Generative KI: Wegweisende Unternehmensintegration und gewonnene Erkenntnisse

Generative KI, die sich rasant von einer jungen Technologie zu einem integralen Bestandteil innovativer Lösungen entwickelt, gewinnt zunehmend an trac. Neha Gupta, Mitgründerin von Uniphore, beschreibt diese Transformationen wie folgt: Die Vereinheitlichung von LLMs und multimodalen Architekturen stellt nicht nur Herausforderungen dar, sondern kann mithilfe von Deep Learning auch zur Lösung realer Probleme beitragen. Diese Entwicklung, die Maschinen von reinen Datenvermittlern zu Akteuren gemacht hat, die Daten nicht nur verstehen, sondern auch generieren, birgt nach wie vor ein enormes Potenzial für die Geschäftswelt – ähnlich wie einst das Internet.

Herausforderungen in realen Anwendungen

Bei Life-Intelligence-Systemen, die ein einzelnes Modell zur Problemlösung verwenden, ohne es manuell für ein spezifisches Szenario zu trainieren, bestehen einige Einschränkungen. Unternehmen stehen vor grundlegenden Herausforderungen, wie dem Umgang mit unterschiedlichen Reaktionstypen (einschließlich geschlossener und offener Bereiche), der Kommunikation über die Gewährleistung von Sicherheit (z. B. bei toxischen und anstößigen Inhalten) sowie dem hohen Aufwand für die Systembewertung.

Unternehmen stoßen bei der Integration von KI-Technologien in ihre Arbeitsabläufe häufig auf Probleme sowohl im Personalbereich als auch in den Prozessen. Kontrovers diskutiert wird weiterhin, ob KI-Experten zentralisiert oder auf verschiedene Abteilungen verteilt werden sollten, um die Probleme effektiv zu lösen.

Die Prinzipien von Uniphore bilden die Grundlage der Roadmap. Diese Philosophie dient als Leitprinzip und hält Unternehmen auf trac, selbst wenn Hindernisse den KI-Implementierungsprozess behindern. Das Framework besteht aus drei Hauptebenen, die sich gegenseitig unterstützen und ihre Fähigkeiten erweitern: Die drei Ebenen sind von unten nach oben angeordnet und tragen jeweils zur Einsatzbereitschaft und Leistungsfähigkeit der Mitarbeiterinnen und Mitarbeiter auf der nächsten Ebene bei.

Wissensebene

Diese Basisschicht zielt darauf ab, KI-Modelle so anzupassen, dass sie auf bestehende Datensätze und vorhandene Daten zugreifen können, anstatt Daten von externen Internetseiten zu generieren. Sie kombiniert die Integration von Dokumenten-Ingestoren, die gleichzeitig als Datenkonnektoren fungieren, mit der direkten Verknüpfung von KI-Modellen mit spezifischen Unternehmensdatenbanken und -dateien. In dieser Phase werden KI-Dienste durch zwei Modelle – ein internes und ein externes – bereitgestellt. Dies bedeutet jedoch nicht, dass für jeden Anwendungsfall eine Lösung existiert. Vielmehr sollte das System Vor- und Nachbearbeitungsmechanismen beinhalten, die auf den jeweiligen Anwendungsfall zugeschnitten sind.

Ganz oben auf der Liste stehen Aufgaben, die direkt mit dem Kundenservice zusammenhängen, darunter Chatbots, Übersetzungsdienste und produktspezifische Tools. Solche Programme basieren typischerweise auf tieferliegenden Systemebenen, die wiederum präzise und aktuelle Daten liefern.

Es ist wichtig, ein einheitliches Messsystem zu etablieren, um die Leistungsfähigkeit von KI-Systemen zu ermitteln und deren Performance zu verknüpfen. Präzision, Latenz und Kosten sind die Hauptparameter, die den maximalen Durchsatz bzw. die maximale Parallelverarbeitung von KI-Systemen bestimmen. Die wichtigsten Kennzahlen spiegeln die verschiedenen Bereiche der operativen Effektivität von KI-Systemen wider – von der Genauigkeit der Ergebnisse bis hin zum erforderlichen Rechenaufwand.

Die Datenerfassung ist eine weitere wichtige Aufgabe. Mit der Weiterentwicklung von KI-Systemen von ersten Einstellungen hin zu professionelleren, feinabgestimmten Konfigurationen gewinnt die Auswahl relevanter Daten an Bedeutung. Unternehmen sollten ihre Modelle für maschinelles Lernen gezielt auf Basis firmeneigener Daten, Daten externer Dienstleister und öffentlich zugänglicher Datensätze entwickeln, um die erforderlichen Modelle effektiv zu gestalten und sie an realen Anwendungsszenarien auszurichten.

Zukunftsorientierte Strategien

Unternehmen, die sich nicht allein auf diese Strategien und Maßnahmen zum Überleben verlassen, werden sich erfolgreich an die ständigen Weiterentwicklungen der künstlichen Intelligenz angepasst haben. Die Weitsicht von Führungskräften wie Neha Gupta ist ein wesentlicher Schritt, um Unternehmen den dringend benötigten Fahrplan für den optimalen Einsatz generativer KI-Technologie bei gleichzeitiger Vermeidung damit verbundener Risiken und Herausforderungen zu bieten.

Das Aufkommen von KI mit ihrer Fähigkeit, kreative Inhalte zu generieren, wird voraussichtlich weitreichende Auswirkungen auf die Geschäftswelt haben und einen Wendepunkt im Technologiemanagement markieren. Dies führt zu einer grundlegenden Transformation der Geschäftsprozesse – von der Produktion von Waren und Dienstleistungen über das Marketing bis hin zum gesamten Geschäftsmodell. Diese Entwicklung, die sowohl eigene Herausforderungen mit sich bringt als auch die Möglichkeit bietet, die moderne Geschäftswelt völlig neu zu gestalten, bezeichne ich als Führung in der Geschäftswelt.