Sam Jenkins, Managing Partner bei Punchcard Systems – Interview-Serie

Sam Jenkins, Managing Partner bei Punchcard Systems, hat mehr als zwei Jahrzehnte an der Schnittstelle von Technologie, Unternehmertum und organisatorischer Transformation gearbeitet. Seit der Gründung von Punchcard Systems im Jahr 2016 hat er das Wachstum des Unternehmens gefördert und Organisationen bei der Strategie für digitale Arbeitsplätze, benutzerdefinierte Software, künstliche Intelligenz und aufkommende Technologien beraten. Seine frühere Erfahrung umfasst die Gründung von Startup Edmonton und Wellnext, die Leitung von Geschäftsentwicklungs- und Microsoft (MSFT ) -Workplace-Technologie-Initiativen bei iomer internet solutions sowie Führungs- und Vorstandspositionen in Technologie-, Gesundheits-, öffentlicher Sicherheit und Gemeinschaftsorganisationen. Diese Erfahrung hat ihm eine breite Perspektive darauf vermittelt, wie Technologie die Art und Weise verändert, wie Menschen zusammenarbeiten, Entscheidungen treffen und ihre Arbeit ausführen.

Punchcard Systems ist ein kanadischer Software- und Technologiepartner, der mit Scale-ups und mittelständischen Unternehmen zusammenarbeitet, um digitale Lösungen zu entwerfen, zu entwickeln und zu implementieren, die an messbare Geschäftsziele geknüpft sind. Mit mehr als 150 Kunden in Kanada und den Vereinigten Staaten umfasst das Leistungsangebot des Unternehmens benutzerdefinierte Web- und Mobile-Software, künstliche Intelligenz, Cloud-Infrastruktur, Daten und Analytik, Benutzererfahrungsentwicklung sowie Workplace-Technologien wie Microsoft 365, Azure, Copilot, Teams, SharePoint und Power Platform. Punchcard konzentriert sich darauf, Organisationen dabei zu helfen, ihre Betriebsabläufe zu modernisieren, die Erfahrungen von Mitarbeitern und Kunden zu verbessern und neue Technologien in praktische Geschäftsprozesse zu integrieren.

Ihre Karriere hat der Evolution der Workplace-Technologie gefolgt, von Microsoft SharePoint-basierten Mitarbeiterplattformen und der Gründung von Startup Edmonton bis hin zur Gründung von Wellnext und schließlich Punchcard Systems. Wie hat diese Erfahrung Ihre Sicht auf den Übergang von Software, die von Mitarbeitern selbst bedient wird, zu KI-Agenten, die immer mehr Arbeit in deren Namen ausführen, geprägt?

Als ich zum ersten Mal mit digitalen Workplace-Technologien wie SharePoint (bereits 2003!) zu tun hatte, lag der Fokus darauf, bessere Möglichkeiten für Mitarbeiter zu schaffen, Informationen zu finden, Wissen zu teilen und zusammenzuarbeiten. Am Ende des Tages führten die Mitarbeiter selbst die Arbeit aus: Sie navigierten durch Systeme, produzierten die Ausgaben. Heute bewegen wir uns über KI als individuelles Produktivitätstool hinaus und in eine neue Ära von KI-Systemen, die komplexe, mehrschrittige Aufgaben im Namen der Mitarbeiter übernehmen können.

Das ist der Teil, der sich ändert. Als Ökosystem bewegen wir uns über KI als persönliches Produktivitätstool hinaus und in Richtung KI-Systeme, die komplexe Arbeit im Namen realer Menschen übernehmen. Claude Cowork und ChatGPT Work machen diesen agentenbasierten Ansatz bereits ziemlich mainstream.

Ich habe einige dieser technologischen Verschiebungen jetzt beobachtet, und das Muster bleibt jedes Mal gleich. Die Organisationen, die gewinnen, behandeln neue Technologie nicht einfach als Bereitstellung. Sie behandeln sie als Chance, darüber nachzudenken, wie Menschen, Prozesse und Technologie zusammenarbeiten.

