Seit generative künstliche Intelligenz (Gen AI) im letzten Jahr zu einem geflügelten Wort geworden ist, stehen Technologieführer in Unternehmen unter unglaublichem Druck, die Technologie einzusetzen, und zwar zwischen einer Flut von Benutzeranfragen und Top-Down-Mandaten von Vorständen.

Die tatsächliche Implementierung von KI in Unternehmen erweist sich jedoch als komplizierter, was sich zumindest kurzfristig negativ auf das Schicksal von Softwareunternehmen auswirken könnte, die an Unternehmen verkaufen.

Insbesondere sind viele Unternehmen, die KI-Implementierungen in Betracht ziehen, besorgt über den möglichen Verlust von Unternehmensdaten, ein Risiko, das beispielsweise auf den Köpfen der Käufer und ihrer Rechtskollegen lastet. Auf der Anbieterseite bemühen sich viele Software-Startups, KI-Produkte und -Workflows für die Generation zu entwickeln, um neue Benutzererfahrungen zu ermöglichen. Softwareunternehmen können jedoch nicht nach dem Motto "Build it and they will come" handeln, sondern müssen KI-zögerliche Käufer zufriedenstellen – oder schlimmer noch, sie können ihr langfristiges Wachstum beeinträchtigen.

In unseren Gesprächen mit Führungskräften aus den Bereichen Technologie und Risikomanagement haben wir viele der Hauptbedenken identifiziert, die Unternehmen bei Verhandlungen mit neuen Softwareverkäufern ansprechen:

• EMitarbeiterausbildung: Da sich die Arbeitsabläufe ändern, um KI zu integrieren, verstehen viele Führungskräfte, dass dies eine Aufklärung ihrer Mitarbeiter über die Associate Risiken erfordert, was zu einem erheblichen Verwaltungsaufwand führen kann.
• Risikobewertung, Umfragen und Akkreditierung: Da es sich bei der KI der Generation noch um eine aufstrebende Technologie handelt, gibt es keine branchenüblichen Kriterien für ihre Implementierung. Bis sich dies stabilisiert, werden Verkäufer im Prozess der Lieferantenbewertung eine breite Palette neuer Fragen erhalten, die die Aufmerksamkeit von Vertriebs-, Produkt- und anderen Teams erfordern.
• Nicht standardmäßige vertragliche Vereinbarungen, wie z. B. Entschädigung: Da viele KI-Produkte auf Tools von Drittanbietern basieren, sehen sich Verkäufer mit neuen Vertragsklauseln konfrontiert, die sie neuen Risiken aussetzen können.
• Null Datenspeicherung: Aus Gründen der Sicherheit und des Datenschutzes verlangen einige Unternehmen, dass ihre Daten nicht für Schulungen oder andere Zwecke aufbewahrt werden.
• Tokenisierung von Daten: Die Tokenisierung oder Verschleierung von Daten in einem Modell kann häufig Associate mit Retrieval-Augmented Generation (RAG) sowie Datenmaskierung und Schwärzung dessen Fähigkeit einschränken, iteratives Denken durchzuführen.
• Sperrdienste: Die reflexartige Reaktion vieler Unternehmen besteht darin, LLM-Dienste (Large Language Model) wie ChatGPT zu blockieren, obwohl viele zugelassene Anwendungen diese LLMs in ihr Produkt eingebettet haben.
• Abstraktion der zugrundeliegenden Dienstleistungen: Am interessantesten (und disruptivsten) ist das Konzept der Abstraktion zugrundeliegender Anwendungen über einen unternehmenseigenen Bot-of-Bots.

Wir haben viele dieser Herausforderungen und Ängste von Käufern mit dem Aufkommen von SaaS vor Jahren gesehen. Glücklicherweise nahmen diese Bedenken im Laufe der Zeit ab, als Technologie-, Rechts- und Compliance-Organisationen ein besseres Verständnis für die tatsächlichen Risiken Associate SaaS - und Cloud-Produkten gewannen, und der Verkaufsprozess wurde einfacher. Dieser Prozess dauerte Jahre, wie es wahrscheinlich auch bei der Implementierung von KI der Fall sein wird.

