Claude Cowork statt Netflix
|
In den letzten Wochen habe ich viele Abende vor dem Laptop verbracht. Statt Netflix gab es Claude Cowork. An diesen Abenden habe ich mir Stück für Stück mein eigenes Operating System gebaut. Hört sich erstmal fancy an - aber was bedeutet das genau? Nehmen wir Sales & New Business als Beispiel: Cowork hilft mir dabei, relevante Leads zu identifizieren, eine mögliche Historie mit der Person zu verstehen, das richtige Gesprächsthema zu finden und einen Vorschlag für die passende Ansprache zu erstellen. Damit das Ergebnis auch nur halbwegs brauchbar ist und nicht Spam-artiger AI-Slop entsteht, braucht es drei Säulen. Säule 1: Das LLM. Ich benutze Claude - aber ob es Opus 4.7 oder 4.8 ist oder doch lieber ChatGPT, spielt kaum eine Rolle. Die Modelle werden in immer kürzer werdenden Abständen immer besser und nähern sich in ihrer Qualität einander an. Eine Million Tokens GPT-3.5-Niveau hat im November 2022 zwanzig US-Dollar gekostet, heute sieben Cent. Faktor 280 in zwei Jahren. Die Modelle werden zur Commodity.
Interessant wird es in Säule 2 und 3. Denn hier liegt das meiste nicht genutzte Potenzial - und zwar privat als auch in Konzernen. Säule 2: Die Daten. Cowork hat über ein sogenanntes MCP (Model Context Protocol) Zugriff auf meine Mails, meinen Kalender, meinen Google Drive, mein CRM sowie mein Newsletter Tool, und so hat es zu jedem Lead den kompletten Kontext. Der Cowork Agent kann sogar auf meinen Desktop zugreifen und wie ein Mensch auf Webseiten und in Tools recherchieren.
Säule 3: Der Prozess. Ich habe Claude gebrieft, wie ich arbeite, wie mein Sales Prozess abläuft, was ich tue und verkaufe. Das ist wichtig, denn meine Dienstleistung ist relativ hochpreisig und individuell. Ein günstiges und standardisiertes Angebot wird sehr anders verkauft. Daraus entsteht eine Prozessbeschreibung, die sukzessive verbessert wird. Das beste LLM alleine ist schlau, aber kontextarm. Es gibt Tipps, die sich gut anhören, aber nicht zu meiner Arbeitsweise passen. Aber durch die Kombination mit meinen eigenen Daten und meinen persönlichen Prozessen wird es nützlich. Die KI kann jetzt Verbindungen herstellen, Insights generieren, Perspektiven schaffen. All die kleinen Nuancen, die einen guten Salesprozess am Ende von generischem Spam unterscheiden. Das KI-Konzern-Problem Wenn ich mit schlauen Menschen in Konzernen spreche, dann gibt es dort meist eine Copilot Lizenz, mit der E-Mail-Entwürfe verbessert werden. Das LLM mag ok sein - der Kontext ist fast immer nicht da. Es gibt keine verbundenen Tools, keinen Zugriff aufs eigene ERP, keine Prozessdefinition für die wichtigsten Tätigkeiten. Daten liegen in unterschiedlichen Tools und Prozesswissen lebt in den Köpfen und einigen Powerpoints, die vor zweieinhalb Jahren das letzte Mal aktualisiert wurden. Kein Wunder, dass KI-Ernüchterung eintritt. Eine Mitarbeiterin sagte mir letztens, dass sie noch nie so einen langen Prompt geschrieben hätte wie den, den ich ihr für die Automatisierung ihrer Recherche schrieb. One-Shot-Prompting mit generischen Anweisungen und ohne Datenbasis ist immer noch die Norm - und erzeugt natürlich keinen Mehrwert gegenüber manueller Arbeit. Effektiver KI Einsatz benötigt alle drei Säulen: Modell, Daten, Prozesse. Das schafft einen gewissen Initialaufwand, na klar. Und es ist auch kein Garant für perfekte Ergebnisse. Aber es ist die Grundlage dafür, dass wir KI so einsetzen, dass sie wirklich für uns arbeitet. Bis in zwei Wochen, Nicolas PS. Ich freue mich über Feedback - antworte einfach auf diese Mail. PPS. Wenn du Interesse an einer Zusammenarbeit hast, lass uns sehr gern sprechen — Nicolas Kittner |
Realistic Future
Jede Ausgabe ein KI-Framework für Corporate Development: neue Geschäftsfelder und KI-Produkte finden, bewerten und umsetzen. Erprobt in meinen Mandaten bei Banken und Versicherern