In unserem kürzlich in Information Systems Research (VHB: A+, FT50) angenommenen Artikel untersuchen wir, wie Kunden in etablierten B2B-Beziehungen auf Datenanfragen von menschlichen gegenüber algorithmischen Datenanfragern reagieren.

Angesichts des steigenden Werts, der durch Datenkuratierung generiert wird, und des Aufstiegs von KI-Agenten, die als menschliche Agenten fungieren, delegieren Anbieterunternehmen in etablierten B2B-Beziehungen Datenkuratierungsaufgaben zunehmend an algorithmische Datenanforderer (ADRs) anstelle von menschlichen Datenanforderern (HDRs). Unternehmen nutzen diese Datenanforderer, um aktuelle Kunden zu bitten, neue Daten für neue oder besser angepasste Dienste bereitzustellen (d. h. Datenanreicherung) oder alte Daten zu aktualisieren, um bestehende Dienste aufrechtzuerhalten (d. h. Datenabgleich). Ergebnisse aus einem randomisierten Feldversuch mit einem führenden europäischen Pharmaunternehmen, gefolgt von einem Online-Experiment, zeigen, dass Kunden aufgrund ihrer Präferenz, den Aufwand für die Interaktion mit dem Datenanforderer zu minimieren, weniger geneigt sind, einer Datenanforderung von einem HDR (im Vergleich zu einem ADR) im Rahmen der Datenanreicherung zuzustimmen (im Vergleich zu einer Ablehnung). Bei der Datenabstimmung bevorzugen Kunden jedoch einen HDR (im Vergleich zu einem ADR), da sie weniger Bedenken hinsichtlich möglicher Fehler bei diesen Interaktionen haben.

Die Ergebnisse der Studie sind wichtig, da sie zeigen, dass die spezifische Datenkuratierungspraxis auf den Typ des Datenanforderers abgestimmt sein muss, um positive Kundenreaktionen zu erzielen. Dies hat klare Auswirkungen auf Anbieterunternehmen, die ADRs anstelle von HDRs in der Datenverarbeitung und etablierten B2B-Beziehungen einsetzen möchten.

Vorabdruck unseres in Kürze erscheinenden Open-Access-Artikels:

ResearchGate