ChatGPT Work kann Informationen aus verbundenen Anwendungen und Dateien sammeln, mehrschrittige Aufgaben abschließen und fertige Dokumente, Tabellen und Präsentationen produzieren. Wie wird dies die täglichen Aufgaben von Wissensarbeitern verändern, die zuvor diese Materialien selbst erstellt haben?

Ich denke, dass die Arbeit sich von der “Erstellung von Ausgaben” zu “Governing von Ergebnissen” verschiebt. Dies verändert grundlegend die Rolle von Wissensarbeitern, aber dies ersetzt nicht die Notwendigkeit menschlicher Einsicht und Aufsicht. Stattdessen werden Mitarbeiter zunehmend von der Erstellung jeder Arbeit selbst zu Management, Überprüfung und Orchestrierung von KI-generierten Ausgaben wechseln.

Ein großer Teil der wiederkehrenden Arbeit wird zum Agenten verschoben: Informationen sammeln, Präsentationen oder Dokumente erstellen oder Daten zusammenfassen. Dies befreit Menschen für die Arbeit, die tatsächlich eine Person erfordert: Strategie, Kreativität, kritische Denkfähigkeit und Zusammenarbeit.

Die Fähigkeit, die zunehmend wertvoll wird, ist die Fähigkeit, KI gut zu leiten, indem man ihr den richtigen Kontext gibt und erkennt, wenn die Antwort richtig aussieht, aber nicht ist.

Sie haben von einer wachsenden Nachfrage nach “KI-Managern” gesprochen. Was würde diese Rolle in der Praxis umfassen, und wie würde sie sich von den Verantwortlichkeiten eines IT-Administrators, Produktmanagers oder traditionellen People-Managers unterscheiden?

KI-Manager werden eine wichtige Rolle bei der Unterstützung von Organisationen spielen, um KI verantwortungsvoll und effektiv zu adoptieren. Ihre Verantwortung wird darin bestehen, KI-Ausgaben zu verwalten und zu regeln, um sicherzustellen, dass KI-generierte Arbeit genau, zuverlässig und mit den Geschäftszielen der Organisation übereinstimmt.

Diese Rolle unterscheidet sich von der traditionellen IT, die Infrastruktur und technische Systeme besitzt, oder einem Produktmanager, der sich auf die Entwicklung und Verbesserung von Produkten konzentriert. Jedes Departement wird jemanden benötigen, der versteht, wie KI auf seine spezifischen Bereiche anwendbar ist, sei es Finanzen, Recht, Personal oder Betrieb.

Die eigentliche Verschiebung ist die Eigentümerschaft. Derzeit haben die meisten Organisationen noch nicht jemanden designiert, der klar für die Lieferung von Wert und die Einhaltung akzeptabler Risiken verantwortlich ist. Diese Lücke, in Bezug auf die Identifizierung direkt verantwortlicher Personen, ist es, was diese Arten von Rollen ausfüllen werden.

KPMG Canada fand heraus, dass KI-Agenten bereits beeinflussen, wie Organisationen sowohl Einsteiger als auch erfahrene Mitarbeiter einstellen. Welche Fähigkeiten werden wertvoller, wenn Arbeitgeber beginnen, Kandidaten auf ihre Fähigkeit zu bewerten, Arbeit an KI zu delegieren, deren Ausgabe zu bewerten und bei Bedarf einzugreifen?

Die Fähigkeiten, die zunehmend wertvoll werden, sind diejenigen, die einzigartig menschlich bleiben, wie kritische Denkfähigkeit, Urteilsvermögen, Kommunikation, Kreativität, Problemlösung und Führung.

Technische KI-Literatur wird weiterhin wichtig bleiben, aber Arbeitgeber suchen nach Menschen, die verstehen, wie KI in die umfassenderen Geschäftsumgebung passt. Dazu gehören Fähigkeiten wie Change-Management, Risikomanagement und strategisches Denken.

