David Rice: Während des größten Teils unserer Karriere war der Rat immer derselbe: Spezialisieren Sie sich. Werden Sie in etwas Wertvollem besonders tiefgehend. Bauen Sie Fachwissen auf, das sonst niemand besitzt. Unser heutiger Gast glaubt, dass dieser Rat aktualisiert werden muss – nicht, weil Fachwissen verschwindet, sondern weil wir dank künstlicher Intelligenz weniger Menschen brauchen werden, die in einem einzigen Fachgebiet besonders tief spezialisiert sind. Wissen ist heute leichter zugänglich.
Damit verändert sich das Wertversprechen. In der heutigen Folge spreche ich mit Tony Castellanos, dem Leiter des Personalbereichs bei Nextdoor, darüber, was wertvoller wird, wenn KI die kodifizierbaren Aufgaben übernimmt. Seine Antwort? Geschmack. Zu wissen, wie etwas Gutes aussieht, wird wichtiger, als zu wissen, wie man es produziert – und Geschmack kann man nicht in einem Kursraum trainieren.
Er entsteht durch Wiederholung, durch viele Versuche, durch Rückschläge und dadurch, dass man genügend Erfolge und Fehlschläge sammelt, um den Unterschied intuitiv zu erkennen. Besonders interessant wird es beim Thema Organigramm. Tony glaubt, dass Generalisten bald neu bewertet werden. Heute gelten sie als operative Ebene: eher junior und nicht ganz so nützlich.
Das wird sich umkehren. Experten werden weniger zahlreich. Die Menschen, die Fachwissen über mehrere Bereiche hinweg verbinden können und herausfinden, was ein Unternehmen leisten kann, wenn es auf verschiedene Wissenszentren zurückgreift, rücken ins Zentrum. Und beim Konzept der Kostenstelle glaubt Tony, dass dieses Etikett künftig nicht mehr bestimmt, wer ein Problem übernehmen darf.
Das Organigramm entwickelt sich von einer Karte darüber, wo Informationen liegen, zu etwas viel Flexiblerem: Teams bilden und lösen sich rund um das jeweils anstehende Problem. Heute sprechen wir deshalb darüber, warum tiefe Spezialisierung Ihr Risiko durch KI erhöht, wenn Sie sie nicht mit umfassenderen Geschäftsproblemen verbinden können, wie sich Geschmack entwickelt und warum er zu einer zentralen Führungskompetenz wird, wie sich das Verhältnis von Experten und Generalisten in Organisationen des KI-Zeitalters umkehrt und warum das Kostenstellenmodell in fünf Jahren seltsam veraltet wirken könnte.
Ich bin David Rice. Das ist People Managing People. Wenn Sie Ihre Karriere auf Tiefe in einem einzigen Fachgebiet aufgebaut haben, lohnt es sich, über dieses Gespräch nachzudenken. Legen wir los.
Für reibungslose Leistungsbeurteilungen und Sicherheit auf Unternehmensniveau können Sie Teamflect kostenlos testen – die am besten bewertete Plattform für Leistungsmanagement im Microsoft-Ökosystem. Weltweit vertrauen Unternehmen darauf, Ziele abzustimmen, Leistungsbeurteilungen durchzuführen und Talente in großem Umfang zu entwickeln.
Tony, willkommen in der Sendung. Schön, dass du da bist.
Tony Castellanos: Vielen Dank. Es ist mir eine Freude, hier zu sein.
David Rice: Ich wollte unser Gespräch heute mit der Frage beginnen, dass der Rat während des größten Teils unserer Karriere immer lautete: Spezialisieren Sie sich.
Man sollte sich auf etwas mit hohem Wert spezialisieren und tiefes Fachwissen entwickeln, das andere nicht besitzen. Du stellst jedoch die kontraintuitive Idee auf, dass extreme Spezialisierung heute die Anfälligkeit für KI erhöhen kann, wenn dieses Fachwissen dokumentiert und kodifiziert werden kann.
Meine Einstiegsfrage lautet daher: Erreichen wir einen Punkt, an dem es tatsächlich ein Risiko ist, in einer Sache außergewöhnlich gut zu sein, wenn man dieses Fachwissen nicht mit einem viel umfassenderen Geschäftsproblem verbinden kann?
Tony Castellanos: Das ist eine wichtige Frage, und ja, uns allen wurde beigebracht, dass man in einer Sache besonders tief gehen, der Beste darin werden und auf dieser Plattform stehen sollte.
