Unternehmensausgaben für agentic KI steigen, aber Klarheit hinkt hinterher

Laut der neuesten US-AI-Pulse-Umfrage von EY fließen Unternehmensbudgets in agentic KI-Projekte in verschiedenen Branchen, aber die meisten Entscheidungsträger wissen immer noch nicht, was sie kaufen.

Der Begriff wird überall herumgeworfen, auf alles geklebt, das entfernt nach generativer KI riecht, und Führungskräfte genehmigen Zehnmillionenbeträge, ohne wirklich zu verstehen, was diese Systeme tatsächlich tun. Das schafft eine Diskrepanz zwischen Geld und Fähigkeit, und sie ist nicht klein.

Einer von fünf befragten Führungskräfte sagte, dass sein Unternehmen bereits über 10 Millionen US-Dollar in KI investiert hat, und fast ein Drittel plant, dies im nächsten Jahr ebenfalls zu tun.

Dan Diasio, EYs globaler KI-Leiter, schien nicht überrascht. „Agentic KI hat einen Buzz, von dem viele auf dem Markt profitieren wollen“, sagte Dan. „Wir haben eine unglaubliche Wiederbelebung von allem, was mit generativer KI zu tun hat, die als ‚agentic KI‘ präsentiert wird.“

Das Problem? Das meiste, was Unternehmen als agentic bezeichnen, funktioniert wie ein Assistent. Sie geben etwas ein, es spuckt etwas aus. Es könnte einen nächsten Schritt empfehlen oder einige Verwaltungsaufgaben automatisieren, aber es tut nichts unabhängig. Dan sagte, echte Agenten wissen, wann eine Aufgabe erledigt werden muss, verstehen den Kontext und erledigen jeden Schritt, ohne angewiesen zu werden.

Führungskräfte geben mehr aus, adoptieren weniger

Trotz des Anstiegs der Ausgaben schreitet die Implementierung nur schleppend voran. Nur 14 % der befragten Führungskräfte gaben an, dass ihr Unternehmen agentic KI vollständig eingeführt hat. Alle anderen stecken im Pilot-Läuterungsprozess fest. Dan sagte, die Lücke bestehe darin, dass Unternehmen nicht bereit für die Anforderungen seien.

„Dies beinhaltet, organisierte, hochwertige Kenntnisse zu haben, um diese Systeme zu leiten, und ein klares Verständnis davon, wie Unternehmen die massive Veränderung zwischen dem aktuellen und zukünftigen Zustand navigieren.“ Übersetzung: Kein Fundament, keine Einführung.

Selbst mit Renditen aus früheren KI-Tools sind die meisten Unternehmen zögerlich, voranzuschreiten. Dan sagte, es sei die Mischung aus technischer Schwäche und Veränderungsresistenz, die die Dinge verlangsamt. „Während diese Kombination ein Klima der Unsicherheit schafft, bietet sie einen klaren Fahrplan für Organisationen“, sagte er. Dieser Fahrplan? Beheben Sie zuerst das interne Chaos. Andernfalls sind es nur noch teurere Pilotprojekte, die nirgendwohin führen.

Deepankar Mathur, Associate Director bei Searce, sagte, die ganze Idee der flächendeckenden Einführung sei jetzt irgendwie nutzlos. „Es ist, als würde man versuchen, ein ständig bewegliches Ziel zu treffen“, sagte Deepankar.

Die Art und Weise, wie sich agentic KI entwickelt, gibt es keinen einzelnen Startmoment. Stattdessen geht es um ständige Upgrades. Identifizieren Sie, was automatisiert werden muss, entscheiden Sie, was am wichtigsten ist, nutzen Sie die besten verfügbaren Tools und verbessern Sie sie dann sofort wieder. „Dieser Verbesserungszyklus ist kein vorübergehendes Projekt; es ist eine ‚immer aktive‘ operative Notwendigkeit“, sagte er.

Führungskräfte definieren Rollen, sichern Systeme und befreien Teams

Dan sagte, der Weg, Angst und Verwirrung zu vermeiden, bestehe darin, die KI-Mensch-Mischung wie eine echte Partnerschaft zu behandeln. Legen Sie fest, wer was tut. „Dies bedeutet, eine Strategie zu erstellen, die darlegt, welche Aufgaben die KI übernehmen wird und welche Rollen Menschen spielen werden“, sagte er. Das beseitigt Zweifel und gibt Mitarbeitern Raum, mit den Tools zu arbeiten, anstatt gegen sie.

Aber das funktioniert nur, wenn die KI etwas hat, womit sie arbeiten kann. „Aufgaben werden durch Know-how und Erfahrung ausgeführt, was Informationen sind, die möglicherweise nur in den Köpfen der Mitarbeiter existieren“, sagte Dan. Solches Wissen liegt nicht in einer Datenbank. Es muss erfasst und in strukturiertes Material umgewandelt werden. Agentic-Systeme benötigen das, um intelligente Entscheidungen zu treffen. Keine Eingabe, keine Ausgabe.

Und dann ist da noch die Cybersicherheit. Dan sagte, mehr Agenten in der Produktion bedeuten mehr Schwachstellen. „Wir beginnen, mehr Nachrichten über die cyberbezogenen Auswirkungen bei vielen Agenten zu erhalten“, sagte er. Das bedeutet, dass Unternehmen von Tag eins an cyberspezifische Pläne für KI aufbauen müssen. Regeln für Datennutzung, Datenschutz, Ethik und wann ein Mensch eingreifen muss, festlegen. „Indem diese Governance-Fragen proaktiv angegangen werden, können Führer ein vertrauenswürdiges und transparentes System aufbauen“, sagte er.

Deepankar drängte auch darauf, Teams direkten Zugang zu KI-Tools zu geben. Er sagte, es sei nicht mehr erforderlich, Ingenieur zu sein, um etwas Nützliches zu bauen. „Die Hürde für die KI-Implementierung ist erheblich gesunken“, sagte er. Aber sich auf Lenkungsausschüsse oder zentralisierte KI-Gremien zu verlassen, verlangsamt die Dinge nur. „Wahrer Fortschritt erfordert, dass Führer diese weit verbreitete Adoption aktiv vorantreiben und ermöglichen.“

Er sagte, die am weitesten fortgeschrittenen Unternehmen richteten interne KI-Zentren der Exzellenz ein. Dies sind keine riesigen Abteilungen, sondern enge Teams von Experten, die sich in verschiedene Geschäftseinheiten einbetten, diese schulen und sie dabei unterstützen, ihre eigenen agentic Workflows zu erstellen. „Die erfolgreichsten Unternehmen bauen kleine, elitäre Teams von ‚AI-Blackbelt‘-Spezialisten auf“, sagte er.