Produktpositionierung in tiefgreifenden Widersprüchen – hohe Fluktuation der Mitarbeiter: Ein ehemaliges DingTalk-Mitarbeiter veröffentlicht einen 105-seitigen Artikel, in dem er die Probleme von DingTalk im Zeitalter der KI analysiert.

Zusammenfassung der Kerninhalte

Das von DingTalk-Gründer Wu Zhao zurückgebrachte AI-Büroprodukt ONE sollte ursprünglich mithilfe von KI die überall verstreuten Arbeitsinformationen (Gruppenchats, To-Dos, Meetings usw.) organisieren und so ein effizientes Erlebnis schaffen, bei dem „die Aufgaben die Menschen finden“. Doch aufgrund vieler widersprüchlicher Ziele – wie die Entlastung der Nutzer, die Produkttransformation, die Stärkung des Teamgeistes sowie die kommerzielle Verwertung – sowie wegen einer fehlenden Konsistenz in der Positionierung (Entzücken der Chefs vs. Belästigung der Mitarbeiter) und hoher Iterationsraten kam ONE nach nur 10 Monaten nicht über eine „Übergangsstufe“ hinaus. Sein Scheitern spiegelt die allgemeinen Schwierigkeiten von Technologieunternehmen bei ihrer AI-Transformation wider, insbesondere ihr Verhalten von Gier und Eile.

Projekt ONE: Der Traum der „Aufgaben finden Menschen“ im Zeitalter der KI

Die Idee hinter ONE war einfach: Früher musste man selbst in Gruppenchats nach To-Dos suchen, Meetingprotokolle überprüfen und Genehmigungsverfahren verfolgen. Jetzt soll die KI diese Informationen nach Priorität sortieren und den Nutzern als Karten zur Verfügung stellen, sodass „Menschen Aufgaben finden“ anstelle von „Aufgaben Menschen finden“. Zum Beispiel sendet die KI nach einem Meeting automatisch das Protokoll, die zu erledigenden Aufgaben sowie relevante Dokumente direkt an den Nutzer – ohne dass dieser alles einzeln suchen muss. Wu Zhao hoffte, dass ONE zur „neuen Startseite“ von DingTalk im Zeitalter der KI wird und zeigt, dass DingTalk kein altmodisches Büroprogramm ist, sondern mit dem AI-Trend Schritt halten kann.

Vier widersprüchliche Ziele: Ein Produkt trägt zu viele Lasten

ONE war von Anfang an kein rein für die Nutzer entwickeltes Produkt, sondern sollte gleichzeitig vier Ziele erreichen:

1. Ziel der Nutzerentlastung: Die Arbeitsbelastung der Mitarbeiter verringern und das Problem der verstreuten Informationen lösen.

2. Ziel des Produkts: DingTalk einen neuen Einstieg in die KI-Ära bieten – KI sollte nicht nur in bestehenden Funktionen verborgen bleiben.

3. Ziel der Organisation: Nach Wu Zhaos Rückkehr sollte ONE dazu dienen, das Team zu stärken und den Eindruck von DingTalk im Außen zu verbessern.

4. Kommerzielles Ziel: Die KI erfordert Kosten (z. B. durch Modelltoken); daher musste sie über die Dienste von DingTalk kommerziell genutzt werden, um deren Wert zu zeigen.

Diese vier Ziele wirkten wie verschiedene Kräfte, die ONE in unterschiedliche Richtungen zogen: Um organisatorische Ziele schnell zu erreichen, wurde oft der Benutzerkomfort geopfert; um finanzielle Erfolge zu erzielen, wurden Werbeanzeigen in die Arbeitsabläufe eingefügt, was bei den Nutzern auf Ablehnung stieß.

