PwC warnt vor KI-Agenten-Hype

Der Chief AI Officer des Beratungsriesen kritisiert das Zählen von digitalen Helfern als Erfolgskennzahl und plädiert für Qualität statt Quantität bei der Einführung künstlicher Intelligenz.

Das Rennen um die größte Zahl

McKinsey sorgte kürzlich für Aufsehen. CEO Bob Sternfels verkündete, sein Haus beschäftige neben 40.000 Menschen auch 25.000 KI-Agenten. Die Botschaft war klar: Wir meinen es ernst mit der Technologie. Dan Priest, Chief AI Officer bei PwC, beobachtet diesen Wettbewerb mit Skepsis. Er spricht von einer aufkommenden Prahlerei mit Agentenzahlen und nannte das den falschen Maßstab für erfolgreiche KI-Einführung.

Worauf es wirklich ankommt

Statt digitale Helfer zu zählen, sollten Unternehmen deren Wirksamkeit messen. Priest nennt zwei Prüfsteine: Agenten müssen erstens echte Expertise für spezifische Aufgaben mitbringen, sodass Mitarbeiter sie tatsächlich einsetzen wollen. Zweitens muss ihr Einsatz konkrete Geschäftsziele voranbringen. Eine verbesserte Kundenerfahrung durch umgestaltete Serviceprozesse wäre ein solches Ziel. Die theoretische Automatisierungskapazität interessiert weniger als die praktische Zusammenarbeit zwischen Mensch und Maschine.

Verantwortung bleibt beim Menschen

Bei PwC greifen nach eigenen Angaben 82 Prozent der Belegschaft regelmäßig auf KI-Werkzeuge zurück. Das Unternehmen erfasst systematisch, wie Agenten mit Nutzern interagieren, wie präzise sie Aufgaben erledigen und ob sie Prozesse beschleunigen oder verbessern. Die letzte Entscheidung liegt dennoch beim Menschen. Priest formuliert es unmissverständlich: Menschen tragen die Verantwortung, Menschen werden zertifiziert, Menschen werden lizenziert.

Strategiewechsel nach Enttäuschungen

Der Weg zu dieser Erkenntnis verlief nicht geradlinig. Anfangs versuchten PwC und viele Kunden, Ideen zur KI-Nutzung von unten nach oben zu sammeln. Führungskräfte hofften, die Belegschaft würde schon wissen, wo Technologie helfen könnte. Die Ergebnisse blieben hinter den Erwartungen zurück. Ein Kurswechsel brachte bessere Resultate: weniger Agenten, dafür tiefere Spezialisierung, klare Zugriffsrechte auf definierte Datensätze und strenge Kontrolle über erlaubte Aktionen.