KI als Arbeitscoach nutzen: Ein praktisches Experiment in der Führungskräfteentwicklung

Ich arbeite seit Jahren mit menschlichen Coaches zusammen, um eine Herausforderung anzugehen, die vielen Gründern bekannt ist: Wie werden Sie von der Person, die die Arbeit erledigt, zur Person, die die Systeme für andere erstellt, damit sie die Arbeit erledigen können? Das Coaching war wirklich hilfreich, aber es gibt praktische Einschränkungen - Kosten, Verfügbarkeit und manchmal braucht man einfach einen schnellen Resonanzboden für eine Idee, ohne eine vollständige Sitzung zu planen.

Während unsere Beratung in den letzten zehn Jahren erfolgreich gewachsen ist, habe ich mich mit den komplexen Herausforderungen konfrontiert gesehen, die mit der Skalierung einhergehen - Delegation, Qualitätsmanagement und die Entwicklung von der praktischen Umsetzung zur strategischen Führung. Das sind positive Probleme, aber es sind immer noch echte Herausforderungen, die gelöst werden müssen.

Ein kürzliches Gespräch brachte mich auf eine Idee. Was wäre, wenn ich einem KI-Coach Zugang zu all dem Kontext geben könnte, den ein menschlicher Coach benötigen würde - meine Persönlichkeitsbewertung, meine Coaching-Reise, geschäftliche Herausforderungen, sogar Team-Feedback - und sehen könnte, welche Erkenntnisse dabei herausgekommen sind?

Ich bin sicherlich nicht der Erste, der diesen Ansatz erforscht. Natasha Kenny, eine akademische Führungskraft und zertifizierter Executive Coach, teilte Ende letzten Jahres ihre Erfahrungen mit der Entwicklung eines KI-Executive-Coaches und lud personalisierte Dokumente hoch, darunter Stärkenbewertungen und Coaching-Materialien. Unternehmen wie Valence entwickeln KI-Coaching-Plattformen für Unternehmen, und es gibt eine wachsende Zahl von Fachleuten, die mit KI-gestützter Führungskräfteentwicklung experimentieren. Was mich neugierig machte, war, wie dieser Ansatz für die spezifischen Skalierungsherausforderungen eines wachsenden Beratungsunternehmens funktionieren könnte.

Das Experiment

Ich beschloss, dies mit Claude zu versuchen, einer Familie großer Sprachmodelle, die von Anthropic entwickelt wurden, und einen kostenpflichtigen Plan zu verwenden, der die Funktionalität "Projektwissen" enthält - im Wesentlichen ein persistenter Arbeitsbereich, in dem ich Dokumente hochladen und im Laufe der Zeit Kontext aufbauen konnte, anstatt jede Konversation von Grund auf neu zu beginnen.

Ich habe es mit umfassenden Informationen über mich und meine Beratung gefüttert:

• Persönlicher Kontext: Mein CliftonStrengths-Profil (Relator, Lernender, Analytischer, Strategischer, Leistungsträger), Kommunikationspräferenzen, die Ergebnisse verschiedener anderer Persönlichkeitstests, die ich im Laufe der Jahre durchgeführt habe, und Notizen zu vergangenen Coaching-Sitzungen.

• Geschäftskontext: Leistungsdaten des Unternehmens, Qualitätsmanagementsysteme, Umfrageergebnisse zum Wohlbefinden des Teams und strategische Dokumente.

• Die Herausforderung: Ich habe mich entschieden, der Frage nachzugehen, warum ich, obwohl ich intellektuell weiß, was ich tun muss, von der Strategie und dem Geschäftswachstum weg und zurück in die operative Arbeit gezogen werde.

Der entscheidende Vorteil des Projektwissensansatzes besteht darin, dass jedes neue Gespräch auf den vorherigen aufbaut. Wenn ich ein neues Thema zu besprechen habe, versteht Claude bereits meinen Kontext, meine Persönlichkeit und meine bisherigen Lösungsversuche. Es ist, als hätte man einen Trainer, der nie vergisst, worüber man beim letzten Mal gesprochen hat.

Ein Hinweis zum Datenschutz: Ich weiß, dass sich einige Leute fragen werden, ob sie sensible Geschäftsinformationen mit einem KI-Tool teilen sollen. Bei Research Consulting nutzen wir Claude schon seit einiger Zeit, um unsere Kunden bei der Arbeit zu unterstützen, so dass wir die bestehenden Datenschutzmaßnahmen bereits gründlich überprüft hatten. Die Bedingungen von Claude deuten darauf hin, dass Daten in kostenpflichtigen Projekten nicht zum Trainieren ihrer Modelle verwendet werden, und Sie können das Datenschutzcenter für Einzelheiten überprüfen. Wie bei jedem Business-Tool lohnt es sich, den Umgang mit Daten zu verstehen, bevor Sie beginnen, aber da ich diese Schutzmaßnahmen bereits für die Kundenarbeit überprüft habe, habe ich die Zuversicht gewonnen, mit diesem persönlichen Experiment fortzufahren.

Was dann passierte, war wirklich interessant.

Was das Besondere daran war

Im Gegensatz zu allgemeiner KI-Beratung oder sogar gezielter Unternehmensberatung kam dieser Ansatz eher einem personalisierten Coaching-Gespräch nahe. Die KI konnte meine individuellen Stärken mit spezifischen geschäftlichen Herausforderungen auf eine Weise verbinden, die sich sowohl aufschlussreich als auch umsetzbar anfühlte.

