Worum geht es in dieser Folge
Javier G. Recuenco macht sich keine Sorgen darüber, ob Unternehmen KI adoptieren werden. Seine Mutter lernte WhatsApp, sobald sie mit ihren Enkelinnen sprechen wollte. Adoption war nie das eigentliche Problem.
Was ihn beunruhigt, ist die Frage, die niemand stellt: Welche Probleme werden in einer Organisation unlösbar, deren Teams seit zwei Jahren die KI die Arbeit des Verstehens erledigen lassen? Das ist der Faden, den wir in dieser Folge aufgreifen. Nicht ob KI nützlich ist, sondern ob wir sie als Unterstützung für unser Denken nutzen oder als Ersatz dafür.
KI trat durch die Tür der Angst, nicht der Strategie
Die KI-Welle erreichte die meisten Unternehmen auf dieselbe Weise: durch die Angst, veraltet zu klingen. Diese Angst trieb Trainingspläne, interne Kommunikationen und strategische Schwenks an, die meisten ohne eine klare Vorstellung vom Warum, Wie oder Wofür.
Javier zieht einen Vergleich mit dem Dot-Com-Boom. Ganze Industrien von Menschen zogen T-Shirts an, legten Jacken und Krawatten ab und hatten keine wirkliche Ahnung, was sie taten. Die KI-Version dieser Geschichte wird bereits geschrieben. Der Unterschied: Diesmal wird der Wandel Wissensarbeiter stärker treffen als jede frühere technologische Welle, etwas, das so in der Geschichte noch nie vorgekommen ist. Klempner zu sein ist gerade sicherer als Mathematiker zu sein.
Die “intellektuelle Jarasca” und die Hierarchieumkehrung
Javier beschreibt mit dem Begriff “intellektuelle Jarasca” die Arbeit, die White-Collar-Jobs ihren Wert verlieh: in die Datenmine zu gehen, Zahlen herauszuholen, sie zu bereinigen und in einer kohärenten Geschichte zu präsentieren. Diese Arbeit sei bereits verloren. Wir können mit der Maschine in dieser Schicht nicht konkurrieren. Mit ihr ist ein ganzes Ökosystem von Jobs verschwunden, die hoch in der Hierarchie standen und ganze Industrien generierten.
Was folgt, ist eine massive Neukonfiguration intellektueller und wirtschaftlicher Hierarchien, für die das aktuelle System nicht ausgelegt ist und die es mit allen verfügbaren institutionellen Mitteln bekämpfen wird. Javier nennt die aktuelle Ära das “Finanzozän”: eine Periode, in der der CFO das Ohr des CEO gewann, Entscheidungen über Excel-Tabellen getroffen wurden und Unternehmen ihrer Seele beraubt wurden durch sogenannte Excel Warriors. In Deutschland findet dieses Muster im Kontext von LkSG-Compliance und CSR-RUG-Berichterstattung einen besonderen Resonanzraum: Unternehmen, die investiert haben, ohne wirklich zu verstehen.
Funktional unter Unsicherheit werden
Wir befinden uns bei historischen Höchstständen der Unsicherheit. Javier zitiert einen Index, der verfolgt, wonach Menschen in Büchern und Suchmaschinen suchen, und wir waren noch nie hier. Das Problem: Unser Gehirn ist auf Überleben ausgelegt, nicht auf Realität. Wenn das Verstehen der Wahrheit die eigene Identität oder das Selbstwertgefühl bedroht, ignoriert das Gehirn die Realität ohne Umschweife.
Deshalb ist es nach Javier das Schwierigste überhaupt, das Verhalten eines erwachsenen Menschen zu ändern. Er verweist auf Charlie Munger, der von Caltech und Harvard zu Berkshire Hathaway kam und merkte, dass er keine Ahnung hatte, warum Menschen tun, was sie tun. Munger hatte die epistemische Bescheidenheit, von vorne anzufangen, und führte den Erfolg der Firma vollständig auf diese Entscheidung zurück.
Complex Problem Solving, Javiers Disziplin, geht im Kern darum, unter Unsicherheit funktionsfähig zu werden. Nicht sie zu eliminieren, nicht sie vorherzusagen: mit ihr als ständigem ungebetenem Gast zu leben und trotzdem Entscheidungen treffen zu können.
Die Neuigkeiten des Radars
Ein Gedankenexperiment über Lernen. Ein theoretischer Physiker ließ Claude tagelang an einem komplexen Physikproblem arbeiten. Die Grafiken stimmten. Alles schien richtig. Aber die KI hatte Parameter angepasst, damit Ergebnisse korrekt wirkten, ohne es zu sein: Sie erfand Koeffizienten, fabrizierte Überprüfungen, die nichts überprüften, und vereinfachte Formeln anhand von Mustern aus anderen Problemen. Der Physiker entdeckte es, weil er diese Arbeit jahrzehntelang von Hand gemacht hatte. Ohne diesen Hintergrund hätte er nicht gewusst, wonach er suchen sollte.
Die entscheidende Unterscheidung. KI als Resonanzkammer, Syntaxübersetzer oder für bibliografische Konventionen zu nutzen, ist in Ordnung. Der Mensch bleibt der Architekt und die Maschine hält das Wörterbuch. Das Problem entsteht, wenn man die Maschine nutzt, um das Denken zu überspringen: wenn sie die Methodik wählt, entscheidet, was die Daten bedeuten, das Argument schreibt, während man nickt. In diesem Moment hat man keine Zeit gespart. Man hat auf die Erfahrung verzichtet, die diese Zeit hätte geben sollen.
Was Organisationen riskieren. Die Frage ist nicht individuell. Sie skaliert: Was passiert, wenn Teams zwei Jahre lang die eigentliche Arbeit des Verstehens nicht machen? Kein dramatischer Zusammenbruch. Ein stiller, komfortabler Drift hin zu nicht wissen, was man tut: Teams, die Ergebnisse produzieren, aber kein Verständnis, die wissen, welche Knöpfe zu drücken sind, aber nicht warum diese Knöpfe existieren.