Es scheint nicht, dass eine zunehmende Nutzung generativer künstlicher Intelligenz in Unternehmen automatisch zu höherer Produktivität führt. Laut Daten, die die Persol Research and Consulting Co., Ltd. vorgestellt hat, stieg der Anteil der japanischen Vollzeitbeschäftigten, die künstliche Intelligenz bei ihrer Arbeit einsetzen, von 41,9 % im Jahr 2025 auf 54,3 % im Jahr 2026. Diese Verbreitung bedeutet jedoch nicht zwangsläufig weniger Überstunden oder bessere Ergebnisse der Unternehmen.
In einem Interview mit ITmedia erklärte Yuji Kobayashi, leitender Forscher bei der Persol Research and Consulting Co., Ltd., dass die Wertschöpfung mithilfe künstlicher Intelligenz manchmal voraussetzt, Abstand von ihr zu nehmen. Damit ist keine Ablehnung der Werkzeuge gemeint, sondern die Bewahrung der Quellen von Fähigkeiten, die Modelle allein nicht hervorbringen: der Kontakt mit der Realität, das Urteilen über Prioritäten, die Sinnbildung sowie das Lernen von realen Menschen und in realen Umgebungen.
Schnellere Arbeitszeit beseitigt nicht immer den Engpass
Kobayashi ordnet die Probleme der institutionellen Nutzung künstlicher Intelligenz in drei Bereiche. Der erste ist das „Problem der Zeitersparnis in der falschen Richtung“: Aufgaben wie das Sammeln von Informationen, der E-Mail-Austausch oder die Erstellung einer Präsentation können schneller werden, während der Engpass an einer anderen Stelle bestehen bleibt. Als Beispiel nennt er den Vertrieb: Künstliche Intelligenz kann die Erstellung eines Angebots beschleunigen, doch die Gewinnung des Kunden, das Verständnis seiner Bedürfnisse oder der Abschluss des Geschäfts können für das Endergebnis größere Bedeutung haben.
Der zweite Bereich ist das „Problem des Verschwindens des verfügbaren Spielraums“. Die Studie weist darauf hin, dass 60 % der durch künstliche Intelligenz eingesparten Zeit wieder in Arbeit investiert wurden und mehr als 70 % dieser Zeit auf alltägliche Aufgaben entfielen. Außerdem können Beschäftigte, die das Werkzeug besonders intensiv nutzen, zusätzliche Aufgaben übernehmen, etwa die damit verbundene interne Schulung, anstatt die frei gewordene Zeit in Lernen oder Innovation umzuwandeln.
Der dritte Bereich ist das „Problem des Verschwindens der Differenzierung“. Wenn das Schreiben von Bewerbungsunterlagen oder die Erstellung von Marketingmaterialien über ähnliche Werkzeuge allen zugänglich wird, nimmt der Vorteil ab, den die Schreibkompetenz allein früher bot. Kobayashi ist der Ansicht, dass das, was ein Unternehmen mit künstlicher Intelligenz leisten kann, auch Wettbewerber und Kunden leisten können, wodurch die bloße Beschleunigung von Aufgaben weniger geeignet ist, einen bepreisbaren Wettbewerbsvorteil zu schaffen.
Die entscheidende Fähigkeit ist das Management des gesamten Kreislaufs
Den Forschungsergebnissen der Persol Research and Consulting Co., Ltd. zufolge unterscheiden sich Leistungsträger in einer Umgebung, in der künstliche Intelligenz eingesetzt wird, von Leistungsträgern in einer Umgebung ohne ihren Einsatz. Im traditionellen Fall stand die Leistung mit dem Verständnis der eigenen Rolle, der schnellen Handlung und dem Management von Beziehungen zu anderen in Verbindung. In einer Umgebung mit künstlicher Intelligenz traten dagegen Personen hervor, die in der Lage waren, die Arbeit mit dem Werkzeug in einen wiederholten Kreislauf aus Informationssammlung, Entscheidung, Umsetzung, Überprüfung und Lernen zu verwandeln.
