BEOBACHTUNGEN DES FINTECH SNARK TANK
Wenn Sie dieses Jahr an Branchenkonferenzen teilgenommen haben, wissen Sie, dass ChatGPT und generative KI – und künstliche Intelligenz im Allgemeinen – die Tagesordnung dominieren.
Zu viele Inhalte sind jedoch predigend und nichtssagend – z. B. „KI wird störend sein“ oder „KI ist ein Game Changer“.
CEOs (und übrigens auch andere Führungskräfte) brauchen – und wollen – konkretere Ansichten darüber, welche Auswirkungen diese neuen Technologien haben werden und wie sie mit ihnen vorankommen können.
Hier sind also fünf Dinge, die CEOs über ChatGPT und generative KI wissen müssen:
1) Kostensenkung ist nicht das Ziel generativer KI
Der frühe Schwerpunkt des Einsatzes generativer KI-Tools und -Technologien sollte auf der Produktivitätsverbesserung, insbesondere der Prozessbeschleunigung, liegen.
Die Schätzungen zum Personalabbau variieren je nach Art der Rolle und Position und reichen von 20 % bis hin zu sogar 80 %. Zwar gibt es vereinzelte Beispiele dafür, dass Unternehmen ihre Mitarbeiter vollständig (oder fast vollständig) durch generative KI ersetzen, doch diese sind selten – und die Ergebnisse waren alles andere als spektakulär.
Die Auswirkung der generativen KI auf Unternehmen besteht nicht im Personalaustausch, sondern in der Beschleunigung der menschlichen Produktivität und Kreativität. Laut Charles Morris, Chief Data Scientist für Finanzdienstleistungen bei Microsoft: „Stellen Sie sich Gen AI nicht als Automatisierungstool vor, sondern als Co-Piloten – Menschen tun es, und der Co-Pilot hilft ihnen, es schneller zu tun.“
Von der Durchführung von Marketingkampagnen über die Entwicklung von Websites bis hin zur Entwicklung von Code zur Erstellung neuer Datenmodelle: Die Vorteile dieser Anwendungsfälle für den Einsatz generativer KI liegen nicht in der Kostenreduzierung, sondern in der Verkürzung der Markteinführungszeit.
2) Sie müssen die Risiken großer Sprachmodelle bewerten
Obwohl ChatGPT derzeit möglicherweise das bekannteste große Sprachmodell (LLM) auf dem Markt ist (Gorilla von Microsoft und Llama von Facebook sind auf dem Vormarsch), hat fast jeder große Technologieanbieter ein LLM in Arbeit oder hat kürzlich eines auf den Markt gebracht.
Bis zum Ende des Jahrzehnts sollten Sie je nach Branche und Unternehmensgröße mit 10 bis 100 LLMs rechnen. Es gibt zwei Dinge, auf die Sie wetten können: 1) Technologieanbieter werden behaupten, generative KI-Technologie in ihre Angebote zu integrieren, obwohl dies in Wirklichkeit nicht der Fall ist, und 2) Technologieanbieter werden Ihnen nicht sagen, welche Schwächen und Einschränkungen ihre LLMs haben ( wenn sie wirklich einen haben).
Daher müssen Unternehmen die Stärken, Schwächen und Risiken jedes Modells selbst bewerten. Laut Chris Nichols, Direktor für Kapitalmärkte bei der South State Bank:
„Es gibt bestimmte Standards, die Unternehmen für jedes Modell anwenden sollten. Risikogruppen müssen diese Modelle verfolgen und sie nach ihrer Genauigkeit, ihrem Potenzial für Voreingenommenheit, Sicherheit, Transparenz, Datenschutz, Prüfungsansatz/-häufigkeit und ethischen Überlegungen (z. B. Verletzung von geistigem Eigentum, Deep-Fake-Erstellung usw.) bewerten.“
3) ChatGPT ist bis 2023 das, was Lotus 1-2-3 bis 1983 war
Erinnern Sie sich an die Tabellenkalkulation Lotus 1-2-3? Obwohl es nicht die erste PC-basierte Tabellenkalkulation auf dem Markt war, löste sie bei ihrer Einführung Anfang 1983 einen Boom bei der Verbreitung von PCs aus und galt als „Killer-App“ für PCs.
Lotus 1-2-3 löste auch einen Boom bei der Mitarbeiterproduktivität aus. Es ermöglichte den Menschen, numerische Daten wie nie zuvor zu verfolgen, zu berechnen und zu verwalten. Nur wenige Leute in den Arbeiterrängen erinnern sich heute daran, wie wir (ups – ich meinte „sie“) auf HP-Rechner angewiesen waren, um Berechnungen anzustellen und dann Dinge aufzuschreiben.
Trotz der enormen Produktivitätssteigerung gab es einige Probleme: 1) Benutzer haben Fehler in den Berechnungen fest einprogrammiert, was für einige Unternehmen große Probleme verursachte; 2) Die Dokumentation der in Tabellenkalkulationen einfließenden Annahmen war schwach (eher nicht vorhanden), was zu einem Mangel an Transparenz führte; und 3) Es mangelte an Konsistenz und Standardisierung bei der Gestaltung und Verwendung der Tabellenkalkulationen.
