Warum KI-Projekte nicht über den Start hinausgehen

Viele Unternehmen beschäftigen sich bereits mit generativer KI (Gen-AI) und versuchen, damit die Produktivität zu steigern und die Benutzererfahrung zu verbessern. Fast drei Viertel der Unternehmen haben laut Accenture Künstliche Intelligenz zu ihrer obersten digitalen Investitionspriorität für 2024 gemacht. 

Aber wenn es darum geht, diese Experimente in Geschäftsergebnisse umzuwandeln, haben Unternehmen noch viel Arbeit vor sich. Laut einer kürzlich durchgeführten AWS-Umfrage unter Chief Data Officers haben nur 19 % der Unternehmen ihre frühen Gen-AI-Bemühungen zu Experimente mit Anwendungsfällen weiterentwickelt, und nur 6 % haben diese Experimente tatsächlich im Betrieb umgesetzt. Mit anderen Worten: Während die Akzeptanzrate hoch ist, hinkt die Ausführungsrate von Gen-AI-Initiativen deutlich hinterher. Was können Unternehmen also tun, um ihren ROI mit KI zu steigern? 

Laut der AWS-Umfrage verwenden etwa 45 % der Unternehmen Gen-AI-Tools, um den Kundensupport zu verbessern, hauptsächlich durch den Einsatz von Chatbots.

Zwischen 35 % und 40 % dieser Führungskräfte geben auch an, dass ihre Unternehmen diese Tools nutzen, um die persönliche Produktivität zu steigern oder die Softwareentwicklung zu beschleunigen (in Form von Code-Assistenten), und weitere 32 % für Vertrieb und Marketing (für personalisierte Kampagnen und Angebote).

11 % der Unternehmen geben an, dass sie unternehmensweite Gen-AI-Projekte pilotieren. 16 % berichten, dass sie den Einsatz generativer KI durch Mitarbeiter sogar verboten haben.

Diese niedrigen Zahlen überraschen nicht. Viele Unternehmen haben ihre Daten noch nicht für KI vorzubereitet. Das Hochladen ihrer Daten in öffentlich zugängliche Modelle wie ChatGPT birgt Risiken; und nur wenige Unternehmen verfügen über interne Data-Science-Ressourcen, um ihre eigenen Gen-AI-Modelle zu erstellen.  

Wie in fast allen Fällen, in denen eine beliebte neue Technologie den Arbeitsplatz erreicht, beginnt dies mit einzelnen Teammitgliedern. Einzelpersonen haben damit angefangen, Smartphones bei der Arbeit zu verwenden, lange bevor Arbeitgeber Richtlinien für mobile Geräte veröffentlichten. Bei GenAI ist die Entwicklung ähnlich. Manche Teammitglieder gehen voran und nutzen öffentlich zugänglichen Tools wie Google Bard, um manuelle Aufgaben zu automatisieren und ihre Produktivität zu verbessern.

Schlechte Datenqualität

Im Idealfall nutzen Unternehmen proprietäre Daten dazu, um ein großes Sprachmodell (LLM) wie Llama, OpenLM oder Mistral zu verfeinern. So können sie damit Aufgaben ausführen, die speziell auf die Bedürfnisse ihre zugeschnitten sind, etwa Kreditanträge bewerten, oder Unterbrechungen der Lieferkette vorhersagen.

Unternehmen können auch ein proprietäres LLM mit seinen eigenen domänenspezifischen Daten erstellen und trainieren. Dieser Prozess ist allerdings teuer, kann Jahre dauern und erfordert interne Datenwissenschaftler.  Die Partnerschaft mit einem großen LLM-Anbieter ist eine weitere Option, um dasselbe zu erreichen. In beiden Fällen sind die meisten Unternehmen dazu nicht annähernd in der Lage, da ihre eigenen Daten nicht für anspruchsvolle KI-Anwendungen bereit sind.

Eine umfassende Datenstrategie ist für die Nutzung von KI allerdings entscheidend. Trotzdem leisten nur wenige Unternehmen die erforderliche Vorarbeit, um ihre Daten für die Einbindung in LLMs vorzubereiten. Zu den grundlegenden Schritten gehören:

• Aufbrechen von Datensilos
• Integration oder Sammlung von Daten zum Trainieren der KI
• Sicherstellen, dass die Daten den grundlegenden Qualitätsstandards entsprechen

Risikoaversion

Unternehmen, die beim Einsatz von generativer KI zögern, sollten ihr Handeln überdenken. Schließlich werden Führungskräfte, die sich der KI mit einer experimentierfreudigen und innovativen Haltung nähern, langfristig am meisten Erfolg haben. Skeptische Anwender von Gen-AI-Tools haben häufig Angst, durch die Technologie ersetzt zu werden. Die Möglichkeiten der KI sind jedoch kein Ersatz, sondern vielmehr eine Hilfe für Teams. Dadurch wird KI immer mehr zu einem unverzichtbaren Werkzeug für international operierende Unternehmen. Wichtig ist allerdings, das richtige Maß und die passenden Tools für die jeweiligen Aufgaben zu finden.

Autor: Stefan Habitzreuther, Sales Director DACH bei Freshworks