Insights
Die KI-Beitragsstrafe im Beruf
Eine Analystin, über die ich kürzlich las, verbrachte ein Jahr mit einem einzigen Problem. Sie setzte sich mit den Leuten zusammen, die den Prozess steuerten, sammelte die Beschwerden, die niemand aufgeschrieben hatte, entwarf Alternativen, fand heraus, welche davon nachgelagert etwas zerstören würden, und erzielte schließlich eine Änderung, die ihrem Arbeitgeber enorm viel wert war. Irgendwann in diesem Jahr nutzte sie für ein paar Tage des Entwurfs einen AI-Assistenten.
Als die Arbeit an die Geschäftsführung ging, bat ihr Vorgesetzter sie, die AI in den Vordergrund zu stellen. In dem Meeting unterbrach er ihre Präsentation, um zu sagen, dass das Tool es getan habe.
Ich muss immer wieder an diesen Moment denken, denn es ist eigentlich keine Geschichte über einen schlechten Vorgesetzten. Es ist die Geschichte einer Organisation, die die Fähigkeit verloren hatte, einen menschlichen Beitrag zu sehen, sobald eine Maschine auch nur einen Teil davon berührt hatte. Mittlerweile gibt es überraschend viele Beweise dafür, dass dieser Fehler systematisch ist.
In vier präregistrierten Experimenten mit 4.439 Teilnehmern fanden Forscher heraus, dass Menschen, die AI bei der Arbeit nutzen, sowohl schlechtere Bewertungen ihrer Kompetenz und Motivation erwarten als auch erhalten, verglichen mit Personen, die dieselbe Arbeit ohne sie erledigen. Die Strafe war keine Einbildung. Sie zeigte sich in echten Beurteilungen von Stellenbewerbern.
Ein separates Programm aus elf Experimenten mit 3.846 Teilnehmern ergab, dass Evaluatoren AI-unterstützte Arbeitskräfte weniger bezahlen – über verschiedene Aufgabentypen, Beschäftigungsstatus, Bezahlformate hinweg und selbst dann, wenn die Arbeitsqualität konstant gehalten oder statistisch kontrolliert wurde. Der Mechanismus wurde direkt gemessen: Die Leute urteilten, AI-unterstützte Arbeitnehmer verdienten weniger Anerkennung, und dieses Urteil machte etwa sechzig Prozent der Gehaltskürzung aus. In dreizehn weiteren Experimenten zur Offenlegung wurde Personen, die ihre AI-Nutzung deklarierten, weniger vertraut als solchen, die das nicht taten – über Vorgesetzte, Untergeordnete, Professoren, Analysten und Kreative hinweg. Die Erklärung war nicht die Genauigkeit, sondern die Legitimität: Die Offenlegung stempelte die Arbeit als sozial unangemessen ab.
Übernehmen Sie diese Tools
Wenn man das zusammenrechnet, hat man eine Organisation, die heimlich zwei unvereinbare Anweisungen befolgt. Übernehmen Sie diese Tools. Lassen Sie sich nicht dabei sehen, sie zu nutzen.
Die rationale Reaktion für jeden, der aufpasst, ist Verheimlichung. Und Verheimlichung ist auf eine Weise teuer, die auf keiner Bilanz erscheint: Niemand teilt, was funktioniert hat, niemand berichtet, was fehlgeschlagen ist, und das kollektive Lernen der Organisation über ihre wichtigste neue Fähigkeit findet völlig im Privaten statt.
Der zugrundeliegende Buchhaltungsfehler
Was mich mehr interessiert, ist der zugrundeliegende Buchhaltungsfehler. Wir haben Bewertungssysteme aufgebaut, die das Ergebnis messen und daraus den Aufwand ableiten. Wenn Ergebnisse schneller ankommen, schließt die Ableitungsmaschinerie, dass weniger beigetragen wurde. Aber in der Geschichte der Analystin war fast nichts von dem, was sie tatsächlich beitrug, ausführender Natur. Sie trug ein Jahr Aufmerksamkeit bei. Sie trug das Wissen bei, welcher Einwand eines Stakeholders real und welcher territorial war, sowie das Urteilsvermögen, drei Alternativen zu verwerfen, die auf dem Papier gut aussahen. Die AI entwarf. Sie entschied.
Ein Bewertungssystem, das diese beiden Dinge nicht unterscheiden kann, wird genau die Fähigkeit systematisch unterbezahlen, die knapp wird.
Es gibt einen hoffnungsvollen Befund in dieser Literatur. Die Strafe mildert sich erheblich ab, wenn der Mensch sichtbar involviert bleibt – beim Prüfen, Anpassen, Kontekstualisieren, Übernehmen der Verantwortung für das Ergebnis. Das deutet darauf hin, dass das Problem nicht darin besteht, dass Menschen sich weigern, AI-gestützte Arbeit anzuerkennen. Sondern dass das meiste von dem, was ein Mensch bei AI-gestützter Arbeit tut, derzeit unsichtbar ist, und Unternehmen keinen Weg entwickelt haben, es sichtbar zu machen.
Das ist eine Designaufgabe, kein Wertproblem: Beiträge anhand des ausgeübten Urteilsvermögens zu beschreiben, nicht nach verdrängten Stunden. In Beurteilungen zu fragen, was die Person entschieden hat, anstatt was sie produziert hat. Dass ein Manager sagen kann, was ein Kollege konkret beigetragen hat, und sich schämt, wenn er es nicht kann.
Eine Organisation, die nicht benennen kann, was ihre Mitarbeiter beitragen, wird irgendwann aufhören, dafür zu bezahlen. Nicht aus Böswilligkeit. Aus Blindheit.