Widersprüche von Anfang an: Die Bedürfnisse von Chefs und Mitarbeitern stehen im Konflikt

Die Ausrichtung von ONE war von vornherein problematisch:

• Entzücken der Chefs oder der Mitarbeiter? DingTalks Nutzer lassen sich in zwei Gruppen einteilen: Chefs wollen Kontrolle über die Arbeit ihrer Mitarbeiter haben (sie möchten sehen, ob diese arbeiten und wie weit sie fortgeschritten sind), während Mitarbeiter Freiheit wünschen (sie möchten nicht überwacht werden und weniger gestört werden). ONE sollte sowohl den Chefs dienen (die meisten Genehmigungs- und Nachrichtenbedarfe haben) als auch die tägliche Aktivität der normalen Nutzer steigern – doch es gelang nicht, beide Seiten zufriedenzustellen.
• Konflikt zwischen DingTalks Kernfunktionen und der AI-Vision: DingTalk dient traditionell dazu, Chefs bei der Kontrolle ihrer Mitarbeiter zu unterstützen (z. B. durch „Gelesen“-Markierungen oder Benachrichtigungen), während ONE die Mitarbeiter entlasten soll. Doch diese Funktionen führten zu Kritik – die Nutzer beschwerten sich, dass sie keine Möglichkeit mehr hatten, so zu tun, als hätten sie die Nachrichten nicht gelesen.
• Unmöglicher „Ausgleich zwischen verschiedenen Interessen: ONE sollte eine breite Nutzerschaft ansprechen, häufige Aktivitäten fördern und gleichzeitig Geld verdienen; es sollte sowohl ein einfaches Benutzererlebnis bieten als auch tiefgreifende Probleme lösen. Doch beispielsweise führte die Einbeziehung von Lernvideos in die Arbeitsfunktionen zu Beschwerden der Nutzer, da sie während der Arbeit keine Werbung sehen wollten.

Hohe Iterationsraten zerstören die Grundlagen

Das ONE-Team setzte ein „Tägliche-Entwicklung“-Konzept um: Anforderungen der Chefs mussten am Morgen gestellt und am Abend mit Ergebnissen erfüllt werden. Diese hohe Geschwindigkeit ließ dem Team keine Zeit für langfristige Grundlagenarbeit – wie die individuelle Benutzeranpassung oder die Verbesserung von Feedbackmechanismen. Das Ergebnis war, dass das Produkt zwar viele Funktionen hatte, aber eine instabile Basis: Die KI-Empfehlungen waren unzuverlässig, die Nutzer fanden sie nutzlos; die Mitarbeiter arbeiteten täglich Überstunden, die Fluktuation der Mitarbeiter war hoch (nur drei Personen blieben länger als drei Monate), und es kam sogar zu einem Fall, in dem jemand vor Erschöpfung ins Krankenhaus musste.

Lehren aus dem Scheitern: Bei der AI-Transformation nicht gierig sein

Das Scheitern von ONE lag nicht daran, dass das Team nicht hart gearbeitet hätte, sondern daran, dass die Bemühungen in die falsche Richtung gingen. Es gibt drei wichtige Erkenntnisse für die Branche:

1. Überlaste Produkte nicht mit zu vielen Zielen: Ein Produkt, das gleichzeitig Probleme von Nutzern, Organisation und Geschäft lösen soll, funktioniert nicht – es ist wie ein Auto, das in alle Richtungen fährt.

2. Kernfunktionen und neue Visionen ausbalancieren: Bei der Transformation alter Produkte in AI-Produkte sollten die eigenen Kernwerte nicht ignoriert werden; sonst wirken die Produkte unecht.

3. Langsam arbeiten und auf die Grundlagen achten: AI-Produkte benötigen Zeit, um das Benutzererlebnis zu verbessern und die Modelle zu optimieren – Eile führt nur zu einer „äußerlich starken, innerlich schwachen“ Lösung.

Das Scheitern von ONE ist wie ein Spiegel für Technologieunternehmen im AI-Boom: Sie sollten sich nicht nur auf die „AI-Geschichte“ und kurzfristige KPIs konzentrieren, sondern auch daran denken, was die Nutzer wirklich brauchen.