Anpassungsfähig und robust - KI ist ein Partner für die Zukunft

Artefact ist ein Ingenieurbüro, das sich auf KI und data spezialisiert hat. Das führende europäische Unternehmen ist in 23 Ländern vertreten und hat eine starke Präsenz in Frankreich. Es beschäftigt 1.700 Mitarbeiter, von denen ein großer Teil Ingenieure sind. Artefact unterstützt seine Kundenunternehmen bei ihren KI- und data-Projekten und deckt dabei strategische Fragen wie data governance bis hin zur Entwicklung und Einführung von Modellen ab.

Unsere Teams, die sich aus data-Wissenschaftlern, Software-Ingenieuren und data-Analysten zusammensetzen, können eine breite Palette von Techniken des maschinellen Lernens in angewandten Fällen einsetzen. Das Ziel: über die gesamte Wertschöpfungskette hinweg zu arbeiten, damit unsere Kunden die KI voll nutzen können.

Artefact hat auch andere Facetten, wie die Schule von Data, die sich auf die Umschulung von Fachleuten konzentriert, und die Organisation von Großveranstaltungen in Frankreich wie AI for Health oder Adopt AI.

Das Forschungszentrum widmet sich der Open-Source-Forschung. Seine Aufgabe ist es, KI in Geschäftsanwendungen zu verbessern, um sie benutzerfreundlicher und bedarfsgerechter zu machen. Unser Ziel ist es, die Wahrnehmung des maschinellen Lernens als unkontrollierbare Blackbox zu durchbrechen.

Zu diesem Zweck ist das Zentrum in zwei Fachbereiche unterteilt: angewandte Mathematik, um Modelle aus statistischer Sicht zu verbessern, und Managementwissenschaften, die Unternehmen und Organisationen als Studienobjekte behandeln. Wir untersuchen, wie sie Technologien einsetzen und stellen uns mögliche Verbesserungen vor.

Wir betreiben vor allem wissenschaftliche Forschung ohne Gewinnabsicht. Das Ergebnis unserer Arbeit sind wissenschaftliche Veröffentlichungen und internationale Konferenzen. Im Gegensatz zur Beratung, die sehr schnell geht, arbeitet das Forschungszentrum auf einer längeren Zeitachse. Wir bauen Partnerschaften zwischen akademischen Experten und Unternehmen auf, die reale Herausforderungen mitbringen. Diese Korrelation ermöglicht es uns, konkrete Anwendungsfälle anzugehen, indem wir auf die data-Basis der Partnerunternehmen zugreifen. Das Ziel ist es, unsere Methoden an diesen groß angelegten, realen Problemen zu testen und zu verbessern.

Der Einzelhandel ist ein data-lastiger Sektor, insbesondere durch Kassenbons. Durch die Anpassung an diese Struktur kann artificial intelligence den Bon “entschlüsseln”, da jedes aufgeführte Produkt als ein Wort betrachtet werden kann, das mit anderen verbunden ist.

So können wir die Verbrauchergewohnheiten vorhersagen und die Geschäfte entsprechend anpassen. Wir können Produktinteraktionen erfassen, um z.B. komplementäre Produkte zusammen auszustellen oder eine “Kannibalisierung” zwischen Produkten oder Werbeaktionen zu vermeiden. Wir sind überzeugt, dass dieser Einsatz von data die Zukunft des Einzelhandels ist. KI wird niemals die Erfahrung und das Know-how eines Abteilungsleiters oder eines Einzelhandelspartners ersetzen, aber sie kann sie durch wertvolle Erkenntnisse aus data noch effektiver machen.

Noch einmal: Artefact zielt nicht darauf ab, Finanzanalysten zu ersetzen, die über ausgezeichnete Fachkenntnisse verfügen. Sie können jedoch nicht alle gefährdeten Kunden oder Betrüger erkennen. Mithilfe von Scoring-Modellen, die auf historischen data-Daten trainiert wurden, können wir ungewöhnliche Kundenprofile erkennen und negative Ereignisse vorhersehen, bevor sie zu echten Problemen werden. Da Analysten ihre Entscheidungen begründen müssen, was eine regulatorische Anforderung ist, arbeiten wir an der Entwicklung von Scoring-Systemen, die erklärbar sind und interpretierbare Gründe für Hochrisikoprofile bieten.

Ganz genau. Ich verwende oft das Beispiel von Google. Wenn Sie online etwas suchen, findet eine Analyse statt. Das maschinelle Lernen fragt Billionen von Webseiten ab, was ohne Automatisierung unmöglich wäre. Die Zeit, die der Algorithmus einspart, ist die gesamte Vorarbeit, die der Mensch nicht mehr leisten muss. KI funktioniert ähnlich. Letztendlich ist es immer der Mensch, der entscheidet, ob er das Ergebnis annimmt oder nicht und ihm eine Bedeutung gibt. Das begann mit der Buchsuche, setzte sich mit dem Aufkommen des Internets und von Wikipedia fort und setzt sich nun mit den heutigen Technologien fort. Und das wird auch so schnell nicht aufhören.

Vor allem mit ChatGPT hat es einen Wendepunkt in der Art und Weise gegeben, wie die Öffentlichkeit neue Technologien annimmt. Zum ersten Mal haben wir gesehen, dass sich etwas von unten nach oben durchsetzt: Mitarbeiter haben begonnen, gute Wege zu finden, ChatGPT als hilfreiches Werkzeug bei ihrer Arbeit zu nutzen. Aus der Sicht von Artefact liegt der Schlüssel darin, diese Technologien auf bestimmte Anwendungsfälle auszurichten. Anstatt ein Allzweck-Tool für alles zu verwenden, geht es darum, robuste Anwendungen für präzise Aufgaben zu entwickeln.

Im Moment sind diese Modelle nicht sehr robust. Sie rufen Informationen auf eine Art und Weise aus ihrem Gedächtnis ab, die wir nicht ganz verstehen, was zu unangemessenen oder sogar absurden Ergebnissen führen kann. Wir arbeiten zum Beispiel an einem einfachen, aber zuverlässigen Vertrauensindex, der den Benutzern angezeigt werden soll. Ziel ist es, sowohl irreführende Informationen zu vermeiden als auch eine kritische Haltung gegenüber den Antworten des Modells zu fördern.