Dieser Kreislauf besteht aus fünf Fähigkeiten: „Sammeln“ und „Entscheiden“ in den oberen Phasen sowie „Überprüfen“, „Aufschlüsseln“ und „Speichern“ in den späteren Phasen. Der Prozess beginnt mit dem Sammeln von Daten, einschließlich primärer Informationen aus der realen Welt, zu denen künstliche Intelligenz nur schwer Zugang hat. Anschließend legt der Nutzer Prioritäten fest und entscheidet, was dem Werkzeug übertragen werden soll. Danach überprüft er die Ergebnisse gemeinsam mit anderen, passt sie an oder hinterfragt ungeeignete Annahmen grundlegend und teilt schließlich die Erfahrungen innerhalb der Organisation, damit sie zu kollektivem Wissen werden.
Die Bedeutung dieser Schritte liegt darin, dass das praktische Risiko nicht immer in einer „Halluzination“ besteht, deren Fehler sich leicht erkennen lässt. Das größere Risiko ist laut Kobayashi die Erzeugung einer Antwort, die allgemein richtig und plausibel wirkt, aber für diesen Kunden, diesen Zeitpunkt oder diesen Kontext nicht geeignet ist. Der Wert des Nutzers besteht daher nicht darin, das Ergebnis zu akzeptieren, sondern eine „allgemeine Antwort“ in eine für die jeweilige Situation geeignete Antwort zu verwandeln.
Mehrdimensionales Denken und Neugier außerhalb des Bildschirms
Die Studie stellte bei Leistungsträgern außerdem zwei Denkmerkmale fest: das „mehrdimensionale Denken“, also die Erhöhung des Abstraktionsniveaus, die Verbindung eines Themas aus mehreren Perspektiven und das Erkennen des Gesamtbildes, sowie den „animalischen Geist“, ein Ausdruck, den der Ökonom John Maynard Keynes verwendete, um die irrationalen menschlichen Antriebe im Wirtschaftsleben zu beschreiben. Kobayashi verwendet ihn hier, um Neugier und die Bereitschaft zu bezeichnen, etwas auszuprobieren, das interessant erscheint.
Mehrdimensionales Denken hilft dabei, die Flut von Vorschlägen zu ordnen, die Modelle erzeugen, während Neugier dazu anregt, neue Anwendungsmöglichkeiten auszuprobieren, statt sich auf vertraute Aufgaben zu beschränken. Die Studie, wie sie von der Quelle dargestellt wird, stellte jedoch nicht fest, dass der „animalische Geist“ automatisch mit der Dauer der Nutzung künstlicher Intelligenz wächst. Kobayashi weist vielmehr auf die mögliche Entstehung eines „Anti-Skill-Erwerbs“ hin, bei dem die Abhängigkeit vom Werkzeug zum Rückgang bestimmter Fähigkeiten des Nutzers führt.
Was verändert sich in der Praxis?
Die wichtigste redaktionelle Schlussfolgerung lautet, dass die Messung des Erfolgs künstlicher Intelligenz anhand der Zahl der Beschäftigten, die sie nutzen, oder anhand der Zahl der eingesparten Minuten unvollständig sein kann. Die nützlichere Frage lautet: Wurden Zeit und Aufwand an eine Stelle verlagert, die tatsächlich den Umsatz, die Qualität von Entscheidungen oder die Lösung eines Kundenproblems beeinflusst? Außerdem sollten Schulungsprogramme nicht auf das Schreiben von Eingabeaufforderungen beschränkt sein, sondern auch das Sammeln von Belegen, das Festlegen von Prioritäten, die gemeinsame Überprüfung und die Dokumentation von Wissen umfassen.
Kobayashi schlägt vor, dass die Entwicklung von Denken und Neugier Aktivitäten außerhalb des Werkzeugs erfordert, etwa den Kontakt mit unterschiedlichen Menschen und Umgebungen, die Beteiligung an Nebenbeschäftigungen oder gemeinnützigen und ehrenamtlichen Aktivitäten, die Vertiefung in ein einziges Thema und das Lesen. Dies ist kein für jede Organisation nachgewiesenes Rezept, spiegelt jedoch die Grenzen dessen wider, was die kontinuierliche Nutzung des Werkzeugs allein leisten kann. Die Studie stützte sich zunächst auf eine Voruntersuchung mit 20.000 Beschäftigten und anschließend auf eine Hauptuntersuchung mit 3.000 Vollzeitbeschäftigten. Die Folgestudie fand zwischen dem 22. April und dem 7. Mai 2026 statt, während die neue Studie zwischen dem 23. April und dem 7. Mai 2026 durchgeführt wurde; dabei wurden Teilnehmer der Studie vom Oktober 2025 sowie neue Teilnehmer einbezogen.