Die Aufregung (und das Drama) um KI nimmt weiter zu. Warum? Weil viel auf dem Spiel steht. Der Wettlauf um Wettbewerbsvorteile durch die Anwendung von KI in neuen Anwendungsfällen hat begonnen! Die Einführung der generativen KI im letzten Jahr hat das Feuer weiter geschürt, und das aus gutem Grund. Während sich das bestehende Portfolio an KI-Tools an eher technisch orientierte Personen wie Datenwissenschaftler und Ingenieure richtete, übergaben neue Tools wie ChatGPT die Schlüssel zum Königreich an jeden, der eine Frage eingeben konnte. Gen AI hat buchstäblich nicht die Daten selbst, sondern die daraus gewonnenen Erkenntnisse und Informationen demokratisiert.
Die Auswirkungen dieser weit verbreiteten Nutzung von KI haben Besorgnis ausgelöst, und das vielleicht zu Recht. Für Unternehmen, die um ihre Einnahmen und ihren Ruf besorgt sind, müssen Regeln gelten. Der Erfolg in der neuen KI-Landschaft hängt nicht nur von diesem glänzenden neuen Werkzeug ab, sondern auch von den Grundlagen, auf denen es aufgebaut wird. Die Grundlage für den erfolgreichen und verantwortungsvollen Einsatz von KI und Gen-KI muss auf Datensicherheit, Datenvielfalt und organisatorischer Reife beruhen. Es geht nicht nur um die Technologie, sondern auch um die Menschen und Prozesse.
Wo stehen wir jetzt?
Bei einer Reihe von Veranstaltungen, die wir kürzlich durchgeführt haben, fragten wir die Zuhörer, ob sie in ihren Unternehmen KI einsetzen. An manchen Orten hoben nur wenige Leute ihre Hand. Dennoch wissen wir, dass die Nutzung von ChatGPT explodiert ist. Nur zwei Monate nach dem Start erreichte ChatGPT 100 Millionen monatlich aktive Nutzer und war damit die am schnellsten wachsende Verbraucheranwendung in der Geschichte. Ich persönlich gehöre nicht zu den Early Adopters oder gar zu den Fast Follower. Ich habe ChatGPT erst kürzlich für einige Reisevorschläge genutzt. Ich wollte für eine bevorstehende Reise eine Route „abseits der ausgetretenen Pfade“, und es hat mir einige tolle Empfehlungen gegeben.
Andere nutzen es ganz selbstverständlich. Mein Sohn bat mich kürzlich, eine E‑Mail zu überprüfen, die er an einen Professor geschrieben hatte, um Hilfe bei der Auswahl zwischen zwei vorgeschlagenen Praktika zu erhalten. In der ursprünglichen E‑Mail hatte er die beiden Vorschläge als Anhänge beigefügt. Ich sagte meinem Sohn, dass er nicht erwarten sollte, dass sein Professor Anhänge öffnet. Er sollte jeweils eine Zusammenfassung in 2–3 Sätzen beifügen. Was hat er also getan? Er kopierte den Text der beiden Vorschläge in ChatGPT und bat um eine Zusammenfassung in 2–3 Sätzen. Und genau so wird es heute in Unternehmen eingesetzt, insbesondere bei dieser Zielgruppe.
Bei einem weltweit tätigen Spezialnahrungsmittelhersteller ging das Datenteam auf Spurensuche, um die Nutzung von ChatGPT durch Überwachung des Netzwerkverkehrs aufzudecken. Sie fanden heraus, dass etwa 10 % der Mitarbeiter ChatGPT im ersten Quartal 2023 besucht und getestet hatten, wobei ein Dienst für 60 % des ChatGPT-Datenverkehrs verantwortlich war. Tatsächlich war es nur ein Mitarbeiter – eine Praktikantin, die Seite an Seite mit ihrem KI-Kopiloten programmieren lernte. Jüngere Mitarbeiter haben dieses neue Tool für sich entdeckt.
Laut der CDO Agenda 2024-Studie des MIT haben jedoch weniger als 10 % der Unternehmen KI-Anwendungsfälle in der Produktion und nur etwas mehr als 10 % führen die Technologie in einem Pilotprojekt ein. In derselben Studie geben fast 60 % an, dass sie keine Änderungen an ihrer Datenumgebung vorgenommen haben, um KI zu unterstützen oder zu ermöglichen. Viele haben das Gefühl, dass sie es nicht wirklich kommen sahen, bis es auf ihrem Radar aufgetaucht ist. Vielleicht wussten sie, dass ein paar Leute sie getestet haben. Aber es ist wie in Top Gun, wenn sich die beiden Bogies, die sie verfolgen, verdoppeln. „Wir haben hier ein Problem. Es ist nicht nur ein Paar. Es sind zwei. Wir haben vier Flugzeuge. Ich wiederhole, vier Drehgestelle.“
Plötzlich gibt es überall KI-Anwendungsfälle, bei denen ChatGPT oder Bard Dokumente zusammenfassen oder erste Entwürfe von E‑Mails erstellen. Da Führungskräfte nicht wollen, dass ihre Geschäftspläne oder Verträge in ChatGPT kopiert werden, haben einige Unternehmen diese Fähigkeit mit Tools wie MyAssistant von Walmart in das Unternehmen gebracht. Aber diese Anwendungsfälle sind nur die Spitze des Eisbergs.
