Neue Produkte wie chatgpt haben die Öffentlichkeit in ihren Bann gezogen, aber was werden die eigentlichen Anwendungen sein, mit denen man Geld verdienen kann? Werden sie sporadische Geschäftserfolgsgeschichten bieten, die im Meer des Lärms verloren gehen, oder stehen wir am Beginn eines echten Paradigmenwechsels? Was ist nötig, um tatsächlich funktionsfähige KI-Systeme zu entwickeln?

Um die Zukunft der KI zu planen, können wir wertvolle Lehren aus dem vorangegangenen technologischen Fortschritt ziehen: dem Big-Data-Zeitalter.

2003–2020: Die Big-Data-Ära

Die rasante Einführung und Kommerzialisierung des Internets in den späten 1990er und frühen 2000er Jahren führte zu Reichtum und Verlust, legte den Grundstein für Unternehmensimperien und führte zu einem exponentiellen Wachstum des Webverkehrs. Dieser Datenverkehr generierte Protokolle, die sich als äußerst nützliche Aufzeichnung von Online-Aktionen erwiesen. Wir haben schnell gelernt, dass Protokolle uns helfen zu verstehen, warum Software kaputt geht und welche Verhaltenskombinationen zu wünschenswerten Aktionen, wie dem Kauf eines Produkts, führen.

Da die Protokolldateien mit dem Aufkommen des Internets exponentiell anwuchsen, spürten die meisten von uns, dass wir es mit etwas enorm Wertvollem zu tun hatten, und die Hype-Maschine drehte sich auf 11. Es blieb jedoch abzuwarten, ob wir diese Daten tatsächlich analysieren und in nachhaltige Ergebnisse umwandeln konnten Wert, insbesondere wenn die Daten über viele verschiedene Ökosysteme verteilt waren.

Es lohnt sich, Googles Big-Data-Erfolgsgeschichte noch einmal Revue passieren zu lassen, denn sie symbolisiert, wie Daten aus google ein Billionen-Dollar-Unternehmen machten, das den Markt für immer veränderte. Die Suchergebnisse von Google waren durchweg ausgezeichnet und schafften Vertrauen, aber das Unternehmen hätte bis dahin nicht in der Lage sein, Suchvorgänge in großem Maßstab anzubieten – oder all die zusätzlichen Produkte, bei denen wir uns heute auf Google verlassen AdWords aktivierte Monetarisierung. Heute erwarten wir alle, in Sekundenschnelle genau das zu finden, was wir brauchen, sowie perfekte Wegbeschreibungen, kollaborative Dokumente und Cloud-basierten Speicher.

Unzählige Vermögen wurden auf der Fähigkeit von Google aufgebaut, Daten in überzeugende Produkte umzuwandeln, und auf vielen anderen Giganten, von der neu gestarteten IBM bis zum neuen Giganten von Schneeflockehaben erfolgreiche Imperien aufgebaut, indem sie Organisationen dabei geholfen haben, Daten zu erfassen, zu verwalten und zu optimieren.

Was zunächst nur ein verwirrendes Geschwätz war, brachte letztendlich enorme finanzielle Erträge. Genau diesem Weg muss die KI folgen.

2017–2034: Die KI-Ära

Internetnutzer haben riesige Textmengen in natürlicher Sprache wie Englisch oder Chinesisch erstellt, die als Websites, PDFs, Blogs und mehr verfügbar sind. Dank Big Data ist das Speichern und Analysieren dieses Textes einfach – so können Forscher Software entwickeln, die den gesamten Text lesen und sich selbst das Schreiben beibringen kann. Spulen wir vor, bis ChatGPT Ende 2022 eintrifft und Eltern ihre Kinder anrufen und fragen, ob die Maschinen endlich zum Leben erwacht sind.

Es ist ein Wendepunkt im Bereich der KI, in der Geschichte der Technologie und vielleicht auch in der Geschichte der Menschheit.

Der heutige KI-Hype ist genau so hoch wie bei Big Data. Die Schlüsselfrage, die die Branche beantworten muss, lautet: Wie kann KI die nachhaltigen Geschäftsergebnisse liefern, die unerlässlich sind, um diesen Wandel endgültig voranzutreiben?

Umsetzbare KI: Lassen Sie uns die KI zum Einsatz bringen

Um tragfähige und wertvolle langfristige Anwendungen zu finden, müssen KI-Plattformen drei wesentliche Elemente umfassen.

