Generative KI ist ein Paradigmenwechsel in der Technologie und wird im nächsten Jahrzehnt und darüber hinaus zu einer massiven Verschiebung der Unternehmensausgaben führen. Transformationen dieser Größenordnung können sich oberflächlich betrachtet schnell anfühlen, insbesondere wenn sie großes Aufsehen erregen, wie es die generative KI in den letzten Monaten getan hat, aber es ist ein steiler und stetiger Aufstieg, um die Schichten des Unternehmenstechnologie-Stacks zu durchdringen.
Die Infrastrukturschicht erfasst die anfänglichen Ausgaben, während Unternehmen die Bausteine für Leistung und Leistung zusammenstellen – das heute in Nvidia- und GPU-Aggregatoren fließende Kapital zeigt, dass dies in vollem Gange ist. Während die Akzeptanz (und die Dollars) steigen, wird sich der Entwicklungsschwerpunkt auf die neuen Erfahrungen und Produkte verlagern, die jede nachfolgende Ebene neu gestalten werden.
Wir bekommen gerade erst einen Vorgeschmack darauf, wie sich dieser Wandel auf der Anwendungsebene entwickeln wird, und erste Signale deuten darauf hin, dass die Störung tiefgreifend sein wird.
Lange vor der generativen KI begannen Unternehmensanwendungen, verbraucherähnlichere Erlebnisse zu bieten, indem sie Benutzeroberflächen verbesserten und interaktive Elemente einführten, die alltägliche Benutzer ansprechen und Arbeitsabläufe beschleunigen würden. Dies führte zu einer Verlagerung von „System of Record“-Anwendungen wie Salesforce und Workday hin zu „System of Engagement“-Anwendungen wie Slack und Notion.
Da generative KI die nächste Generation von Anwendungsprodukten prägt, können wir mit einer noch weitreichenderen Entwicklung rechnen.
Zusammenarbeit war ein bestimmendes Merkmal dieser neuen Generation von Unternehmenstools mit Funktionen wie Mehrspielermodus, Anmerkungsfunktion, Versionsverlauf und Metadaten. Diese Apps nutzten auch verbrauchereigene virale Komponenten, um die Akzeptanz zu fördern und den nahtlosen Austausch von Inhalten innerhalb und zwischen Organisationen zu ermöglichen. Der Kerndatensatz behielt innerhalb dieser Interaktionssysteme seinen intrinsischen Wert und diente als Grundlage für die wachsende Menge an Informationen, die auf der Interaktionsebene erstellt wurden.
Da generative KI die nächste Generation von Anwendungsprodukten prägt, können wir mit einer noch weitreichenderen Entwicklung rechnen. Die ersten Akteure ähneln ChatGPT-Integratoren, die leichtgewichtige Tools direkt auf generativen Modellen aufbauen, die einen unmittelbaren, aber flüchtigen Wert liefern. Wir haben bereits eine Vielzahl generativer KI-Produkte auf dem Markt gesehen, die zunächst ein explosives Wachstum, aber auch eine extrem hohe Abwanderungsrate aufgrund eingeschränkter Arbeitsabläufe oder fehlender zusätzlicher Funktionalität aufweisen. Diese Anwendungen erzeugen in der Regel eine generative Ausgabe, bei der es sich um einen einmal verwendbaren Inhalts- oder Medientyp handelt (d. h. nicht in den alltäglichen Arbeitsablauf eines Benutzers eingebettet), und ihr Wert beruht auf generativen Standardmodellen, die für andere in der Welt weithin verfügbar sind Markt.
Die zweite Welle generativer KI-Anwendungen, die gerade erst Gestalt annimmt, wird generative Modelle nutzen, um die strukturierten Daten, die in den System-of-Record-Anwendungen liegen, und die unstrukturierten Daten, die in den System-of-Engagement-Anwendungen liegen, zu integrieren.
Entwickler dieser Produkte haben mehr Potenzial, dauerhafte Unternehmen zu gründen als Neueinsteiger, aber nur, wenn sie einen Weg finden, die Schicht über den System-of-Engagement- und System-of-Record-Anwendungen zu „besitzen“ – keine leichte Aufgabe wenn etablierte Unternehmen wie Salesforce sich bereits darum bemühen, generative KI zu implementieren, um einen Schutzgraben um ihre zugrunde liegenden Ebenen zu errichten.
