Während Unternehmen darum wetteifern, generative KI, autonome Agenten und eine neue Generation von Datentools einzuführen, sehen sich Führungskräfte einer schwierigeren Frage gestellt als der, ob sie die Technologie überhaupt einsetzen sollen: Wie lässt sich daraus messbarer Wert schaffen, ohne neue Kosten, Risiken und organisatorische Verwirrung zu erzeugen?

Diese Herausforderung stand im Mittelpunkt des Fortune AIQ Summit, der an der New York Stock Exchange stattfand und auf dem Führungskräfte aus den Bereichen Technologie, Finanzen, Industriebetriebe, Reise und Personalwesen untersuchten, was echte KI-Transformation von verstreuten Pilotprojekten unterscheidet. Ein durchgängiges Muster zeigte sich: Die stärksten Unternehmen verteilen nicht einfach KI-Tools. Sie gestalten Workflows neu, entwickeln Talente, stärken Governance und bauen die Daten- und Operningsdisziplin auf, die für verantwortungsvolle Skalierung erforderlich ist. Die Veranstaltung spiegelte einen breiteren Moment für Enterprise-Technologie wider: Führungsteams stehen unter Druck, Renditen für KI-Engagements nachzuweisen, die klein angelegte Tests bereits hinter sich gelassen haben – eine Spannung, die sich durch die gesamte Diskussion zog.

Die Diskussionen auf dem Gipfel konzentrierten sich auf fünf zentrale Trends:

• Vom Experimentieren zur Enterprise-Transformation
• Aufbau einer KI-fähigen Belegschaft
• Steuerung von Governance, Vertrauen und Risiko
• Einsatz von KI in physischen und regulierten Umgebungen
• Messung des ROI, Kostenkontrolle und Schaffung von Wachstum

Von der KI-Einführung zur Transformation

Die wichtigste KI-Frage ist nicht, ob ein Unternehmen Tools eingesetzt hat, sondern ob es verändert hat, wie Arbeit erledigt wird.

Die Sprecher warnten wiederholt davor, dass breiter Zugang zu KI nicht automatisch in Produktivität, Geschäftswert oder organisatorische Reife umschlägt.

Diana David, Director of Futures bei ServiceNow, sagte, führende Unternehmen heben sich durch ihr Engagement für Menschen und operative Disziplin ab, nicht allein durch Technologie. ServiceNow's Enterprise AI Maturity Index ergab, dass 57 % der „Pacesetter“ in laufende KI-Weiterbildung investieren, gegenüber nur 4 % der übrigen Organisationen. Der deutlichste Unterschied besteht bei der Gewinnung, Einstellung und Bindung von KI-Talent: 68 % der Pacesetter tun dies, gegenüber 10 % der anderen Unternehmen.

"Investitionen in Talente. Das war die größte Lücke", sagte David.

Sie warnte davor, den breiten Mitarbeiternzugang zu KI als Erfolgsnachweis zu werten. "95 % von allen haben X, Y, Z", sagte sie. "Aber das übersetzt sich nicht in Produktivität, und oft fehlt es an Schulung, und das entspricht nicht Reife." Aus ihrer Sicht beginnt die eigentliche Arbeit mit Führung, einer klaren Vision, transparenten Systemen, der richtigen Datenbasis und der iterativen Neugestaltung konkreter Workflows.

Paul Fipps, President of Global Customer Operations bei ServiceNow, machte einen verwandten Punkt: Die größten Gewinne entstehen nicht dadurch, alte Prozesse schneller zu automatisieren, sondern sie um neuer Fähigkeiten willen neu zu bauen. "Wenn ich einfach automatisiere oder autonome Agenten antreibe, um meine bestehenden Prozesse zu fahren, ist das eine Entscheidung, die vielleicht einen Produktivitätsschub bringt", sagte Fipps. "Aber diejenigen, die die Geschäftsprozesse tatsächlich neu durchdenken und neu erfinden …, machen den wirklichen Unterschied."

Fipps argumentierte, Unternehmen sollten KI horizontal ausrollen – über mitarbeiterorientierte Funktionen wie HR, Recht und Technologie hinweg – statt sie in einer einzigen Abteilung zu beschränken. Er verwies auf Standard Chartered, wo KI dazu beigetragen hat, 77 % der Mitarbeiteranfragen abzufangen. "Wenn Sie in diesen Anwendungsfällen 25 bis 30 % Abfangquote erzielen, ist das eine Straßenwert verändernde Sache", sagte er. "Wenn Sie 75 bis 80 % erreichen, ist es lebensverändernd."