Ich glaube aber, dass die Überschrift das ein wenig übertreibt, denn Fachwissen verschwindet nicht. Es ist nach wie vor sehr wichtig. Wir müssen wissen, wie man Dinge tut. Was sich in der Welt der KI verändert, ist, dass wir weniger Menschen brauchen, die tief in einem bestimmten Fachgebiet arbeiten. Ihr Wissen, ihr Fachwissen und die breitere Wissensbasis sind für andere Menschen wesentlich zugänglicher.
Wenn ich über die Fähigkeiten nachdenke, die wertvoller werden, braucht man weiterhin jemanden, der versteht, was passiert, denn wir müssen prüfen können, was die KI liefert, wie sie etwas berechnet und wie sie zu einer Schlussfolgerung gelangt.
Gleichzeitig liegt großer Wert darin, dieses Fachwissen in die Weiterentwicklung des Unternehmens einzubinden. Früher gab es viele Unternehmen mit zahlreichen Rollen, in denen Berechnungen den Kern der Arbeit bildeten. Im Finanzbereich, in der Analyse oder im Ingenieurwesen wurde sehr viel gerechnet.
Dann kam Excel. Plötzlich brauchte man nur noch einen Bruchteil dieser Menschen, um die Berechnungen hinter dem Geschäft durchzuführen. Das beseitigte jedoch nicht den Bedarf an diesen Menschen. Es schuf ein anderes Wertversprechen. Der neue Wert eines Menschen bestand darin, zu verstehen, was überhaupt berechnet werden sollte.
Welches Modell ist das richtige? Was bedeutet das Ergebnis? Können wir auf dieser Grundlage bessere Geschäftsentscheidungen treffen? Es geht also darum, wie man Fachwissen einsetzt. Niemand würde behaupten, dass Excel das Finanzfachwissen beendet hat. Wir haben weiterhin solche Teams in unseren Unternehmen.
Der eigentliche Wert bestand vielmehr darin, einige wenige Menschen zu haben, die in diesem Bereich sehr tief spezialisiert sind und deren Beitrag auf eine strategischere Ebene gehoben wird. Genau das passiert meiner Meinung nach erneut – nur schneller und in praktisch allen Bereichen, die von KI berührt werden.
David Rice: Ein großer Teil davon betrifft bestimmte Arten von Arbeit, die dadurch beschleunigt werden. Warum KI beim Programmieren so disruptiv ist, liegt unter anderem daran, dass geschriebener Code entweder funktioniert oder nicht.
Tony Castellanos: Für binäre Ergebnisse ist sie großartig.
Richtig oder falsch, wahr oder falsch. Natürlich liegt sie auch dabei manchmal falsch, weshalb Experten die Ergebnisse prüfen müssen. Aber bei regelbasierten Programmen und Systemen kann sie sehr effektiv sein, ebenso bei der Vermittlung von Wissen, das stark auf konkreten Informationen statt auf Urteilsvermögen beruht.
David Rice: Du hast gerade das Urteilsvermögen erwähnt. Ich habe vergangene Woche jemanden darüber sprechen hören, woran man erkennt, dass eine Marketingkampagne bereit zur Veröffentlichung ist. Am Ende muss jemand mit dem nötigen Geschmack dastehen und sagen: „Ja, das ist vollständig.“
Wir haben zuvor über Geschmack gesprochen – ein Begriff, den viele Personalvorstände bisher vermutlich nicht in ihren Kompetenzmodellen hatten. Wenn KI Wissen und technische Fähigkeiten viel zugänglicher macht, wird es dann wertvoller, zu wissen, wie etwas Gutes aussieht, als zu wissen, wie man es produziert?
Und wenn das so ist: Wie können Organisationen etwas so Unfassbares wie Geschmack erkennen und entwickeln?
Tony Castellanos: In einer von KI unterstützten Welt ist das unglaublich wichtig, weil man so viel Inhalt produzieren kann. Wir werden geradezu überschwemmt. Wenn man sich heute sein Google Drive ansieht, gibt es dort vermutlich zehnmal so viele Dokumente wie vor einem Jahr, weil man all diese Dinge mit Claude, Codex, Gemini oder ähnlichen Werkzeugen begonnen hat.
Geschmack wird deshalb entscheidend, um diese Inhalte so zu verfeinern, dass sie für die Menschen, die sie konsumieren, verständlich und verdaulich sind. Wie entwickelt man ihn? Meine ehrliche Antwort lautet: durch Wiederholung. Durch viele Versuche. Es gibt keinen Kurs, den man dafür einfach absolvieren kann.
