HiBob prototypt Kundenfunktionen in ChatGPT, bevor sie diese über die API ausliefert

Der eigentlich interessante Wert ist der Trichter von 2.500 auf 200

Die Schlagzeile, mit der OpenAI vorangeht, lautet, dass über 90 % der HiBob-Mitarbeitenden aktiv ChatGPT Enterprise nutzen. Aufschlussreicher ist die Zahl, die darunter versteckt liegt: über 2.500 experimentelle GPTs wurden gebaut, von denen 200 erfolgreich in interne Workflows integriert wurden.

Das entspricht einer Überlebensrate von etwa 1 zu 12. HiBob stellt das positiv dar, und das mit Recht — der Trichter zeigt, dass die meisten GPTs günstig zu erstellen und ebenso günstig wieder aufzugeben sind. Der Custom-GPT-Builder wird als Wegwerf-Prototyping-Fläche genutzt, nicht als Produktionsumgebung.

Für alle, die KI-Funktionen ausliefern, ist genau dieses Verhältnis der spannende Teil. Es bedeutet, dass die Oberfläche, in der man baut, nicht die Oberfläche ist, in der die meisten Builds am Ende überleben sollen. Der GPT ist eine Sonde.

Wo das Frontend in welcher Phase tatsächlich liegt

HiBobs Zyklus hat zwei klar getrennte Frontends. Intern interagieren Mitarbeitende über die GPT-Oberfläche von ChatGPT Enterprise — den Meeting-Prep-GPT, der CRM-Daten und Transkripte zieht, den Upsell-GPT, der Nutzungsmuster liest, den SEO-Assistant, der auf Web-Analytics-APIs zugreift. Das sind Konversationsoberflächen, die auf internen Systemen aufsetzen.

Extern, so die Quelle, übernimmt HiBob Lösungen, die in ChatGPT Enterprise entwickelt und getestet wurden, und setzt sie mit der API von OpenAI um, um Funktionen innerhalb der Bob-Plattform bereitzustellen. Die kundenseitige Konversationserfahrung — HR-Verantwortliche, die ihre Daten abfragen und in Minuten Entscheidungen treffen — läuft über die API auf GPT-4o, nicht über einen geteilten GPT.

Dieselbe Idee wird also zweimal umgesetzt: einmal als interner GPT, um zu prüfen, ob die Interaktion sinnvoll ist, und ein zweites Mal als eigenständige Produktoberfläche, sobald sie sich bewährt hat. Das Konversationsmuster ist übertragbar, auch wenn die Hosting-Ebene es nicht ist.

Der fünfstufige Prozess behandelt eine Chat-Oberfläche wie ein ausgeliefertes Produkt

Das AI-Mind-Team von HiBob hat dem Prototyping-Chaos eine Struktur gegeben: Idee und Proof of Concept, Aufbau, Einführung und Befähigung, Wartung und Skalierung. Bemerkenswert ist, dass der Einführungsschritt Dokumentation, Schulung und eine benannte verantwortliche Person für jeden GPT verlangt. Der Wartungsschritt ergänzt Feedback-Schleifen.

Genau diese Disziplin unterscheidet eine Demo von einer belastbaren Oberfläche. Ein GPT mit verantwortlicher Person und Wartungsschleife kann die Belastungen abfangen, an denen die meisten internen KI-Tools scheitern — Modell-Updates, abweichende Prompts, sich ändernde Quellsysteme. Die 200 Überlebenden sind genau jene, die diese Behandlung erhalten haben.

„Wir wollen Menschen dabei helfen, mit mehr Ressourcen mehr zu erreichen. Jeder Agent hat eine Rolle, genau wie jeder Mitarbeiter. Das macht das System nachhaltig.“ — Ori Simantov, AI Adoption and Insight Lead, HiBobMontana Labs

Das durchsuchbare interne Verzeichnis zur Wiederverwendung ist das Frontend-Detail, das dies skalierbar macht. Sobald ein Agent funktioniert, wird sein Oberflächenmuster zur Vorlage, die andere anpassen, statt sie neu zu bauen.

Was der Kreislauf von Einführung zu Produkt für Feature-Teams bedeutet

Die konkrete Lehre daraus ist, dass HiBob die Lücke zwischen internem Tooling und Produkt-Roadmap geschlossen hat. Mitarbeitende, die einen internen GPT nutzen, führen faktisch Usability-Tests für eine Funktion durch, die das Unternehmen später verkaufen könnte. Diejenigen, die den Schmerzpunkt spüren, entwerfen die Lösung, und die erfolgreichen Lösungen werden zu Kundenfunktionen.

Für Frontend- und Produktteams legt das nahe, den GPT-Builder weniger als Spielerei zu betrachten und mehr als schnelle, kostengünstige Staging-Umgebung für Konversationsinteraktionen — mit der ausdrücklichen Erwartung, dass die meisten verworfen werden und die Überlebenden für die eigentliche Produktoberfläche auf der API neu aufgebaut werden.

Das Risiko, das HiBob nicht adressiert, ist die Übereinstimmung: Eine Interaktion, die im ausgefeilten Chat-Rahmen von ChatGPT Enterprise funktioniert, kann sich anders verhalten, wenn sie in Bobs eigener Oberfläche auf GPT-4o neu umgesetzt wird. Der Prototyp validiert die Idee, nicht die Produktionserfahrung. Genau in dieser Lücke zahlt sich der zweite technische Durchgang aus.