Eine Entscheidungsvorlage liegt auf dem Tisch. Die Empfehlung ist klar, die Sprache präzise, die Argumentation sauber geordnet.
Dann kommt eine einfache Frage: Welche Annahme trägt diesen Vorschlag?
Es wird still.
Vielleicht hat AI einen ausgezeichneten Beitrag geleistet. Vielleicht hat sie Informationen schneller verbunden, Alternativen sichtbar gemacht und eine bessere Formulierung gefunden. Das Problem ist nicht, dass AI beteiligt war.
Das Problem beginnt, wenn die Antwort überzeugender ist als das Verständnis dahinter.
Die Antwort ist da. Die Erklärung noch nicht.
Flüssig ist nicht verstanden
Leonid Rozenblit und Frank Keil untersuchten 2002, wie Menschen ihr Verständnis alltäglicher Mechanismen einschätzen. Viele Teilnehmende hielten ihr Wissen zunächst für tiefer, als es sich beim detaillierten Erklären zeigte.
Die Studie untersuchte weder AI noch Unternehmen. Sie beweist deshalb keinen Zusammenhang mit dem Einsatz von AI. Sie liefert aber einen nützlichen Spiegel: Etwas kann vertraut und plausibel wirken, ohne wirklich erklärbar zu sein.
AI kann diesen Unterschied schwerer sichtbar machen. Sie gibt unfertigen Gedanken eine klare Form. Sie verbindet Begriffe, ergänzt Übergänge und erzeugt eine Antwort, die sich abgeschlossen anhört.
Sprachliche Geschlossenheit ist jedoch noch kein organisatorisches Verständnis.
AI kann das Denken erweitern
Richtig eingesetzt vergrössert AI den Denkraum. Sie kann Gegenpositionen entwickeln, Quellen vergleichen, Muster erkennen und eine Annahme aus mehreren Richtungen prüfen.
Ihr Wert liegt nicht nur in der fertigen Antwort. Er liegt auch darin, mehr und bessere Fragen zu ermöglichen.
Dafür muss die Antwort offen genug bleiben, um geprüft, verändert und in einen neuen Kontext übertragen zu werden. Sie darf nicht zum Endpunkt werden, nur weil sie gut formuliert ist.
Der nächste Fall zeigt, wem die Antwort gehört
Ob ein Unternehmen eine Antwort wirklich verstanden hat, zeigt sich selten beim ersten Einsatz. Es zeigt sich, wenn sich eine Bedingung ändert.
Was geschieht, wenn eine Datenquelle ausfällt? Wenn ein Markt anders reagiert? Wenn eine Ausnahme auftaucht? Wenn eine verantwortliche Person widerspricht?
Kann das Unternehmen dann erklären, welche Annahme betroffen ist und wie die Empfehlung angepasst werden muss?
Wenn nur das Ergebnis reproduziert werden kann, bleibt Abhängigkeit verborgen. Wenn der Grund rekonstruierbar ist, wird AI zu einer belastbaren Erweiterung der eigenen Fähigkeit.
Die Erklärung muss im Unternehmen bleiben
Dafür braucht ein Unternehmen keinen Einblick in interne Rechenschritte eines Modells. Es braucht eine eigene, überprüfbare Entscheidungsgrundlage.
Fünf Fragen reichen oft für einen ersten Test:
- Welche Quellen tragen die Antwort?
- Welche Annahmen wurden gesetzt?
- Wo gelten Grenzen oder Ausnahmen?
- Wer kann die Empfehlung fachlich prüfen?
- Was müsste sich ändern, damit die Antwort nicht mehr gilt?
Wer diese Fragen beantworten kann, nutzt AI nicht weniger. Er nutzt sie souveräner.
Eine Antwort gehört dem Unternehmen erst, wenn es ihren Grund prüfen und verändern kann.
Patrick Thole, Disruption Dynamics, Zürich
disruption-dynamics.ch