In nur zwei Monaten hat sich ChatGPT zum weltweit meist heruntergeladenen Produkt entwickelt. Was diese Lösung von ihren Vorgängern abhebt, ist ihre ultra-einfache Oberfläche, die auf konversationsähnlichen “Aufforderungen” basiert. Diese intuitive Bedienung, gepaart mit der Fähigkeit der KI, riesige Mengen an data zu verarbeiten und schnelle, präzise Ergebnisse zu liefern, verzehnfacht die Geschwindigkeit der Ausführung und Entscheidungsfindung für Fachleute. KI befreit Menschen von sich wiederholenden, zeitraubenden Aufgaben und ermöglicht es ihnen, sich auf Aktivitäten mit höherem Mehrwert zu konzentrieren. Menschen werden nicht ersetzt, sondern “ergänzt”, dank generativer KI.
Jüngsten Studien zufolge glauben 78% der Arbeitnehmer, dass sich generative KI positiv auf ihre Produktivität ausgewirkt hat. Bei Aufgaben, die mit Wissenserwerb verbunden sind, würden Fachleute 37% an Ausführungsgeschwindigkeit gewinnen und Entwickler 55% bei Kodierungsaufgaben. Vor sechs Monaten wurde ein wahrer Innovationswettlauf zwischen den Akteuren der generativen KI eingeleitet. Um die Vorteile voll auszuschöpfen und wettbewerbsfähig zu bleiben, müssen die Unternehmen schnell handeln, ohne dabei die verbleibenden Herausforderungen aus den Augen zu verlieren.

Transparenz und Vertrauen, die großen Herausforderungen der generativen KI

Die Leistung von generativen KI-Lösungen ist unbestreitbar, aber sie haben auch Grenzen, die wir kennen müssen, um ihre Auswirkungen zu minimieren. Sie lassen sich in vier Haupttypen unterteilen:

  • Ethik: Voreingenommenheit, “Halluzinationen”, fehlende Quellen oder mangelnde Transparenz bei der Verwendung von persönlichen data können sich in den generierten Inhalten widerspiegeln. Wir müssen daher die Identifizierung von Verzerrungen systematisieren, wie wir es bei der gesamten data-Verarbeitung bei Artefact in Übereinstimmung mit unserer ethischen Charta tun.

  • Umwelt: Das Trainieren der neuesten KI-Modelle mit Milliarden von Parametern hat einen beispiellosen CO2-Fußabdruck. So wurden zum Beispiel 502 Tonnen CO2-Emissionen benötigt, um GPT-3[4] zu trainieren, fast zehnmal so viel wie für den Lebenszyklus eines durchschnittlichen Autos. Die Anwendungen stehen erst am Anfang: Werden die CO2-Emissionen der KI durch das CO2 ausgeglichen, das durch die menschlichen Aktivitäten, die sie ersetzen, nicht mehr erzeugt wird?

  • Beschäftigung: Auch wenn die überwiegende Mehrheit der menschlichen Aufgaben nicht ersetzt, sondern durch KI unterstützt werden wird, werden sie sich unbestreitbar verändern. Es ist wichtig, dass Menschen aller Altersgruppen und Berufe für diese Veränderungen geschult werden. Darüber hinaus eröffnen diese Technologien neue Karrieremöglichkeiten, für die wir bereits einen Mangel an Profilen feststellen. Ausbildungskurse wie die Artefact School of Data bieten eine schnelle, praktische Möglichkeit, sich für diese zukunftsweisenden Berufe umschulen zu lassen.

  • Verordnung: Angesichts der oben beschriebenen Herausforderungen ist klar, dass die generative KI bald einer strengen Regulierung unterworfen sein wird, ähnlich wie die Verarbeitung personenbezogener Daten data. Die Europäische Union arbeitet derzeit an einem KI-Gesetz, das im Jahr 2025 in Kraft treten soll. Bis es einen klaren Rahmen gibt, müssen sich die Unternehmen auf die bestehenden Texte zu data, geistigem Eigentum, Arbeitsrecht und Umweltschutz sowie auf Soft Law.

Artefacts eigene Methodik zur Risikoreduzierung und Optimierung der Unternehmenstransformation

Der atemberaubende, kontinuierliche Fortschritt in der generativen KI erfordert von Unternehmen ein schnelles, aber umsichtiges Handeln. Deshalb empfehlen wir unseren Kunden, eine progressive Arbeitsweise anzunehmen und einen soliden Rahmen für ihr Transformationsprojekt zu schaffen.

Um das gesamte Unternehmen mit ins Boot zu holen, sind die Ergebnisse eines ersten POC oft entscheidend. Um das Risiko von Zwischenfällen zu minimieren, ist es besser, diesen ersten Test an einem internen Anwendungsfall oder durch menschliche Vermittlung durchzuführen (z.B.: ein menschlicher Agent nutzt KI-Informationen, um den Kunden besser zu bedienen). Gleichzeitig müssen wir potenzielle Anwendungen im gesamten Unternehmen identifizieren, basierend auf den Geschäftsanforderungen und allen data, die wir besitzen.

Zugleich muss ein Fahrplan für die Umsetzung festgelegt werden:

  • Organisation: Rollen und Verantwortlichkeiten müssen definiert werden, ebenso wie Governance und Prozesse zur Erstellung und Erweiterung von Anwendungsfällen. Es muss ein Notfallplan zum Schutz vor Risiken und Verzerrungen erstellt werden.

  • Tech Stack und data: Unternehmen müssen sicherstellen, dass sie über qualitativ hochwertige first-party data verfügen, um die identifizierten Anwendungsfälle zu bedienen, und über eine robuste technische Architektur, um sie zu industrialisieren. Es ist entscheidend, das richtige Modell für den richtigen Einsatzzweck zu wählen, was Kosten, Auswirkungen oder Leistung angeht.

  • Humanressourcen: Akkulturations- und Schulungsprogramme müssen so bald wie möglich eingeführt werden, um einen erfolgreichen Übergang zu gewährleisten.

Vertrauen schließt Kontrolle nicht aus

Obwohl wir davon überzeugt sind, dass generative KI einen positiven Einfluss auf die operative Leistung von Unternehmen und die Produktivität ihrer Mitarbeiter hat und haben wird, ist es wichtig, mit Bedacht zu starten. Der Fortschritt muss kontinuierlich und kontrolliert erfolgen, und der Mensch muss die Kontrolle über die Modelle behalten, bevor er die unbegrenzten Einsatzmöglichkeiten dieser neuen, extrem leistungsstarken Technologien voll ausschöpfen kann.