Wie geht es jetzt weiter?
Innovative Datenverantwortliche und ihre Teams erkunden die Möglichkeiten der Anwendung von KI und Gen-KI. Wie die Drehgestelle auf dem Radar vervielfachen sich auch die Anwendungsfälle. Auf einer kürzlich stattgefundenen Veranstaltung in Genf beschrieb ein globales Versandunternehmen, wie ein intern ausgebildeter KI-Assistent die Antwortzeiten für Kundenanfragen verbessert, indem er strukturierte Informationen aus unstrukturierten Daten extrahiert. Der Verlader erhält Anfragen für den Transport von Waren vom Ursprung zum Zielort. Die Genehmigung hängt vom Vertrag mit dem Kunden sowie von den Gesetzen des Herkunfts- und des Ziellandes ab. Ein neues KI-Tool extrahiert relevante Informationen aus Kundenverträgen und ermöglicht Abfragen in natürlicher Sprache, um die Antwortzeiten auf Anfragen zu beschleunigen. In Zukunft kann das Tool auch Vorschriften scannen und die erforderlichen Unterlagen für den Versand bereitstellen.
In der Pharmaindustrie profitieren Forschungs- und Entwicklungsteams von der Fähigkeit der KI, die Entdeckung von Medikamenten zu beschleunigen. Leistungsstarke Modelle helfen dabei, die sprichwörtliche Nadel im Heuhaufen oder „Wirkstoffkandidaten“ unter den nahezu unendlichen Möglichkeiten für neue medikamentöse Behandlungen zu finden. In einem kürzlich erschienenen „Rise of the Data Cloud“-Podcast spricht Dimitrije Jankovic, Leiter der Abteilung Daten und KI bei Sanofi, über den Einsatz von KI im Unternehmen, u. a. in der Arzneimittelforschung, aber auch unternehmensweit zur Verbesserung der Mitarbeiterproduktivität.
Unternehmen setzen KI auch ein, um ihre Mitarbeiter zu halten, insbesondere die produktiven. ADP, das die Gehaltsabrechnung für eines von sechs US-Unternehmen verwaltet, bietet Modelle für maschinelles Lernen (ML) an, um seinen Kunden dabei zu helfen, Top-Talente zu halten, indem sie die Abwanderung vorhersagen und die Gehälter und Leistungen optimieren. Die Kunden können ihre Kennzahlen auch mit aggregierten, anonymisierten Daten aus über 30 Millionen Mitarbeiterdatensätzen vergleichen.
Wie kommen wir dahin?
Wie bei allem Neuen und Umwälzenden, insbesondere im Unternehmen, gibt es Befürchtungen. Kann ich schnell genug vorankommen? Wie kann ich sicherstellen, dass ich meine Daten und die Privatsphäre meiner Kunden schützen kann? Habe ich überhaupt alle Daten, die ich brauche? Was ist, wenn ich intern nicht über die nötigen Fähigkeiten verfüge, um alles zu erledigen? Wie bringe ich jeden in meinem Unternehmen auf den neuesten Stand, was das alles für sie bedeutet?
Wenn Snowflake-Kunden von ihren Erfahrungen berichten, fallen einige Anforderungen an ihre Daten auf: Datensicherheit, Datenvielfalt und organisatorische Reife – einschließlich Datenkompetenz. Unternehmen schätzen eine Plattform, die alles einfacher und vor allem sicherer machen kann. PII-Daten, insbesondere Patienten- und Kundendaten, müssen geschützt werden. Wer in die Schlagzeilen gerät, riskiert seine Einnahmen und seinen Ruf. Und das gilt für alle Daten, egal ob es sich um interne oder externe Daten handelt, die zur Erweiterung der Trainingsdaten herangezogen werden. KI umfasst jedoch mehr als nur Technologie und Daten. Kunden betonen auch die Notwendigkeit, Menschen und Prozesse in den Mix einzubeziehen.
Werfen wir einen Blick auf einige dieser grundlegenden Elemente.
