Hallo! Ich bin Ihr Partner als Wirtschaftswissenschaftler und Finanzjournalist. Dieses Interview mit Anish Acharya, einem Partner des führenden Silicon-Valley-Venture-Capitals a16z, ist äußerst informativ und seine Aussagen sind ziemlich „gegenintuitiv“.
In einer Zeit, in der die Angst vor KI allgegenwärtig ist und jeder um Effizienz, Code und Modellparameter konkurriert, hat Anish kaltes Wasser ins Gesicht geschüttet und gleichzeitig einen neuen Weg aufgezeigt. Er sagt uns: Lassen Sie sich nicht von der „Eliteeuphorie“ des Silicon Valley einschüchtern – den Menschen ist es völlig egal, wie effizient Sie sind; sie interessieren sich für Glück und Gesellschaft. Die Unternehmen der Zukunft werden nicht von Menschen gesteuert, sondern von „geschlossenen Systemen“, die automatisch funktionieren, und die Menschen sind nur dafür da, die „intuitiven Entscheidungen“ zu treffen, die Maschinen nicht treffen können.
Im Folgenden zerlege ich diesen langen Text in fünf zentrale Aspekte und erkläre sie Ihnen in einfachen Worten:
---
1. Die Angst vor dem Ende überwinden: Technologie ist nicht so schnell und nicht so mächtig, wie man denkt
Zentrale Aussage: Die Vorstellung, dass man „zur unteren Schicht wird, wenn man mit der KI nicht Schritt hält“, ist eine kollektive Illusion des Silicon Valley. Die Veränderungen in der realen Welt sind viel langsamer als der Code – die meisten Engpässe liegen nicht im Intellekt, sondern in der physischen Welt.
Ausführliche Erklärung:
1. „Permanente Unterordnung“ ist eine falsche Annahme: Viele Menschen fürchten, dass sie ausgemustert werden, wenn sie nicht zu „Superindividuen“ werden. Anish sagt klar, dass dies eine „narzisstische Panik“ der Menschen im Silicon Valley ist. Schauen Sie sich den aktuellen Markt für KI-Tools an – es gibt keinen eindeutigen „Sieger“, der alles übernimmt. Tools wie Claude, Cursor und Replit wachsen schnell, was zeigt, dass die technischen Hürden sinken und nicht steigen. Die Tools, die die meisten Menschen nutzen können, sind stärker als je zuvor.
2. Die physische Welt ist eine „langsame Variable: Wir neigen dazu, zu glauben, dass KI alle Probleme sofort lösen kann. Aber Anish gibt ein gutes Beispiel: Stellen Sie sich vor, Sie geben einer Domino-Pizza-Laden eine KI mit dem IQ eines Nobelpreisträgers – kann sie die Pizza dann schneller liefern? Nein. Denn der Teig muss reifen, der Lieferant muss fahren, und der Verkehr ist eine physische Begrenzung.
Fazit: Die meisten Engpässe in der realen Wirtschaft liegen in der Lieferkette, der Logistik und der Zusammenarbeit der Organisationen – nicht in mangelnder Intelligenz. Also erwarten Sie nicht, dass KI Sie morgen arbeitslos macht; die Verbreitung von Technologie braucht viel Zeit.
2. Neustrukturierung der Organisationen: Unternehmen werden zu „automatischen geschlossenen Systemen“, Menschen übernehmen nur Ausnahmefälle
Zentrale Aussage: Zukünftige Unternehmen werden keine klar strukturierten Pyramiden sein, sondern Systeme, die automatisch funktionieren („Loops“). Der Wert der Menschen wird dadurch gesteigert, dass sie sich um „Ausnahmefälle“ und „strategische Intuitionen“ kümmern, die Maschinen nicht bewältigen können.
Ausführliche Erklärung:
1. Was sind „geschlossene Systeme“ (Loops)? Früher schrieben wir Code und machten Marketing – alles wurde von Menschen Schritt für Schritt durchgeführt. In Zukunft werden intelligente KI-Systeme solche Loops bilden.