Die Grenze zwischen technischen und nicht-technischen Rollen wird immer mehr verschwimmen. Organisationen bewegen sich weg von der Einstellung nur für die Fähigkeiten, die jemand bereits hat, und hin zu Menschen, die bereit sind, zu lernen, anzupassen und kontinuierlich ihre Fähigkeiten zu verbessern. Die wertvollsten Mitarbeiter werden diejenigen sein, die KI-Fähigkeiten nutzen können, während sie gleichzeitig verstehen, wo menschliches Urteilsvermögen unerlässlich bleibt.

Viele Mitarbeiter haben traditionell berufliche Urteilsfähigkeit durch die Erledigung wiederkehrender Einstiegsaufgaben entwickelt. Wenn KI-Agenten einen großen Teil dieser grundlegenden Arbeit aufsaugen, wie können Organisationen die Ausbildung und Karriereentwicklung so umgestalten, dass jüngere Mitarbeiter immer noch die Erfahrung gewinnen, die sie benötigen, um effektive Entscheidungsträger zu werden?

Dies ist eine Wahrheit, die mich ein bisschen beunruhigt. Menschen haben früher Urteilsvermögen und Erfahrung durch das Durcharbeiten von Einstiegsaufgaben aufgebaut. Wenn Agenten diese Arbeit erledigen, verliert die Leiter ein paar Sprossen.

Organisationen müssen sich mehr als je zuvor darum bemühen, Nachwuchstalente durch Mentorship, Coaching, Entscheidungsübungen und frühe Exposition gegenüber hochwertigen Projekten in der Karriere aufzubauen.

Es gibt auch eine Gelegenheit für umgekehrte Mentorship, bei der jüngere Mitarbeiter, die mit KI-Tools vertraut sind, Teams helfen können, zu verstehen, wie diese Technologien angewendet werden können, während erfahrene Mitarbeiter weiterhin den Geschäftskontext und das Urteilsvermögen liefern, das KI nicht replizieren kann.

Das Ziel sollte darin bestehen, den Lernprozess für einen Arbeitsplatz umzugestalten, an dem Menschen und KI zusammenarbeiten.

Punchcard hat umfangreiche Erfahrung mit der Implementierung von Microsoft 365 und verwandten Workplace-Technologien. Wie verändert ChatGPT Work die Wettbewerbslandschaft für Microsoft Copilot und Google Gemini, und welche Faktoren sollten Organisationen berücksichtigen, wenn sie eine KI-Plattform für die tägliche Arbeit auswählen?

Die Landschaft entwickelt sich schnell, und Organisationen haben mehr Optionen als je zuvor. Die Entscheidung sollte davon abhängen, welche Lösung am besten mit der bestehenden Technologieumgebung, den Workflows, den Sicherheitsanforderungen und den Geschäftszielen der Organisation übereinstimmt.

Für Organisationen, die bereits in Microsoft 365 investiert sind, können Tools wie Copilot Vorteile durch die Integration mit bestehenden Anwendungen und Daten bieten. Andere können feststellen, dass andere Plattformen besser auf ihre Bedürfnisse zugeschnitten sind.

Ich denke, die wichtigste Frage, die Führungskräfte stellen sollten, ist nicht “welches Tool?”, sondern “welches Problem lösen wir, und welche Plattform hilft uns, es verantwortungsvoll zu lösen?”

Was wir aus erster Hand gelernt haben: erfolgreiche Adoption ist mehr als nur das Tool. Wir haben unternehmensweite KI-Plattformen implementiert, mit benutzerdefinierten Modellen, die auf unsere tatsächliche Arbeitsweise abgestimmt sind. Jeder Mitarbeiter verwendet es, aber das kam nicht von der Auswahl des richtigen Produkts; es kam von starken Datenfundamenten, Governance und dem Einbau von KI in die Art und Weise, wie das Unternehmen läuft.

