Die Implementierung generativer KI-Modelle stellt Unternehmen, die von einfachen Konzeptnachweisen zu einer effektiven Skalierung übergehen möchten, vor erhebliche Herausforderungen. Laut Erkenntnissen von Branchenexperten auf dem AI Summit New York 2023 beginnt das Überwinden dieser Hürden mit der Identifizierung von Hindernissen.
Eine der zentralen Herausforderungen liegt im Erwerb und in der Kuratierung der richtigen Daten. Sesh Iyer, Managing Director und Senior Partner bei BCG, betonte die Notwendigkeit eines nachhaltigen Daten-Pipelines mit gut organisierten Metadaten. Generative KI-Modelle gedeihen durch umfangreiche Dateneingaben, weshalb Unternehmen ihre Wissensdatenbanken optimieren müssen, um das Potenzial großer Sprachmodelle zu maximieren. Gaurav Dhama, Director of Product Development für KI bei Mastercard, hob ebenfalls die Bedeutung eines optimierten Datenmanagements hervor.
Ein weiterer bedeutender Hürde besteht darin, einen effektiven Governance-Rahmen zur Verwaltung der inhärenten Risiken im Zusammenhang mit generativer KI zu schaffen. Unter Führungskräften gibt es ein verbreitetes „Vertrauensproblem“ bezüglich Sicherheitsrisiken, Urheberrechtsfragen und potenziellen Ungenauigkeiten in KI-generierten Inhalten. Lucinda Linde, Senior Data Scientist bei Ironside, unterstrich diese Bedenken und wies darauf hin, dass Führungskräfte diese Risiken sorgfältig navigieren müssen, um die Technologie umfassend zu nutzen.
Der Mangel an qualifizierten Fachkräften, die generative KI effektiv einsetzen können, ist ein weiteres Hindernis. Viele Organisationen ringen weiterhin damit, den Geschäftswert und die Rendite ihrer KI-Initiativen zu identifizieren, während die schwankenden Kosten für generative KI zu anhaltender Unsicherheit beitragen.
Angesichts der noch jungen Technologien der generativen KI bemerkte Vik Scoggins, der die KI/ML-Produktstrategie und -entwicklung bei Coinbase leitet: „Es ist noch kein gepflasterter Weg.“ Diese Landschaft erfordert von den Unternehmen, generative KI vorsichtig anzugehen. Dhama prognostiziert, dass generative KI für längere Zeit in einer „Co-Pilot-Phase“ bleiben wird, insbesondere in hochregulierten Sektoren wie den Finanzdienstleistungen, wo menschliche Aufsicht entscheidend bleibt.
Darüber hinaus können Sicherheitsanfälligkeiten beim Einsatz von generativer KI entstehen, insbesondere bei Programmieraufgaben. Wie Dhama anmerkte, ist das Fachwissen derjenigen, die diese Tools implementieren, von größter Bedeutung. Linde riet Unternehmen, generative KI zunächst intern einzusetzen, um die Produktivität und Effizienz der Mitarbeiter zu steigern, und schlug vor, dass der Initialeinsatz in Back-Office-Funktionen den Weg für eine breitere Implementierung ebnen kann, wenn das Vertrauen innerhalb der Organisation wächst.
Trotz der Herausforderungen bei der Einführung neuer Technologien sind die potenziellen Produktivitätsgewinne durch generative KI überzeugend. Iyer schätzt, dass Organisationen Effizienzsteigerungen von 10 % bis 90 % erleben könnten.
Ein weiterer kritischer Aspekt für die effektive Nutzung generativer KI ist die Diversifikation des Technologeeinsatzes. Linde betonte die Bedeutung, mehrere generative KI-Modelle zu verwenden, trotz der weit verbreiteten Technologie von OpenAI in aktuellen Anwendungen. Die jüngsten Turbulenzen rund um den CEO von OpenAI, Sam Altman, unterstreichen die Risiken einer Abhängigkeit von einem einzigen Anbieter.
Das Erkunden verschiedener Modelle ist entscheidend, da unterschiedliche Systeme in unterschiedlichen Bereichen hervorragende Leistungen erbringen. Linde merkte an, dass neu aufkommende Modelle wie Mistral außergewöhnliche Leistungen gezeigt haben und als Teil einer breiteren Strategie berücksichtigt werden sollten. Dhama stimmte zu und plädierte für eine vielfältige Auswahl an Systemen zur Steigerung der Resilienz.
Bei der Gestaltung eines generativen KI-Rahmenwerks sind zentrale Überlegungen wie Genauigkeit, Latenz und Kosten entscheidend. Um sich in einem Markt abzuheben, in dem viele Organisationen ähnliche Grundmodelle verwenden, unterstrichen die Experten, dass der differenzierende Faktor in der Qualität der zugrunde liegenden Daten liegt. Wie Dhama es treffend formulierte: „Es liegt an den Daten, nicht am Modell.“
Um den Wert generativer KI zu maximieren, ist eine strategische Verbindung von Geschäftseinblicken und operativer Ausführung erforderlich, wobei ein starker Fokus auf der Kuratierung der richtigen Daten liegt. Iyer schloss mit einer eindringlichen Erinnerung: „Wenn Sie die Daten haben, gewinnen Sie.“
Rangliste