Dies führt zur dritten Welle, in der die Teilnehmer ihre eigene, vertretbare „Intelligenzsystem“-Schicht schaffen. Startups werden zunächst neuartige Produktangebote einführen, die einen Mehrwert bieten, indem sie bestehende System-of-Record- und System-of-Engagement-Funktionen nutzen. Sobald ein starker Anwendungsfall festgelegt ist, werden sie Workflows entwickeln, die letztendlich als echte Unternehmensanwendung eigenständig funktionieren können.
Dies bedeutet nicht unbedingt, dass die vorhandenen interaktiven oder Datenbankebenen ersetzt werden. Stattdessen werden sie neue strukturierte und unstrukturierte Daten erstellen, wobei generative Modelle diese neuen Datensätze nutzen, um das Produkterlebnis zu verbessern – und so eine neue Klasse von „Superdatensätzen“ schaffen.
Ein Hauptaugenmerk dieser Produkte sollte auf Integrationen mit der Möglichkeit liegen, Daten aufzunehmen, zu bereinigen und zu kennzeichnen. Um beispielsweise ein neues Kundensupporterlebnis aufzubauen, reicht es nicht aus, einfach die Wissensdatenbank vorhandener Kundensupporttickets zu übernehmen. Ein wirklich überzeugendes Produkt sollte auch Fehlerverfolgung, Produktdokumentation, interne Teamkommunikation und vieles mehr umfassen. Es wird wissen, wie es die relevanten Informationen herausholt, markiert und abwägt, um neue Erkenntnisse zu gewinnen. Es verfügt über eine Feedback-Schleife, die es ermöglicht, die Schulung und Nutzung zu verbessern, nicht nur innerhalb einer Organisation, sondern auch über mehrere Organisationen hinweg.
Wenn ein Produkt all dies erfüllt, wird der Wechsel zu einem Mitbewerber sehr schwierig – die gewichteten, bereinigten Daten sind sehr wertvoll und es würde zu lange dauern, mit einem neuen Produkt die gleiche Qualität zu erreichen.
An diesem Punkt liegt die Intelligenz nicht nur im Produkt oder Modell, sondern auch in der damit verbundenen Hierarchie, Beschriftung und Gewichtung. Die Bereitstellung von Erkenntnissen wird Minuten statt Tage dauern, wobei der Schwerpunkt auf Maßnahmen und Entscheidungen liegt und nicht nur auf der Synthese von Informationen. Dies werden die wahren System-of-Intelligence-Produkte sein, die generative KI nutzen und sich durch folgende entscheidende Merkmale auszeichnen:
- Sie verfügen über eine tiefe Integration in Unternehmensabläufe und können neu erstellte strukturierte und unstrukturierte Daten erfassen.
- Seien Sie in der Charakterisierung und Verarbeitung von Daten durch Hierarchie, Beschriftungen und Gewichtungen versiert.
- Erstellen Sie Daten-Feedback-Schleifen innerhalb und zwischen Kunden, um das Produkterlebnis zu verbessern.
Eine wichtige Frage, die ich Kunden gerne stelle, ist: „Wo schneidet ein neuer Produkt-Stack im Vergleich zu den anderen von Ihnen verwendeten Tools ab?“ Normalerweise ist das System-of-Record-Produkt das wichtigste, gefolgt vom System-of-Engagement-Produkt, wobei zusätzliche Tools am Ende der Liste stehen.
Das am wenigsten wichtige Produkt wird als erstes gekürzt, wenn das Budget knapp ist. Daher müssen neue Systeme der Intelligenz einen dauerhaften Wert bieten, um zu überleben. Sie werden auch einer starken Konkurrenz durch etablierte Unternehmen ausgesetzt sein, die generative KI-gestützte Intelligenzfunktionen in ihre Produkte integrieren werden. Es wird an der neuen Welle von Systemen der Intelligenz liegen, ihre Angebote mit hochwertigen Arbeitsabläufen, Zusammenarbeit und der Einführung von Superdatensätzen zu verbinden, um Bestand zu haben.
Die Transformation des KI-Bereichs hat sich in den letzten 12 Monaten beschleunigt und die Branche lernt schnell. Open-Source-Modelle nehmen zu und auch geschlossene proprietäre Modelle entwickeln sich ungewöhnlich schnell. Jetzt liegt es an den Gründern, auf dieser sich schnell verändernden Landschaft dauerhafte System-of-Intelligence-Produkte aufzubauen – und wenn es richtig gemacht wird, werden die Auswirkungen auf Unternehmen außergewöhnlich sein.