bereich für die Entwicklung von LLMs. Sobald eine Fähigkeit verbreitet ist, wird sie definitionsgemäß nicht helfen, den Markt zu schlagen. Aber wenn eine Spitzentechnologie einen kurzfristigen Vorteil von 1 % erzeugen kann? Diese 1 % können Milliardengewinne auslösen.
Bildunterschrift: Für jede ausreichend spezifische Aufgabe wird der Randvorteil durch die institutionellen Lösungen definiert, die Sie über der Spitzentechnologie aufbauen.
Unsere Benutzer haben ständig die Grenzen überschritten. Das Kontextfenster von LLM ist in vier Jahren von 4K auf 1 Million Token gewachsen. Einige unserer Benutzer verarbeiten in einer einzigen Aufgabe 30 Milliarden Token. In diesem Jahr haben wir bereits einen Weg gesehen, Aufgaben mit 100 Milliarden Token zu bearbeiten. Jedes Mal, wenn die Fähigkeiten des Basismodells verbessert werden, sind wir weitergegangen.
Bildunterschrift: Kontextfenster und andere Fähigkeiten sind ebenfalls bewegliche Ziele. Der Vergleich der Entwicklung von Kontextfenstern zwischen dem Frontlabor und Hebbia vor drei Jahren.
Die Universalität, die auf breite Nutzer ausgerichtet ist, ist natürlich wichtig, insbesondere in der Phase, in der Mitarbeiter in die KI eingeführt werden. Aber die Zukunft wird nicht sein, dass die Leute ChatGPT/Claude oder vertikale Lösungen verwenden, sondern ChatGPT/Claude plus vertikale Lösungen.
Institutionelle Intelligenz muss spezialisierte, sogar aufgabenbezogene Agenten nutzen.
Wir stellen uns eine Frage, die absurd klingt, aber nicht absurd ist:
„Welche Agenten wird AGI als Abkürzung wählen? Sogar superintelligente Systeme werden spezifische Werkzeuge für bestimmte Bereiche wünschen.“
Die Grenzen der KI-Fähigkeiten bewegen sich ständig, und nur Organisationen, die echte Randvorteile nutzen, sind die Gewinner. Andere zahlen für ein sehr teures allgemeines Gut.
5. Ergebnisse
Persönliche KI spart Zeit.
Institutionelle KI steigert die Einnahmen.
@MaVolpi sagte einmal zu mir: „Wenn Sie jeden CEO fragen, ob er zuerst Kosten senken oder Einnahmen steigern möchte, würden fast alle Einnahmen sagen.“
Aber fast jedes KI-Produkt auf dem Markt liefert heute Kostensenkungen – das Versprechen, Ihnen Zeit zu sparen, mit weniger Personen mehr zu tun oder menschliche Arbeitskraft zu ersetzen.
Institutionelle KI muss inkrementelle Erträge liefern. Und inkrementelle Erträge sind viel schwerer zu commodifizieren als die eingesparte Zeit.
Nehmen wir KI-unterstützte Softwareentwicklung als Beispiel. Code-IDE sind eines der besten persönlichen KI-Produktivitätstools aller Zeiten, aber sie stehen bereits unter enormem Druck von Claude Code (einem anderen persönlichen KI-Tool). Cognition spielt ein ganz anderes Spiel. Ihr stabilstes Geschäft wächst, indem sie Transformation mit Technologie verkaufen, nicht indem sie Werkzeuge verkaufen. Ich wette, dieses Modell hat Bestand.
Reine Software wird „schnell uninvestierbar“. Reine Dienstleistungen sind nicht skalierbar. Die Lösungsschicht – die Technologie und Ergebnisse verknüpft – ist der Ort, an dem dauerhafte Werte geschaffen werden.
Betrachten wir M&A. Persönliche KI hilft Analysten, schneller zu modellieren. Institutionelle KI identifiziert aus hundert Zielen das eine, das es wert ist, verfolgt zu werden, und erweitert dann den Suchbereich auf tausend. Eine spart Zeit, die andere schafft Einnahmen.
Bildunterschrift: Basismodellunternehmen bewegen sich in Richtung vertikaler Anwendungsschichten. Vertikale Anwendungsunternehmen bewegen sich in Richtung Lösungsschicht.
„Nach oben bewegen“ ist die gegenwärtige natürliche Anziehungskraft des Marktes. Basismodelle gehen in die Anwendungsschicht, und Anwendungsunternehmen gehen in die Lösungsschicht.
Institutionelle Intelligenz ist die Lösungsschicht. Und die Lösungsschicht – dort, wo die Ergebnisse liegen – wird dauerhaften Wert schaffen und den größten Ertrag erfassen.
6. Ermächtigung
Persönliche KI gibt Ihnen ein Werkzeug.
Institutionelle KI lehrt Sie, wie man es benutzt.
Menschen sind so klug sie wollen, aber sie widerstehen Veränderungen.
Glauben Sie es oder nicht, in New York gibt es immer noch erfolgreiche Geschäfte, die keine Kreditkarten akzeptieren. Sie wissen, dass sie Geld verlieren, wissen, dass sie Geld verlieren, wenn sie keine Kreditkarten akzeptieren, aber sie machen es trotzdem nicht. Ähnlich werden in absehbarer Zukunft einige Mitarbeiter in bestimmten Organisationen einfach die Nutzung von KI ablehnen.
Der Übergang von rein menschlichen Organisationen zu KI-priorisierten hybriden Organisationen wird die bedeutendste und definierendste Herausforderung des nächsten Jahrzehnts sein. Und oft sind die höchsten und wichtigsten Personen in der Organisation die letzten, die übernehmen.