Es ist die Summe der Erfolge und der schmerzhaften Rückschläge, wenn etwas schiefgeht. Wenn man das oft genug erlebt, entwickelt man ein immer klareres Verständnis dafür, wie gute und wie unterdurchschnittliche Arbeit aussieht. Das ist schwierig, weil man dafür Gelegenheiten braucht. KI verändert aber auch das Tempo, in dem man solche Erfahrungen sammeln kann.
Man kann Dinge innerhalb einer Stunde dutzendfach testen. So denken wir bei Nextdoor über KI: als Werkzeug für Brainstorming und Experimente, nicht als Maschine, die einem die Antwort liefert. KI gibt einem etwas, das anspruchsvoll und überzeugend klingt, aber völlig falsch sein kann.
Als Mensch steht man zwischen diesem Ergebnis und dem Publikum, das es erreichen könnte. Deshalb halte ich Geschmack und Urteilsvermögen für außerordentlich wichtig.
David Rice: Ich mag die Idee der vielen Versuche. Wenn man darüber nachdenkt, wie jemand beispielsweise im Marketing früher ein Problem vielleicht ein Dutzend Mal in zehn Jahren gesehen hat, sieht diese Person heute möglicherweise dieselbe Art von Aufgabe zehnmal so häufig, die sie genehmigen muss.
Diese Erfahrungen können uns also schneller etwas beibringen. Meine Frage ist, ob Menschen dann noch das gesamte Bild sehen können. Wenn das Volumen der Arbeit so stark zunimmt, wird es insbesondere für Führungskräfte immer schwieriger, den Überblick zu behalten.
Tony Castellanos: Dem stimme ich vollständig zu. Ich habe versucht, die meisten Dokumente zu lesen, die mir zugeschickt werden, aber sie kommen einfach zu schnell. Hier kommen wir wieder zu Urteilsvermögen und Geschmack zurück. Erstellt man etwas Prägnantes und Klares, das Verbindungen zu dem herstellt, was man erreichen möchte?
Der Vorteil von KI ist, dass man ihr sagen kann: „Erstelle 20 Versionen davon und priorisiere diese drei Punkte.“ Man sieht sie sich an, wählt die beste Version aus und verfeinert sie. So gelangt man viel schneller zu einem fertigen Ergebnis. Gleichzeitig kann die Informationsflut überwältigend sein. Deshalb besteht großer Druck, sie in etwas zu verdichten, das für einen Menschen nützlich ist.
David Rice: Besonders jetzt, da wir in das Zeitalter der Agenten eintreten. Ich warte auf die Geschichte, in der ein Manager einen Agenten etwas erledigen lässt und dieser so viele Dinge so schnell ausführt, dass die betreffende Person es nicht mehr verarbeiten kann oder gar nicht weiß, was überhaupt passiert ist.
Tony Castellanos: Das ist gerade erst bei einer entwichenen Version eines großen Sprachmodells passiert. Ich möchte den Namen lieber nicht nennen. Einer unserer Grundsätze lautet: Übernimm Verantwortung für das, was deine KI tut. Man darf die Ergebnisse nicht einfach ungeprüft veröffentlichen und auch der KI nicht erlauben, ihre Ergebnisse selbstständig nach außen zu geben.
Es braucht einen Mechanismus – etwa eine menschliche Prüfung vor der Veröffentlichung, Schutzvorkehrungen oder ein Prüfprotokoll im Nachhinein, das Dinge auffängt, die zurückgezogen werden müssen.
David Rice: Du hast damit begonnen, das People-Team nach Problemen statt nach traditionellen HR-Spezialisierungen zu organisieren. Das scheint ein interessanter Ansatz und möglicherweise eine viel größere Veränderung zu sein, als KI zu einem bestehenden Job hinzuzufügen. Wenn wir uns an Ergebnissen statt an Fachwissen orientieren, was passiert dann mit den funktionalen Strukturen, Karriereleitern und Verantwortungsmodellen, die wir über Jahrzehnte aufgebaut haben?
Tony Castellanos: Das ist ein spannendes Thema. Um ganz transparent zu sein: Wir haben unser Organigramm nicht vollständig aufgelöst. Wir haben weiterhin Recruiter, Vergütungsexperten und People Business Partner. Aber wir betrachten zunehmend die tatsächlichen Probleme, die diese Gruppe gemeinsam lösen soll.
