Seit seiner öffentlichen Vorstellung Ende 2022 haben viele spekuliert, dass chatgpt der ultimative Weg für Microsoft ist, Marktanteile zu gewinnen und google als führenden Suchanbieter zu überholen. Einige sind sogar so weit gegangen zu sagen, dass es sich um einen Google-Killer handeln wird, der die Vormachtstellung der Suchmaschinen im Internet beenden würde. Die Idee, dass generative KI die Suche irrelevant macht, ist jedoch ein Missverständnis dessen, was diese Technologie wirklich darstellt.

Wenn wir uns ansehen, wie Google Bard, seine Alternative zu ChatGPT, eingeführt hat, wird klar, dass generative KI keine Bedrohung für die Suche, sondern eher eine Verbesserung darstellt. Bard wird als Ergänzung zur Suche vermarktet und stellt Googles Einstieg in den generativen KI-Markt und seine Chance dar, die Erzählung rund um diese Technologie neu zu schreiben. Da ChatGPT und Bard das Internet im Sturm erobern, ist diese Unterscheidung für Unternehmen von entscheidender Bedeutung. Während generative KI leistungsstark ist, steigert die Ergänzung durch die Suche ihre Leistung und Vielseitigkeit erheblich und ist möglicherweise die perfekte Lösung, nach der Unternehmen gesucht haben, um sich einen Wettbewerbsvorteil zu verschaffen.

Warum halten sich Unternehmen zurück?

Erste Versuche mit ChatGPT haben es Benutzern ermöglicht, alltägliche Aufgaben schnell zu erledigen und zu automatisieren. Das Potenzial, das darin steckt, hat die Unternehmenswelt erfasst. Allerdings sind viele Unternehmensleiter unsicher, wie generative KI-Modelle implementiert werden sollen.

Die meisten Nutzer der Technologie erkennen an, dass ChatGPT zwar hervorragend in natürlicher Sprache, Kreativität, Konversation und Zusammenfassungen ist, in faktenbasierten und differenzierten Kontexten jedoch Schwierigkeiten hat. Dies liegt daran, dass ChatGPT eine generative KI ist, die darauf trainiert ist, Texte auf der Grundlage von Sprachmustern zu generieren und überzeugende Prosa sowie souveräne, überzeugende Argumente zu erstellen. Der Inhalt basiert auf den Wahrscheinlichkeiten von Wörtern in der Sprache und nicht auf dem Verständnis dessen, was die Wörter tatsächlich darstellen. Es hat kein Verständnis für die reale Welt. Folglich sind die Ergebnisse in komplexen Umgebungen schwierig und es kann zu Halluzinationen kommen; Das heißt, man kann sich nicht darauf verlassen, dass sie jederzeit korrekte Informationen übermitteln. In Kombination mit dem Wissen, dass diese Modelle keine Erkenntnisse über die letzten ein oder zwei Jahre haben und dass es schwierig ist, die Quellen der Modelle zu validieren, ist es leicht zu erkennen, warum Unternehmen zögern, sie für viele faktenbasierte Anwendungsfälle zu übernehmen.

Aber hier macht die Suche den entscheidenden Unterschied.

Die Auswirkungen der Suche

Während generative LLMs (GLLMs) eine neue Antwort erzeugen, geht es bei der Suche um den Abruf bereits vorhandener Informationen. Sie fordern bereits vorhandene Informationen von einer Insight Engine an und diese zeigt die relevantesten Inhalte an. GLLMs können sehr ähnlich aussehen, da sie relevantes Material präsentieren, das ihre Ausbildung widerspiegelt. Tatsächlich unterscheidet sich die Vorhersage, welche Wörter zu einem Thema angezeigt werden sollen, stark von der Anzeige von Inhalten, die zu diesem Thema geschrieben wurden.

Wenn man jedoch mit der Suche beginnt und die Ergebnisse einer Suche in ein GLLM einspeist, werden diese Mängel beseitigt. Durch die Verwendung der Suche als Informationsquelle und nicht des LLM als eigene Quelle wird sichergestellt, dass die Antworten auf genauen, aktuellen und nachvollziehbaren Informationen basieren. Auf diese Weise wird die Stärke jedes Tools optimal genutzt: Das Wissen stammt aus den relevantesten Informationen, die bei der Suche gefunden wurden, während die Formulierung aus dem GLLM stammt.