Datensicherheit. Unternehmen müssen schnell ans Ziel kommen, wollen aber auch sicher sein, dass sie keine Abkürzungen nehmen. Vor einigen Wochen stellte Snowflake Snowflake Cortex (in der privaten Vorschau) vor, unseren neuen, vollständig verwalteten Service, der viele der Bausteine zur Beschleunigung der KI- und Gen-KI-Einführung bietet. Snowflake Cortex umfasst vorgefertigte LLM-basierte Funktionen zur Beschleunigung der Entwicklung von Assistenten“-Apps für Unternehmen, einschließlich der Extraktion von Antworten, Textzusammenfassung, Übersetzung und Stimmungserkennung, sowie ML-basierte Funktionen wie Nachfrageprognosen, Anomalieerkennung und Datenklassifizierung. Snowflake Cortex bietet auch die Bausteine, um externe und Open-Source-KI-Modelle anzupassen und eigene KI-Apps zu erstellen. Und, was wohl am wichtigsten ist, all dies geschieht, während gleichzeitig sichergestellt wird, dass die Daten, die diese Funktionen und Anwendungen antreiben, innerhalb der Snowflake-Umgebung durch die Funktionen in Snowflake Horizon vollständig verwaltet und gesichert werden.
Datenvielfalt. Während Unternehmen ihre Nutzung von KI beschleunigen, erkennen viele, dass ihre eigenen Daten nicht ausreichen. Sie machen sich unter anderem Sorgen über Ungenauigkeiten oder „Halluzinationen“ und Verzerrungen. KI-Experten empfehlen Kontrollen wie Output-Audits und Human-in-the-Loop-Überprüfungen. Eine weitere Strategie zur Schadensbegrenzung sind mehr Daten. Jankovic von Sanofi betonte die Notwendigkeit, einen besseren Datenaustausch zwischen Unternehmen zu fördern und ein kohärenteres Datenökosystem zu entwickeln, um Modelle auf externen Daten zu trainieren. In der Versicherungsbranche arbeiten die Unternehmen zusammen, um ihre Betrugsmodelle zu verbessern. Je mehr Schadensfälle ein Modell sieht, desto wahrscheinlicher ist es, dass es betrügerische Muster erkennt. Oder stellen Sie sich ein Szenario aus dem Personalwesen vor, in dem ein Modell zur Auswahl eines Bewerbers für eine Einstellung verwendet wird. Ihre Daten könnten die Profile erfassen, die Sie immer eingestellt haben, während Sie andere demografische Merkmale übersehen. Externe Daten wie ADP’s Payroll and Demographic Data oder Revelio Workforce Analytics würden Ihre Talentakquisitionsmodelle ergänzen und die Entscheidungsfindung verbessern.
Organisatorische Reife. Dies ist die menschliche und prozessuale Seite der Dinge, die nicht übersehen werden darf. Ja, verantwortungsbewusste KI erfordert Daten und Technologie, aber sie bedeutet auch, Leitplanken zu setzen und das Bewusstsein im gesamten Unternehmen zu schärfen. Bei Sanofi bedeutete dies, wie im letzten Podcast besprochen, dass die gesamte Organisation mit dem neuen Programm Responsible AI at Sanofi for Everyone (RAISE) auf ein höheres Niveau gebracht wurde. Die Beteiligung an KI erstreckte sich über das gesamte Unternehmen, mit Vertretern von Datenschutz‑, Beschaffungs‑, Rechts- und IT-Teams sowie von Geschäftseinheiten. Eine unternehmensübergreifende KI-Arbeitsgruppe legt die Strategie fest, und das Innovation Governance Committee, zu dem auch der Chief Digital Officer und die Rechtsabteilung gehören, überwacht die Umsetzung. Aus operativer Sicht konzentriert sich die KI-Fabrik des Unternehmens auf Wiederholbarkeit und Skalierbarkeit, nicht nur auf Piloten. Snowflake hat einen ähnlichen funktionsübergreifenden KI-Lenkungsausschuss. KI ist kein Nebenprojekt, das isoliert durchgeführt wird.
Verantwortungsvolle KI basiert auf einer soliden Datengrundlage, die auch eine unternehmensweite Datenkompetenz erfordert. Berücksichtigen Sie das Bewusstsein für den Wert von Daten auf allen Ebenen, auch bei denjenigen, die vielleicht nicht wissen, dass sie mit Daten arbeiten (z. B. Außendienstmitarbeiter, Kassierer oder alle, die Daten erfassen, die in ein KI-Modell eingegeben werden könnten). Verstehen die Entscheidungsträger genug von dem, was unter der Haube vor sich geht, um Erkenntnisse auf die Entscheidungen anzuwenden, die sie treffen müssen? Verfügen die Daten- und Insights-Teams über die erforderlichen Tools und das Fachwissen, um sie zu nutzen? Und lässt sich dies auf das gesamte Unternehmen übertragen? Verantwortungsvolle KI erfordert Datenkompetenz für alle. Wir werden dies in einem zukünftigen Blogbeitrag näher beleuchten.
Denken Sie nur daran, dass ein verantwortungsvoller Ansatz mit einer robusten Datenplattform und einem Ökosystem beginnt, wenn sich die Anwendungsfälle vervielfachen.
Quelle: Snowflake.com