Auswirkungen auf Startups, die in das Unternehmen verkaufen

Ein Patchwork-Ansatz für die KI-Implementierung, bei dem vorsichtige Einkäufer in Unternehmen eine strenge Aufsicht über verschiedene Tools ausüben, um die individuellen Anforderungen der verschiedenen Teile des Unternehmens zu erfüllen, kann Produktivität, Effizienz und Strategie auf vielfältige Weise behindern:

• Unsicherheit und Verzögerungen in den Verkaufszyklen: Inkonsistente Risikobewertungen können zu Unsicherheit und Verzögerungen in den Verkaufszyklen eines Startups führen. Potenzielle Kunden können mehrere Bewertungen anfordern, was zu langwierigen Verhandlungen und einer verstärkten Prüfung des Produkts führt. Diese Unsicherheit kann Kunden davon abhalten, neue Produkte anzunehmen, und den Verkaufsprozess verlangsamen.
• Erhöhte Kosten: Die Zusammenarbeit mit mehreren Anbietern von Risikobewertungsdiensten kann teuer werden. Verkäufer müssen für individuelle Bewertungen bezahlen, Lieferantenbeziehungen verwalten und interne Ressourcen bereitstellen, um den Prozess zu koordinieren. Diese Kosten können die Budgets belasten und die für Produktinnovationen verfügbaren Ressourcen einschränken.
• Aufteilung der Roadmap: Bei früheren technologischen Veränderungen, wie z. B. dem Übergang in die Cloud, wurden Anbieter von Legacy-Software von vielen ihrer größten Kunden gezwungen, eine Dual-Produkt-Strategie zu verfolgen. Da das Produkt- und Engineering-Team nur über begrenzte Ressourcen verfügt, um die Infrastruktur und die Codebasis zu pflegen, werden viele Softwareunternehmen die Entscheidung treffen, Kunden zu entlassen, die sie zurückhalten.

Wir befürchten, dass die fragmentierte Risikolandschaft und der daraus resultierende Flickenteppich bei der KI-Implementierung eine ineffiziente Unternehmensumgebung fördern könnten, in der sowohl Unternehmen als auch Softwareanbieter Risikoberechnungen durchführen. Ein branchenüblicher Ansatz – neben Produkt- und Servicestandards – würde die Entscheidungsfindung vereinfachen, Strategien zur Risikominderung verbessern, die Time-to-Value-Zyklen beschleunigen und letztendlich mehr Innovation vorantreiben.

Einsatz von Software neu denken

Es zeichnet sich auch ein Wandel ab, der über rechtliche und produktbezogene Änderungen hinausgeht. Die erfolgreichsten B2B Softwareunternehmen haben Produkte entwickelt, die die Benutzer an das Produkt binden und auf der Grundlage der gesteigerten Produktivität abrechnen. Viele dieser Erlösmodelle basieren auf der Anzahl der Mitarbeiter mit einem Login. Dieses Kalkül könnte sich ändern, wenn das Produkt von einem übergeordneten Bot disintervermittelt wird.

Ein Beispiel für ein großes Unternehmen ist ein selbst entwickelter interner KI-Bot, der über mehrere Apps und Dienste für Mitarbeiter hinweg orchestriert wird. Um beispielsweise Urlaub zu beantragen, stellt ein Mitarbeiter den Antrag einfach in natürlicher Sprache an den internen Bot. Der Bot wird die Bots über ein Netz von Apps wie Workday, Office 365, ADP und andere aufstellen, um Freizeit zu planen und Genehmigungen zu erteilen, wodurch Effizienzsteigerungen geschaffen werden, die genau den internen Regeln und Richtlinien entsprechen.

Wir haben gesehen, dass branchenspezifische Unternehmen, wie z. B. Online-Reiseaggregatoren (OTAs), den Kunden von dem Unternehmen abstrahieren, das die Dienstleistung anbietet, wie z. B. Hotels. Die Reisebranche hat Jahre damit verbracht, die Kundenbindung wiederherzustellen.

In dieser Bot-over-Bot-Welt müssen sich sowohl Unternehmen als auch Software-Startups damit auseinandersetzen, was es bedeutet, differenzierte Produkterlebnisse und Geschäftsmodelle zu entwickeln, die die Prämie verlangen, die zur Finanzierung zukünftiger Innovationen erforderlich ist.