Das Endergebnis ist ein Ausdruck präziser, nachvollziehbarer und aktueller Informationen, präsentiert in der Art und Weise, wie wir am liebsten kommunizieren: in natürlicher Sprache.

Da die Genauigkeit der Antwort direkt mit der Qualität der in das GLLM eingespeisten Informationen zusammenhängt, ist die Suche heute wichtiger denn je.

Aber das ist nicht das Beste

Die Suche liefert nicht nur Informationen von besserer Qualität, sondern ist auch die effektivste Möglichkeit, einen GLLM auf unternehmensspezifische Informationen aufmerksam zu machen. ChatGPT und andere GLLMs (GPT-4, Bard, LLaMA usw.) sind auf öffentliche Inhalte aus dem Internet geschult und haben kein Bewusstsein für das in einer Organisation enthaltene Wissen. Gleichzeitig ist die Schulung oder Feinabstimmung dieser Modelle auf Unternehmensinhalte schwierig und kann unglaublich zeitaufwändig und teuer sein.

Die ideale Lösung besteht darin, die Unternehmenssuche zu nutzen, die alles über ein Unternehmen weiß, um einem GLLM relevantes organisationsspezifisches Wissen bereitzustellen. Da die Unternehmenssuche über umfassenden und sicheren Zugriff auf alle Unternehmensrepositorys, Inhalte und institutionelles Wissen verfügt, erhält der GLLM aus allen Unternehmensinhalten das relevanteste Quellmaterial für seine Antwort, unabhängig von Quelle, Format oder Sprache. Es gewährleistet auch die Sicherheit, da Mitarbeiter nur die Informationen sehen, auf die sie zugreifen dürfen.

Das Ergebnis dieses kombinierten Ansatzes ist ein unternehmenstaugliches GLLM, das:

• Bewusst – da es das Wissen Ihres Unternehmens umfasst, nicht nur öffentliche Inhalte
• Präzise – weil die Informationen direkt aus Ihren Unternehmensinhalten stammen, nicht aus dem Modell, für faktenbasierte Zusammenfassungen ohne Halluzinationen
• Transparent – mit expliziten Links zu Quellen, damit das Wissen nachvollziehbar ist
• Aktuell – Der generierte Inhalt verwendet die aktuellsten Informationen

Vorausschauen

GLLMs wie ChatGPT und Bard verändern die Art und Weise, wie wir mit Informationen interagieren, und sie werden weiterhin für Schlagzeilen sorgen. Aber so beeindruckend sie auch sind, wir dürfen nicht vergessen, dass wir erst am Anfang dieser KI-Revolution stehen. In den nächsten Jahren werden wir weiterhin die Entwicklung noch leistungsfähigerer Modelle erleben, die neue Anwendungen ermöglichen, die wir noch nicht einmal ansatzweise vorhersagen können.

Aber ohne eine Grundlage prägnanten, genauen und relevanten Wissens werden GLLMs Schwierigkeiten haben, ihr Potenzial auszuschöpfen, insbesondere für das Unternehmen. Die intelligente Suche ist ein unschätzbares Werkzeug, um GLLMs in das Unternehmen zu bringen und sie in nahezu jeder sprachorientierten Anwendung nutzbar zu machen. Durch die Kombination der Leistungsfähigkeit der intelligenten Suche mit GLLMs wie ChatGPT können sich Mitarbeiter jetzt mit ihren Inhalten unterhalten, was die Effektivität erhöht, Innovationen beschleunigt und sogar das Mitarbeiterengagement steigert.

Bildnachweis: Vlue/Shutterstock

Ulf Zetterberg ist Co-CEO beim Enterprise-Search-Anbieter,Ohne welches. Ulf verfügt über mehr als 25 Jahre Erfahrung in der Führung globaler Unternehmenssoftwareunternehmen. Im Jahr 2010 war er Mitbegründer von Seal Software, dem ersten Unternehmen, das eine KI-gestützte Plattform nutzte, um Intelligenz-, Automatisierungs- und Visualisierungsfunktionen hinzuzufügen, um die Verwaltung und Nutzung von Vertragsdaten zu verbessern. Er ist außerdem Investor, Berater und Vorstandsmitglied mehrerer Unternehmen andere Unternehmen, mit Schwerpunkt auf Software und Datenanalyse.