Für uns läuft das auf Talent, Aktivierung – eine Kombination aus Engagement und Befähigung – sowie Kultur hinaus. Für keines dieser Themen gibt es eine Version, die ausschließlich für Recruiting oder ausschließlich für People Business Partner gilt. Es geht um die gesamte Arbeit, die erforderlich ist, um die richtigen Menschen zu gewinnen und zu entwickeln, Mitarbeitende angemessen zu unterstützen und ein Umfeld zu schaffen, in dem alle ihre beste Arbeit leisten können.
Früher waren Funktionen auf bestimmte Aspekte konzentriert, weil dort das Fachwissen lag. KI ermöglicht ein besseres bereichsübergreifendes Verständnis dafür, wie diese Aspekte zusammenwirken. Wir versuchen daher, stärker in endgültigen Zielen zu denken statt in der Frage, welcher Teil eines Projekts zum Recruiting gehört.
Ich möchte nicht, dass Menschen nur in ihren operativen Zuständigkeitsbereichen denken. Entscheidend ist, ob die People-Organisation in dieser Dimension einen Wert geliefert hat.
David Rice: Das verlangt von Menschen, anpassungsfähiger zu sein. Fast schon philosophisch: Welche Rolle habe ich innerhalb dieses Ganzen? Wo beeinflusst mein Kompetenzprofil das Gesamtergebnis, das wir erreichen wollen?
Tony Castellanos: Ja, und ich glaube, es geht sogar noch einen Schritt weiter: Was kann ich hier lernen und anwenden? Ich sehe das Problem und bin nicht auf die Tatsache beschränkt, dass ich Recruiter oder Vergütungsexperte bin. Ich bin Mitglied des People-Teams.
Es gibt einen durchgängigen Ablauf – vom Gewinnen über die Entwicklung bis zur Beförderung von Talenten. Wie kann ich diesen Ablauf unterstützen und voranbringen? Der große Vorteil ist, dass man viel mehr iterative Zyklen erhält. Man kann sein Fachwissen anwenden und gleichzeitig Neues lernen, weil die KI als Partner fungiert.
David Rice: Es gibt allerdings eine offensichtliche Gefahr, wenn man alle in breitere Rollen drängt. Man könnte theoretisch eine Belegschaft aus Generalisten schaffen, die von allem ein wenig, aber von nichts wirklich viel wissen. Wie entwickelt man Menschen, die ein Problem ganzheitlich bearbeiten und dennoch ihr Fachwissen bewahren, damit das Unternehmen auch dann funktioniert, wenn ein großes Sprachmodell einige Tage ausfällt?
Tony Castellanos: Wenn ich einen Schritt zurücktrete, mache ich mir bei mehr Generalisten weniger Sorgen über fehlendes Verständnis. Menschen, die intrinsisch motiviert und neugierig sind, entwickeln bei der Bearbeitung von Problemen den notwendigen Kontext.
Das größere Risiko besteht darin, dass Menschen die Ausgabe der KI einfach übernehmen, veröffentlichen und weitermachen. Das betrifft nicht nur Generalisten, sondern auch Spezialisten. Es geht daher um Breite, Tiefe und Urteilsvermögen – nicht bloß um Kontextbewusstsein.
Wir müssen Menschen einstellen, die ihre Umgebung wirklich verstehen wollen. Neugier wird bei der Bewertung von Talenten immer wichtiger. Menschen sollen aufnehmen, was um sie herum passiert, und dadurch bessere Entscheidungen treffen.
Wenn KI-gestützte Generalisten plötzlich ohne KI arbeiten müssten, würden sie nicht unbedingt ihr Wissen verlieren. Sie würden eher den Zugang zu diesem Wissen verlieren. KI beschleunigt, wie schnell sie Kontext, Kennzahlen und andere Informationen zusammentragen können. Ohne KI müssten sie diese Informationen wieder manuell sammeln.
Wer lange mit KI gearbeitet hat, besitzt jedoch ein klares mentales Modell davon, welche Informationen und Datensätze für die eigene Arbeit erforderlich sind.
David Rice: Neugier ist der entscheidende Punkt. Menschen werden ihren Wunsch, Dinge zu verstehen und Neues zu tun, nicht einfach verlieren. Wir sind darauf ausgerichtet. Tausende Jahre Evolution werden nicht dadurch rückgängig gemacht, dass wir KI einführen.
Tony Castellanos: Für die richtigen Menschen setzt diese Technologie Kreativität frei, weil sie schneller viel weiter kommen. Das Risiko besteht darin, Dinge einfach für bare Münze zu nehmen. Dann beginnt die Qualität wirklich zu sinken.
