Amazon forciert KI-Einsatz mit striktem Monitoring und internen Widerständen

Amazon forciert die Integration von Künstlicher Intelligenz (KI) in seinem Einzelhandelsgeschäft massiv, um die Produktivität zu steigern, stößt dabei jedoch auf internen Widerstand seitens der Ingenieure. Ein internes Dokument der Einzelhandelssparte, bekannt als „Retail AI Tooling Assessment“, offenbart detaillierte Messungen der KI-Nutzung: Ingenieurteams protokollieren monatlich die KI-Anwendung, die Häufigkeit der Tool-Integration in Arbeitsabläufe und deren Auswirkungen auf Ergebnisse. Ziel ist es, die Freigabegeschwindigkeit von Softwarecode drastisch zu erhöhen, wobei über 2.100 Ingenieurteams eine Verdreifachung anstreben, während 25 Teams sogar eine zehnfache Steigerung anpeilen. Der Fortschritt dieser Initiative wird direkt vom „S-Team“, der obersten Führungsebene Amazons, überwacht.

Generative KI transformiert die Softwareentwicklung, und Amazon bettet diese Technologie tief in seine Ingenieurskultur ein. Dies führt intern zu Spannungen, da Amazon die Nutzung eigener KI-Tools stark fördert. CEO Andy Jassy hatte bereits zuvor die Belegschaft aufgefordert, KI zu adaptieren, um wettbewerbsfähig zu bleiben. Ein vertrauliches Dokument vom Februar betont, KI wie jede Automatisierungsinvestition zu behandeln: „Suchen Sie aktiv nach Anwendungsmöglichkeiten, messen Sie, was funktioniert, und etablieren Sie Gewohnheiten rund um die Erfolge.“ Amazon ist sich dabei der Gefahr bewusst, Metriken nicht zu überoptimieren, bekannt als „Goodhart's Law“, und investiert laut einer Unternehmenssprecherin umfassend in die Schulung und Einführung von KI-Tools für seine Mitarbeiter. Aktuell nutzen bereits 60% der Einzelhandels-Ingenieurteams „AI-native“ Praktiken, mit einem Ziel von 80%.

Die Akzeptanz hausgemachter KI-Tools wie „AI Teammate“ und „Pippin“ steigt rapide, wobei „AI Teammate“ bereits von über 700 Teams genutzt wird und „Pippin“ sogar in Teilen der AWS-Cloud-Sparte Anwendung findet. Auch der KI-Coding-Assistent „Kiro“ wird verstärkt angenommen. Das Überwachungssystem erfasst wöchentliche Produktions-Deployments pro Ingenieur sowie Adoptions- und Engagement-Raten für KI. Einzelne Tools werden anhand von monatlich aktiven Nutzern, der Verwendung in kleinen Teams und Net Promoter Scores bewertet. Auch „Value Deriving Events“, die Häufigkeit von Output-Generierung oder Feedback, werden erfasst. Amazons rigoroser und datengestützter Ansatz verdeutlicht das Bestreben, KI umfassend in seine Prozesse zu integrieren, trotz der internen Herausforderungen.