Amy Webb, Gründerin und CEO der Future Today Strategy Group, äußerte sich drastischer über die Kluft zwischen Ehrgeiz und Bereitschaft. "Seien wir ehrlich, die Fortune-500-Unternehmen sind bei diesem Thema ziemlich spät dran", sagte sie. "Künstliche Intelligenz ist nicht erst vor ein paar Jahren aufgetaucht." Webb warnte, dass Unternehmen erhebliches Kapital in Pilotprojekte stecken, ohne ausreichende Strategie, Führung oder Planung – und so isolierte Projekte schaffen, die nie dauerhaften Wert liefern.

Aufbau der KI-fähigen Belegschaft

KI-Transformation ist im Kern eine Transformation der Belegschaft.

Der Gipfel machte deutlich, dass Organisationen mehr brauchen als neue Software: Sie benötigen Mitarbeitende und Führungskräfte, die bereit sind, etablierte Prozesse zu überdenken, neue Fähigkeiten zu lernen und Raum für neue Arbeitsweisen zu schaffen.

Stacy Dillow, Executive Vice President und Chief People Officer bei HPE, sagte, Unternehmen müssten der Versuchung widerstehen, KI einfach in bestehende Systeme einzufügen. "Wir müssen uns zwingen, anders zu denken, denn wenn wir nicht versuchen zu ändern, wie wir arbeiten, versuchen wir nur, KI rückwirkend in einen Prozess einzubauen, der uns keine andere Antwort liefern wird", sagte sie. Für Führungskräfte auf hoher Ebene, fügte sie hinzu, seien KI-Einführung und Transformation zu zentralen Managementverantwortungen geworden.

Bei Palo Alto Networks verändert KI bereits das Mitarbeitererlebnis, so Chief People Officer Danielle Gonzalez. Ein maßgeschneiderter KI-Agent hat die IT-Tickets um 83 % reduziert und unterstützt nun Workflows in HR, Finanzen und Recht. Statt sich an eine menschliche HR-Referenz oder einen Geschäftskontakt zu wenden, fragen Mitarbeitende zunehmend einen Agenten nach Antworten, die auf ihre Rolle und ihren Standort zugeschnitten sind.

Gonzalez sagte, Unternehmen sollten Menschen einstellen und entwickeln, die sich schnell anpassen können – nicht nur neue Fähigkeiten erwerben, sondern Annahmen hinterfragen, die nicht mehr gelten. "Wir suchen Neugier", sagte sie. "Wir Eigeninitiative, und wir suchen diejenigen Menschen, die nicht nur schnell lernen können …, sondern auch das, was sie für wahr hielten, verlernen können, um Platz zu schaffen, um voranzukommen."

Drew Holler, Chief Human Resources Officer beim Heimwerkers Lennar, betonte, dass die Verantwortung geteilt ist. "Wir werden Ihnen alle Werkzeuge geben, aber es liegt in Ihrer Verantwortung, sich selbst weiterzuentwickeln", sagte er. "Wir werden Ihnen Schulungen geben, aber Sie als Einzelne müssen sich weiterqualifizieren."

Die Auswirkungen auf die Belegschaft gehen über Weiterbildung hinaus. Francis Shanahan, Chief Technology Officer bei Peloton, warnte, dass KI-gestützte Erstellung ihre eigene Herausforderung mit sich bringt. Mitarbeitende seien "jetzt überflutet, weil sie buchstäblich alles bauen können", sagte er, und "Burnout" werde mehr und mehr zum Problem.

Michelle Kwon, Chief Operating Officer bei Runway, forderte Führungskräfte auf, Volumen nicht mit Produktivität zu verwechseln. "Allein weil Sie KI einsetzen, ist das kein Maßstab für Ihre Produktivität oder gute Arbeit", sagte sie. KI solle verbessern, wie Menschen arbeiten, ohne zusätzliche Arbeit für Kollegen zu erzeugen oder sie mit Ergebnissen zu überfordern, die nicht ordentlich geprüft und synthetisiert wurden.

Governance, Vertrauen und Kontrolle

Das Argument für KI muss von einem Argument für Aufsicht begleitet werden.

In regulierten Branchen und risikoreichen Anwendungen betonten die Führungskräfte, dass erfolgreicher Einsatz davon abhängt, die richtige Technologie zu wählen, das Risiko zu verstehen und menschliches Urteilsvermögen dort zu bewahren, wo es am wichtigsten ist.

Hari Gopalkrishnan, Chief Technology and Information Officer bei Bank of America, warnte Unternehmen davor, reflexartig zu KI zu greifen. "Einer der größten Fehler, die wir bei uns selbst und anderen sehen, ist es, zu KI als Lösung zu eilen, obwohl deterministische Modelle einen ziemlich guten Job machen", sagte er. Die Bank beginnt mit den Kundenbedürfnissen und einer detaillierten Bestandsaufnahme des betreffenden Prozesses; manchmal ist eine konventionelle mobile Funktion oder eine Echtzeit-Entscheidungsregel das bessere Werkzeug.