- Beispiel: Wenn ein Softwarefehler auftritt, erfasst das System die Protokolle automatisch, reproduziert den Fehler, schreibt den Reparaturcode, testet ihn automatisch, lädt ihn automatisch hoch und sendet dem Benutzer eine E-Mail mit der Nachricht, dass alles repariert ist. Niemand muss sich einmischen.
- Erweiterung: Dies gilt nicht nur für Code, sondern auch für Vertrieb, Kundenservice, Recht usw. Jede Abteilung hat ihr eigenes System, die schließlich zu einem supergroßen System des Unternehmens zusammenfließen.
2. Die Rolle der Menschen ändert sich: Von „Operatoren“ zu „Kommandanten“: In geschlossenen Systemen sind Maschinen gut darin, „lokale Verbesserungen“ vorzunehmen – also Dinge bis zum Äußersten zu optimieren. Aber Maschinen haben einen fatalen Nachteil: Sie wissen nicht, „welcher nächste Schritt“ kommt. Wenn das Geschäft auf unerwartete Situationen stößt oder eine neue Richtung erforscht werden muss, brauchen Menschen Intuition und ein Verständnis der Welt, um Entscheidungen zu treffen.
- Die vier Hauptfunktionen der Menschen: Wichtige Verkaufsanstrengungen, Schlüsselkundensupport, strategische Entscheidungen, Umgang mit Ausnahmefällen.
3. Die Ökonomie des Intellekts: Verwenden Sie keine schlechten Modelle, um Geld zu sparen, und keine teuren Modelle, um mit Technologie anzugeben
Zentrale Aussage: Unternehmen müssen bei der Nutzung von KI Kosten und Nutzen abwägen. Entscheidend ist nicht, wie leistungsfähig das Modell ist, sondern wie hoch die „geschäftlichen Grenzen“ der Aufgabe sind. Für hohe Anforderungen sollten hochwertige Modelle verwendet werden; für niedrige Anforderungen günstige Open-Source-Modelle.
Ausführliche Erklärung:
1. Pareto-Effizienz: Hochwertige Modelle wie OpenAI und Anthropic sind teuer – aber lohnt es sich, wenn der Nutzen unbegrenzt ist. Zum Beispiel bei der Entwicklung neuer Medikamente: Wenn ein hochwertiges Modell helfen kann, das nächste Krebsmedikament zu finden, ist der zusätzliche Kostenaufwand durchaus gerechtfertigt.
- Wann lohnt es sich nicht? Wenn der Nutzen begrenzt ist – zum Beispiel bei Buchhaltung oder Compliance-Überprüfungen. Es ist nicht sinnvoll, teure Modelle zu verwenden, wenn keine Fehler auftreten und die Ergebnisse ausreichen.
2. Vorsicht vor dem „Schmetterungseffekt: Manche Aufgaben scheinen einfach (z. B. die Bearbeitung von Kundenbeschwerden), und der Nutzen ist gering; daher sollten sie mit billigen Modellen abgewickelt werden. Aber wenn solche Beschwerden auf ernsthafte Probleme hindeuten, können sie wertvolle Informationen liefern.
- Strukturelle Differenzierung: Die IT-Architektur zukünftiger Unternehmen wird sich strukturieren: Für anspruchsvolle Bereiche (Codeentwicklung, Forschung, Großkundenvertrieb) werden teure, proprietäre Modelle verwendet; für Standardprozesse günstige, optimierte Open-Source-Modelle.
4. Die wahre Chance von KI für den Verbraucher: Nicht als „Effizienzwerkzeug“, sondern als „glücklicher Begleiter“
Zentrale Aussage: Der größte Irrtum in der Tech-Welt ist der Glaube, dass die Menschen KI nutzen wollen, um Zeit zu sparen. Tatsächlich möchten sie ihre Zeit verbringen und Gemeinsamkeiten finden. Die wahren Chancen von KI liegen in emotionalen und spirituellen Bedürfnissen der Menschen.
Ausführliche Erklärung:
1. Effizienz ist für die Business-Sektor (B-Side), Glück für die Consumer-Side: Superkonzerne wie Facebook, Instagram und TikTok sind durch soziale Interaktionen und Unterhaltung entstanden, nicht durch „Excel-Verstärker“.
