CIOs benötigen einen besseren Weg, um KI-Arbeit in der IT zu erfassen

In den letzten zwei Jahren hatten CIOs ein einfaches Ziel für KI in der IT: Sie in die Organisation zu bringen, den Teams Experimente zu ermöglichen und zu sehen, wo sie die Servicebereitstellung verbessern könnte.

IT-Organisationen kauften Lizenzen, führten Pilotprojekte durch und fügten KI-Funktionen zu bereits überladenen Software-Stacks hinzu. Das war sinnvoll, solange die Teams noch herausfanden, was KI leisten kann. Jetzt, wo die Ausgaben in echten Budgets sitzen, und CFOs wollen wissen, was das Unternehmen für sein Geld bekommt.

Das Problem ist, dass viele der Kennzahlen, die CIOs zur Messung von KI verwenden, diese Frage nicht beantworten. CIOs können zeigen, wie viele Mitarbeitende KI nutzen, wie häufig sie sie einsetzen und wie viel Zeit sie damit sparen. Die Finanzabteilung möchte wissen, ob das Unternehmen weniger Geld ausgegeben, mehr Arbeit erledigt oder zusätzliche Einstellungen vermieden hat.

Einem Mitarbeitenden fünf Stunden pro Woche zu sparen klingt wertvoll, aber das Unternehmen muss dennoch wissen, was mit diesen fünf Stunden geschehen ist. Wenn der Mitarbeitende mehr Arbeit erledigt oder das Team eine wachsende Arbeitslast ohne zusätzliche Einstellung bewältigen kann, kann das Unternehmen das finanzielle Ergebnis sehen. Wenn sich sonst nichts ändert, könnten die Zeiteinsparungen nie im Budget erscheinen.

Da Unternehmen mehr für KI ausgeben, müssen CIOs viel genauer werden, welche Arbeit KI leistet und welche Kosten diese Arbeit verursacht.

Gesparte Zeit bedeutet nicht zwangsläufig gespartes Geld

Viele KI‑ROI‑Berechnungen beginnen mit Zeit als Kriterium – d. h. wenn KI einem Mitarbeitenden 30 Minuten pro Tag spart, kann ein Unternehmen diese Minuten über Tausende von Mitarbeitenden multiplizieren und so eine sehr große Zahl erhalten.

Aber Geschäftsprozesse funktionieren selten so sauber. Arbeit wandert von einer Person zur nächsten, wartet auf Genehmigungen und liegt in Warteschlangen. Wenn KI zehn Minuten bei einem Teil eines Prozesses spart und die Arbeit dann sechs Stunden auf jemanden wartet, hat das Unternehmen keinen Nutzen von zehn Minuten zusätzlicher Kapazität gewonnen.

Für CIOs ist die nützlichere Frage, ob KI die Leistung des Services selbst verändert. Wenn Zugriffsanfragen schneller durch die Warteschlange laufen, weniger Tickets menschliche Bearbeitung benötigen oder die Kosten pro Anfrage sinken, kann die IT das Ergebnis mit denselben operativen Kennzahlen messen, die sie bereits verfolgt.

Aviva ist ein gutes Beispiel. Der Versicherer setzte mehr als 80 KI‑Modelle im Rahmen von Änderungen seiner Schadenbearbeitung ein und berichtete, dass die Zeit für Haftungsbewertungen um 23 Tage und Beschwerden um 65 Prozent reduziert wurden. Diese Zahlen zeigen dem Management, was sich im Betrieb geändert hat, und geben der Finanzabteilung etwas, das sie messen kann.

CIOs sollten dieselbe Denkweise auf ihre KI‑Investitionen anwenden. Bevor sie einen Piloten ausweiten, sollten sie wissen, welchen Geschäftsbereich sie verändern wollen und wie viel Arbeit KI übernehmen muss, damit dies geschieht.

Die von KI erledigte Arbeit ist ein besserer Ausgangspunkt

Betrachten Sie eine gängige IT‑Zugriffsanfrage. Ein Copilot könnte das Ticket zusammenfassen und eine Antwort entwerfen, während ein IT‑Mitarbeiter die Unternehmensrichtlinie prüft, den Anforderer verifiziert, die Genehmigung einholt, die Berechtigung ändert und die Anfrage abschließt.

Der Copilot kann dem Mitarbeitenden ein paar Minuten ersparen, aber der Großteil der Arbeit bleibt beim Mitarbeitenden.

Betrachten Sie nun ein KI‑System, das die Anfrage anhand der Unternehmensrichtlinie prüft, fehlende Informationen sammelt, die Anfrage zur Genehmigung weiterleitet und die Änderung vornimmt, sobald die Genehmigung vorliegt. Die IT kann sehen, wie viele Anfragen das KI‑System erledigt, wie oft ein Mitarbeitender eingreifen muss und wie viel menschliche Arbeit jede Anfrage noch erfordert.

Damit erhalten CIOs eine deutlich klarere Methode, KI zu bilanzieren. Anstatt zu schätzen, wie viele Minuten die Technologie gespart hat, können sie messen, wie viel Arbeit sie erledigt hat und welche Kosten für die Erledigung dieser Arbeit entstanden sind.

Der gleiche Ansatz kann angewendet werden auf Mitarbeiter‑Onboarding, internen Support und Vorfallreaktion. Der wichtige Teil ist, der KI Verantwortung für Arbeit zu geben, die das Unternehmen bereits versteht und messen kann.

