KM4BI KM4BI

Shopify hat 5.938 Menschen besser im Umgang mit KI gemacht. Nicht durch Training. Durch Zuschauen.

River zeigt, wie Shopify KI-Nutzung durch öffentliche Kanäle und klare Regeln in organisationales Lernen übersetzt.

Das River-Beispiel von Shopify handelt weniger von reinen Nutzungszahlen als von Organisationsdesign. Der interne Coding-Agent arbeitet nicht in privaten Direktnachrichten, sondern in öffentlichen Slack-Kanälen. Dort können andere sehen, wie erfahrene Mitarbeitende Aufgaben zuschneiden, Kontext liefern, das Modell korrigieren und entscheiden, was übernommen oder verworfen wird.

Warum River wichtig ist

River wurde von 5.938 Shopify-Mitarbeitenden in mehr als 4.400 Slack-Kanälen genutzt und eröffnete in einer Woche 1.800 Pull Requests. Entscheidend ist jedoch, dass der Arbeitsprozess sichtbar wird. Jüngere Mitarbeitende sehen Urteilskraft in Aktion, nicht nur das fertige Ergebnis.

Das versteckte KI-Problem

In vielen Unternehmen wird KI längst intensiv genutzt, aber unsichtbar. Gute Prompts, nützliche Korrekturen und kleine Workflows verschwinden in privaten Chatverläufen. Einzelne werden schneller, während die Organisation dieselben Lektionen immer wieder neu lernt.

Mehr als eine Prompt-Bibliothek

Statische Prompt-Sammlungen erfassen selten den Kontext, die Iterationen, das Zurückweisen schlechter Antworten und den menschlichen Prüfmaßstab. Öffentliches KI-Arbeiten macht Aufgabe, Kontext, Interaktion und Review sichtbar. Genau dort entsteht gemeinsamer Geschmack.

Grenzen müssen klar sein

Es geht nicht darum, sensible Arbeit offenzulegen. Kundendaten, HR-Themen, Rechtsstrategie und regulierte Informationen brauchen klare Grenzen. Sinnvoll sind deklarierte öffentliche Flächen für nicht sensible oder anonymisierte Workflows, die Lernen ermöglichen, ohne geschützte Informationen preiszugeben.

Welche Signale zählen

Nutzungsvolumen allein reicht nicht. Wichtiger sind wiederverwendbare Workflows, Übernahme durch andere Teams, Beispiele, die Arbeitsweisen verändern, vermiedene Doppelarbeit und Fehler, die zu besseren Review-Regeln führen.

Source