Die Leistung von Modellen dominiert oft die Gespräche über Workplace-KI, aber Organisationen müssen auch Berechtigungen, Datenzugriff, Überprüfbarkeit und Rechenschaftspflicht berücksichtigen. Welche Governance-Steuerungen sollten vor der Zulassung eines KI-Agents für den Betrieb über E-Mail, Dokumente, interne Datenbanken und Geschäftsanwendungen eingerichtet werden?

Einer der größten Fehler, die Organisationen machen, ist, KI-Governance als Nachgedanke zu behandeln. Da KI-Systeme immer mehr leistungsfähig und mit Geschäftsdaten verbunden werden, müssen Organisationen klare Grundsätze für die Verwendung dieser Tools aufstellen, bevor sie sie weit verbreitet einsetzen.

Dabei geht es darum, zu verstehen, auf welche Informationen KI-Systeme zugreifen können, sicherzustellen, dass Berechtigungen angemessen umfasst sind, und Kontrollen für Überwachung und Rechenschaftspflicht einzurichten.

Organisationen benötigen auch klare Richtlinien darüber, wo KI unabhängig operieren kann und wo menschliche Aufsicht erforderlich ist.

Indem Unternehmen die richtigen Grundlagen für Daten und Sicherheit von Anfang an schaffen, können sie den Wert von KI nutzen, während sie gleichzeitig die Risiken, die mit zunehmend autonomen Systemen verbunden sind, bewältigen.

Wenn KI-Agenten Handlungen ausführen und nicht nur Antworten liefern, können Fehler operationelle Konsequenzen haben. Wie sollten Unternehmen die von Agenten generierte Arbeit validieren, bestimmen, welche Aktionen menschliche Genehmigung erfordern, und Verantwortung zuweisen, wenn ein Agent ein ungenaues Ergebnis produziert oder eine ungewollte Aktion ausführt?

Wenn KI von der Beantwortung zur Ausführung wechselt, ändert sich das Risikoprofil. Nicht jede Aufgabe hat das gleiche Gewicht, also sollte die Latte für menschliche Genehmigung mit dem Ergebnis skalieren.

Es erfordert einfach klare Eigentümerschaft. KI sollte Entscheidungen unterstützen, nicht Verantwortung ersetzen. Organisationen müssen definieren, wer KI-Leistung überwacht, Ausgaben validiert und letztendlich für Ergebnisse verantwortlich ist. Das Ziel ist es, KI-gesteuerte Effizienz mit menschlichem Urteilsvermögen zu kombinieren und Systeme zu schaffen, die sowohl skalierbar als auch vertrauenswürdig sind.

Viele Organisationen experimentieren mit KI, ohne sie noch mit messbaren Geschäftsergebnissen zu verbinden. Wie sollten Führungskräfte nützliche agente KI-Anwendungsfälle identifizieren, die Rendite ihrer Investition messen und bestimmen, ob ein Pilotprojekt bereit ist, auf das gesamte Unternehmen ausgeweitet zu werden?

Die Lücke führt normalerweise auf die Sequenzierung zurück. Teams wählen eine Technologie aus und suchen dann nach einem Ort, um sie einzusetzen, wenn die dauerhaften Gewinne aus dem Starten mit einem Workflow resultieren, der bereits schmerzhaft und teuer ist, und der Frage, ob ein Agent tatsächlich das richtige Werkzeug ist.

Der beste Filter ist Variabilität. Wenn ein Prozess vorhersehbar genug für eine Regelmotorik ist, benötigen Sie keinen Agenten. Wenn es so offen ist, dass niemand ein gutes Ergebnis beschreiben kann, wird der Agent kämpfen und Sie werden nicht in der Lage sein, ihm zu vertrauen. Der Wert liegt dazwischen, in der Arbeit, die Urteilsvermögen über mehrere Systeme erfordert, aber immer noch innerhalb von gebundenen, überprüfbaren Regeln läuft.