David Rice: Wir haben bereits Daten darüber gesehen, dass Führungskräfte den Verlust von Fähigkeiten befürchten. Menschen prüfen anfangs alles sehr sorgfältig, trainieren ihr Urteilsvermögen und validieren die Ergebnisse. Nach einiger Zeit beginnen sie jedoch, der KI einfach zu vertrauen.
Welche Strategien können verhindern, dass das passiert? Wie hält man Menschen engagiert und sorgt dafür, dass sie sich weiterhin intensiv mit Urteilsvermögen und Geschmack auseinandersetzen?
Tony Castellanos: Das ist auch bei menschlichen Beziehungen ganz normal. Einer neuen Person vertraut man nicht automatisch. Mit der Zeit liefert sie gute Arbeit, macht vieles richtig und gewinnt Vertrauen. Dasselbe wird mit Sprachmodellen passieren.
Wenn die KI etwas zum Korrekturlesen, Prüfen oder Auditieren schickt, wird man vermutlich im Laufe der Zeit immer weniger kontrollieren. Wir müssen deshalb eine Welt schaffen, in der mehrere Teamkollegen zusammenarbeiten: einige, denen man zunehmend vertraut, und zusätzlich einen skeptischen Dritten, der sagt: „Moment, ihr beiden liegt falsch.“
Dieser Skeptiker kann ebenfalls ein KI-Dienst sein. Das bedeutet nicht, dass eine der beiden Seiten automatisch recht hat. Es zwingt den Menschen aber zurück auf den Fahrersitz: „Diese beiden Dienste widersprechen sich. Was ist die richtige Entscheidung für mich und für meine Organisation?“
Solange wir nicht blind veröffentlichen, sondern die Ergebnisse kontinuierlich hinterfragen, können wir Schutzmechanismen einbauen und werden in einer guten Position sein.
David Rice: Du hast einen Vergütungsagenten erwähnt. Er ersetzt die Vergütungsfunktion nicht, sondern verteilt einen Teil ihres Fachwissens an Recruiter. Ist das letztlich die größere organisatorische Wirkung von Agenten? Ersetzen sie Fachwissen nicht, lassen es aber viel schneller im Unternehmen zirkulieren?
Tony Castellanos: Das ist sicherlich einer der größten Vorteile von KI. Unser Vergütungsagent ist ein Dienst, der an unsere Vergütungsarchitektur angeschlossen ist und unsere Belegschaft betrachtet.
Er ist für People Business Partner und Recruiter zugänglich. Er analysiert keine Situationen und gibt keine Empfehlungen. Er stellt sachliche Informationen bereit, damit diese Menschen fundierte Entscheidungen treffen können.
Ein Recruiter kann fragen: „Ich möchte ein Angebot in Höhe von X machen. Wie ist das im Vergleich zu unseren Gehaltsbändern einzuordnen?“ Der Agent zeigt, wo das Angebot innerhalb unserer Vergütungspraktiken liegt und wie es ungefähr im Vergleich zu internen Mitarbeitenden einzuordnen ist.
Wir geben keine individuellen Mitarbeiterdaten preis und anonymisieren alles ausreichend, damit niemand auf das Gehalt einer einzelnen Person schließen kann. Der Recruiter sieht dadurch nicht nur die Position innerhalb des Gehaltsbands, sondern auch mögliche interne Gleich- oder Ungleichbehandlungen.
So erweitert sich der Blick vom bloßen Abschluss mit dem Kandidaten hin zum Aufbau eines ausgewogenen Teams – ohne dass jedes Mal ein Vergütungsexperte benötigt wird. Statt einer mehrtägigen Abstimmung steht der relevante Kontext sofort zur Verfügung.
Das macht Prozesse schneller und schafft eine Kontextschicht, aus der Generalisten kontinuierlich schöpfen können. Der Agent ist also nicht nur effektiv, sondern auch entwicklungsfördernd.
David Rice: Dieser Agent ist klar abgegrenzt und kann eine bestimmte Aufgabe besonders gut erledigen. Wie sah das Gespräch aus, als ihr über seine Entwicklung und seine Ziele nachgedacht habt? Wir sprechen über Agenten in mancher Hinsicht wie über Mitarbeitende. Wie habt ihr die Rolle entwickelt, die er übernehmen sollte?
Tony Castellanos: Das Thema „Agenten als Mitarbeitende“ ist für uns sehr wichtig. Wir haben ihn liebevoll Compadre genannt – deinen Vergütungsfreund.
