Zusammenfassung der Kerninhalte
Die führenden inländischen Technologieunternehmen (Alibaba, Baidu, Tencent, ByteDance) wechseln bei ihren Büro-Assistenten (Office Agents) gemeinsam zum Modell-Verbandungsansatz – sie verlassen sich nicht mehr nur auf ihre eigenen großen Modelle, sondern integrieren auch Drittanbieter wie Zhipu und DeepSeek, um den Nutzern die freie Wahl zu bieten. Der Hauptzweck besteht darin, Nutzer dazu zu bringen, ihre tatsächlichen Arbeitsaufgaben (Berichterstellung, PPT-Erstellung, Tabellenanalyse) an das AI-System abzugeben, wodurch seltene Daten wie Aufgabenteilung, Werkzeugaufrufe und Benutzerfeedback gesammelt werden können. Diese Daten wiederum optimieren das „Steuerungssystem“ (Harness) des AI-Systems. Das damit verbundene Problem ist jedoch die „Routefindung“: Wie wählt man für jede Aufgabe das geeignetste Modell aus, um Effektivität, Geschwindigkeit und Kosten gleichzeitig zu berücksichtigen? Dies wird der Schlüssel zum zukünftigen Wettbewerb sein.
Warum beginnen Büro-Assistenten, Modelle zu sammeln? – Zuerst müssen die Nutzer das System nutzen
Früher ging es bei großen Modellen darum, herauszufinden, welches Modell am besten ist. Im Bereich der Büro-Assistenten hat sich jedoch die Logik geändert: Zuerst muss man die Nutzer gewinnen und sie dazu bringen, ihre Arbeit wirklich an das AI-System abzugeben.
Ein Beispiel: Qianwen Office integriert Zhipu GLM-5.3 und DeepSeek V4 Pro, während Tencent WorkBuddy sogar mehrere Modelle wie Hunyuan, Zhipu und MiniMax verwendet. Warum? Weil ein einzelnes Modell nicht alle Aufgaben bewältigen kann – einige Modelle sind besonders gut darin, Texte zu erstellen, andere bei der Tabellenanalyse oder bei der PPT-Erstellung. Je umfangreicher die Palette an Modellen ist, desto höher die Wahrscheinlichkeit, dass Probleme gelöst werden, und desto eher werden die Nutzer das System nutzen.
Noch wichtiger ist: Je mehr Nutzer das System verwenden, desto mehr „echte Arbeitsablaufdaten“ erhält das AI-System. Wenn beispielsweise ein Benutzer bittet, einen Bericht zu erstellen, kann das AI-System analysieren, wie dieser Prozess abläuft (Datenbeschaffung → Ausarbeitung des Inhaltsplans → Inhaltserstellung → Anpassung). Diese Daten sind entscheidend für die Weiterentwicklung des AI-Systems – ähnlich wie Lehrer, die Hausaufgaben korrigieren und so lernen, wo Fehler liegen und wie sie besser unterrichten können. Ein Baidu-Manager sagte, dass öffentliche Daten bereits vollständig von den Modellen verarbeitet wurden; zukünftige Verbesserungen des AI hängen von „neuen Wissenstexten“, die Menschen erzeugen, ab – und diese echten Arbeitsabläufe sind die Träger dieses Wissens.
Daher geht es bei der Sammlung von Modellen nicht um Showoffing, sondern darum, die Nutzer dazu zu bringen, das System aktiv zu nutzen, um so Daten zu sammeln und einen Kreislauf zu schaffen: „Nutzer nutzen das System → mehr Daten → besseres AI-System → noch größere Nutzerzufriedenheit“ („Data Flywheel“).
Verbandung bedeutet nicht „grenzenlos“ – Die großen Unternehmen verteidigen weiterhin ihre eigenen Ökosysteme
Obwohl alle Drittanbietermodelle integrieren, fehlen in den Modellpools der einzelnen Unternehmen oft Modelle der Konkurrenz.
