Gartner-Analyst: 'Change Management kostet 100-200% Ihrer KI-Technologiekosten'

Perspektive

Deepo Seth ist Director Analyst bei Gartner und hat allein im letzten Jahr über 650 Kundengespräche zur KI-Implementierung geführt. Seine Perspektive durchdringt den Hype mit der Klarheit eines Praktikers: Organisationen haben nicht mit KI-Technologie zu kämpfen – sie haben Probleme mit Change Management, Governance und der menschlichen Seite der Einführung. Diese ThinkCast-Episode liefert umsetzbare Frameworks für CIOs, die die Lücke zwischen KI-Versprechen und KI-Realität überbrücken müssen.

Zu den wahren Kosten von KI: “Rolling out AI means as much as the technology cost of rolling out AI are the change related aspects—the change management—which could be 100 to 200% of the cost of the technology part.” (Die Einführung von KI bedeutet, dass die veränderungsbezogenen Aspekte – das Change Management – genauso viel oder sogar 100 bis 200% der Kosten des technologischen Teils ausmachen können.) Dies verändert die gesamte KI-Budgetierung. Wenn Sie eine KI-Implementierung für 1 Mio. $ planen, kalkulieren Sie insgesamt 2-3 Mio. $ inklusive Change Management, Schulung und Governance ein.

Zum Wrapper-Problem: “You take a core AI capability—AI is very great at summarizing content. But how Sally in recruitment will use it is different from how Tom in procurement would use it versus how Sarah in marketing would use it.” (Man nimmt eine zentrale KI-Fähigkeit – KI ist sehr gut darin, Inhalte zusammenzufassen. Aber wie Sally im Recruiting sie nutzt, unterscheidet sich davon, wie Tom im Einkauf sie nutzt oder wie Sarah im Marketing sie verwendet.) Generische KI-Tools scheitern, weil ihnen der Kontext fehlt. Die eigentliche Arbeit besteht darin, “Wrapper” zu bauen – Menschen-, Prozess- oder Technologieschichten, die KI für spezifische Rollen kontextuell nutzbar machen.

Zur 10-70-20-Adoptionsrealität: “10% of employees, you roll out anything new, they will figure out what to do with it. 70 to 80%, the bulk of your organization—I can’t figure out new things, tell me what to do. And then there are 10 or 20% whom you can give whatever and they will keep on doing whatever.” (10% der Mitarbeiter – egal was man Neues ausrollt, sie werden herausfinden, was damit zu tun ist. 70 bis 80%, der Großteil Ihrer Organisation – ich kann mit neuen Dingen nichts anfangen, sagen Sie mir, was zu tun ist. Und dann gibt es 10 oder 20%, denen Sie alles geben können und die einfach weitermachen wie bisher.) Diese Verteilung erklärt, warum “Gebt allen ChatGPT”-Strategien scheitern. Die meisten Mitarbeiter brauchen KI in ihre Workflows eingebettet, nicht als separates Tool.

Zu Agenten als Anthropomorphisierung: “What AI agents did—they anthropomorphized AI. Suddenly it became humanlike. People started thinking of AI in terms of human roles… But AI agents are not performing roles, they are performing tasks within roles.” (Was KI-Agenten bewirkt haben – sie haben KI vermenschlicht. Plötzlich wurde sie menschenähnlich. Menschen begannen, KI in Form von menschlichen Rollen zu denken… Aber KI-Agenten erfüllen keine Rollen, sie führen Aufgaben innerhalb von Rollen aus.) Dies klärt den Agenten-Hype: Das Konzept hilft bei der Adoption, indem es KI greifbar macht, aber verwirrt die Implementierung, indem es Rollenersatz statt Aufgabenautomatisierung suggeriert.

Zur post-agentischen Zukunft: “Agents are the current manifestation of the way AI is being rolled out. But down the road, I think there is definitely a post-agentic world. The intelligence may be built into the models, maybe built into the network, maybe built into the systems themselves.” (Agenten sind die aktuelle Manifestation der Art und Weise, wie KI ausgerollt wird. Aber ich denke, auf lange Sicht gibt es definitiv eine post-agentische Welt. Die Intelligenz könnte in die Modelle eingebaut sein, vielleicht ins Netzwerk, vielleicht in die Systeme selbst.) Agenten sind eine Zwischenstation, kein Endziel – planen Sie für ein 2-3-Jahres-Fenster, in dem agentische Architektur wichtig ist, und erwarten Sie dann einen erneuten Paradigmenwechsel.

Wichtigste Erkenntnisse

• Change Management übersteigt Tech-Kosten - Kalkulieren Sie 100-200% zusätzlich zu den Technologieausgaben für Schulung, Kompetenzaufbau, Governance und Adoptionsprogramme
• Defend/Extend/Upend-Framework - Defend (generische Tools, Mitarbeiterzufriedenheit), Extend (Workflow-Integration, messbare KPIs), Upend (transformative Wetten, schwer zu quantifizieren)
• Kontext-Wrapper sind das eigentliche Produkt - Rohe KI-Fähigkeiten brauchen rollen- und prozessspezifische Wrapper, um Wert zu liefern
• Agenten helfen bei Adoption, verwirren Implementierung - Die Vermenschlichung von KI macht sie zugänglich, birgt aber das Risiko, Aufgabenautomatisierung mit Rollenersatz zu verwechseln
• Post-agentische Welt in 3+ Jahren - Intelligenz wird von Agenten-Architekturen direkt in Modelle, Netzwerke und Systeme wandern
• ACI statt AGI - Die Zukunft ist nicht künstliche allgemeine Intelligenz allein, sondern Augmented Collective Intelligence – Menschen und KI, die zusammenarbeiten

Das große Ganze

Seths wichtigste Erkenntnis ist die Neudefinition der KI-Implementierung von einem Technologieproblem zu einem Change-Management-Problem. Organisationen scheitern nicht, weil Modelle nicht leistungsfähig sind – sie scheitern, weil sie KI ohne die Wrapper einsetzen, die sie kontextuell nutzbar machen. Für Organisationen, die KI-Agenten entwickeln oder einführen, bedeutet dies, dass der Agent selbst vielleicht 30-50% der Arbeit ist; der Rest ist Schulung, Governance, Workflow-Integration und die Unterstützung der 70% der Mitarbeiter, die KI in ihre Jobs eingebettet brauchen, statt sie als separates Tool vorgesetzt zu bekommen.