- Kognitiver Unterschied: Silicon-Valley-Geeks diskutieren leidenschaftlich über KI-Modelle, während normale Nutzer sie eher als einfache Suchmaschinen betrachten.
- Zentrale Frage: Die grundlegendsten Bedürfnisse der Menschen sind Liebe, Verbundenheit, Wachstum und Spaß. In einer atomisierten Gesellschaft gibt es große emotionale Lücken – wer diese Lücken mit KI füllen kann, wird der nächste Großunternehmer sein.
- Warum gibt es noch keine großen KI-Produkte? Drei Hindernisse: Kosten (früher kosteten kostenlose Apps viel Geld), unangenehme Interaktionen (heutige KI-Apps erfordern aktive Eingaben), und ein falsches Verständnis der Nutzerbedürfnisse (heutige KI-Apps sind oft zu kompliziert).
- Produktambitionen sollten wie bei Hermès sein: Man sollte nicht erst kostenlos Nutzer anziehen und dann Geld verdienen, sondern überlegen, wie man Produkte so gut macht, dass die Nutzer bereit sind, viel Geld dafür zu zahlen.
5. Schutzbarkeiten und Handlungsanleitung: Konstruieren Sie, nicht nur reden; stolpern Sie, aber klug
Zentrale Aussage: Schutzbarkeiten entstehen im Handeln, nicht im Planen. Die beste Lernmethode für Einzelpersonen ist das „Erstellen“ – nicht das Lesen.
Ausführliche Erklärung:
1. Schutzbarkeiten entstehen im Handeln: Viele Gründer entwerfen in Präsentationen perfekte Schutzbarkeiten – in der Praxis werden sie jedoch erst im Laufe des Prozesses entdeckt.
- Beispiel: Cursor: Anfangs wurde es verspottet, aber durch kontinuierliche Verbesserungen zog es die besten Programmierer an und sammelte Daten, die zu eigenen Modellen führten.
- Klassische Prinzipien gelten weiterhin: Netzwerkeffekte, Skaleneffekte, Markentreue – diese alten Grundsätze gelten auch in der KI-Ära. Technologie ist nicht das Problem; das Problem liegen in den Details und der Betreuung.
- Distribution ist kein Problem, mangelhafte Produkte sind das Problem: Wenn Ihr Produkt nicht gut genug ist, werden die Nutzer es nicht nutzen – nicht die Kanäle sind das Problem.
- Rat für Entwickler: Arbeiten Sie an Produkten, nicht nur an Theorien. Schreiben Sie selbst einen einfachen Code; das gibt Ihnen praktische Erfahrungen und ein besseres Verständnis für die Grenzen und Schwächen von KI.
---
Zusammenfassend lässt sich der Kern dieser Analyse wie folgt zusammenfassen:
1. Gestaltung der Einstellung: Verlieren Sie die Angst vor der KI – die Verbreitung von Technologie ist langsam, und physische Grenzen bestehen weiterhin.
2. Organisationsstruktur: Nutzen Sie „geschlossene Systeme“ und lassen Sie KI die Routine übernehmen; Menschen konzentrieren sich auf Strategie und Ausnahmefälle.
3. Kosten: Nutzen Sie Modelle rational – für hohe Anforderungen hochwertige Modelle, für niedrige günstige Open-Source-Modelle.
4. Markt: Konzentrieren Sie sich nicht nur auf Effizienz, sondern auch auf emotionale Bedürfnisse der Menschen.
5. Handeln: Konstruieren Sie Produkte, nicht nur reden; lernen Sie durch Handeln – und hören Sie auf, Ratschläge zu ignorieren.
Für die meisten Menschen bedeutet das: Sehen Sie sich nicht als Konkurrenten der KI, sondern als „Coaches“ und „Kommandanten“ der KI. Erleben Sie, entwickeln Sie Produkte und verstehen Sie die menschlichen Aspekte und Intuitionen, die Maschinen nicht verstehen können.