Es ist ein Jahr her, dass chatgpt eingeführt wurde und ein riesiges Interessengebiet für Unternehmen und das Bewusstsein für das Potenzial generativer künstlicher Intelligenz eröffnet wurde. Obwohl generative KI und große Sprachmodelle (LLM) bereits vor der Einführung von ChatGPT bekannt waren, gelangte die Technologie aufgrund der Benutzerfreundlichkeit dieses Chatbots in die Hände von Unternehmensleitern.

In diesen zwölf Monaten haben neue generative KI-Modelle gezeigt, dass sie herkömmliche Technologien zur Verarbeitung natürlicher Sprache bei recht häufigen Aufgaben wie dem Übersetzen oder dem Verfassen von Zusammenfassungen übertreffen können.

Entdeckungsphase

Aber wir befinden uns noch größtenteils in der Entdeckungsphase, insbesondere bei der Ermittlung, wie generative KI in großem Maßstab in Unternehmen eingesetzt werden kann. Die meisten von ihnen erkennen das Potenzial, aber nur wenige haben tatsächlich die Fähigkeit gezeigt, diese Größenordnung zu erreichen.

Mehrere Blockierungspunkte erklären dies, angefangen bei Sicherheits- und Autorisierungsproblemen. Unternehmen müssen über einen Mechanismus verfügen, um sicherzustellen, dass die richtigen Daten mit den richtigen Modellen und von den richtigen Personen verwendet werden.

Kosten, ein Hindernis, das es zu überwinden gilt

Ein weiterer Knackpunkt sind die Kosten. Die Einführung von ChatGPT löste daher viele Diskussionen über die Kosten von Trainingsmodellen aus, wobei einige diese Kosten sogar mit den Kosten der Nutzung verwechselten. Obwohl die Kosten pro Anfrage niedrig sind, können sie leicht in die Höhe schnellen, wenn sich die Anwendungsfälle im Unternehmen vervielfachen. Dies verstärkt die Notwendigkeit, das richtige Modell für eine bestimmte Verwendung und eine Strategie zur Optimierung der Kosten für die Integration und Wartung von LLMs zu verwenden.

Dritter Sperrpunkt: Sicherheit. Unternehmen müssen sicher sein, dass sie sensible Daten nicht an unbefugte Dritte übermitteln. Zur Sicherheit muss auch geprüft werden, was von diesen Modellen verlangt wird und wie sie darauf reagieren. In jeder Organisation erfordert die Verwaltung eines Datenprozesses, dass man weiß, was von wem getan wurde, um auftretende Probleme nachverfolgen und lösen zu können.

Drei Jahre zur Anpassung

Bei Umstellungen dieser Größenordnung kann es ein bis drei Jahre dauern, bis Unternehmen diese Technologien so einführen, dass sie sowohl die Vorteile erkennen als auch die Risiken mindern können. Große Organisationen brauchen Zeit, um die Richtung zu ändern, aber das Tempo des Wandels nimmt bei LLMs tendenziell schnell zu.

Während Unternehmen gerade erst damit beginnen, den Einsatz textbasierter LLMs zu formalisieren, entstehen bereits multimodale Modelle, die Bilder und Videos verarbeiten können. Auch sie stellen neue Herausforderungen dar und eröffnen neue Chancen. Organisationen müssen sich daher in eine Haltung des ständigen Entdeckens, Testens, Planens und Ausführens versetzen.

Einhaltung

Darüber hinaus hat Europa gerade sein KI-Gesetz ausgearbeitet und die Vereinigten Staaten haben eine neue Durchführungsverordnung zu KI erlassen, die Unternehmen dazu zwingen wird, ihre Compliance zu verbessern. Wir wissen, dass die Regulierungsbehörden langsamer vorankommen als die Technologie, was bedeutet, dass Unternehmen künftige Vorschriften antizipieren müssen. Ein Rat ? Eine gute Governance ist der beste Weg, um Ärger in letzter Minute zu vermeiden.

Manchmal entsteht der Eindruck, dass LLMs zu komplex seien. Allerdings ist die Nutzung dieser Technologie nach wie vor viel zugänglicher als die maschineller Lernsysteme des letzten Jahrzehnts. Selbst Organisationen, die nicht über die ausgefeiltesten Datensätze oder die erfahrensten Teams verfügen, können generative KI heute nutzen, um Großes zu leisten. Dies ist zweifellos eine große Chance für die meisten Unternehmen, unabhängig von ihrem Reifegrad im Bereich der künstlichen Intelligenz.

Kurt Mühlelist Dataikus strategischer KI-Berater.