Aber Sie müssen auch die menschliche Arbeit zählen

Ein KI‑System kann 1.000 Onboarding‑Anfragen starten und erfordert, dass ein Mitarbeitender bei 600 davon eingreift. Wenn man alle 1.000 als automatisiert bezeichnet, erhält das Management ein falsches Bild davon, wie viel Arbeit die KI tatsächlich erledigt hat.

Diese Interventionen kosten Geld. Wenn ein Agent einige Minuten an einer Anfrage arbeitet und sie dann an einen Mitarbeitenden weitergibt, der weitere zwanzig Minuten für die Fertigstellung aufwendet, gehören diese zwanzig Minuten zu den Prozesskosten.

Das bedeutet, die IT benötigt ein Protokoll darüber, was während jedes Auftrags geschehen ist. Sie muss wissen, was die KI getan hat, auf welche Systeme sie zugegriffen hat, wo sie Genehmigungen benötigte, wann ein Mitarbeitender eingriff und ob die Arbeit tatsächlich abgeschlossen wurde. Diese Aufzeichnungen können traditionelle Service‑Desk‑Kennzahlen wie die mittlere Lösungszeit speisen und gleichzeitig Kennzahlen ergänzen, die speziell für KI wichtig sind, einschließlich Interventionsraten und Kosten pro abgeschlossenem Vorgang.

Sicherheitsteams benötigen weitgehend dieselben Informationen, wenn etwas schiefgeht. Ändert ein KI‑System die falsche Berechtigung oder führt eine Handlung aus, die es nicht ausführen sollte, müssen sie rekonstruieren, was passiert ist, und verstehen, warum.

Die Führung dieses Protokolls gibt CIOs eine Möglichkeit, beide Seiten der Investition zu messen. Sie können die Kosten für den Betrieb der KI sowie die noch erforderliche menschliche Arbeitskraft zur Überwachung und Fertigstellung ihrer Arbeit sehen.

Wie viel Verantwortung KI erhält, beeinflusst die Wirtschaftlichkeit

CIOs müssen zudem entscheiden, wie viel Befugnis sie der KI gewähren wollen.

Ein KI‑System mit eingeschränkten Berechtigungen benötigt möglicherweise einen Mitarbeitenden, um viele seiner Aktionen zu genehmigen. Das hält eine Person eingebunden, bedeutet aber auch, dass das Unternehmen weiterhin für mehr menschliche Arbeitskraft zahlt.

Wenn dem System mehr Befugnisse verliehen werden, kann es mehr Arbeit eigenständig erledigen, aber das erhöht auch das Risiko, das die IT managen muss. Ein System, das ein Konto erstellen oder eine Berechtigung ändern kann, kann bei einem Fehler mehr Schaden anrichten als eines, das lediglich empfiehlt, was ein Mitarbeitender tun sollte. Die Kosten können ebenfalls unerwartet steigen, wenn ein Agent in einer Schleife stecken bleibt, dieselbe Aufgabe wiederholt oder Rechenleistung verbraucht, weil eine Anweisung zu vage war. Diese Fehlfunktionen gehören ebenfalls in die Wirtschaftlichkeitsbetrachtung.

Unternehmen werden diese Grenze je nach Art der Arbeit unterschiedlich ziehen. Für die ROI‑Berechnung ist entscheidend zu wissen, wo die Grenze liegt und wie viel menschliche Beteiligung sie erzeugt.

Wenn ein KI‑System sicher 90 % eines Prozesses erledigen kann, kann seine Wirtschaftlichkeit ganz anders aussehen als bei einem System, das bei jedem zweiten Schritt einen Mitarbeitenden benötigt.

Beginnen Sie mit Arbeit, die bereits Geld kostet

CIOs, die ihre nächste KI‑Investition planen, sollten mit Arbeit beginnen, die bereits erhebliche Zeit oder Personal beansprucht.

Zugriffsanfragen, Mitarbeitereinführungen, Vorfallsreaktionen und interner Support bieten der IT allesamt konkrete Messgrößen. Das Unternehmen weiß bereits ungefähr, wie viele Anfragen bearbeitet werden, wie viel Mitarbeitendenzeit sie benötigen und wo Arbeit typischerweise stockt.

Daraus kann die IT bestimmen, welche Teile die KI sicher übernehmen kann und wo ein Mitarbeitender weiterhin eingreifen muss. Anschließend kann sie festlegen, welche Ziele die Investition erreichen soll.

Vielleicht möchte das Team 30 % mehr Tickets bearbeiten, ohne zusätzliches Personal einzustellen. Vielleicht will es die Kosten pro Zugriffsanfrage senken. Vielleicht sollen Mitarbeitende weniger Zeit für Routine‑Support aufwenden, um Arbeiten zu erledigen, die derzeit im Rückstand liegen. Sobald die IT die Gesamtkosten für die Erledigung einer Aufgabe mit KI, einschließlich menschlicher Intervention, kennt, kann sie einen Zielkostenwert festlegen und entscheiden, ob die Automatisierung tatsächlich lohnenswert ist.

Sobald die KI die Arbeit übernimmt, können CIOs das Erwartete mit dem tatsächlich Geschehenen vergleichen. Sie sehen, wie viel Arbeit die KI erledigt hat, wie oft Menschen eingreifen mussten und welche Gesamtkosten der Prozess hatte.

Das bietet CIOs einen deutlich einfacheren Ansatz, um mit der Finanzabteilung über KI‑Ausgaben zu sprechen. Anstatt zu versuchen, einen Dollarwert auf tausende geschätzte eingesparte Minuten zu setzen, können sie zeigen, welche Arbeit die KI erledigt hat, wie viel menschliche Arbeitskraft noch nötig war und ob das Unternehmen weniger Geld für die Erledigung dieser Arbeit ausgegeben hat.