Bank of America bewertet KI-Projekte anhand von 16 Risikopfeilern, darunter Datenschutz, Bias, Auswirkungen auf die Belegschaft und geistiges Eigentum. Auch bei autonomen Systemen geht das Unternehmen bedächtig vor. "Da gibt es gerade so viel Saft aus assistiven Agenten zu pressen, die tatsächlich mit Menschen im Kreis arbeiten", sagte Gopalkrishnan. Für Banken und andere regulierte Institute sind solche Rahmenwerke zur Türschwelle zwischen dem Bau von KI-Agenten und deren Produktivsetzung geworden.

Sally Moore, Chief Client Officer und Co-Head of Market Intelligence, Kensho Data and Platforms, bei S&P Global, betonte, dass der Nutzen von KI auf vertrauenswürdigen Daten beruht. "Daten sind die Währung innerhalb der KI", sagte sie und verwies darauf, dass Kunden in regulierten Workflows Genauigkeit, Zitate, Auditierbarkeit und Rückverfolgbarkeit bis zur Quelle verlangen. Ihr übergeordneter Punkt: Unternehmen sollten beim zu lösenden Problem beginnen, nicht bei der Technologie, die sie einsetzen wollen. "Was versuche ich hier zu lösen? Und wohin kann mich diese Technologie führen?", sagte sie.

Fipps vertrat die Ansicht, dass Governance nicht als Innovationshindernis dargestellt werden sollte. "Ich sehe Governance und Vertrauen als Geschwindigkeitstreiber", sagte er. führte das Beispiel einer regulierten Bank an, die Dutzende Agenten gebaut, diese aber nicht einsetzen konnte, weil ihre Führungskräfte kein Vertrauen in die Kontrollen hatten – ein anschauliches Beispiel für die Kosten schwacher Aufsicht.

Webb forderte Führungskräfte ebenfalls auf, bei Haftung und Risiko einen pragmatischen Ansatz zu verfolgen. Führungskräfte müssten aufhören, KI zu vermenschlichen, sagte sie: Ausfälle gehen in der Regel nicht darauf zurück, dass die Technologie eigenständig bewusst geworden ist, sondern darauf, dass Menschen schlecht gestaltete Systeme ohne ausreichende Sicherungen eingesetzt haben.

KI in der realen Welt

Physische und regulierte Umgebungen erfordern einen anderen Standard für den KI-Einsatz.

In Gebäuden, Fabriken, Wassersystemen und Finanzdienstleistungen prägen Zuverlässigkeit, Sicherheit, Kosten, Latenz und Datensouveränität, was Unternehmen verantwortungsvoll in Produktion nehmen können.

Suresh Venkatarayalu, Chief Technology Officer bei Honeywell Technologies, sagte, Industriekunden "verlangen wirklich 99,9999 %" Zuverlässigkeit, während Frontier-Modelle "bei 85 %" liegen könnten. Diese Kluft macht den Einsatz in sicherheits- undmissionskritischen Umgebungen grundlegend anders als das Einsetzen eines KI-Assistenten in einen Desktop-Workflow.

Venkatarayalu beschrieb die kurzfristige Richtung als "eine semi-autonome Welt" statt einer vollständig autonomen. "Autonomie bedeutet auch nicht, Menschen zu entfernen", sagte er. In Geschäftsgebäuden und Industrieanlagen müssen Betreiber eingebunden bleiben, weil Ausfallzeiten und Systemfehler unmittelbare betriebliche Folgen haben. "Sie können es sich nicht leisten, dass ein Gebäude anderthalb Stunden stillsteht", sagte er.

AJ Wijesinghe, Chief AI Officer bei Ecolab, machte den wirtschaftlichen Fall für einen selektiveren Ansatz. Als das Unternehmen "das beste verfügbare Modell" für hochvolumige Aufgaben verwendete, "schießen die Tokenomics durch die Decke", sagte er. "Manchmal ist es teurer als Menschen." Ecolab reagierte mit der Optimierung der Modellenutzung und senkte die Tokenkosten um rund 70 bis 80 %.

Unternehmen brauchen nicht immer das modernste verfügbare Modell, sagte Wijesinghe: "Manchmal muss man nicht das schnellste Auto haben." Er plädierte für einen "Human in the Lead"-Ansatz bei agentischer KI und argumentierte, dass Ergebnisse davon abhängen, Datenbasis, Prozessreife und Kostendisziplin im Gleichgewicht zu halten. "Wenn eines schwerer wiegt als das andere, bekommen Sie den Wert nicht", sagte er.

