AI Decision Matrix

Ina Sebastian, Peter Weill, Thomas Haskamp und Jan vom Brocke haben die AI Decision Matrix am MIT CISR aus Interviews mit 30 Führungskräften entwickelt, ausgehend von der Prämisse, dass sich Entscheidungen grundlegend unterscheiden. Sie kreuzt Ambiguität (wie weit die Daten die Antwort bestimmen und wie weit Menschen sich darüber einig sind) mit Risiko (die Folgen eines Fehlers und die Schwierigkeit, ihn zu korrigieren). Jede Entscheidung gliedert sich in Framing, Handeln und Lernen, und jede dieser Komponenten kann einem Menschen oder der KI zugewiesen werden.

Die vier Quadranten geben der KI unterschiedliche Rollen, durchgehend unter menschlicher Aufsicht. Bei One New Zealand wandelt ein Agent die Anfragen der Marketingteams in SQL-Abfragen zur Segmentbildung um; der dafür nötige Zeitaufwand sank um 60%, und vor dem Start prüft ein Mensch das Ergebnis. Bei folgenreichen Entscheidungen bleibt überall dort ein Mensch in der Schleife, wo es um Preise geht, da ein Preisfehler als nicht hinnehmbar gilt. Explorative Arbeit, etwa Marketinginhalte, lässt das Framing zwischen Mensch und KI wandern, während die Governance mitverfolgt wird. Strategische Entscheidungen bleiben bei der menschlichen Führung: fünfzehn Agenten analysieren Netzwerkdaten, und Orchestrierungsagenten koordinieren sie, doch die Abwägungen zwischen Zuverlässigkeit, Kundenerfahrung und Kosten werden nicht delegiert.

Nicolas Suchaud von WEnvision greift aus einem anderen Grund auf die Matrix zurück: Value × Feasibility und ihre Varianten hörten auf, irgendetwas zu ordnen, sobald der Prototyp eines Agenten Wochen zum Bauen brauchte. Seine Antwort besteht darin, Entscheidungen statt Use Cases zu priorisieren, und er setzt die Reversibilität an erste Stelle. Beth Stackpole hält die eigene Umdeutung der Autoren fest: Die Frage verschiebt sich von der Frage, wo man KI einsetzt, zur Frage, wie man die Entscheidungen steuert, die sie prägt.