Auf der Transform 2024-Veranstaltung diskutierten Elastic CEO Ash Kulkarni und DocuSign CPO Dmitri Krakovsky die transformative Rolle von generativer KI im Bereich der Unternehmensexploration und Vertragsmanagement. Ihre Einblicke verdeutlichten die wachsende Bedeutung von KI-gesteuerten Suchfunktionen für Unternehmen, die große Datenmengen und komplexe Verträge verwalten.
Verbesserung der Analyse unstrukturierter Daten
Elastic hat seinen Ansatz zur Unternehmensexploration erheblich weiterentwickelt, indem generative KI integriert wurde. Die Einführung der Elasticsearch Relevance Engine (ESRE) im Mai 2023 stellte einen bedeutenden Fortschritt in der Suchtechnologie-Strategie von Elastic dar. ESRE kombiniert traditionelle, schlüsselwortbasierte Suchmethoden mit fortgeschrittenen Vektorsuche-Funktionen, um Kontext und Semantik in umfangreichen Datenbeständen besser zu verstehen. Dieses hybride Modell ermöglicht es den Kunden von Elastic, relevante Dokumente effektiver abzurufen und dabei Vektorsuche, BM25-Textsuche oder eine Kombination beider Verfahren zu nutzen.
Kulkarni hob die Fortschritte des Unternehmens bei retrieval-augmented generation (RAG) innerhalb der Vektordatenbanktechnologie hervor und betonte: „Wir gehören wahrscheinlich zu den am weitesten verbreiteten Vektordatenbanken.“ Er betonte, dass die Umsetzung von RAG die Funktionalitäten der Datenbank verbessert, basierend auf jahrelanger Arbeit in Elasticsearch.
Kulkarni erläuterte die robusten, jetzt verfügbaren Funktionen, einschließlich Berechtigungen, facettierter Suche, hybrider Suche und der Möglichkeit, verschiedene Suchtechniken zu kombinieren. Er erklärte: „Es ist entscheidend, den Entwicklern Wahlmöglichkeiten, Funktionalität und Offenheit bezüglich der von ihnen gewählten Modelle zu bieten. Das wird Teil unserer DNA sein.“
In Anbetracht der rasanten Entwicklung der KI ist die Modellauswahl von größter Bedeutung. Kulkarni deutete an, dass Kunden zunehmend Anfragen über verschiedene große Sprachmodelle verteilen, um Genauigkeit und Kosten zu optimieren.
Fortschritte im KI-gestützten Vertragsmanagement
DocuSign nutzt KI, um das Vertragsmanagement zu revolutionieren. Krakovsky formulierte ihre Vision: „Wir kratzen gerade erst an der Oberfläche, indem Agents bei Vertragsverhandlungen helfen.“ Dieser Ansatz deutet auf eine Zukunft hin, in der KI eine aktive Rolle in Vertragsverhandlungen übernimmt.
Die Intelligent Agreement Management (IAM)-Plattform transformiert statische Vertragsdaten in umsetzbare Erkenntnisse. Ihre Hauptkomponenten – Maestro, Navigator und App Center – arbeiten zusammen, um Verträge zu analysieren und eine signifikante Lücke in der Digitalisierung von Unternehmen zu schließen. Krakovsky erklärte: „Während die meisten Unternehmen ihre Abläufe digitalisiert haben, bleiben Verträge weitgehend statische PDFs, was es schwierig macht, sie effektiv zu abfragen oder zu analysieren.“
IAM verwandelt diese statischen Dokumente in strukturierte Daten, die eine systematische Analyse ermöglichen. Krakovsky veranschaulichte dessen Auswirkungen mit einem Beispiel eines Kunden, der etwa 70 Verträge hatte und hunderte Millionen aufgrund unterschiedlicher Konditionen ausgab. Durch die Aggregation und Analyse dieser Verträge half DocuSign dem Kunden, Inkonsistenzen zu identifizieren und über 100 Millionen Dollar an Ausgaben einzusparen. Dieser Übergang von manuellen Überprüfungen zu automatisierten Prozessen zeigt das Potenzial von IAM zur signifikanten Verbesserung des Vertragsmanagements.
Bewältigung der Herausforderungen bei der KI-Einführung
Beide Führungskräfte betonten die Bedeutung einer verantwortungsvollen Einführung von KI. Krakovsky hebt die Notwendigkeit von Vorsicht hervor: „Wir müssen schnell vorankommen, aber wir müssen auch sorgfältig über die Fragen nachdenken, die sich aus dem Einsatz von KI ergeben,“ insbesondere in Bezug auf sensible Vertragsdaten.
DocuSign priorisiert Datensicherheit und Transparenz. Krakovsky bemerkte: „Wir sind sehr vorsichtig und transparent in unseren Praktiken. Bei der Verwendung von Kundendaten zum Training suchen wir explizite Genehmigung.“
Die Führungskräfte hoben auch die Notwendigkeit umfassender Lösungen anstelle von Flickwerkansätzen hervor. Krakovsky sagte: „Unser Ziel ist es, End-to-End-Lösungen anzubieten, anstatt die Kunden zu zwingen, mehrere Komponenten zusammenzusetzen.“
Optimierung von KI-Kosten und -Ressourcen
Kostenbewusstsein ist ein entscheidendes Kriterium für die Einführung von KI. Krakovsky betonte die Bedeutung einer optimalen Ressourcennutzung: „Zu verstehen, wie wir unsere Ressourcen zusammenstellen und nutzen, ist entscheidend für die Werterhaltung, insbesondere angesichts des Umfangs, in dem wir tätig sind.“
Kulkarni prognostizierte Veränderungen in der KI-Wirtschaft und sagte: „Die Kosten für Inferenz werden voraussichtlich aufgrund von Fortschritten in der Hardware und Technologie sowie eines erhöhten Wettbewerbs unter großen Sprachmodellanbietern sinken.“
Im Hinblick auf die Zukunft diskutierten beide Führungskräfte die Erweiterung der KI-Funktionalitäten. Kulkarni erwähnte multimodale KI-Modelle, die verschiedene Datentypen verarbeiten und kohärente Antworten liefern können. Krakovsky skizzierte potenzielle Anwendungen im Vertragsmanagement, wie das Identifizieren von Erkenntnissen, Unklarheiten und Compliance-Problemen, von denen viele automatisch behandelt werden können.
Praktische Beispiele für die Implementierung von KI
Die Diskussion umfasste praktische Beispiele für KI-Anwendungen in Unternehmen. Kulkarni teilte mit, wie Cisco die Technologie von Elastic nutzt, um Kundenservice-Funktionen zu automatisieren, wodurch sich Ingenieure auf wertvollere Aufgaben konzentrieren können. Er hob auch hervor, wie eine Fortune 100-Bank Elastic verwendet, um die Interaktionen zwischen Vermögensverwaltern und Kunden mithilfe KI-gesteuerter Suchwerkzeuge zu transformieren und ein personalisiertes „Bloomberg-Terminal für eine Person“ zu schaffen.
Von verbesserten Suchfunktionen bis hin zu KI-unterstützten Vertragsverhandlungen sind die potenziellen Anwendungen von KI vielfältig. Um dieses Potenzial zu erschließen, sind jedoch sorgfältige Überlegungen zu technischen, ethischen und operationellen Herausforderungen erforderlich, einschließlich Datenschutz, Modelltransparenz und kosteneffizientem Scaling.
Rangliste
