Die Anbieter wollen uns weismachen, dass wir uns mitten in einer KI-Revolution befinden, die unsere Arbeitsweise grundlegend verändert. Doch die Wahrheit ist laut mehreren aktuellen Studien, dass die Sache viel differenzierter ist.
Unternehmen sind äußerst an generativer KI interessiert, da die Anbieter auf potenzielle Vorteile hinweisen. Doch die Umsetzung dieses Wunsches von einem Proof of Concept in ein funktionierendes Produkt gestaltet sich als weitaus schwieriger: Sie stoßen auf die technische Komplexität der Implementierung, sei es aufgrund technischer Schulden aufgrund eines älteren Technologie-Stacks oder einfach aufgrund des Mangels an Personal mit den entsprechenden Fähigkeiten.
Tatsächlich ergab eine aktuelle Studie von Gartner, dass die größten Hindernisse bei der Implementierung von KI-Lösungen darin bestehen, den Nutzen (49 Prozent) nicht richtig einschätzen und nachweisen zu können, und (42 Prozent) fehlendes Talent. Diese beiden Elemente könnten sich für Unternehmen als entscheidende Hindernisse erweisen.
Berücksichtige das eine Studie von LucidWorksein Unternehmen für Unternehmenssuchtechnologie, stellte fest, dass nur jeder Vierte der Befragten angab, ein generatives KI-Projekt erfolgreich implementiert zu haben.
Aamer Baig, Senior Partner bei McKinsey and Company, spricht bei der MIT Sloan CIO Symposium im Mai, sagte, sein Unternehmen habe auch in einer aktuelle Umfrage dass nur 10 % der Unternehmen generative KI-Projekte in großem Maßstab umsetzen. Er berichtete auch, dass nur 15 % positive Auswirkungen auf die Erträge sahen. Das deutet darauf hin, dass der Hype der Realität, die die meisten Unternehmen erleben, weit voraus sein könnte.
Warum die Verzögerung?
Baig sieht die Komplexität als den Hauptfaktor, der Unternehmen verlangsamt, da selbst ein einfaches Projekt 20 bis 30 Technologieelemente erfordert und der richtige LLM nur der Ausgangspunkt ist. Sie benötigen auch Dinge wie ordnungsgemäße Daten- und Sicherheitskontrollen, und Mitarbeiter müssen möglicherweise neue Fähigkeiten wie Prompt Engineering und die Implementierung von IP-Kontrollen erlernen, um nur einige zu nennen.
Auch veraltete Technologie-Stacks können Unternehmen zurückhalten, sagt er. „In unserer Umfrage wurde als eines der größten Hindernisse für die Umsetzung generativer KI im großen Maßstab tatsächlich die Vielzahl an Technologieplattformen genannt“, so Baig. „Es lag nicht am Anwendungsfall, es lag nicht an der Datenverfügbarkeit, es lag nicht am Weg zur Wertschöpfung; es waren tatsächlich die Technologieplattformen.“
Mike Mason, Chief AI Officer bei der Beratungsfirma Thoughtworks, sagt, dass sein Unternehmen viel Zeit damit verbringt, Unternehmen auf KI vorzubereiten – und ihr aktuelles technologisches Setup ist ein großer Teil davon. „Die Frage ist also, wie hoch sind Ihre technischen Schulden, wie hoch ist Ihr Defizit? Und die Antwort wird immer sein: Es hängt von der Organisation ab, aber ich denke, dass die Organisationen dies zunehmend zu spüren bekommen“, sagte Mason gegenüber Tech.
Es beginnt mit guten Daten
Ein großer Teil dieses Defizits an Bereitschaft ist auf die Daten zurückzuführen. 39 % der Teilnehmer der Gartner-Umfrage äußerten Bedenken, dass ein Mangel an Daten das größte Hindernis für eine erfolgreiche KI-Implementierung darstellt. „Daten sind für viele, viele Organisationen eine riesige und gewaltige Herausforderung“, sagte Baig. Er empfiehlt, sich auf einen begrenzten Datensatz zu konzentrieren und die Wiederverwendung im Auge zu behalten.
„Eine einfache Lektion, die wir gelernt haben, besteht darin, sich tatsächlich auf Daten zu konzentrieren, die einem bei mehreren Anwendungsfällen helfen. In den meisten Unternehmen sind das normalerweise drei oder vier Bereiche, mit denen man tatsächlich beginnen und die man auf seine wichtigen geschäftlichen Herausforderungen mit Geschäftswerten anwenden und etwas liefern kann, das tatsächlich in die Produktion gelangt und skaliert werden kann“, sagte er.
