Die langweiligen 80 %: Wo KI zuerst in der Betriebsführung Wirkung zeigt

Warum die langweilige Arbeit gewinnt

Es gibt zwei Gründe, und beide haben mit Risiko statt mit Ambition zu tun.

Erstens ist wiederholbare Arbeit messbar. Du weißt bereits, wie viele Rechnungen eingehen, wie lange ein Antrag in der Warteschlange bleibt oder was eine Support-Anfrage kostet, um sie zu lösen. Wenn du etwas automatisierst, das gemessen werden kann, kannst du den Erfolg innerhalb eines Quartals beweisen. Wenn du etwas Neues automatisierst, verbringst du das Quartal damit, zu diskutieren, ob es funktioniert hat.

Zweitens befindet sich die langweilige 80% in der Arbeitsmenge, und Volumen ist das, was eine kleine Verbesserung zu einer echten Zahl macht. Vier Minuten weniger bei einer Aufgabe, die zweimal im Monat ausgeführt wird, sind ein Rundungsfehler. Vier Minuten weniger bei einer Aufgabe, die 900 Mal im Monat ausgeführt wird, befreit einen Menschen. Die Wirtschaftlichkeit hängt von der Häufigkeit ab, nicht von der Intelligenz der Automatisierung.

Die harte 20% – Preisabweichungen, strittige Ansprüche, alles, worüber ein Regulierer fragen könnte – sollte vorerst in den Händen deiner Mitarbeiter bleiben. Es ist wirklich schwierig, es ist dort, wo dein Gewinnspannen- und dein Ruf sitzen, und es ist der schlimmste Ort, um zu lernen, wie KI sich in deinem Unternehmen verhält.

Wie man es findet

Führe keine Umfrage durch, bei der du fragst, was die Leute automatisiert haben möchten. Du wirst eine Wunschliste erhalten. Stattdessen schaue dir an, wo Arbeitsaufträge stauen und wo Informationen neu getippt werden müssen.

• Neutypisierung zwischen Systemen. Jedes Mal, wenn ein Mensch einen Bildschirm liest und in einen anderen tippt, ist dieser Schritt ein Kandidat. E-Mail an ERP, PDF an Tabellenkalkulation, Portal an CRM.
• Unstrukturierte Eingaben am Eingang. Rechnungen, Lieferbelege, Ansprüche, Lebensläufe, Anfragen nach Angebot, Prüfberichte. Alles, das als PDF, Foto oder Absatzprosa eingeht und von jemandem in Felder umgewandelt werden muss.
• Triage und Weiterleitung. Tickets, Beschwerden und eingehende Anfragen, die ein Mensch nur liest, um zu entscheiden, wer sie tatsächlich bearbeiten sollte.
• Erstellung nach Vorlage. Statusaktualisierungen, Standardantworten, erste Entwürfe von langen Threads oder Dokumenten.
• Vergleichung. Vergleichen zweier Listen, die übereinstimmen sollten, und Erklären, warum sie es nicht tun.

Bewerte jeden Kandidaten hinsichtlich Volumen, Konsistenz der Eingaben und Kosten eines Fehlers. Beginne mit hohem Volumen, konsistenten Eingaben und geringen Kosten für Fehler. Diese Kombination ist unattraktiv, aber genau richtig.

Ausnahmen sind das eigentliche Designproblem

Hier liegt die Ursache dafür, dass viele erste Projekte schiefgehen. Ein Team automatisiert den glücklichen Weg, erreicht 85% Genauigkeit, feiert und entdeckt dann, dass die 15% der Fälle, die nun auftreten, länger zu bearbeiten sind als der gesamte Prozess zuvor. Die Ausnahmen kommen ohne Kontext, niemand übernimmt sie und die Warteschlange wächst.

Entwerfe den Rückfall, bevor du die Automatisierung entwirfst. Wenn das System nicht sicher ist, was passiert dann? Wer sieht es, was sieht er und wie lange hat er es? Ein Prozess, der 70% der Fälle end-to-end verarbeitet und die restlichen sauber an einen Menschen weiterleitet, schlägt einen, der 90% anspricht und den Rest in eine unüberwachte Posteingabe wirft.

Setze auch bewusst die Schwelle für Vertrauen fest. Für die Rechnungslegung könntest du eine Fehlerquote von 2% akzeptieren, weil das nach unten strebende System es fängt. Für alles, was Zahlungen oder Patienten betrifft, übernimmst du einen größeren Anteil manueller Arbeit und akzeptierst eine niedrigere Automatisierungsrate. Diese Schwelle ist eine geschäftliche Entscheidung, keine technische, und sie gehört der Person, die den Prozess besitzt.

Was die ersten sechs Monate aussehen sollten

Wähle einen Prozess aus. Instrumentiere ihn, bevor du irgendetwas änderst, damit du die Basistaktzeit, die Kosten pro Transaktion und die Fehlerquote kennst. Liefert etwas Enges in den echten Einsatz innerhalb von acht Wochen. Mess die gleichen Zahlen noch einmal.

Dann mach es ein zweites und drittes Mal. Der kumulierte Gewinn liegt nicht in den einzelnen Automatisierungen – es ist, dass dein Team lernt, was diese Systeme zuverlässig gut können, dass deine Daten sauberer werden, weil etwas davon abhängt, und dass der nächste Prozess halb so lange dauert.

Das Tragen der langweiligen, schweren, hochvolumigen Arbeit ist das, wofür diese Technologie tatsächlich gut ist – jetzt. Gib es diese Last zuerst und halte dein Personal für die Entscheidungen, die sie brauchen. Wenn du Hilfe beim Auswählen des ersten Prozesses und beim Beweisen der Zahlen benötigst, ist das unsere Arbeit.