KI-gestützte Content-Generierung vs. klassische digitale Adoptionsplattformen: Die Fakten hinter dem Hype

In der sich schnell entwickelnden Landschaft der digitalen Transformation sind Unternehmen ständig auf der Suche nach innovativen Lösungen, um die betriebliche Effizienz und das Engagement der Nutzer zu verbessern. Das Aufkommen von KI-gestützten Tools zur Erstellung von Inhalten hat Diskussionen und große Unternehmensakquisitionen über die Zukunft von Plattformen zur digitalen Anpassung ausgelöst.  

Trotz des Hypes um das Potenzial von KI, die Erstellung von Inhalten zu revolutionieren, zeigt eine genauere Analyse auf der Grundlage von Daten, die von Unternehmensnutzern gesammelt wurden, ein differenzierteres Ergebnis. In diesem Blogbeitrag wird untersucht, warum die KI-gestützte Inhaltserstellung herkömmliche Plattformen für die Digital Adoption (DAPs) nicht ersetzen wird, und die Vorstellung in Frage gestellt, dass KI allein die komplexen Anforderungen der digitalen Übernahme erfüllen kann.

Was ist “KI-gestützten Inhaltserstellung”

Bei der KI-gestützten Inhaltserstellung werden Technologien wie Large Language Models (LLMs) eingesetzt, um textbasierte Inhalte zu erstellen. Diese Werkzeuge haben eindrucksvoll bewiesen, dass sie in der Lage sind, kohärentes und kontextuell relevantes Material in großem Umfang zu generieren. Die Effektivität dieser Modelle ist jedoch durch die Qualität und den Umfang der Daten, auf denen sie trainiert wurden, begrenzt.

Der Hype

Es besteht die Erwartung, dass KI theoretisch hochgradig personalisierte Benutzerhandbücher, FAQs und Dokumentationen generieren könnte, indem sie kontinuierlichen Dateninput aus Benutzerinteraktionen, Feedback und Daten über Unternehmensplattformen hinweg nutzt.

Die Realität

Während die KI bei der Erstellung strukturell solider Inhalte ihre Fähigkeiten unter Beweis stellt, ist sie nicht in der Lage, die nuancierten, sich entwickelnden Bedürfnisse von Unternehmen vollständig zu erfassen. Diese Einschränkung wird deutlich, wenn man die vielschichtige Natur der digitalen Übernahme betrachtet.

Das viel größere Problem ist jedoch eher struktureller Natur. Generative KI ist immer dann beeindruckend gut, wenn man keine spezifischen Erwartungen an das Ergebnis hat, aber je genauer man will, dass sie etwas "genau so und genau so" macht, desto unmöglicher wird die Aufgabe. Ein LLM (Sprachmodell) kennt nicht die Wahrheit, es kennt Wahrscheinlichkeiten. Daher ist ein LLM auch eher ungeeignet, um Fragen zu Fakten zu beantworten. LLMs verhalten sich weniger wie "schlaue Gymnasiasten" im Sommerjob einer Sekretärin, sondern eher wie Heisenbergs Photonen, die sich weigern, ihre Position preiszugeben, je genauer man ihre Geschwindigkeit misst.

Selbst die eifrigsten Befürworter der künstlichen Intelligenz haben begonnen, Anzeichen für potenzielle Probleme zu erkennen, diejenigen, die sonst fest auf den Hype-Zug aufgesprungen sind, und jetzt spricht sogar Goldman Sachs von "zu wenig Nutzen". Noch im letzten Jahr sprachen sie in ihrem Bericht von einem Drittel der Arbeitsplätze, die von der KI betroffen sind, und von 7 % globalem BIP-Wachstum. Ein Jahr später klingen die Dinge anders:

"Das Versprechen der generativen KI-Technologie, Unternehmen, Branchen und Gesellschaften zu transformieren, wird weiterhin angepriesen und führt dazu, dass Tech-Giganten, andere Unternehmen und Versorgungsunternehmen in den kommenden Jahren schätzungsweise ~$1 Mrd. für Investitionen ausgeben werden, einschließlich erheblicher Investitionen in Rechenzentren, Chips, andere KI-Infrastruktur und das Stromnetz. Aber diese Ausgaben haben bisher wenig vorzuweisen, abgesehen von Berichten über Effizienzgewinne bei Entwicklern."

Goldman Sachs: GEN AI: TOO MUCH SPEND, TOO LITTLE BENEFIT?

Der Kulturwissenschaftler, Sachbuchautor und Programmierer Michael Seemann geht in seinem Newsletter vom Juli 2024 sogar so weit, zu sagen

"Ich bin bereit zu sagen: AI ist ein Betrug. Nicht so ein offensichtlicher Betrug wie die Krypto-Schneeballsysteme, aber ein Betrug auf der Ebene des Erwartungsmanagements."