1. Die generativen KI-Modelle selbst
2. Die Schnittstellen und Geschäftsanwendungen, die es Benutzern ermöglichen, mit den Modellen zu interagieren, wobei es sich um ein eigenständiges Produkt oder einen generativen, KI-gestützten Backoffice-Prozess handeln kann
3. Ein System zur Gewährleistung des Vertrauens in die Modelle, einschließlich der Fähigkeit, die Leistung eines Modells kontinuierlich und kostengünstig zu überwachen und das Modell zu unterrichten, damit es seine Reaktionen verbessern kann

So wie Google diese Elemente vereint hat, um praktikable Big Data zu schaffen, müssen die KI-Erfolgsgeschichten dasselbe tun, um das zu schaffen, was ich praktikable KI nenne.

Schauen wir uns jedes dieser Elemente an und wo wir heute stehen:

Generative KI-Modelle

Generative KI ist in ihrer Wildheit einzigartig, bringt Herausforderungen durch unerwartetes Verhalten mit sich und erfordert eine kontinuierliche Schulung zur Verbesserung. Wir können Fehler nicht wie mit herkömmlicher, prozeduraler Software beheben. Bei diesen Modellen handelt es sich um Software, die von anderer Software erstellt wurde und aus Hunderten Milliarden Gleichungen besteht, die auf für uns unverständliche Weise interagieren. Wir wissen einfach nicht, welche Gewichte zwischen welchen Neuronen auf welche Werte gesetzt werden müssen, um zu verhindern, dass ein Chatbot einem Journalisten sagt, er solle sich von seiner Frau scheiden lassen.

Die einzige Möglichkeit, diese Modelle zu verbessern, besteht in Feedback und mehr Gelegenheiten, zu lernen, wie gutes Verhalten aussieht. Eine ständige Überwachung der Datenqualität und der Algorithmusleistung ist unerlässlich, um verheerende Halluzinationen zu vermeiden, die potenzielle Kunden davon abhalten können, Modelle in Umgebungen zu verwenden, in denen viel auf dem Spiel steht und in denen echtes Geld ausgegeben wird.

Vertrauen aufbauen

Governance, Transparenz und Erklärbarkeit, die durch echte Regulierung durchgesetzt werden, sind von wesentlicher Bedeutung, um Unternehmen die Gewissheit zu geben, dass sie verstehen können, was KI tut, wenn unweigerlich Fehltritte auftreten, sodass sie den Schaden begrenzen und an der Verbesserung der KI arbeiten können. Es gibt viel zu loben für die ersten Schritte von Branchenführern, durchdachte Leitplanken mit echten Zähnen zu schaffen, und ich fordere eine rasche Einführung einer intelligenten Regulierung.

Darüber hinaus würde ich verlangen, dass alle von KI generierten Medien (Text, Audio, Bild, Video) eindeutig als „Mit KI hergestellt“ gekennzeichnet sind, wenn sie in einem kommerziellen oder politischen Kontext verwendet werden. Ähnlich wie bei Nährwertkennzeichnungen oder Filmbewertungen verdienen Verbraucher es, zu wissen, worauf sie sich einlassen – und ich glaube, dass viele von der Qualität KI-generierter Produkte angenehm überrascht sein werden.

Killer-Apps

Innerhalb weniger Monate sind Hunderte von Unternehmen entstanden, die Anwendungen generativer KI anbieten, von der Erstellung von Marketingmaterialien über die Herstellung neuer Musik bis hin zur Entwicklung neuer Medikamente. Die einfache Eingabeaufforderung von ChatGPT könnte möglicherweise die Suchmaschine der Big-Data-Ära übertreffen – aber viele weitere Anwendungen könnten in verschiedenen Branchen und Anwendungen genauso leistungsstark und profitabel sein. Wir sehen bereits massive Verbesserungen der Codierungseffizienz durch den Einsatz von ChatGPT. Was wird noch folgen? Das Experimentieren, um KI-Anwendungen zu finden, die eine deutliche Veränderung des Benutzererlebnisses und der Geschäftsleistung bewirken, wird für die Schaffung funktionsfähiger KI von entscheidender Bedeutung sein.

Die Unternehmen, die ihr Vermögen auf dieser neuen Technologieklasse aufbauen, werden diese Innovationsbarrieren durchbrechen. Sie werden die Herausforderung lösen, kontinuierlich und kostengünstig Vertrauen in die KI aufzubauen und gleichzeitig Killer-Apps zu entwickeln, gepaart mit einer soliden Monetarisierung, die auf leistungsstarken zugrunde liegenden Modellen basiert.

Big Data durchlief denselben Lärm- und Unsinnszyklus. Ebenso wird es wahrscheinlich einige Generationen und Fehltritte dauern, aber durch die Konzentration auf die Grundsätze der Workable AI wird sich diese neue Disziplin schnell weiterentwickeln und eine Plattform für den Wandel schaffen, die genauso transformativ ist, wie Experten erwarten.

Florian Douetteau ist CEO von Dataiku.