IBM setzt, wie so ziemlich jeder Technologiegigant heutzutage, stark auf KI.
Auf seiner jährlichen Think-Konferenz kündigte das Unternehmen IBM Watsonx an, eine neue Plattform, die Tools zum Erstellen von KI-Modellen bereitstellt und Zugriff auf vortrainierte Modelle zum Generieren von Computercode, Text und mehr bietet.
Es ist ein kleiner Schlag ins Gesicht für die Backoffice-Manager von IBM, die es erst kürzlich waren erzählt dass das Unternehmen die Einstellung von Stellen einstellen wird, von denen es glaubt, dass sie in den kommenden Jahren durch KI ersetzt werden könnten.
IBM sagt jedoch, dass die Einführung durch die Herausforderungen motiviert war, denen viele Unternehmen immer noch bei der Bereitstellung von KI am Arbeitsplatz gegenüberstehen. Dreißig Prozent der Führungskräfte, die auf eine IBM-Umfrage geantwortet haben, nennen Vertrauens- und Transparenzprobleme als Hindernisse, die sie davon abhalten, KI einzuführen, während 42 Prozent Datenschutzbedenken nennen – insbesondere in Bezug auf generative KI.
„KI ersetzt vielleicht keine Manager, aber die Manager, die KI verwenden, werden die Manager ersetzen, die dies nicht tun“, sagte Rob Thomas, Chief Commercial Officer bei IBM, in einer Gesprächsrunde mit Reportern. „Es verändert wirklich, wie Menschen arbeiten.“
Watsonx löst dies, so IBM, indem es Kunden Zugang zu den Tools, der Infrastruktur und den Beratungsressourcen gibt, die sie benötigen, um ihre eigenen KI-Modelle zu erstellen oder verfügbare KI-Modelle auf ihre eigenen Daten abzustimmen und anzupassen. Mithilfe von Watsonx.ai, das IBM in schwammiger Marketingsprache als „Unternehmensstudio für KI-Ersteller“ bezeichnet, können Benutzer Modelle auch validieren und bereitstellen sowie Modelle nach der Bereitstellung überwachen und so angeblich ihre verschiedenen Arbeitsabläufe konsolidieren.
Aber warten Sie, könnten Sie sagen, bieten Konkurrenten wie Google, Amazon und Microsoft dies oder etwas ziemlich Ähnliches nicht bereits an? Die kurze Antwort ist ja. Das vergleichbare Produkt von Amazon ist SageMaker Studio, während das von Google Vertex AI ist. Auf der Azure-Seite gibt es Azure AI Platform.
IBM argumentiert jedoch, dass Watsonx das ist nur KI-Toolplattform auf dem Markt, die eine Reihe vortrainierter, für Unternehmen entwickelter Modelle und eine „kostengünstige Infrastruktur“ bietet.
„Man braucht immer noch eine sehr große Organisation und ein Team, um das durchsetzen zu können [AI] Innovation in einer Weise, die Unternehmen nutzen können“, sagte Dario Gil, SVP bei IBM, Reportern während des Rundtischgesprächs. „Und das ist ein Schlüsselelement der horizontalen Fähigkeiten, die IBM auf den Tisch bringt.“
Das bleibt abzuwarten. Auf jeden Fall bietet IBM Unternehmen, die Watsonx.ai verwenden, sieben vortrainierte Modelle an, von denen einige Open Source sind. Es arbeitet auch mit Hugging Face, dem KI-Startup, zusammen, um Tausende von Hugging Face-entwickelten Modellen, Datensätzen und Bibliotheken einzubeziehen. (IBM seinerseits verpflichtet sich, Open-Source-KI-Entwicklungssoftware zu Hugging Face beizutragen und mehrere seiner internen Modelle über die KI-Entwicklungsplattform von Hugging Face zugänglich zu machen.)
Die drei, die das Unternehmen auf der Think hervorhebt, sind fm.model.code, das Code generiert; fm.model.NLP, eine Sammlung großer Sprachmodelle; und fm.model.geospatial, ein Modell, das auf Klima- und Fernerkundungsdaten der NASA basiert. (Umständliches Namensschema? Darauf wetten?)
Ähnlich wie bei codegenerierenden Modellen wie Copilot von GitHub ermöglicht fm.model.code einem Benutzer, einen Befehl in natürlicher Sprache zu geben und dann den entsprechenden Codierungsworkflow zu erstellen. Fm.model.NLP umfasst textgenerierende Modelle für spezifische und branchenrelevante Bereiche, wie die organische Chemie. Und fm.model.geospatial erstellt Vorhersagen, um zusätzlich zu anderen geophysikalischen Prozessen bei der Planung von Änderungen in Naturkatastrophenmustern, Biodiversität und Landnutzung zu helfen.
Diese mögen auf den ersten Blick nicht neuartig klingen. IBM behauptet jedoch, dass sich die Modelle durch einen Trainingsdatensatz unterscheiden, der „mehrere Arten von Geschäftsdaten enthält, darunter Code, Zeitreihendaten, Tabellendaten und Geodaten sowie Daten zu IT-Ereignissen“. Wir müssen ihm beim Wort glauben.
