Wie KI die Zukunft der autonomen Unternehmensführung prägen kann: Erkenntnisse aus der wissenschaftlichen Literatur

In diesem Artikel möchte ich einige Erkenntnisse aus der wissenschaftlichen Literatur über die Auswirkungen künstlicher Intelligenz (KI) auf die Zukunft der autonomen Unternehmensführung mit Ihnen teilen. KI ist eine Reihe von aufstrebenden Technologien, die auf Lernalgorithmen, computational power and statistical techniques that can approximate the output of knowledge workers[1] basieren.

KI-Technologien entwickeln sich derzeit mit schwindelerregender Geschwindigkeit. Während Organisationen diese Technologien weiterhin unerwartet nutzen, entstehen neue Organisationsformen, wie die Uberisierung und die Plattformökonomie zeigen[2]. Und während die öffentliche und politische Debatte über die Regulierung dieser Technologien andauert, bleiben viele Szenarien für die Zukunft der Arbeit möglich, manche wünschenswerter als andere[3].

In diesem Artikel fasse ich die Literatur zusammen, um die wichtigsten Chancen sowie Risiken aufzuzeigen, die KI für Manager darstellt, die autonome Unternehmensführung umsetzten möchten. Ich werde meine Analyse in drei wesentliche Organisationsdimensionen unterteilen: Entscheidungsfindung, Koordination und Kontrolle[4]. Auf diese Weise erläutere ich kurz, wie jede Dimension durch KI im Kontext autonomer Unternehmensführung beeinflusst werden kann.

[💡auch lesen] Was ist verteilte Governance?

Entscheidungsfindung: Erhöhung der Autonomie der Mitarbeitenden durch informierte Entscheidungsfindung

Autonome Unternehmensführung erfordert, dass Teams mit hoher Autonomie arbeiten. When AI tools are successfully integrated, können sie die Grundlage erheblich verbessern, auf der Teams ihre Entscheidungen treffen, insbesondere indem sie reichhaltige und vielfältige Datenquellen integrieren[4]. Dies ermöglicht es Mitarbeitenden, auf das gesamte Wissenspotenzial ihrer Organisation zuzugreifen und besser informierte Entscheidungen zu treffen. Im Gegenzug stärkt diese erhöhte Fähigkeit die Autonomie der Teams und verringert den Bedarf nach Managementaufsicht.

Wie sich in den letzten Monaten gezeigt hat, kann generative KI, die auf großen Sprachmodellen (LLM) basiert, besonders wertvoll bei der Unterstützung von Mitarbeitenden sein. Obwohl die Managementforschung zu LLMs noch in den Anfängen steckt, zeigen viele Studien, dass der Einsatz generativer KI bei der Arbeit (wie ChatGPT) wie ein Kompetenzverstärker wirkt[5][6]. Die Verbesserung der Leistung von weniger qualifizierten Mitarbeitenden auf das Niveau der leistungsstärksten kann Expertenhierarchien flachen und jeden Mitarbeiter ermutigen, Wert zu schaffen.

Darüber hinaus kann die Verwendung generativer KI zur Demokratisierung von Organisationswissen auch die Transparenz wichtiger Prozesse erhöhen[7], was als notwendige Voraussetzung für autonome Unternehmensführung etabliert wurde[8].

While tools such as Holaspirit Rollentransparenz fördert, kann seine Verbindung mit LLM-Software autonome Unternehmensführung noch weiter erleichtern, insbesondere durch die Bereitstellung empfohlener Handlungspfade für Mitarbeitende. Durch die Bereitstellung personalisierter Unterstützung für Mitarbeitende wird die psychologische Hürde zur Übernahme von autonomer Unternehmensführung gesenkt, was diese Praxis für ein breiteres Spektrum von Mitarbeitenden mit unterschiedlichen Profilen zugänglich macht[9].

Um Mitarbeitenden Zeit zu sparen, haben wir kürzlich einen KI-Assistenten auf unsere Plattform integriert. Anstatt Rollen von Grund auf zu erstellen, können Mitglieder jetzt Inhalte für eine Rolle oder einen Kreis mit KI generieren. So kartieren sie ihre Organisation zweimal schneller als zuvor! Möchten Sie mehr erfahren? Klicken Sie hier, um unser neues KI-gestütztes Organigramm zu entdecken.

[💡auch lesen] How Does AI Impact Employees Within an Organization?