Zum Beispiel wurde festgestellt, dass meine Relator-Stärke (Aufbau tiefer, authentischer Beziehungen) im Clifton Strengths-Framework wahrscheinlich Barrieren für die Delegation schaffen würde - weil die Kundenbeziehungen, die ich aufgebaut hatte, wirklich persönlich für mich waren und sich schwer zu übertragen anfühlten. Dies war nicht einfach ein Versagen der Delegationstechnik; Es war meine natürliche Arbeitsweise, die mit den Skalierungsanforderungen in Konflikt stand.

In ähnlicher Weise verknüpfte es die Ergebnisse der Umfrage unseres Teams zum Wohlbefinden (die eine hervorragende Vereinbarkeit von Beruf und Privatleben zeigte, aber auf eine "begrenzte Lernzeit" hinwies.) auf die Notwendigkeit, unseren Qualitätsmanagementprozess zu skalieren. Die Erkenntnis: Anstatt Überstunden zu machen, um sicherzustellen, dass wir qualitativ hochwertige Ergebnisse liefern, müssen wir Qualität von Anfang an als zentralen Bestandteil der Projektabwicklung verankern – um die Entwicklungsbedürfnisse des Teams zu erfüllen und gleichzeitig Fähigkeiten aufzubauen.

Der Prozess: KI-Coaching zum Laufen bringen

Wenn Sie neugierig sind, diesen Ansatz auszuprobieren, hier ist, was ich gelernt habe, um ihn effektiv zu gestalten:

1. Stellen Sie einen umfassenden Kontext bereit

Beschreiben Sie nicht nur Ihre Herausforderung. Teilen Sie Ihre Persönlichkeitseinschätzung mit, falls Sie eine haben, und fügen Sie die Ergebnisse früherer Versuche, das Problem zu lösen, hinzu, was funktioniert hat und was nicht. Die KI kann die Punkte nur verbinden, wenn man ihr genügend Punkte gibt, mit denen sie arbeiten kann.

2. Beziehen Sie mehrere Perspektiven ein

Ich habe anonymisiertes Team-Feedback, Geschäftsleistungsdaten und Systemdokumentationen geteilt, aber es gibt eine Vielzahl nützlicher Quellen, die zur Verfügung gestellt werden könnten, um ein bestimmtes Problem zu kontextualisieren. Ich fand, dass der Schlüssel darin bestand, auch Dokumente und Quellen einzubeziehen, die ich nicht selbst geschrieben hatte, um zu verhindern, dass die KI nur meine eigenen Vorurteile auf mich zurückwirft.

3. Fragen Sie nach Verbindungen, nicht nur nach Lösungen

Statt "Wie delegiere ich besser?", versuchen Sie es mit "Warum könnte es angesichts meines Stärkenprofils und dieser geschäftlichen Herausforderungen gerade für mich schwierig sein, zu delegieren?" Die Erkenntnisse waren weitaus nützlicher.

4. Iterieren und erstellen

Die besten Erkenntnisse kamen durch Gespräche mit dem KI-Tool, nicht durch einzelne Antworten. Jeder Austausch verfeinerte mein eigenes Verständnis und führte zu nuancierteren Vorschlägen der KI. Dieser iterative Prozess veranlasste mich auch, die KI mit mehr Kontextinformationen zu füttern – wenn sich eine Erkenntnis falsch anfühlte, fügte ich verwandte Dokumente oder Hintergründe hinzu, um bessere Verbindungen herzustellen. Der Projektwissensansatz bedeutete, dass sich dieser zusätzliche Kontext im Laufe der Zeit ansammelte, wodurch die nachfolgenden Gespräche reichhaltiger und zielgerichteter wurden.

Die umfassendere Chance

Dieses Experiment hat mich davon überzeugt, dass KI-gestütztes Coaching ein echtes Potenzial hat, insbesondere für analytische Fachkräfte, die durch strukturierte Reflexion gut lernen. Es geht nicht darum, menschliche Coaches zu ersetzen - die Aspekte der Beziehung und Verantwortlichkeit bleiben wesentlich -, sondern darum, die Vorbereitung zu verbessern und das Selbstverständnis zu vertiefen.

Für diejenigen von uns, die in der Forschung und wissenschaftlichen Kommunikation arbeiten, wo evidenzbasierte Entscheidungsfindung zur zweiten Natur geworden ist, fühlt sich dieser Ansatz wie eine natürliche Erweiterung dessen an, wie wir bereits über Probleme nachdenken.

Eine persönliche Reflexion

Was mich am meisten beeindruckt hat, war, wie die KI mir geholfen hat, die natürlichen Spannungen zwischen meinen Stärken und den Anforderungen der Skalierung eines Unternehmens zu verstehen. Allein diese Neuausrichtung war das Experiment wert.

Wenn Sie neugierig sind, mit diesem Ansatz zu experimentieren - oder wenn Sie mit ähnlichen Herausforderungen in der Organisationsentwicklung zu kämpfen haben - würde ich mich freuen, mit Ihnen zu besprechen, was ich gelernt habe. Bei Research Consulting arbeiten wir mit Forschungsorganisationen an strategischen und operativen Herausforderungen, und ich stelle zunehmend fest, dass die Schnittstelle zwischen individueller Führungskräfteentwicklung und organisatorischer Effektivität der Ort ist, an dem die interessanteste Arbeit stattfindet.

Falls Sie sich fragen, ich habe Claude auch verwendet, um mir beim Schreiben dieses Beitrags zu helfen, indem ich ihn gebeten habe, den Prozess, den ich verfolgt habe, auf eine Weise zu beschreiben, die mit meiner eigenen Persönlichkeit und meinem Schreibstil übereinstimmt. Es hat nicht alles richtig gemacht, aber es hat mir einen ziemlich guten Entwurf gegeben, den ich dann auf die altmodische Art und Weise verfeinert habe.