Mason sagt, dass ein großer Teil der erfolgreichen Umsetzung von KI mit der Datenbereitschaft zusammenhängt, aber das ist nur ein Teil davon. „Unternehmen erkennen schnell, dass sie in den meisten Fällen etwas Arbeit in die KI-Bereitschaft stecken müssen, etwas Plattformaufbau, Datenbereinigung und all diese Dinge“, sagte er. „Aber Sie müssen keinen Alles-oder-Nichts-Ansatz verfolgen, Sie müssen nicht zwei Jahre warten, bevor Sie einen Nutzen erzielen können.“
Wenn es um Daten geht, müssen Unternehmen auch respektieren, woher die Daten stammen – und ob sie die Erlaubnis haben, sie zu verwenden. Akira Bell, CIO bei Mathematica, einem Beratungsunternehmen, das mit Unternehmen und Regierungen zusammenarbeitet, um Daten im Zusammenhang mit verschiedenen Forschungsinitiativen zu sammeln und zu analysieren, sagt, ihr Unternehmen müsse vorsichtig vorgehen, wenn es darum gehe, diese Daten in generativer KI einzusetzen.
„Wenn wir uns mit generativer KI befassen, ergeben sich sicherlich Möglichkeiten für uns, und wenn wir uns das Ökosystem der von uns genutzten Daten ansehen, müssen wir dabei jedoch vorsichtig vorgehen“, sagte Bell gegenüber Tech. Das liegt zum Teil daran, dass sie viele private Daten mit strengen Datennutzungsvereinbarungen haben, und zum Teil daran, dass sie manchmal mit gefährdeten Bevölkerungsgruppen zu tun haben und sich dessen bewusst sein müssen.
„Ich kam zu einem Unternehmen, das die Rolle eines vertrauenswürdigen Datenverwalters wirklich ernst nimmt, und in meiner Rolle als CIO muss ich darin sehr verwurzelt sein, sowohl aus der Perspektive der Cybersicherheit als auch im Hinblick darauf, wie wir mit unseren Kunden und ihren Daten umgehen. Daher weiß ich, wie wichtig Governance ist“, sagte sie.
Sie sagt, dass es im Moment schwer ist, nicht begeistert zu sein über die Möglichkeiten, die generative KI mit sich bringt; die Technologie könnte ihrem Unternehmen und ihren Kunden deutlich bessere Möglichkeiten bieten, die von ihnen gesammelten Daten zu verstehen. Aber es ist auch ihre Aufgabe, vorsichtig vorzugehen, ohne echten Fortschritten im Weg zu stehen – ein anspruchsvoller Balanceakt.
Den Wert finden
Ähnlich wie vor anderthalb Jahrzehnten, als die Cloud aufkam, sind CIOs natürlich vorsichtig. Sie sehen das Potenzial, das generative KI mit sich bringt, müssen sich aber auch um grundlegende Dinge wie Governance und Sicherheit kümmern. Außerdem müssen sie einen echten ROI sehen, der bei dieser Technologie manchmal schwer zu messen ist.
In einem im Januar erschienenen Tech-Artikel über KI-Preismodelle erklärte Sharon Mandell, CIO von Juniper, dass es sich als schwierig erweise, den Return on Investment (ROI) von generativen KI-Investitionen zu messen.
„Im Jahr 2024 werden wir den Hype um GenAI testen, denn wenn diese Tools die versprochenen Vorteile bringen, ist der ROI hoch und kann uns helfen, andere Dinge zu vermeiden“, sagte sie. Sie und andere CIOs führen daher Pilotprojekte durch, gehen dabei vorsichtig vor und versuchen, Wege zu finden, um zu messen, ob es tatsächlich eine Produktivitätssteigerung gibt, die die Mehrkosten rechtfertigt.
Laut Baig ist es wichtig, unternehmensweit einen zentralisierten Ansatz für KI zu verfolgen und „zu viele Skunkworks-Initiativen“ zu vermeiden, bei denen kleine Gruppen unabhängig voneinander an einer Reihe von Projekten arbeiten.
„Man braucht das Gerüst des Unternehmens, um sicherzustellen, dass die Produkt- und Plattformteams organisiert und konzentriert sind und zügig arbeiten. Und natürlich braucht es die Sichtbarkeit des oberen Managements“, sagte er.
Nichts davon ist eine Garantie dafür, dass eine KI-Initiative erfolgreich sein wird oder dass Unternehmen alle Antworten sofort finden. Sowohl Mason als auch Baig sagten, es sei wichtig, dass Teams nicht zu viel versuchen, und beide betonen die Wiederverwendung dessen, was funktioniert. „Wiederverwendung führt direkt zu schnellerer Umsetzung, was Ihre Unternehmen zufriedenstellt und Wirkung erzielt“, sagte Baig.
Wie auch immer Unternehmen generative KI-Projekte umsetzen, sie sollten sich nicht von den Herausforderungen in Bezug auf Governance, Sicherheit und Technologie lähmen lassen. Aber sie sollten sich auch nicht vom Hype blenden lassen: Es wird für praktisch jede Organisation jede Menge Hindernisse geben.
Der beste Ansatz könnte sein, etwas auf die Beine zu stellen, das funktioniert und einen Mehrwert bietet, und darauf aufzubauen. Und denken Sie daran, dass trotz des Hypes auch viele andere Unternehmen Probleme haben.