Die Idee entstand, weil Recruiter und Vergütungsexperten in diesen Gesprächen saßen und fragten: „Müssen wir wirklich hier sein? Gibt es keinen anderen Weg?“ Bei unseren KI-Tagen im People-Team konzentrierte sich jeder darauf, ein Problem mit KI zu lösen.
Die Aufgabe bestand darin, Informationen verantwortungsvoll zugänglich zu machen, die Privatsphäre zu schützen und Recruiter sowie People Business Partner zu besseren Entscheidungen zu befähigen. Das Team wollte keine Zeit mit einer rein transaktionalen Besprechung verbringen. Genau darin ist KI gut: Sie beseitigt den Aufwand, der mit taktischen Interaktionen verbunden ist.
David Rice: Mir fallen spontan etwa fünf solcher Aufgaben ein, die ich sofort automatisieren würde.
Tony Castellanos: Genau. Ich habe beispielsweise einen kleinen Chief of Staff namens Samwise, der Besprechungen vorbereitet, Tagesordnungen organisiert und mir eine Vorschau auf den Tag gibt.
Ein großer Teil unseres Tages besteht daraus, Informationen einzeln oder in Gruppen aufzunehmen. Das kann KI übernehmen. Wenn diese Vorbereitung einer Unterhaltung vorausgeht, wird das eigentliche Gespräch viel gehaltvoller und fundierter.
David Rice: Das erinnert mich an ein Gespräch, das ich im vergangenen Jahr geführt habe. Jemand aus Schottland sagte, ein universelles Problem bestehe darin, dass uns überall auf der Welt ungeheure Mengen an Informationen erreichen. Manche davon ärgern, begeistern oder langweilen uns. Nichts davon muss jedoch mit dem Wichtigsten zu tun haben.
Ein Dienst könnte am Ende des Tages alles zusammenfassen und einen fünfminütigen persönlichen Podcast erstellen, den man auf dem Heimweg hören kann: die wichtigsten Dinge des Tages und alles, woran man sich am Montag erinnern sollte.
Tony Castellanos: Hast du schon einmal versucht, Slack zu durchsuchen?
David Rice: Ja. Hunderte Kanäle. Man findet einfach nichts mehr.
Tony Castellanos: Meine Version davon mit Samwise ist ein Briefing am Sonntagabend über die kommende Woche. Es enthält drei Dinge, die für mich am wichtigsten sind. Dafür soll Samwise Slack und meine Besprechungsnotizen durchsuchen.
Zusätzlich gibt es einen Abschnitt, in dem Samwise selbst Dinge entdeckt: Was sollte ich deiner Meinung nach wissen? Was taucht nicht in diesen drei Kategorien auf, sollte aber auf meinem Radar sein?
Verlasse ich mich damit vollständig auf KI? Nein. Ich habe Parameter vorgegeben, weil es Dinge gibt, mit denen ich in Verbindung bleiben möchte. Die Gefahr bestünde darin zu sagen: „Zeig mir, was wichtig ist“, und die KI entscheiden zu lassen, was wichtig ist. In diese Welt dürfen wir nicht eintreten.
David Rice: Genau zu diesem Schluss sind wir auch gekommen. Wer definiert, was wichtig ist? Ist es auf das Unternehmen, die Führungskraft, die eigenen Ziele oder etwas anderes ausgerichtet? Viele Faktoren verändern den Kontext dessen, was ein System liefern sollte.
Tony Castellanos: Jetzt denke ich darüber nach, Samwise eine Präsentation erstellen zu lassen. Google hat inzwischen eine automatische Präsentationsfunktion. Es wäre interessant, wenn ein Dienst die Präsentation erstellt und ein anderer sie vorträgt – ein persönliches kleines Chief-of-Staff-Team.
David Rice: Der Mitarbeitende der Zukunft braucht Breite, Urteilsvermögen und die Fähigkeit, sich über verschiedene Problemfelder hinweg zu bewegen. Erzeugt das nicht ein grundlegendes Problem für unsere heutige Personalentwicklung? Die meisten Karrierewege belohnen zunehmende Tiefe innerhalb einer Funktion. Wie würden Entwicklung und Aufstieg aussehen, wenn Breite ein Bestandteil von Seniorität und kein Umweg mehr wäre?
Tony Castellanos: Das steht im Widerspruch zu der Art, wie wir Menschen bisher entwickelt haben. Der interessante Punkt ist jedoch, dass die Ursache des Problems gleichzeitig die Lösung schafft. KI gibt Menschen enorme Autonomie über ihr eigenes Wachstum.