Dieselben Probleme, mit denen Unternehmen vor 40 Jahren mit Lotus 1-2-3 zu kämpfen hatten, treten heute bei der Verwendung von ChatGPT und anderen generativen KI-Tools auf: Man verlässt sich auf die oft fehlerhafte Ausgabe von ChatGPT, es gibt keine Dokumentation (oder „Papierspur“) dazu die Nutzung des Tools, und es gibt keine einheitliche Nutzung des Tools durch alle Mitarbeiter derselben Abteilung, geschweige denn im selben Unternehmen.
Damals brachte Lotus 1-2-3 eine Reihe von Plugins hervor, die die Funktionalität der Tabellenkalkulation verbesserten. Ebenso gibt es bereits Hunderte von Plugins für ChatGPT. Tatsächlich kommt ein Großteil der Leistung zur Generierung von Ausgaben wie Audio, Video, Programmiercode und anderen Formen der Nicht-Text-Ausgabe von diesen Plugins und nicht von ChatGPT selbst.
4) Datenqualität entscheidet über generative KI-Bemühungen
Berater fordern Sie schon seit Jahren dazu auf, Ihr internes Datenhaus in Ordnung zu bringen, und wenn Sie anfangen, generative KI-Tools zu verwenden, werden Sie sehen, wie gut Ihnen das gelungen ist. Das Sprichwort „Müll rein, Müll raus“ war maßgeschneidert für die generative KI.
Bei Open-Source-LLMs, die öffentliche Internetdaten nutzen, muss man sehr auf die Datenqualität achten. Während das Internet eine Datengoldmine ist, ist es eine Goldmine, die mitten auf einer Datendeponie liegt. Stecken Sie Ihre Hand hinein, um ein paar Daten zu erhalten, und Sie werden nicht sicher sein, ob Sie ein Goldnugget oder eine Handvoll Müll haben.
Unternehmen kämpfen seit Jahrzehnten damit, ihren Mitarbeitern Zugriff auf die Daten zu gewähren, die sie für Entscheidungen und die Erledigung ihrer Arbeit benötigen. Ein Teil der Herausforderung besteht darin, über Tools zu verfügen, die auf die Daten zugreifen, und die Mitarbeiter darin zu schulen und auf dem Laufenden zu halten.
Generative KI-Tools helfen dabei, einige der Probleme bei der Verwendung von Datenzugriffs- und Berichtssoftwareanwendungen zu abstrahieren. Das ist ein großer Vorteil (und ein Grund, warum diese neuen Tools dazu beitragen, die menschliche Leistungsfähigkeit zu steigern).
Was jedoch übrig bleibt, ist die Qualität der Daten.
Paradoxerweise muss man jedoch aufhören, über „Daten“ zu reden – im Allgemeinen also. Bewerten Sie stattdessen die Qualität, Verfügbarkeit und Zugänglichkeit bestimmter Datentypen, zum Beispiel Kundendaten, Kundeninteraktionsdaten, Transaktionsdaten, Finanzleistungsdaten, Betriebsleistungsdaten usw.
Jeder dieser Datentypen dient als Grundlage für generative KI-Tools.
5) Generative KI erfordert neue Verhaltensweisen
Sie können die Verwendung generativer KI-Tools nicht verbieten. Was Sie tun können und sollten, ist, Richtlinien für deren Verwendung festzulegen. Fordern Sie die Mitarbeiter beispielsweise auf: 1) Die Eingabeaufforderungen zu dokumentieren, die sie zur Generierung von Ergebnissen verwenden; 2) Generative KI-Ausgaben Korrektur lesen (und beweisen, dass sie dies getan haben); und 3) Halten Sie sich an interne Dokumentrichtlinien, die die Verwendung von Schlüsselwörtern, klaren Überschriften, Grafiken mit Alt-Tags, kurzen Sätzen und Formatierungsanforderungen umfassen.
Das ist eine große Herausforderung, aber laut Nichols von der South State Bank „verursachen schlecht strukturierte Dokumente den Großteil der Ungenauigkeiten bei der generativen KI.“
Auch im weiteren Verlauf des Jahrzehnts wird sich der Fokus des Managements ändern.
Unternehmen haben in den letzten zehn Jahren eine Reise zur „digitalen Transformation“ unternommen, bei der der Schwerpunkt auf der Digitalisierung hochvolumiger Transaktionsprozesse wie Kontoeröffnung und Kundensupport lag.
Dieser Schwerpunkt verändert sich – besser wäre es auszudehnen – hin zur Steigerung der Produktivität der Wissensarbeiter im Unternehmen – IT, Recht, Marketing usw.
Kurzfristig wäre es verrückt, darauf zu vertrauen, dass generative KI-Tools das Unternehmen ohne menschliches Eingreifen und Aufsicht führen. Es gibt zu viele schlechte Daten, die zu zu vielen „Halluzinationen“ führen.
Langfristig wird generative KI „disruptiv“ und „spielverändernd“ sein. CEOs müssen proaktiv sein und große Schritte unternehmen, um sicherzustellen, dass diese Störungen und Veränderungen positiv für ihr Unternehmen sind.
