QuotaforgeKI-Produktivität im Vertrieb: Was Studien wirklich zeigen
Fast jede Software verspricht, dass ein Team ab morgen doppelt so viel schafft. Die belastbare Forschung zeichnet ein differenzierteres Bild: KI macht Menschen schneller in dem, was sie ohnehin tun, gute Gewohnheiten genauso wie schlechte, und sie ist nicht überall gleich gut.
Die kurze Antwort
KI ist kein Summand, sondern ein Faktor. Sie vergrößert, was bereits da ist. Eine klare gemeinsame Qualifizierungssprache, multipliziert mit KI, ergibt skalierte Qualität. Eine unklare Sprache, multipliziert mit KI, ergibt vor allem schnelleres Chaos. Vier Studien zeigen, wie unterschiedlich der Effekt in der Praxis ausfällt.
Wer am meisten profitiert
Die bislang größte Feldstudie zum Thema stammt von Erik Brynjolfsson, Danielle Li und Lindsey Raymond. Sie werteten aus, was die Einführung eines KI-Assistenten bei 5.179 Beschäftigten im Kundensupport veränderte. Im Schnitt lösten die Beschäftigten 14 Prozent mehr Anfragen pro Stunde. Spannender ist die Verteilung: Bei Einsteigern lag das Plus bei 34 Prozent, bei den Erfahrensten war kaum ein Effekt messbar. Die Erklärung: Die KI gibt die Vorgehensweise der besten Leute an alle anderen weiter. Für den Vertrieb ist das eine starke Aussage, denn genau das ist das teuerste Problem im Onboarding, es dauert Monate, bis neue Leute so fragen, zuhören und qualifizieren wie die Besten im Team.
Die gezackte technologische Grenze
Forschende der Harvard Business School haben gemeinsam mit der Boston Consulting Group 758 Beraterinnen und Berater realistische Aufgaben bearbeiten lassen, ein Teil davon mit GPT-4. Bei Aufgaben, die gut zu den Fähigkeiten der KI passten, erledigten sie 12,2 Prozent mehr Aufgaben, waren 25,1 Prozent schneller und lieferten eine um mehr als 40 Prozent höhere Qualität. Bei einer Aufgabe außerhalb dieser Fähigkeiten drehte sich das Bild: Wer KI nutzte, kam um 19 Prozentpunkte seltener zur richtigen Lösung. Die Autoren sprechen von einer gezackten technologischen Grenze, KI ist nicht gleichmäßig gut, sondern bei manchen Aufgaben brillant und bei scheinbar ähnlichen erstaunlich unzuverlässig.
KI als Übersetzer zwischen Denkwelten
Ein Forschungsteam um Fabrizio Dell'Acqua hat bei Procter & Gamble mit 776 Fachkräften untersucht, wie KI die Zusammenarbeit verändert. Einzelpersonen mit KI erreichten dieselbe Leistung wie Teams ohne KI. Ohne KI blieben die Beteiligten in ihren fachlichen Denkmustern, Leute aus Forschung und Entwicklung schlugen eher technische Lösungen vor, Leute aus dem kaufmännischen Bereich eher kommerzielle. Mit KI verschwand dieser Unterschied weitgehend, beide Gruppen entwickelten ausgewogene Lösungen, die beide Perspektiven verbanden. Das ist dasselbe Thema wie bei den Thought Worlds von Marketing und Vertrieb, nur aus der anderen Richtung betrachtet.
Gefühlte und gemessene Effizienz
Die Forschungsorganisation METR beobachtete sechzehn erfahrene Softwareentwickler bei 246 echten Aufgaben aus ihren eigenen Projekten. Mit KI-Werkzeugen brauchten sie 19 Prozent länger. Vorher hatten sie mit 24 Prozent Zeitersparnis gerechnet, und selbst hinterher schätzten sie, KI habe sie um 20 Prozent beschleunigt. Die Stichprobe ist klein, die Lehre gilt trotzdem für jede Abteilung: Gefühlte Effizienz ist keine gemessene Effizienz. Wer KI einführt, sollte vorher festlegen, woran Erfolg gemessen wird, statt hinterher das Team zu fragen, ob es sich schneller anfühlt.
Was daraus folgt
Kriterien vor Werkzeugen: Die gemeinsame Qualifizierungssprache steht fest, bevor irgendetwas automatisiert wird. Wer nie festgelegt hat, wie ein gutes Discovery-Gespräch aussieht, gibt der KI nichts, was sie verbreiten könnte. Und wer Lead-Scoring automatisiert, bevor Marketing und Vertrieb sich auf eine Definition geeinigt haben, beschleunigt vor allem den Streit zwischen beiden.
Hinweis aus der Praxis: Deal-Scoring und Gesprächsanalyse docken bei uns direkt an MEDDIC und MEDDPICC an, die Lead-Qualifizierung im Marketing an dieselbe Sprache wie im Vertrieb, das Partner-Scoring an dieselben Kriterien wie den Direktvertrieb. Sonst entsteht ein zweites Silo, diesmal ein automatisiertes.
Fragen zu KI-Produktivität im Vertrieb.
Macht KI Vertriebsteams wirklich produktiver?
Ja, aber ungleich verteilt. In einer Feldstudie mit 5.179 Support-Beschäftigten lag das Plus bei Einsteigern bei 34 Prozent, bei den Erfahrensten war kaum ein Effekt messbar, weil die KI vor allem die Vorgehensweise der besten Leute an alle anderen weitergibt.
Ist KI bei jeder Vertriebsaufgabe gleich gut?
Nein. Eine Studie der Harvard Business School mit der Boston Consulting Group zeigt eine gezackte technologische Grenze: Bei Aufgaben innerhalb der KI-Fähigkeiten stieg die Qualität um mehr als 40 Prozent, bei einer Aufgabe außerhalb kam das Team mit KI um 19 Prozentpunkte seltener zur richtigen Lösung.
Kann KI die unterschiedlichen Denkwelten von Marketing und Vertrieb überbrücken?
Eine Studie bei Procter & Gamble mit 776 Fachkräften legt das nahe: Ohne KI blieben Teilnehmende in ihren fachlichen Denkmustern, mit KI verschwand dieser Unterschied weitgehend, weil beide Gruppen ausgewogenere Lösungen entwickelten.
Fühlt sich KI-Nutzung immer schneller an, als sie tatsächlich ist?
Ja, das zeigt eine METR-Studie mit erfahrenen Softwareentwicklern: Mit KI-Werkzeugen brauchten sie real 19 Prozent länger, schätzten sich hinterher aber trotzdem 20 Prozent schneller ein. Gefühlte Effizienz ist keine gemessene Effizienz.
Wisst ihr, wo eure KI heute schon falsch liegt?
15–30 Min · Kostenlos · Ohne Verkaufsdruck