Bildunterschrift: Die obersten Führungskräfte der Organisation – die am weitesten von der „Nutzung von Produktivitätstools“ entfernt sind – sind oft die langsamsten, neuen Technologien zu übernehmen, aber die entscheidendsten Gruppen.
Palantir ist das einzige Softwareunternehmen, das in den letzten zwei Monaten während des massiven Verkaufs von Technologieaktien weiterhin eine überhöhte Bewertung aufrechterhalten hat. Das hat seine Gründe. Palantir ist eines der ersten echten „Prozessengineering“-Unternehmen. Egal ob man es „Prozessengineering“ oder „Claude-Kompetenzdokumente schreiben“ nennt, die zukünftige institutionelle KI wird eine Branche hervorbringen, die Unternehmensprozesse in Agenten kodiert und die erforderlichen Veränderungen umsetzt.
Bildunterschrift: Die umfassende Einführung von KI in Organisationen wird mehrere Klüfte überqueren, von denen jede ihre eigenen Herausforderungen hat. Die Einführung von Prozessen in die KI wird der Hauptantrieb sein.
Ich wage zu sagen, dass Prozessengineering die wichtigste „Technologie“ der nahen Zukunft werden wird.
In der Prozesstechnik sind Geschäft und Branchenkenntnisse – nicht Softwarekenntnisse – am wichtigsten. Vertikale Lösungen werden Fachkräfte hervorbringen, die über Expertise in der Bereitstellung, Implementierung und im Änderungsmanagement an vorderster Front verfügen.
Eine führende Investmentbank (eine der Top 3), die sich für eine umfassende Implementierung von Hebbia entschieden hat, sagte es am treffendsten: Sie arbeiten nicht mit einem großen Modell-Labor zusammen, weil „wir deren Team erklären müssen, was CIM (Vertraulichkeitsinformationserklärung) ist“. Claude oder GPT wissen natürlich Bescheid, aber das Team, das für die Umsetzung verantwortlich ist, weiß es nicht…
Dieser Unterschied macht alles aus.
7. Keine Prompts erforderlich
Persönliche KI reagiert auf menschliche Prompts.
Institutionelle KI handelt proaktiv, ohne Prompts.
Es gibt viele Diskussionen über die Kommunikation zwischen Agenten, ob zukünftige Unternehmen und Institutionen noch Menschen brauchen.
Aber die bessere Frage ist: Brauchen zukünftige KI-Agenten noch Prompts?
Prompts für AGI zu schreiben, ist wie einen Motor an eine handbetriebene Webmaschine anzuschließen. Es ist grundlegend und unwiderruflich auf das schwächste Glied in der Versorgungskette der Organisation beschränkt – uns selbst. Menschen wissen überhaupt nicht, welche richtigen Fragen sie stellen sollen, geschweige denn, wann sie sie stellen sollen.
Die wertvollste Arbeit, die KI leisten kann, sind die Arbeiten, an die niemand gedacht hat, sie zu fragen. KI sollte Risiken finden, die niemand entdeckt hat, Gegenüber, an die niemand gedacht hat, und Verkaufsleitungen, von deren Existenz niemand weiß.
Dies wird die Grenzen der KI-Anwendungsfälle vollständig öffnen.
Ein System, das keine Prompts benötigt, überwacht kontinuierlich die Datenströme des gesamten Portfolios. Es entdeckt, dass der Betriebskapitalzyklus eines Portfoliounternehmens seit drei Monaten heimlich verschlechtert ist, vergleicht dies mit den vertraglichen Bestimmungen in den Kreditvereinbarungen und informiert die Betriebs-Partner, bevor jemand im Fonds das PDF öffnet.
Wenn Sie keine Menschen mehr brauchen, um KI Prompts zu schreiben, entstehen neue Schnittstellen und neue Arbeitsweisen. Wir @Hebbia haben starke Ideen dazu. Lass uns später darüber sprechen.
Schlussfolgerung
All dies schmälert nicht den Wert von Chatbots, Agenten und persönlicher KI.
Persönliche KI wird das erste Medium sein, durch das die meisten Unternehmen weltweit die transformative Kraft von KI erleben werden. Den Verbrauch zu steigern und die Benutzerfreundlichkeit zu fördern, ist der entscheidende erste Schritt im Änderungsmanagement, das für den Aufbau einer KI-priorisierten Wirtschaft erforderlich ist.
Aber gleichzeitig ist die Nachfrage nach institutioneller Intelligenz klar, dringend und riesig.
Zukünftig wird jede Organisation einen Chatbot aus einem großen Modell-Labor haben. Jede Organisation wird auch eine institutionelle KI haben, die speziell für bestimmte Themen entwickelt wurde – und die persönliche KI wird die institutionelle KI als das wichtigste Werkzeug in ihrer Toolbox verwenden.
Die „bessere Kombination“ von institutioneller KI und persönlicher KI ist ein unvermeidlicher Trend.
Aber denken Sie an die Lehren der Textilfabriken der 1890er Jahre. Die Fabriken, die als erste elektrifiziert wurden, verloren gegen die Fabriken, die die Werkstätten neu gestalteten.
Wir haben bereits Elektrizität. Es ist Zeit, unsere Fabriken neu zu gestalten.
Danke an @aleximm und @WillManidis für die Überprüfung sowie an Wills Artikel „Objekte in Werkzeugform“ für die Inspiration zu diesem Text.
Link zum Originaltext