Wert, Kosten und Wachstum

Der nächste Test für KI wird sein, ob sie messbare Erträge liefert.

Die Finanz- und Betriebsleiter des Gipfels waren sich einig, dass Unternehmen Produktivität und Wachstum verfolgen müssen, während sie Disziplin bei Modellkosten, Dateninfrastruktur und Ergebnisqualität wahren.

Ewout Steenbergen, Executive Vice President und CFO von Booking Holdings, sagte, die Unsicherheit über die Erträge der KI sei weit verbreitet – selbst bei den größten Technologieinvestoren. "Ich denke sogar, dass die Hyperscaler, die Hunderte Milliarden für die Entwicklung ihrer großen Sprachmodelle ausgeben, nicht wirklich wissen, was der ROI sein wird", sagte er. "Sie haben vielleicht einige Annahmen und einige Hypothesen, aber der springende Punkt ist: Man möchte nicht zurückfallen."

Für Booking führt der Weg zum Wert nicht durch wahllose Ausgaben, sondern durch die Neugestaltung von Prozessen "auf einem weißen Blatt". Steenbergen sagte, die Kundenservicekosten des Unternehmens seien leicht gesunken, während Buchungen mit hoher einstelliger Rate wachsen und die Kundenzufriedenheit gestiegen sei. Er fügte hinzu, dass Bookings rund 9.000 Ingenieure etwa 30 % mehr Code in die Produktion bringen – gezählt werden Merge Requests, die die Prüf- und Qualitätsstandards des Unternehmens bestehen.

"Die Erträge werden für diejenigen Prozesse da sein, die Ende-zu-Ende neu gestaltet werden", sagte Steenbergen, "aber man muss auch sicherstellen, dass die Kosten andererseits nicht außer Kontrol geraten." Booking steuert diese Spannung durch "effektives Modellkosten-Routing", indem einfachere Aufgaben niedrigkostenmodellen zugewiesen werden, während teurere Modelle für Arbeiten mit größerem Denkaufwand reserviert bleiben. Der Ansatz bietet einen konkreten Einblick, wie nutzungsbasierte Modellkosten – eine Aufwandsposition, die mit der Einführung wächst, statt sich wie eine feste Softwarelizenz zu verhalten – in einem großen börsennotierten Unternehmen gesteuert werden.

Steenbergen deutete an, dass das größere Potenzial der KI im Kundewachstum liegen könnte. Die Technologie wird die grundlegende Natur des Reisens nicht ändern – "das Hotel bleibt das Hotel, die Fluggesellschaft bleibt die Fluggesellschaft, und der Mietwagen bleibt der Mietwagen" –, aber sie kann Planung, Buchung und die Reaktion auf Störungen für Reisende erleichtern. Indem sie die Teile einer Reise verknüpft und die Bedürfnisse eines Kunden antizipiert, könne KI dazu beitragen, "mehr Loyalität, mehr Vertrauen und mehr Markenwert" zu schaffen, sagte er.

Fazit

Der Fortune AIQ Summit machte deutlich, dass KI-Führung nicht daran gemessen wird, wie viele Tools ein Unternehmen gekauft hat, wie groß sein Pilotprogramm ist oder wie viel Inhalt es generieren kann. Die Organisationen, die sich absetzen, verbinden technischen Ehrgeiz mit Personalentwicklung, Prozessneugestaltung, finanzieller Disziplin, vertrauenswürdigen Daten und verantwortungsvoller Governance. Die Datenpunkte des Gipfels selbst liefern Marksteine, um diesen Wandel zu verfolgen: ob die Talent- und Schulungslücken, die ServiceNow's Reifeindex offenlegt, sich verengen, ob industrielle Deployments die Distanz zwischen der Zuverlässigkeit von Frontier-Modellen und der nahezu perfekten Verfügbarkeit schließen, die physische Operationen verlangen, und ob sich die ROI-Klarheit für die Hyperscaler verbessert, die Hunderte Milliarden für den Aufbau der zugrundeliegenden Modelle ausgeben. Während die KI tiefer in das Unternehmen vordringt, werden die Führungskräfte erfolgreich sein, die sie nicht nur nutzen, um bestehende Arbeit zu automatisieren, sondern um widerstandsfähigere, produktivere und reaktionsschnellere Unternehmen aufzubauen.

Für Recherchen- und/oder Transkriptionsunterstützung wurde generative KI eingesetzt. Die Reporterin/der Reporter hat die Fakten in diesem Artikel unabhängig recherchiert und überprüft, und ein menschlicher Redakteur hat ihn vor der Veröffentlichung geprüft.

Diese Geschichte erschien ursprünglich auf Fortune.com.