Generative AI: Transformation von Branchen und Unternehmen
Generative AI ist das Gesprächsthema der Stunde und wird als bahnbrechende Technologie angesehen, die das Potenzial hat, verschiedene Bereiche und sogar das menschliche Leben erheblich zu verändern.
Trotz des Hypes um generative AI im Jahr 2023 zeigt ein Bericht von Menlo Ventures, dass die Akzeptanz langsam voranschreitet und weniger als 1 % der Ausgaben für Cloud-Services von Unternehmen ausmacht. Im Vergleich dazu macht traditionelle KI 18 % des 400-Milliarden-Dollar-Marktes für Cloud-Services aus. „Viele dachten, generative AI würde die Industrie schnell revolutionieren“, kommentiert Derek Xiao, ein Investor bei Menlo. „Obwohl es einen bedeutenden Fortschritt darstellt, wird echte Veränderung im Unternehmenssektor Zeit benötigen.“
Wachstum der Ausgaben für traditionelle KI
Prognosen deuten darauf hin, dass der Markt für generative AI bis 2030 76,8 Milliarden Dollar erreichen könnte, mit einer bemerkenswerten jährlichen Wachstumsrate (CAGR) von 31,5 % ab 2023. Andere Schätzungen legen nahe, dass diese Technologie in den nächsten sieben Jahren mindestens 450 Milliarden Dollar über 12 Sektoren generieren könnte.
Seit seiner Einführung im November 2022 ist ChatGPT zum Schwerpunkt sowohl in Unternehmensbesprechungen als auch in informellen Gesprächen geworden. Menlos Bericht „State of AI in the Enterprise“ zeigt jedoch, dass 50 % der befragten Unternehmen bereits vor 2023 irgendeine Form von KI übernommen hatten. Die Zahl der Unternehmen, die KI einsetzen, stieg um 7 % von 48 % auf 55 %, mit einem durchschnittlichen Anstieg der Investitionen von etwa 8 %. Die Abteilungen für Produktentwicklung führen die Ausgaben für KI-Lösungen an.
Trotz dieses Wachstums sind Unternehmen gegenüber generativer AI vorsichtig. „Wir hatten erwartet, dass generative AI ein sofortiger Erfolg sein würde“, sagt Menlo-Partnerin Naomi Ionita. „Stattdessen stellte sich 2023 als Jahr der Erkundung heraus.“ Ausblickend betont Xiao, dass 2024 entscheidend für die Implementierung von generativer AI sein wird.
Bedenken bezüglich der Einführung generativer AI
Während Unternehmen sich in diesem Bereich orientieren, empfiehlt Menlo-Partner Tim Tully einen besonnenen Ansatz. „Führungskräfte sollten sich durch diese Erkenntnisse beruhigt fühlen und verstehen, dass ein langsamer Übergang akzeptabel ist“, betont er. Er weist darauf hin, dass die rasante Entwicklung von generativer AI Bedenken hinsichtlich der Einführung weckt, oft aufgrund von Budgetbeschränkungen.
„Solche kostspieligen Entscheidungen erfordern sorgfältige Überlegungen“, merkt er an. Historische Muster in transformierenden Technologien wie Cloud-Computing legen nahe, dass die Akzeptanz weiterhin schrittweise erfolgen wird.
Hindernisse für die Annahme sind unbestätigte ROI, das „Last-Mile-Problem“, Datenschutzbedenken, ein Mangel an KI-Talenten, begrenzte organisatorische Kapazitäten, Kompatibilitätsprobleme mit bestehenden Systemen und unzureichende Erklärbarkeit sowie Anpassungsfähigkeit.
Menlo berichtet, dass aktuelle Unternehmenslösungen „ihre Versprechungen bezüglich bedeutender Transformation noch nicht erfüllen“. Sie haben Schwierigkeiten, neue Arbeitsabläufe zu schaffen, und die Produktivitätsgewinne bleiben begrenzt, was Käufer skeptisch macht, bis sie greifbaren Wert erkennen. Diese Skepsis wird weiter verkompliziert durch die Schwierigkeiten, die Unternehmen haben, finanzielle Genehmigungen zu sichern. Ionita erklärt: „Es wird zunehmend herausfordernd, mit CFOs zu verhandeln. Es gibt erhebliche Hürden zu überwinden. Während das Potenzial klar ist, ist der Weg zur Implementierung komplex.“
Frühe Anwender generativer AI verzeichnen jedoch erhebliche Verbesserungen im Datenmanagement und bei der Minderung mühsamer Arbeitsabläufe. „Es verbessert die Nutzererfahrungen auf bisher unerreichbare Weise“, bemerkt Ionita.
