OpenAIs Analyse von 800.000 ChatGPT-Nachrichten, die von US-Fachkräften versendet wurden, zeigt, dass fast jeder sechste arbeitsbezogene Prompt das Modell dazu auffordert, Aufgaben zu übernehmen, die traditionell einer anderen Berufsgruppe zuzuordnen sind. Wenn man Routineaufgaben wie das Schreiben und Zusammenfassen herausrechnet, steigt dieser Wert auf 43,5 %. Dieser Wandel verändert bereits die Art und Weise, wie Mitarbeiter ihren Tag verbringen, und ist vor allem für die kleinsten Unternehmen von Bedeutung, bei denen jede zusätzliche Fähigkeit die Wartezeit auf einen Spezialisten um Wochen verkürzen kann.

Warum die Zahlen wichtig sind

Die Studie ergab, dass sich abteilungsübergreifende Anfragen in bestimmten Funktionsbereichen häufen. Marketing und Engineering führen das Feld an, wobei marketingbezogene Anfragen in 8,9 % der Nachrichten aus anderen Rollen auftauchen – die höchste Rate im gesamten Datensatz. Ein Vertriebsmitarbeiter könnte ChatGPT bitten, Zahlen zum Customer Lifetime Value zu berechnen, die normalerweise ein Datenanalyst übernehmen würde, während ein Marketer einen defekten Link beheben oder das On-Page-SEO optimieren kann, bevor er einen Ingenieur einschaltet.

Für kleine Unternehmen ist der Effekt noch deutlicher. Inhaber erstellen nun Entwürfe für rechtliche Prüfvermerke, führen schnelle Finanzprognosen durch und nehmen Ad-hoc-Analysen vor, für die früher ein Anwalt oder CFO erforderlich gewesen wäre. In Teams von zwei bis fünf Personen fallen 18,9 % der KI-generierten Aufgaben außerhalb der Kernrolle des Mitarbeiters, verglichen mit 16,3 % in Unternehmen mit mehr als hundert Mitarbeitern. Die Logik ist simpel: Größere Firmen können die Anfrage an einen spezialisierten Kollegen weiterleiten; kleine Betriebe müssen das Problem selbst lösen.

Die Vorteile: Geschwindigkeit und präzisere Übergaben

Wenn ein Mitarbeiter eine erste Analyse oder eine grobe rechtliche Zusammenfassung erstellt, wird die Übergabe an einen Spezialisten schneller und fokussierter. Der Spezialist erhält eine klarere Problemstellung, besser aufbereitete Daten und weniger E-Mails mit der Frage „Bitte erklären Sie, was Sie benötigen“. Das verkürzt die Wartezeiten, reduziert interne Reibungsverluste und erhöht die Qualität der Anfragen.

Was auf dem Spiel steht

Die Studie behauptet nicht, dass KI Experten überflüssig machen wird. Sie betrachtet die Technologie vielmehr als eine Art Ersthelfer an der Front, der das Problem näher an seinen Ursprung bringt.

Wie Unternehmen sich anpassen können

  • Entscheidungspunkte identifizieren – Finden Sie heraus, wo eine Anfrage typischerweise ins Stocken gerät, und testen Sie, ob die KI einen brauchbaren ersten Entwurf erstellen kann.
  • Zuständigkeiten und Grenzen festlegen – Legen Sie fest, welche Ergebnisse die Freigabe durch eine qualifizierte Fachkraft benötigen.
  • Schulung für neue Kompetenzen – Bieten Sie Micro-Learning zu den Themen Prompting, Interpretation von KI-Vorschlägen und das Erkennen wahrscheinlicher Fehler an.
  • Auswirkungen messen – Verfolgen Sie die durch effizientere Übergaben eingesparte Zeit im Verhältnis zu etwaigen Anstiegen der Fehlerquote oder des Nacharbeitsaufwands.

Kleine vs. große Organisationen: unterschiedliche Wege

Die nächste Stufe

Die Daten von OpenAI erfassen eine Praxis, die sich rasant entwickelt. Da die Modelle zuverlässiger und domänenspezifischer werden, wird der Anteil abteilungsübergreifender Aufgaben wahrscheinlich steigen. Organisationen, die KI lediglich als reines Produktivitätswerkzeug und nicht als Katalysator für die Neugestaltung von Arbeitsabläufen betrachten, riskieren, den Anschluss zu verlieren. Diejenigen, die Prozesse jetzt neu gestalten – indem sie entscheiden, welche Entscheidungen beim Menschen bleiben und welche durch KI unterstützt werden können – werden von schnelleren Zyklen und agileren Teams profitieren.

Fazit: Die KI verlagert die erste Reaktion auf ein Problem bereits an dessen Ursprung, insbesondere in kleinen Unternehmen, in denen jede zusätzliche Fähigkeit Verzögerungen verringert. Der wahre Vorteil ergibt sich nicht aus der Umbenennung von Jobs, sondern aus der Neugestaltung der Frage, wer was macht und an welcher Stelle eine Maschine sicher einspringen kann.