Koordination: Verbesserung der Task-Integration im großen Maßstab ohne Managementhierarchien

Wie bekannt ist, ist es oft einfacher, dass kleinere Organisationen über längere Zeit vollständig autonom bleiben als größere[10]. Ein Grund ist, dass Managementkompetenz immer noch ein sehr wirksames Mittel zur Integration komplexer interdependenter Aufgaben zwischen entfernten Organisationseinheiten ist, besonders in Zeiten großer Unsicherheit, wenn viele gegenseitige Anpassungen erforderlich sind. In diesen Situationen kann KI eine Schlüsselrolle spielen, indem sie Arbeitsabläufe überdenkt, um interteamliche Konflikte zu reduzieren, und dadurch Zusammenarbeit im großen Maßstab ohne Managementkompetenz ermöglicht[11].

Beispielsweise nutzt Amazon Mechanical Turk (MTurk), ein Crowdsourcing-Marktplatz zur Personalrekrutierung, KI, um Koordinationskosten zu senken, indem sie Aufgaben zuordnet, die Qualität kontrolliert und unterschiedliche Ergebnisse in einen kohärenten Satz zusammenfasst[12]. Obwohl MTurk über ein zentralisiertes Governance-System funktioniert, können die Mechanismen, durch die es Zusammenarbeit im großen Maßstab ermöglicht, für Organisationen mit autonomer Unternehmensführung sehr wertvoll sein[13].

In Krisenzeiten kann es für Organisationen besonders schwierig sein, autonome Unternehmensführung aufrechtzuerhalten, da alte Reflexe der zentralisierten Kompetenz häufig zurückkommen[14]. Und während traditionelle Hierarchien immer noch ein wirksames Werkzeug zur Lösung organisationsinterner Konflikte sind, kann der Bedarf an Konfliktlösung in Krisenzeiten durch reibungslosere und intelligentere Task-Integration abgeschwächt werden, die KI helfen kann zu erreichen.

Es ist jedoch wichtig zu beachten, dass KI-Technologien in Krisenzeiten besonders schlecht funktionieren. Tatsächlich können Lernalgorithmen nur anhand von Daten aus vergangenen Ereignissen trainiert werden, die oft nur normale Aktionsmuster widerspiegeln. Wenn also neue und unerwartete Ereignisse auftreten, wie die COVID-19-Pandemie, erweisen sich KI-Modelle als besonders fehleranfällig[15]. Menschliche Intelligenz bleibt daher zentral für die Koordination in Krisenzeiten. In Bezug auf autonome Unternehmensführung, ist es wichtig zu betonen, dass die Aufteilung und Integration von Aufgaben innerhalb von Organisationen oft noch ein informeller Prozess ist, der Nähe und gegenseitiges Verständnis erfordert. Obwohl KI helfen kann, ist sie keine Allzwecklösung.

Kontrolle: Bereitstellung von Echtzeit-Feedback an Mitarbeitende zu ihrer Leistung

Organisationale Kontrolle ist wesentlich, um sicherzustellen, dass die Arbeit von Abteilungen, Teams und Einzelpersonen mit den Zielen der Organisation übereinstimmt. In traditionellen Organisationen wird dies oft durch hierarchische Top-Down-Kontrollmechanismen erreicht.

Weil KI kontinuierlich und konsistent Abweichungen von Schlüsselindikatoren überwachen kann, kann sie (und wurde bereits) verwendet, um Mitarbeitenden und Teams Rückmeldung zu ihrer Leistung zu geben und ihnen zu helfen, ihre Ziele zu erreichen. Dies ermöglicht es Mitarbeitenden und Teams, sich selbst anzupassen und notwendige Veränderungen vorzunehmen.

Obwohl dies weniger hierarchische Kontrollmechanismen durch Formen der Selbstüberwachung und gegenseitigen Überwachung ermöglichen kann, müssen wichtige Datenschutzbedenken berücksichtigt werden. Beispielsweise wird KI in Organisationen zunehmend eingesetzt, um den Umfang der Überwachung zu erweitern[16], was Forscher als "algorithmische Käfige"[17] bezeichnen. Uber ist ein Beispiel: Fahrer werden durch starre Bestrafungs- und Belohnungssysteme konform gemacht, die von KI-Algorithmen aktiviert werden[18]. Diese Beispiele sind nicht auf die Plattformökonomie beschränkt, wie die wachsende Beliebtheit von Büroüberwachungstechnologien zeigt[19]. Diese neuen Trends auf dem Arbeitsmarkt stellen eine ernsthafte Bedrohung für das Wachstum autonomer Unternehmensführung dar, da es leicht vorstellbar ist, wie kontinuierliche algorithmische Überwachung mit der Entwicklung eines Gefühls psychologischer Sicherheit unvereinbar ist.