„Wir ermöglichen einem Unternehmen, seinen eigenen Code zur Anpassung zu verwenden [these] Modelle, wie sie ihre Playbooks und ihren Code ausführen wollen“, sagte Arvind Krishna, CEO von IBM, im Roundtable. „Es ist für Anwendungsfälle gedacht, in denen Menschen ihre eigene private Instanz haben möchten, sei es in einer öffentlichen Cloud oder in ihren eigenen Räumlichkeiten.“
IBM verwendet die Modelle selbst, so heißt es, in seiner Suite von Softwareprodukten und -diensten. Zum Beispiel unterstützt fm.model.code den Watson Code Assistant, IBMs Antwort auf Copilot, der es Entwicklern ermöglicht, Code mit einfachen englischen Eingabeaufforderungen über Programme hinweg zu generieren, einschließlich Ansible von Red Hat. Was fm.model.NLP betrifft, so wurden diese Modelle in AIOps Insights, Watson Assistant und Watson Orchestrate – IBMs AIOps-Toolkit, intelligenter Assistent bzw. Workflow-Automatisierungstechnologie – integriert, um einen besseren Einblick in die Leistung in IT-Umgebungen zu bieten und IT-Vorfälle zu beheben einen zweckdienlicheren Weg zu finden und den Kundenservice zu verbessern – so verspricht IBM.
FM.model.geospatial untermauert derweil IBMs EIS Builder Edition, ein Produkt, mit dem Unternehmen Lösungen für Umweltrisiken erstellen können.
Neben Watsonx.ai stellte IBM unter dem gleichen Markendach von Watsonx Watsonx.data vor, einen „zweckdienlichen“ Datenspeicher, der sowohl für verwaltete Daten als auch für KI-Workloads entwickelt wurde. Watsonx.data ermöglicht Benutzern den Zugriff auf Daten über einen einzigen Einstiegspunkt, während Abfrage-Engines angewendet werden, so IBM, plus Governance, Automatisierung und Integrationen mit den bestehenden Datenbanken und Tools einer Organisation.
Watsonx.ai und Watsonx.data werden ergänzt durch Watsonx.governance, ein Toolkit, das – in IBMs ziemlich vagen Worten – Mechanismen bereitstellt, um die Privatsphäre der Kunden zu schützen, Modellverzerrungen und Abweichungen zu erkennen und Organisationen dabei zu helfen, ethische Standards einzuhalten.
Neue Tools und Infrastruktur
In einer Ankündigung im Zusammenhang mit Watsonx stellte IBM ein neues GPU-Angebot in der IBM Cloud vor, das für rechenintensive Workloads optimiert ist – insbesondere das Training und die Bereitstellung von KI-Modellen.
Das Unternehmen zeigte auch den IBM Cloud Carbon Calculator, ein „KI-gestütztes“ Dashboard, das es Kunden ermöglicht, die durch ihre Cloud-Nutzung verursachten CO2-Emissionen zu messen, zu verfolgen, zu verwalten und zu melden. Laut IBM wurde es in Zusammenarbeit mit Intel entwickelt, basierend auf der Technologie der IBM-Forschungsabteilung, und kann dabei helfen, Treibhausgasemissionen über Workloads hinweg bis hin zur Cloud-Service-Ebene zu visualisieren.
Man könnte sagen, dass beide Produkte neben der neuen Watsonx-Suite für IBM so etwas wie eine Verdoppelung der KI darstellen. Das Unternehmen hat kürzlich einen KI-optimierten Supercomputer namens Vela in der Cloud gebaut. Und es hat Kooperationen mit Unternehmen wie Moderna und SAP Hana angekündigt, um Möglichkeiten zur Anwendung generativer KI in großem Maßstab zu untersuchen.
Das Unternehmen geht davon aus, dass KI der Weltwirtschaft bis 2030 16 Billionen US-Dollar hinzufügen könnte und dass 30 % der Backoffice-Aufgaben innerhalb der nächsten fünf Jahre automatisiert werden.
„Wenn ich an klassische Back-Office-Prozesse denke, nicht nur an die Kundenbetreuung – sei es bei der Beschaffung oder bei Elementen der Lieferkette [management]ob es sich um Elemente des IT-Betriebs oder um Elemente der Cybersicherheit handelt … wir sehen, dass die KI leicht zwischen 30 % und 50 % dieses Aufgabenvolumens übernehmen kann und in der Lage ist, sie mit viel besserer Kompetenz zu erledigen, als selbst Menschen sie tun können“, Gil genannt.
Das mögen optimistische (oder pessimistische, wenn man humanistisch orientierte) Vorhersagen sein, aber die Wall Street hat diese Aussichten historisch belohnt. Die Automatisierungslösungen von IBM – Teil des Softwaresegments des Unternehmens – steigerten den Umsatz im vierten Quartal 2022 im Jahresvergleich um 9 %. Der Umsatz mit Daten- und KI-Lösungen, die sich stärker auf Analysen, Kundenbetreuung und Lieferkettenmanagement konzentrieren, steigerte den Umsatz um 8 %. .
Aber als Stück in Seeking Alpha Anmerkungen, gibt es Grund, die Erwartungen zu senken. IBM hat eine schwierige Geschichte mit KI, da es gezwungen war, seine Watson Health-Sparte mit erheblichem Verlust zu verkaufen, nachdem technische Probleme dazu führten, dass sich hochkarätige Kundenpartnerschaften verschlechterten. Und die Rivalität im KI-Bereich nimmt zu; IBM steht nicht nur im Wettbewerb mit Tech-Giganten wie Microsoft und Google, sondern auch mit Startups wie Zusammenhängen und Anthropic, die über eine massive Kapitaldeckung verfügen.
Werden die neuen Apps, Tools und Services von IBM eine Delle hinterlassen? IBM hofft es. Aber wir müssen abwarten.