Michael Seemann

Der einzigartige Wert klassischer digitaler Adoptionsplattformen

Klassische DAPs sind so konzipiert, dass sie die Einführung digitaler Tools in einem Unternehmen durch interaktive Anleitungen, wie z. B. Walkthroughs, Tooltips und direkten In-App-Support, erleichtern. Diese Plattformen passen sich in Echtzeit an das Verhalten und die Vorlieben der Benutzer an und bieten personalisierte Unterstützung, die über den reinen Inhalt hinausgeht.

Warum KI die DAPs nicht ersetzen kann

Kontextbezogenes Verstehen: DAPs sind tief in ihre Host-Anwendungen integriert und bieten kontextbezogene Unterstützung auf der Grundlage der aktuellen Aktionen und Ziele des Benutzers. Sie liefern auch sofortigen Input auf der Grundlage von Supportanfragen an Fachexperten, die den Input auf der Grundlage des gegebenen Kontexts abgleichen können. KI-generierte Inhalte, auch wenn sie noch so gut ausgearbeitet sind, sind nicht in der Lage, den Benutzerkontext und den Anwendungsstatus in Echtzeit zu korrigieren und dynamisch anzupassen.

Analyse des Benutzerverhaltens: Die Autoren klassischer DAPs sammeln kontinuierlich Daten darüber, wie die Nutzer mit der Anwendung interagieren, und nutzen diese Informationen zur Verfeinerung und Verbesserung ihrer Anleitungen. Dieses Maß an kontextbezogener, tiefgreifender Analyse und unmittelbarer Anwendung ist etwas, das KI-generierte Inhalte in der heutigen Form nicht zweimal hintereinander korrekt durchführen können.

Interaktivität: DAP-Autoren bieten interaktive Anleitungen und verwickeln die Nutzer in einen wechselseitigen Dialog, der den Lernprozess effektiv unterstützt. KI-Inhalte hingegen bleiben halbstatisch, was ihre Nützlichkeit in Szenarien einschränkt, die schrittweise Unterstützung in wechselnden Kontexten oder Echtzeit-Feedback erfordern.

Unternehmens-Feedback

Unsere Gespräche mit DAP-Nutzern in Unternehmen unterstreichen die Kluft zwischen den Erwartungen an die KI-gestützte Inhaltserstellung und der Realität ihrer Anwendung. Das Feedback unterstreicht immer wieder die Bedeutung des Echtzeit-Kontextes und der interaktiven Unterstützung durch DAPs, die KI-Inhalte nicht nachbilden können.  

Doch unternehmensgehostete KI-Lösungen mit Large Language Model (LLM) können erhebliche Vorteile bieten. Durch die Nutzung der umfangreichen internen Datenbestände eines Unternehmens können KI-Engines hochrelevante, kontextbezogene Eingaben liefern, die auf die Echtzeit- und historischen Interaktionen einer Person zugeschnitten sind. Diese Fähigkeit stellt sicher, dass die Benutzer genau die Informationen erhalten, die sie zum richtigen Zeitpunkt benötigen, was die Benutzererfahrung und das Engagement erheblich verbessert (jedoch nicht den DAP). Systeme wie der GRAVITY AI-Assistant sind entscheidend für die Implementierung und Integration solcher KI-gesteuerten Ausgaben in verschiedenen Anwendungen.

Schlussfolgerung: Ein Platz für Beide

Lassen Sie mich zunächst einmal sagen: Ich halte den Begriff "KI" ("künstliche Intelligenz") für etwas unpassend. Er funktioniert gut genug, aber er suggeriert etwas, das nicht da ist. Entweder nutzen die Systeme die "Macht der Statistik", betreiben Mustererkennung oder versuchen, stur zu sein. Der Begriff "KI" schadet wegen der Ungenauigkeit der natürlichen Sprachen mehr als er nützt.

KI-gestützte Inhaltserstellung bietet zwar spannende Möglichkeiten, insbesondere für die Erstellung von Vorentwürfen oder unterstützenden Inhalten, ist aber keine eigenständige Lösung für die Herausforderungen der digitalen Übernahme. Die Vorstellung, dass KI klassische digitale Adoptionsplattformen ersetzen könnte, ist eher Wunschdenken als eine Widerspiegelung der aktuellen oder zukünftigen Möglichkeiten. Die Zukunft liegt vielmehr in der Nutzung der Stärken beider Technologien: KI, um die Erstellung von Inhalten zu verbessern und Routineanfragen zu verwalten, und DAPs, um die ausgefeilte, interaktive Unterstützung zu bieten, die für den Erfolg der digitalen Adoption entscheidend ist. Dieser synergetische Ansatz verspricht, die Effizienz zu maximieren, die Frustration der Benutzer zu verringern und letztendlich die erfolgreiche digitale Transformation voranzutreiben.

Wenn Unternehmen die Grenzen und Stärken der KI-gestützten Inhaltserstellung verstehen und respektieren, können sie fundierte Entscheidungen darüber treffen, wie sie diese Tools am besten in ihre umfassenderen Strategien zur digitalen Einführung und Transformation integrieren.

‍