Letztendlich hängt die Frage, ob KI zur Förderung des Wachstums lokaler Gemeinschaften der autonomen Unternehmensführung verwendet werden kann, statt zum digitalen Autoritarismus zu führen, letztendlich von der Möglichkeit ab, sie auf eine Weise zu nutzen, die die Privatsphäre der Arbeiter wahrt. Das hängt nicht nur von den von Managern getroffenen Tool-Entscheidungen ab, sondern auch von der Art und Weise, wie diese Technologien in der politischen Sphäre reguliert werden[20]. Wenn die weitere Entwicklung von KI-Technologien günstige Bedingungen für das Gedeihen von Mitarbeitenden schaffen kann, ist es wichtig zu betonen, dass die Art und Weise, wie sie die Zukunft der Arbeit gestalten auf den Entscheidungen von Managern und politischen Entscheidungsträgern auf der ganzen Welt beruht. Die Geschichte wird noch geschrieben, und Manager sind die ersten Akteure.

‍

Referenzen:

[1] Faraj, S., Pachidi, S., & Sayegh, K. (2018). Working and organizing in the age of the learning algorithm. Information and Organization, 28(1), 62-70.

[2] Faraj, S., & Pachidi, S. (2021). Beyond Uberization: The co-constitution of technology and organizing. Organization Theory, 2(1), 2631787721995205.

[3] Bodrožić, Z., & S. Adler, P. (2022). Alternative futures for the digital transformation: A macro-level Schumpeterian perspective. Organization Science, 33(1), 105-125.

[4] Faraj, S., Renno, W., & Bhardwaj, A. (2022). AI and Uncertainty in Organizing.

[5] Noy, Shakked and Whitney Zhang, "Experimental evidence on the productivity effects of generative artificial intelligence," 2023. Available at SSRN: https: // ssrn. com/ abstract= 4375283 .

[6] Dell'Acqua, F., McFowland, E., Mollick, E. R., Lifshitz-Assaf, H., Kellogg, K., Rajendran, S., ... & Lakhani, K. R. (2023). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality. Harvard Business School Technology & Operations Mgt. Unit Working Paper, (24-013).

[7] Schildt, H. (2017). Big data and organizational design–the brave new world of algorithmic management and computer augmented transparency. Innovation, 19(1), 23–30.

[8] Martela, F. (2019). What makes organisations à management autonome novel? Comparing how Weberian bureaucracy, Mintzberg's adhocracy, and self-organizing solve six fundamental problems of organizing. Journal of Organization Design, 8(1), 1-23.

[9] Reitzig, M. (2022). How to get better at flatter designs: considerations for shaping and leading organizations with less hierarchy. Journal of Organization Design, 11(1), 5-10.

[10] Foss, Nicolai J., and Peter G. Klein. Why managers matter: the perils of the bossless company. PublicAffairs, 2022.

[11] Puranam, P. (2022). Deflating the rhetoric around "flat firms". Journal of Organization Design, 11(1), 15-17.

[12] Schwartz, O. (2019). Untold history of AI: How Amazon's mechanical turkers got squeezed inside the machine. IEEE Spectrum. Institute of Electrical and Electronics Engineers, New York.

[13] Lee, M. Y., & Edmondson, A. C. (2017). Self-managing organizations: Exploring the limits of less-hierarchical organizing. Research in organizational behavior, 37, 35-58.

[14] Lee, M. Y., & Green, P. (2022). Is Flat for Everyone? Investigating Who Thrives and Who Struggles in Decentralized Structures.

[15] Faraj, S., Renno, W., & Bhardwaj, A. (2021). Unto the breach: What the COVID-19 pandemic exposes about digitalization. Information and Organization, 31(1), 100337.

[16] Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366-410.

[17] Faraj, S., Pachidi, S., & Sayegh, K. (2018). Working and organizing in the age of the learning algorithm. Information and Organization, 28(1), 62-70.

[18] Cameron, L. D., & Rahman, H. (2022). Expanding the locus of resistance: Understanding the co-constitution of control and resistance in the gig economy. Organization Science, 33(1), 38-58.

[19] de Vaujany, F.-X., Leclercq-Vandelannoitte, A., Munro, I., Nama, Y., & Holt, R. (2021). Control and Surveillance in Work Practice: Cultivating Paradox in 'New' Modes of Organizing.

[20] Bodrožić, Z., & S. Adler, P. (2022). Alternative futures for the digital transformation: A macro-level Schumpeterian perspective. Organization Science, 33(1), 105-125.

‍