Tully fügt hinzu, dass Nutzer in 20 Minuten oder weniger „außergewöhnliche Werkzeuge“ erstellen können. „Generative AI transformiert Arbeitsabläufe, vereinfacht Aufgaben und steigert den Erfolg der Mitarbeiter. Es generiert echten Wert und Umsatz.“
Chancen im Bereich der generativen AI
Mit dem Wachstum des Marktes für generative AI erkennt Menlo erhebliche Chancen für Start-ups sowohl in vertikalen (branchenspezifischen) als auch in horizontalen (allgemeinen) Anwendungen. Ionita hebt hervor, dass Unternehmen zunehmend hybride KI-Modelle annehmen, die mehrere Basisplattformen zusammen mit spezialisierten Modellen für verschiedene Anwendungsfälle nutzen.
„Wenn generative AI implementiert wird, gewinnen branchenspezifische Werkzeuge bemerkenswerte Fähigkeiten“, heißt es im Bericht. Beispielsweise nutzen Marketer Synthesia zur Erstellung von Videoinhalten, während der Rechtssektor Harvey für Vertragsanalysen und Compliance verwendet. Start-ups wie Greenlite im Finanzbereich, Abridge im Gesundheitswesen und Higharc in der Architektur machen ebenfalls Fortschritte.
Auf horizontaler Ebene automatisieren KI-Werkzeuge banale Aufgaben. Menlo erwartet einen Anstieg von KI-Agenten, die „unabhängiges Denken und Handeln“ ermöglichen und E-Mails, Kalender, Notizen verwalten sowie nahtlos in spezifische Arbeitsabläufe integriert werden. „Den Mitarbeitern wertvolle Zeit zurückzugeben, ist ein klarer Vorteil“, betont Ionita und erkennt an, dass der durchschnittliche Mitarbeiter typischerweise eine Vielzahl komplexer Werkzeuge jongliert.
In Zukunft prognostiziert Menlo, dass „KI von einer Neuheit zu einem Standard und erwarteten Partner in der täglichen Arbeit übergehen wird.“
Standardisierung der modernen KI-Infrastruktur
Menlos Investitionen in Unternehmen wie Anthropic und Pinecone spiegeln die wachsenden Investitionen der Unternehmen – in diesem Jahr 1,1 Milliarden Dollar – in den modernen KI-Stack wider, was ihn zu einem zentralen Fokusbereich innerhalb der generativen AI macht. Unternehmen berichten, dass 35 % ihrer Infrastruktur-Budgets für Basis-Modelle wie OpenAI und Anthropic vorgesehen sind, die über 85 % der Produktionsmodelle ausmachen.
Die meisten KI-Modelle sind bereits vorhanden, wobei nur 10 % der Unternehmen sich für das Pre-Training von Modellen entscheiden. Unternehmen nutzen in der Regel eine Vielzahl von Modellen für eine bessere Kontrolle und Kosteneffizienz, wobei 96 % der Ausgaben für Inferenz aufgewendet werden. Beliebte Anpassungsmethoden umfassen Prompt Engineering, während die Bewertung häufig menschliche Überprüfungen beinhaltet.
Darüber hinaus etabliert sich die abruf-unterstützte Generierung (RAG) als gängige Praxis, die große Sprachmodelle (LLMs) mit externen Wissensdatenbanken zur Bereitstellung zeitgemäßer und relevanter Antworten verbessert. In Menlos Umfrage berichteten 31 % der Unternehmen von der Anwendung von RAG, während 19 % Fine-Tuning, 18 % Adapter und 13 % Verstärkungslernen durch menschliches Feedback (RLHF) nutzen.
Während die frühen Phasen der generativen AI durch rasche Veränderungen gekennzeichnet waren, bemerkt Xiao eine Branchenverschiebung hin zu einer Konvergenz um zentrale Komponenten und Best Practices. Dennoch fehlt es der modernen KI-Infrastruktur an vollumfänglicher Standardisierung, was Chancen für Start-ups bietet, die Dienste für die Bereitstellung von Modellen, das Management von Datenpipelines und Sicherheitsmaßnahmen anbieten.
Start-ups sollten die Entwicklung von Werkzeugen priorisieren, die neue Arbeitsabläufe, anspruchsvolles Denken und proprietäre Datenanalysen fördern, anstatt lediglich eine „ChatGPT-Oberfläche“ zu schaffen. „Der Schlüssel liegt darin, in Märkten zu innovieren, in denen etablierte Unternehmen nicht vertreten sind“, warnt Xiao und betont die Bedeutung von Differenzierung.
Rangliste
