- Eine Studie, die über 1,4 Millionen Prompts von 2.500 Mitarbeitern über 8 Monate hinweg analysierte, zeigt, dass Führungskräfte die KI-Effektivität oft falsch messen, indem sie sich nur auf die Nutzungshäufigkeit statt auf Qualität und Wirkung verlassen.
- Etwa 90 % der Mitarbeiter nutzen KI regelmäßig, aber nur etwa 5 % erreichen ein anspruchsvolles Nutzungsniveau, was beweist, dass die Verbreitung von Tools nicht gleichbedeutend mit Effektivität ist.
- Power-User neigen dazu, lange Prompts zu schreiben, interagieren in mehreren Runden, wechseln flexibel zwischen Modellen und nutzen KI mit hoher Frequenz, aber klaren Zielen.
- Sie betrachten KI als kognitiven Partner, verfeinern und verifizieren Ergebnisse kontinuierlich und leiten die Argumentation, anstatt die erste Antwort zu akzeptieren.
- Diese Gruppe überträgt der KI oft komplexe, mehrstufige Aufgaben mit klaren Kriterien und spezifischen Ausgabestrukturen.
- KI wird als allgemeines kognitives Werkzeug für Analysen, Ideenfindung und Problemlösung eingesetzt, statt nur zum Schreiben von Inhalten.
- Führungskräfte und höherrangiges Personal nutzen KI im Allgemeinen vielfältiger und strategischer als Junior-Mitarbeiter.
- Mitarbeiter auf niedrigeren Ebenen nutzen KI häufiger für persönliche Zwecke, was die Kennzahlen zur Nutzungshäufigkeit verzerrt.
- Den Organisationen fehlen spezifische Verhaltensmesssysteme, was es schwierig macht, festzustellen, wer KI effektiv nutzt.
- Die Lösung besteht darin, „AI-first“-Standards aufzubauen, szenariobasierte Praxisschulungen anzubieten und die Erwartungen für jede Arbeitsrolle klar zu definieren.
📌 Führungskräfte messen die KI-Effektivität oft falsch, indem sie sich nur auf die Nutzungshäufigkeit statt auf Qualität und Wirkung verlassen. Etwa 90 % der Mitarbeiter nutzen KI regelmäßig, aber nur etwa 5 % erreichen ein anspruchsvolles Nutzungsniveau, was beweist, dass die Verbreitung von Tools nicht gleichbedeutend mit Effektivität ist. Power-User neigen dazu, lange Prompts zu schreiben, interagieren in mehreren Runden, wechseln flexibel zwischen Modellen und nutzen KI mit hoher Frequenz, aber klaren Zielen. Die Lösung besteht darin, „AI-first“-Standards aufzubauen, szenariobasierte Praxisschulungen anzubieten und die Erwartungen für jede Arbeitsrolle klar zu definieren.