Sie können ein Thema untersuchen, eine Grundlage schaffen und damit zu einem Experten gehen, um gemeinsam daran zu arbeiten, es zu bearbeiten oder kritisch zu prüfen. Dadurch beschleunigen sie ihr Lernen.
Wir ermutigen unsere Mitarbeitenden, nicht auf die Personalentwicklungsabteilung zu warten. Sie sollen nicht darauf warten, dass eine Führungskraft Zeit für einen tiefen Austausch findet. Sie können das Thema erkunden, das sie interessiert, oder das Problem untersuchen, das sie erkennen.
Der große Vorteil von KI im Unternehmen ist, dass dies nicht in einem akademischen, künstlichen Umfeld geschieht, sondern im Kontext des eigenen Unternehmens. Man entwickelt eine fundierte Sichtweise darauf, was das Unternehmen tatsächlich tut.
Wer mehr Breite aufbauen möchte, kann zu angrenzenden Funktionen gehen und Feedback zu etwas Realem und Greifbarem erhalten. Man muss nicht auf Aufgaben oder Entwicklungsprojekte warten, sondern kann sich jeden Tag selbst herausfordern. Das ist erfahrungsbasiertes Lernen – nur deutlich schneller.
David Rice: Dafür ist jedoch Sichtbarkeit entscheidend. Ich weiß nicht, was ich nicht weiß, solange ich nicht damit in Berührung komme. Müssen wir unsere Arbeitsabläufe so verändern, dass Menschen mehr Kontakt zu anderen Themen bekommen und dadurch neugierig werden?
Tony Castellanos: Ich weiß nicht, ob es eine Veränderung des Arbeitsablaufs ist. Ich glaube, es geht stärker um Denkweise und Verhalten. Der Vorteil von KI ist, dass man mit einer Frage beginnen kann: „Ich weiß nicht, was ich nicht weiß.“
Gute Führungskräfte werden vermutlich stärker mit den fünf Warum-Fragen arbeiten. Menschen sollen untersuchen, warum etwas auf diese Weise existiert und was es erreichen soll. Wenn man ausgehend von den ersten Prinzipien denkt, würde man es mit den heute verfügbaren Werkzeugen noch genauso machen?
Eine der größten Herausforderungen werden Trägheit und festgefahrene Prozesse sein. KI hat viel Potenzial freigesetzt. Beim Recruiting war es früher selbstverständlich, dass ein Unternehmen nicht jeden Lebenslauf prüfen konnte. Mit KI ist zumindest eine erste Prüfung jedes Dokuments möglich.
Wie viele Türen haben wir gedanklich geschlossen, weil ein bestimmter Weg früher nicht möglich war? Darin liegt die wirkliche Chance.
David Rice: Ich muss mich das ständig selbst fragen: „Du machst es nur so, weil du es gewohnt bist.“
Tony Castellanos: Das ist problematisch, denn alte Hunde lernen bekanntlich keine neuen Tricks. Wir werden aber in diese neue Welt gedrängt.
David Rice: Man muss sich daran erinnern: Nein, du brauchst neue Tricks.
Tony Castellanos: Das stimmt.
David Rice: Du hast das Beispiel der Einstellung eines Auftragnehmers genannt. Dabei sind Personal, Finanzen, Recht, Systeme und Genehmigungen beteiligt. Heute organisieren wir Unternehmen rund um diese funktionalen Übergaben.
Wenn Agenten künftig den Kontext über den gesamten Prozess hinweg tragen, müssen Menschen dann weiterhin entlang derselben Grenzen organisiert werden? Welcher Teil des heutigen Organigramms könnte in fünf Jahren durch KI seltsam veraltet wirken?
Tony Castellanos: Wir werden wahrscheinlich die bereits erwähnte Umkehrung sehen. Funktionen werden nur noch eine begrenzte Zahl von Experten haben und von Generalisten umgeben sein, die wissen, wie man dieses Wissen bereichsübergreifend anwendet.
Heute gibt es zwar Generalisten, aber sie gelten häufig als eher junior und weniger nützlich. Das wird sich umkehren. Sie werden auf Unternehmensebene an Fähigkeiten arbeiten und herausfinden, was möglich ist, wenn man auf verschiedene Fachwissenszentren zurückgreift.
In fünf Jahren könnte das Konzept der Kostenstelle besonders seltsam wirken. Kostenstellen werden nicht unbedingt verschwinden; Investitionen müssen weiterhin gemessen werden, und es gibt Anforderungen an Rechnungswesen und Compliance.