Beispielsweise enthält Tencent WorkBuddy weder Alibas Qianwen noch ByteDances Seed; ByteDaces TRAE Work hat kein Hunyuan von Tencent und Baidus KuKuAI kein Hunyuan, Qianwen oder Seed. Warum? Weil die großen Unternehmen nicht wollen, dass Nutzer zu ihren Konkurrenten wechseln – wenn Nutzer ein Modell eines Konkurrenten in ihrem eigenen AI-System verwenden, könnten sie abwandern. Die Verbandung ist also „offen“, aber es gibt Grenzen; die Ökosystembarrieren bestehen weiterhin.
Das ähnelt den Ladenregalen in einem Einkaufszentrum: Man kann andere Marken einladen, aber nicht zulassen, dass Konkurrenzmodelle das Geschäft stören.
Routefindung: Die entscheidende Herausforderung bei der Modellauswahl
Viele Modelle in einem AI-System zu integrieren ist nur der erste Schritt; das eigentliche Schwierige ist es, für jede Aufgabe das richtige Modell auszuwählen – das nennt man „Routefindung“.
Hier gibt es ein „Unmöglichkeitsdreieck“: Effektive Modelle sind in der Regel teuer (z. B. für komplexe Aufgaben, die mehrere Aufrufe kosten) und langsam; schnelle Modelle mögen weniger effektiv sein; günstige Modelle können schwierige Aufgaben möglicherweise nicht lösen. Die Routefindung besteht darin, einen Kompromiss zwischen Effektivität, Geschwindigkeit und Kosten zu finden:
- Einfache Aufgaben (z. B. Erstellung eines Besprechungsprotokolls): Nutze günstige, schnelle Modelle, um Kosten zu sparen.
- Komplexe Aufgaben (z. B. Analyse jährlicher Verkaufszahlen und Erstellung von PPTs): Nutze effektive Modelle, um die Qualität zu gewährleisten.
- Dringende Aufgaben (z. B. Erstellung eines Lösungskonzepts innerhalb von 10 Minuten): Nutze schnelle Modelle, auch wenn der Effekt etwas nachlässt.
Für Nutzer geht es darum, ob das Ergebnis gut ist, wie lange sie warten müssen und wie viel Geld sie ausgeben. Für Unternehmen sind die Kostenunterschiede bei Massenaufgaben entscheidend – ein Unterschied von 0,10 Euro pro Aufruf kann bei 100.000 Aufrufen zu einer erheblichen Summe führen.
Die Routefindung ist also keine einfache Modellwahl, sondern eine Abwägung zwischen Kosten und Effektivität.
Der ultimative Wettbewerb: Wer hat das beste Steuerungssystem?
Modelle können gekauft oder integriert werden, aber wie man die Schritte der Aufgabenteilung, Modellauswahl, Werkzeuganrufe und Fehlerbehebung miteinander verbindet, ist der eigentliche Wettbewerbsvorteil – das ist das „Steuerungssystem“ (Harness) des AI-Systems.
Ein Beispiel: Wenn ein Nutzer bittet, einen Q3-Bericht zu erstellen, muss das Steuerungssystem die Aufgabe in Schritte wie „Datenbeschaffung → Trendanalyse → Inhaltserstellung → PPT-Anpassung“ aufteilen und für jeden Schritt das richtige Modell auswählen. Wenn beispielsweise bei der Datenbeschaffung ein Fehler auftritt, muss das System automatisch darauf reagieren. Die Qualität dieses Steuerungssystems hängt von den von dem Unternehmen gesammelten echten Arbeitsdaten und der Erfahrung in der Aufgabenausführung ab. Einige Plattformen können beispielsweise besser beurteilen, welches Modell für eine bestimmte Aufgabe am kostengünstigsten und effektivsten ist, andere nicht.
Der zukünftige Wettbewerb bei Büro-Assistenten wird daher darum gehen, wer das beste Steuerungssystem hat – das, das Effektivität, Geschwindigkeit und Kosten optimal kombiniert und den Nutzern somit ein besseres Erlebnis bietet.
Zusammenfassung
Die Büro-Assistenten wechseln von der Konkurrenz um einzelne Modelle zu einer Verbandlung mehrerer Modelle, um Nutzer und Daten zu gewinnen. Um diesen Weg erfolgreich zu gehen, muss jedoch erst das Problem der Modellauswahl gelöst werden. Letztendlich geht es darum, wer das beste Steuerungssystem hat – das die Nutzerzufriedenheit und den Kostenverbrauch maximiert.