Ich würde eine weitere Auswahlfrage hinzufügen, die das Risikoprofil mehr als alles andere ändert. Ist die Kosten eines falschen Handelns begrenzt und rückgängig zu machen? Wo es ist, lassen Sie den Agenten handeln und bewegen Sie sich schnell. Wo ein Fehler teuer oder schwer rückgängig zu machen ist, halten Sie eine Person in der Entscheidung.

Bei der Rendite ist der häufige Fehler, das falsche Ding zu messen, zu spät. Die gesparten Stunden sind das Standardmaß, aber es verkauft den Einfluss herunter. Die größeren Renditen zeigen sich als Zykluszeitkomprimierung, geringere Fehlerraten und Kapazitäten, die zuvor rationiert wurden, jetzt verfügbar sind. Ein Support-Team, das nur die Hälfte seiner Tickets erreichen konnte, wird zu einem anderen Geschäft, sobald es alle erreichen kann. Erfassen Sie eine saubere Grundlinie, bevor das Pilotprojekt beginnt, denn ohne es sind Sie gezwungen, über Anekdoten zu streiten. Und wenn Sie die Kosten zählen, zählen Sie das gesamte Bild. Integration und menschliche Überwachungszeit sind echte Zeilenartikel, und Überwachung wird chronisch unterschätzt.

Die Entscheidung, ob man skalieren soll, ist der Schritt, bei dem Disziplin am meisten zählt, und es ist der Schritt, den Teams überstürzen. Ein Demo auf sauberen Eingaben sagt Ihnen wenig. Ein Pilot ist bereit, wenn er auf der langen Liste von realen, chaotischen Eingaben standhält, wenn die Ausfallmodi verstanden und begrenzt sind, wenn Überwachung vorhanden ist, sodass ein stiller Ausfall erkannt wird, anstatt von einem Kunden entdeckt zu werden, und wenn eine benannte Person in der Produktion verantwortlich ist.

Führen Sie auch eine Prüfung der Einheitsökonomie durch, da die Kosten von Agenten mit der Nutzung skaliert, was bei Softwareplätzen nicht der Fall ist.

Agente Systeme versagen anders als traditionelle Software. Sie versagen wahrscheinlich und oft still, also bauen die Organisationen, die vorne liegen, Bewertung und Überwachung von Tag eins an ein, anstatt sie nach einem Bruch anzubringen.

Punchcard Systems hilft Organisationen, von der Experimentierung mit KI zur Integration in reale Geschäftsprozesse überzugehen. Wie bewerten Sie die Bereitschaft einer Organisation für KI, identifizieren Sie die Workflows, in denen KI messbaren Wert liefern kann, und helfen Sie Teams, diese Systeme verantwortungsvoll ohne Störung bestehender Betriebe zu implementieren?

Es ist wichtig, mit dem Verständnis des aktuellen Zustands der Organisation zu beginnen. Eine der größten Missverständnisse ist, dass KI-Adoption einfach darin besteht, das richtige Tool auszuwählen. In Wirklichkeit hängt die erfolgreiche Implementierung von starken Grundlagen ab: Qualität der Daten, klare Prozesse und definierte Eigentümerschaft.

Von dort aus helfen wir Organisationen, zu identifizieren, wo KI den größten Wert schaffen kann, oft in Workflows, die unverhältnismäßig viel Zeit im Vergleich zu ihrem Einfluss aufzehren, oder in Entscheidungen, die ohne die richtigen Informationen getroffen werden.

Organisationen müssen überlegen, wie sich Rollen und Entscheidungsfindung mit der Technologie weiterentwickeln. Durch die Kombination der richtigen Technologie mit Mitarbeiteradoption und Change-Management können Unternehmen KI auf eine Weise integrieren, die messbaren Wert schafft, ohne das zu zerstören, was bereits funktioniert.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Punchcard Systems besuchen.