Aufmerksamkeit, Kontext und Tiefe des Denkens
Im Film „The Social Network“ gibt es eine Szene, in der die Figur von „Mark Zuckerberg“ von einem Anwalt gefragt wird, ob er dem Gespräch zugehört hat.
Er antwortet etwa so: „Ja, ich habe aufgepasst, aber nicht zu 100 %. Gerade genug für dieses Gespräch.“
Diese Szene veranschaulicht etwas, das wir alle täglich erleben: Nicht jede Aufgabe erfordert das Maximum unserer geistigen Leistungsfähigkeit.
Es gibt einfache Aufgaben, die wir mit einem Teil unserer Aufmerksamkeit lösen können, und komplexe Aufgaben, die völlige Konzentration erfordern.
Hier beginnt ein Unterschied, da die KI immer aufmerksam ist, aber es gibt einen anderen Parameter.
Beim Menschen kommt noch ein weiterer Faktor hinzu: Wir werden abgelenkt.
Wir wechseln Aufgaben, unterbrechen unsere Arbeit und dieser Kontextwechsel hat seinen Preis.
Die KI lässt sich nicht ablenken, sie wechselt nicht selbstständig zwischen Aufgaben.
Und das Wechseln von Aufgaben ist für KI nicht mit den gleichen Aufmerksamkeitswechselkosten verbunden wie für Menschen.
Es wird geschätzt, dass ein Mensch mehrere Minuten brauchen kann, um nach einer Unterbrechung wieder die volle Konzentration zu erlangen.
Es ist nicht nur eine Frage der Aufmerksamkeit, es ist eine Frage der Kontinuität des Denkens.
Wenn Sie der KI eine Aufgabe geben, nutzt sie in diesem Moment die gesamte verfügbare Kapazität.
Das bedeutet aber nicht, dass das gesamte „Denken“ der KI die gleiche Tiefe hat.
Wir können uns zwei Arten des KI-Denkens vorstellen:
- Oberflächliche Gedanken: schnelle Antworten, wenig Ausführlichkeit, oberflächliche Analyse.
- Tiefgründige Gedanken: detaillierte, gut strukturierte Antworten mit größerer Entwicklung.
Was diese Tiefe bestimmt, ist nicht nur die Intelligenz des KI-Modells, sondern auch zwei Faktoren: wie viele Informationen die KI berücksichtigen kann und wie viel Raum sie zur Entwicklung des Denkens hat.
Hier kommen zwei wichtige Konzepte ins Spiel: Kontext und Tokens.
Die KI arbeitet mit einem „Kontextfenster“, das alles ist, was in diesem Moment in den „Kopf“ der KI passt: die von Ihnen gestellte Frage, die von Ihnen gegebenen Anweisungen, der Gesprächsverlauf, die von Ihnen bereitgestellten Dokumente.
All dies nimmt Platz in Anspruch, und dieser Platz ist begrenzt.
Diese Grenze wird in Tokens gemessen, das sind die Textteile, die die KI zur Verarbeitung von Informationen verwendet.
Mit anderen Worten: Tokens stellen den verfügbaren Speicherplatz dar, während Kontext angibt, wie dieser Speicherplatz genutzt wird.
Nun der wichtigste Punkt für Sie als Führungskraft: Wenn Sie KI einsetzen, entscheiden Sie sich nicht nur für Intelligenz.
Sie entscheiden in der Praxis auch, wie viel Raum die KI zum „Denken“ haben wird und wie viel sie die Antwort entwickeln wird.
Es ist, als würden Sie „Gedanken“ kaufen.
Sie können viele einfache Aufgaben mit schnellen Antworten erledigen oder in tiefergehende, ausführlichere Antworten investieren.
Denken wir über zwei Beispiele nach:
- Eine einfache Aufgabe: Klassifizieren Sie, ob das Kundenfeedback positiv oder negativ ist.
Dies ist eine Aufgabe mit geringer Komplexität.
In diesem Fall benötigen Sie weder ein besonders intelligentes Modell noch viel Kontext noch lange Antworten.
- Eine komplexe Aufgabe: Analyse einer rechtlichen, finanziellen oder operativen Strategie.
Hier brauchen Sie mehr Kontext, mehr Ausarbeitung, mehr Raum für Argumente.
Die Tiefe muss der Komplexität des Problems entsprechen.
Allerdings ist selbst bei komplexen Aufgaben nicht immer die beste Lösung, einen einzelnen, sehr intelligenten Agenten mit viel Aufmerksamkeit einzusetzen.
In vielen Fällen kann es effizienter sein, die Aufgabe auf mehrere Agenten aufzuteilen und multidisziplinäre KI-Teams zusammenzustellen, wie wir später in diesem Buch sehen werden.
Es geht um die Idee, dass zwei Köpfe (oder mehrere) besser sind als einer.
Hier kommt ein wichtiger strategischer Punkt.
So wie Sie in Ihrem Unternehmen nicht nur Ärzte für alle Funktionen einstellen, müssen Sie auch nicht immer für alle Aufgaben die teuerste Intelligenz einsetzen.
Sie können häufig einfachere Intelligenzen mit weniger Kontext für bestimmte Aufgaben verwenden und fortgeschrittenere Intelligenzen mit mehr Kontext und mehr Ausarbeitung für kritische Aufgaben reservieren.
Dies ist ein Optimierungsspiel.
Sie wägen Kosten, Qualität und Geschwindigkeit ab, und dies variiert je nach Prozess stark.
Bei wiederkehrenden Aufgaben können Sie testen, messen und optimieren.
Sie können herausfinden, welches Maß an Intelligenz Sie verwenden, wie viel Kontext Sie bereitstellen müssen, wie viel Antwortentwicklung erforderlich ist, und dies im Laufe der Zeit anpassen.
Es gibt keine einheitliche Regel.
Es ist Übung, Testen und Anpassen.
Ein weiterer wichtiger Punkt: Selbst die teuersten KIs sind im Vergleich zu den menschlichen Kosten in vielen Situationen immer noch extrem günstig.
Es gibt aber auch Aufgaben, bei denen KI den Menschen noch nicht ersetzt.
Daher ist es wichtiger als der Versuch, eine feste Regel zu finden, das Verständnis des mentalen Modells.
Sie arbeiten mit Intelligenz, Kontext und Gedankentiefe, und Ihre Rolle als Manager besteht darin, diese Elemente so effizient wie möglich zu orchestrieren.
Betrachten Sie es als die Steuerung des Wasserflusses.
Sie haben unterschiedliche Qualitäten von Wasser (Intelligenzniveaus) und unterschiedliche Mengen von Wasser (Token, Raum zum Nachdenken).
Ihre Aufgabe besteht darin, für jede Aufgabe das richtige Wasser in der richtigen Menge bereitzustellen.
Manchmal benötigen Sie eine große Menge Wasser von durchschnittlicher Qualität (viele Token von einer durchschnittlichen KI).
In anderen Fällen benötigen Sie wenig Wasser, aber hohe Reinheit (wenige Token von einer fortgeschrittenen KI).
Und in manchen Fällen benötigen Sie viel hochwertiges Wasser (viele Token von einer fortgeschrittenen KI).
Das Geheimnis besteht darin, die Anforderungen jeder Aufgabe zu verstehen und Ressourcen strategisch zuzuweisen.