KI erfordert ein ganzheitliches Rahmenwerk und skalierbare Projekte

Seit ich denken kann, ist artificial intelligence der heilige Gral. Filme haben es dargestellt, von BladeRunner zum neueren Sie. In der Zwischenzeit versprachen Wirtschaftsführer, dass sie den Arbeitsplatz revolutionieren würde. In beiden Fällen wurden uns Szenarien vorgestellt, in denen KI den Alltag verändert.

In der Tat wird seit 1956 über KI als wissenschaftliche Disziplin gesprochen. Und obwohl die mathematischen Grundlagen seit mehr als 70 Jahren existieren, ist die benötigte Rechenleistung erst seit kurzem Realität, wobei der cloud der ultimative KI-Katalysator ist.

Es wurden erhebliche Fortschritte erzielt - und der Sektor steckt nicht mehr in den Kinderschuhen. Laut der McKinsey-Studie Der Stand der KI im Jahr 2020 Umfrage gaben 50% der Befragten an, dass ihre Unternehmen KI in mindestens einer Geschäftsfunktion eingesetzt haben.

KI hat das Potenzial, den Wandel in fast jeder Branche voranzutreiben. Mit anderen Worten, es gibt große Anreize für Unternehmen, ihre KI-Reise jetzt zu beginnen. Gleichzeitig besteht die Gefahr, dass es sonst schwierig, wenn nicht gar unmöglich wird, in einer Disziplin aufzuholen, die immer wichtiger wird, je mehr sie sich durchsetzt. Es ist also keine Überraschung, dass KI so viel Interesse und Aufregung hervorruft.
Viele KI-Projekte scheitern jedoch.

Viele Proofs of Concepts (POCs) sind nicht darauf ausgelegt, zu skalieren. Sie beweisen lediglich, dass etwas machbar ist. Dann bleiben sie auf der Strecke, weil nicht im Voraus geklärt wurde, ob das betreffende Konzept für das gesamte Unternehmen relevant und erforderlich ist oder ob eine unternehmensweite Einführung technisch machbar ist.

Außerdem ist die Kostenstruktur von Projekten dieser Art: Bis es so weit ist, hat es wahrscheinlich 70% des Gesamtbudgets verschlungen, ohne dass das Ergebnis jemals das Licht der Welt erblickt. Das ist auf jeder Ebene ein schlechtes Geschäft. Was ist also die Alternative?

Kurz gesagt, die Skalierung muss ein integraler Bestandteil des POC sein und sich in den Metriken widerspiegeln, die bestimmen, ob er erfolgreich war.

Es gibt einige unkomplizierte Taktiken, um dies zu erreichen. Eine gute Option ist es, den POC in zwei Regionen durchzuführen und von beiden Strömen zu verlangen, dass sie vorher festgelegte Ziele erreichen, bevor er als Erfolg abgezeichnet werden kann. Es ist auch wichtig, Parallelen und Unterschiede zwischen den Projekten zu erkennen. Dieser Ansatz entwickelt Prozesse und Strukturen als Teil des anfänglichen Vorhabens und untermauert die Annahme im weiteren Umfeld, wenn das Projekt fortgesetzt wird.

Organisatorische Silos, die in der traditionellen Unternehmensstruktur verwurzelt sind, sind immer noch alltäglich. Sie sind ein ständiger Dorn im Auge für reibungslose Abläufe und können der Todesstoß für skalierbare KI-Implementierungen sein. Um dieses Problem zu lösen, müssen Sie in jedem Teil des Projekts die richtigen Fähigkeiten einbauen.

Wir brauchen mathematisches Fachwissen, IT-Kenntnisse und einen Codierungsspezialisten, die von data-Wissenschaftlern, Lösungsarchitekten und Ingenieuren für maschinelles Lernen (ML) bereitgestellt werden. Die Geschäftsperspektive, die von Produktmanagern und -eigentümern eingebracht wird, ist ebenfalls ein wesentlicher Bestandteil der Mischung. Dieses multidisziplinäre Team sollte offen und kooperativ arbeiten, über gute Kommunikationskanäle verfügen und während des gesamten Projektzyklus ein hohes Maß an Vertrauen genießen, um gemeinsam die Grundlagen zu schaffen, die Implementierung voranzutreiben und schließlich die Mitarbeiter zu schulen, die die Anwendung nach Abschluss des POC tagtäglich betreiben werden.

Cloud Computing hat KI-Projekte für viele Unternehmen zur Realität werden lassen. Es macht große, kostspielige IT-Implementierungen überflüssig und setzt stattdessen auf agile Tools und Technologien, die anpassbar und auf Abruf verfügbar sind.

Wie beim Ansatz des hybriden Teams sollte der technische Werkzeugkasten die für das jeweilige Projekt spezifischen Anwendungen und Software umfassen. Und es versteht sich von selbst, dass er skalierbar sein sollte.

KI stellt Unternehmen vor ein Dilemma: Wird sie schlecht implementiert, wird sie wahrscheinlich scheitern und ein Geschäftsrisiko darstellen. Wird KI jedoch überhaupt nicht implementiert, besteht die Gefahr, dass man hinter zukunftsorientierten Wettbewerbern zurückbleibt, die von der Erforschung dieser Technologie der nächsten Generation profitieren.

Der Schlüssel liegt darin, jedes KI-Projekt im Hinblick auf seine Rolle für die langfristige Ausrichtung und den Erfolg des gesamten Unternehmens und seiner Abläufe zu betrachten. Dieser Ansatz bildet den technischen und personellen Rahmen, der für eine erfolgreiche Implementierung und eine ganzheitliche KI-Vision unerlässlich ist.