Die Regeln der Finanzindustrie werden dank KI und generativer KI neu geschrieben. In ihrem Gespräch für The Bridge erörtern Joffrey Martinez von Artefact, Managing Partner & Global Lead for Financial Services, und Alexis Baufine-Ducrocq, Partner & Lead Financial Services, den Wettlauf um die Neudefinition der Finanzleistung durch KI.
Private Equity tritt in eine neue Ära der beschleunigten Transformation ein, die durch KI angetrieben wird. In diesem Gespräch für The Bridge erkunden Elina Ashkinazi-Ildis, Partner & Lead Private Equity, und Jérôme Petit, Managing Partner, wie KI die Wertschöpfung von Portfolios, den Fondsbetrieb und Anlagestrategien neu definiert.
Das neue E-Book von Artefact mit dem Titel „Der Vorteil agentischer AI im Gesundheitswesen: Beschleunigung des HCP-zentrierten Marketings der Pharmaindustrie – von der Erkenntnis zum Ergebnis“ zeigt, dass agentische AI einen bedeutenden Fortschritt bei der Bewältigung dieser Herausforderungen darstellt. Während sich traditionelle generative AI auf die Erstellung von Inhalten konzentriert, kann agentische AI aktiv handeln. Es erhält Ziele und Vorgaben, denkt strategisch und führt Aufgaben autonom innerhalb der Grenzen der Compliance und genehmigter data-Quellen aus. Agentes AI macht AI von einem Produktivitätswerkzeug zu einem Motor für die Unternehmensleistung.
In den letzten zehn Jahren hat sich Nachhaltigkeit vom Randbereich der Unternehmensreputation zum Kern der Geschäftsleistung entwickelt. Das neue E-Book von Artefact mit dem Titel „ESG in Action: Wie man Umwelt-, Sozial- und Governance-Kriterien (ESG) data in Business Intelligence umwandeln), dokumentiert diesen Wandel anhand von halbstrukturierten Interviews mit Führungskräften aus der obersten Etage globaler Unternehmen wie Accor, Legrand, Tarkett, Ardian, Heineken, Siplec und Schenker sowie anhand von Erkenntnissen der OECD und der Nachhaltigkeits- und data-Experten von Artefact.
Während Unternehmen sich beeilen, AI in die Praxis umzusetzen, stellen die meisten fest, dass ihre data-Infrastruktur nie für autonomes Schlussfolgern ausgelegt war. Heute entfallen bis zu 80 % der AI-Implementierungszeit auf die Aufbereitung von data-Daten und die Schemaanpassung – ein Symptom für Infrastrukturen, die auf Speicherung ausgelegt sind, nicht auf Verständnis. Ohne eine Grundlage, die Beziehungen und Bedeutungen erfasst, bleiben Agenten zwar leistungsstark, aber blind. Da AI-Agenten zu aktiven Teilnehmern in Unternehmensworkflows werden, verändern sich Art und Umfang der data-Abfragen.
Viele Marketingverantwortliche stehen vor demselben Paradoxon: Trotz erheblicher Investitionen in generative KI stellen sich die erwarteten Auswirkungen auf Kosten, Geschwindigkeit und Leistung nicht ein. Warum? Weil die meisten KI-Systeme nur “denken”, aber nicht handeln. Agente-basierte KI ändert das.
In den letzten 18 Monaten hat das Thema 'Generative KI' jede Strategiesitzung auf C-Level dominiert. Aber was, wenn das bereits das alte Thema ist? Im Energie- und Industriesektor verlagert sich die Diskussion schnell von GenAI zu Agentic AI. Dabei handelt es sich nicht nur um ein inkrementelles Update, sondern um ein neues Paradigma, das von der einfachen Ergänzung von Aufgaben zur völligen Neuerfindung zentraler Industrieprozesse übergeht.
Als OpenAI mit „Atlas“ seinen neuen, auf ChatGPT basierenden Browser vorstellte, brachte das Unternehmen nicht einfach nur ein weiteres Produkt auf den Markt. Es öffnete eine Tür, die in die nächste Ära der Mensch-Computer-Interaktion und damit zwangsläufig auch in eine neue Dimension der Werbung führt.
Die meisten Unternehmen sind nicht bereit, einen data-Stack aus der Dashboard-Ära durch einen KI-Stack zu ersetzen. Die jüngste Studie von Salesforce zum Stand von Data & Analytics zeigt, dass 84% der data- und Analytics-Führungskräfte sagen, dass ihre Strategien komplett überarbeitet werden müssen, bevor KI-Ambitionen erfolgreich sein können. Die Führungskräfte schätzen, dass 26% ihrer data nicht vertrauenswürdig sind, nur 43% über formale data governance-Rahmenwerke verfügen und etwa 50% kein Vertrauen in ihre Fähigkeit haben, zeitnahe Erkenntnisse zu generieren und zu liefern. Gleichzeitig glauben 70%, dass die wertvollsten Erkenntnisse im unstrukturierten data stecken. Die Schlussfolgerung liegt auf der Hand: Das Hindernis ist nicht der Enthusiasmus, sondern die Grundlage, und diese Grundlage muss sich ändern, bevor agentische Systeme skalieren können.