Wir werden diese Messung jedoch nicht mehr bestimmen lassen, wie Arbeit organisiert wird. Heute definiert eine Kostenstelle häufig auch, wo bestimmte Probleme angesiedelt sind, weil dort historisch das Fachwissen lag. Diese beiden Dinge werden auseinanderfallen, weil Fachwissen über KI, systematisierte Prozesse oder kodifizierte Informationen aus verschiedenen Teilen des Unternehmens zugänglich wird.
Das Organigramm wird sich von einer Karte darüber, wo Informationen liegen, zu etwas viel Unbestimmterem entwickeln. Teams werden sich je nach Problem bilden und wieder auflösen.
Wir werden weniger Experten haben, aber mehr Menschen, die wissen, wie man Fachwissen einsetzt. Das bedeutet nicht unbedingt, dass Unternehmen oder Teams kleiner werden. Der Anteil der Experten innerhalb eines Teams wird lediglich kleiner. Die übrigen Teammitglieder werden dieses Fachwissen einsetzen, Probleme lösen und Arbeit voranbringen.
Dadurch wird das Problemfeld jedes Einzelnen größer als die eigene Kostenstelle. Dieses Etikett wird nicht mehr bestimmen, wer ein bestimmtes Problem übernehmen darf.
David Rice: HR-Führungskräfte, die sich selbst schon als Kostenstelle bezeichnet gehört haben, werden das vermutlich gern hören.
Tony Castellanos: Wenn ich an den Begriff G&A denke, nehme ich das tatsächlich ein wenig persönlich.
David Rice: Das ist eine großartige Antwort.
Tony Castellanos: G&A ist ein gutes Beispiel. Wir werden vielleicht nicht mehr darüber sprechen, wie hoch unsere Investitionen in G&A, Recht oder Finanzen sind, sondern darüber, was erforderlich ist, um das Unternehmen zu betreiben.
Das ist ein gesünderer Ort für Menschen.
David Rice: Ich stimme zu. Jeder hat Zugang zu Fachwissen und kann es anschließend anwenden. Das ist eine effizientere Nutzung der Zeit – nicht im Sinne eines reinen Effizienzdrucks, sondern im Sinne einer besseren Unterstützung der Menschen beim Erreichen ihrer Ziele und beim Beitrag zum Unternehmen.
Tony Castellanos: Es macht auch mehr Spaß. Die Finanzleute, die durch Excel entlastet wurden, müssen nicht mehr nur tief in Berechnungen arbeiten, sondern können andere Ergebnisse voranbringen. Das ist für uns alle spannend.
David Rice: Tony, das war ein großartiges Gespräch. Danke, dass du dabei warst.
Tony Castellanos: Vielen Dank für die Einladung. Es hat sehr viel Spaß gemacht. Ich bin gespannt, wie ich in einem Jahr auf dieses Gespräch zurückblicke und sehe, bei welchen Dingen ich falschlag.
David Rice: Ich bin gespannt, wie viel davon in einem Jahr bereits überholt sein wird. Es ist immer interessant, später zuzuhören und zu denken: „Das war damals ein großes Problem, und heute denken wir kaum noch darüber nach.“
Tony Castellanos: Genau.
David Rice: Die Dinge verändern sich so schnell.
Tony Castellanos: Was für eine Welt. Es macht aber großen Spaß, in ihr zu arbeiten.
David Rice: Langweilig kann man sie jedenfalls nicht nennen.
Tony Castellanos: Das stimmt.
David Rice: Liebe Zuhörerinnen und Zuhörer, bis zum nächsten Mal: Besuchen Sie peoplemanagingpeople.com/aisignal und melden Sie sich für unser neuestes Newsletter-Angebot an. Es bietet eine Zusammenfassung der wichtigsten Dinge, die Sie diese Woche lernen müssen – oder einer Sache, die Sie diese Woche lernen müssen. Eigentlich geht es genau darum: das Signal zu finden und zu nutzen, statt alle Schlagzeilen und das gesamte Chaos zu verfolgen.
Und bis zum nächsten Mal: Hören Sie nicht auf, Ihr Fachwissen weiterzuentwickeln. Es wird nicht zwangsläufig verschwinden.
Tony Castellanos: Ganz genau.
David Rice: Haben Sie es satt, Mitarbeitende ständig an Leistungsbeurteilungen erinnern zu müssen? Lernen Sie Teamflect kennen, die am besten bewertete Plattform für Leistungsmanagement und Mitarbeiterengagement, entwickelt für Microsoft Teams. Einfachere Einführung – direkt dort, wo Ihr Team bereits arbeitet. Starten Sie auf Teamflect.com.