Wie bei jeder neuen Technologie sind viele Menschen daran interessiert, generative KI als Unterstützung bei ihrer Arbeit einzusetzen. Accenture Forschungsprojekte fanden heraus, dass 89 % der Unternehmen der Meinung sind, dass der Einsatz generativer KI, um Dienstleistungen menschlicher zu gestalten, ihnen mehr Möglichkeiten eröffnen wird. Dies wird Veränderungen erzwingen – Accenture hat außerdem herausgefunden, dass 86 % der Unternehmen dachten, sie müssten ihre IT- und Technologieinfrastruktur modernisieren.
Die Herausforderung dabei besteht darin, dass das Entwerfen, Testen, Erstellen und Skalieren von generativen KI-Projekten für Unternehmen Zeit in Anspruch nehmen wird. Selbst mit dem schnellen Weg zur Produktion, den neue generative KI-Stacks bieten, besteht das Risiko, dass Menschen die Dinge selbst in die Hand nehmen. Dies wird zu generativen KI-Einsätzen führen, die außerhalb der Norm und außerhalb des IT-Bereichs liegen und als Schatten-KI bezeichnet werden. Diese nicht autorisierten Schatten-KI-Einsätze werden stattfinden, wenn Unternehmen nicht frühzeitig Gespräche über generative KI führen und den Teams nicht die reibungslosen Tools zur Verfügung stellen, die sie für den Erfolg benötigen.
Angenommen, ein Vertriebsteam benötigt Hilfe beim Verfassen seiner E-Mail-Briefe an potenzielle Kunden und möchte bei seinen Akquiseaktivitäten generative KI einsetzen. Daten öffentlich zugänglich machen großes Sprachmodell (LLM) könnte diesem Team helfen, produktiver zu sein, mehr Geschäfte abzuschließen und dann für Wachstum für das Unternehmen zu sorgen. Das Argument wird sein: Warum sollten sie aufhören und riskieren, dass andere Unternehmen vorankommen?
Seien Sie der Nachfrage nach generativer KI einen Schritt voraus
Unternehmen sollten mit ihren Abteilungen darüber sprechen, wie sie über generative KI denken und was sie verbessern möchten. Dies kann Gelegenheiten bieten, sich zu engagieren, den Wünschen der Geschäftsteams zuzuhören und dann eine umfassendere Strategie zu planen. Es kann auch eine Gelegenheit sein, Teams darüber zu beraten, was möglich ist, auf die Vorteile einzugehen und etwaige Hypes oder Missverständnisse zu entlarven.
Diese Gespräche bieten Teammitgliedern die Möglichkeit, mehr über die geschäftlichen Probleme ihrer Kollegen zu erfahren und anschließend zu prüfen, wie generative KI-Dienste entworfen und erstellt werden können, die diesen Anforderungen gerecht werden. Ein wesentlicher Teil davon wird sein, wie Unternehmen die Daten, die ihre Teams bereits haben, mit generativer KI kombinieren können, um sie für sie noch nützlicher zu machen.
Wie können Sie am Beispiel eines Vertriebsteams Informationen über Ihre Produkte aufbereiten, damit ein generatives KI-System Ihre Terminologie und präzisen Verkaufsargumente in die Antworten einbeziehen kann? Anstatt nur die Daten zu verwenden, auf denen die LLMs trainiert wurden, kann das Hinzufügen Ihrer Daten zum Mix zu einer Produktivitätssteigerung führen, potenzielle KI-Halluzinationen reduzieren und eine effektive Personalisierung ermöglichen. Gleichzeitig können Sie sensibles Material unter Ihrer Kontrolle behalten, anstatt es an Dritte weiterzugeben.
Differenzierung mit Daten und generativer KI
Generative KI soll Ihnen helfen, die Aktivitäten Ihres Unternehmens zu differenzieren. Mit öffentlichen LLMs allein wird dies jedoch nicht erreicht, und Sie werden genauso klingen wie alle anderen. Unternehmen können ihre generativen KI-Strategien effektiver und auf sie und ihre Mitarbeiter zugeschnitten gestalten, indem sie ihre eigenen Daten mithilfe von Retrieval Augmented Generation (RAG) auf den Tisch bringen.
RAG nimmt Ihre eigenen Daten, bereitet sie für die Verwendung mit generativer KI vor und übergibt diese Daten dann als Kontext an das LLM, wenn Ihr Mitarbeiter um eine Antwort bittet. RAG ist Teil der Lösung von Problemen wie Halluzinationen und macht die Ergebnisse für Ihr Unternehmen und Ihre Kunden relevanter, anstatt ähnliche Ergebnisse wie bei anderen Unternehmen zu erzielen, die die gleichen Fragen stellen. Dies ist etwas, das Sie für Ihr Unternehmen und Ihre Kunden tun müssen, da kein anderes Unternehmen über die gleiche Tiefe oder Kombination von Daten verfügt, die Sie bereitstellen können.
Um dies umzusetzen, müssen Sie verschiedene Tools aus Vektordatenspeichern und KI-Integrationen kombinieren, um einen RAG-Stack aufzubauen, der den Einstieg einfacher und schneller macht. Wenn Sie dies schnell bereitstellen, können Sie einige dieser „off-the-books“-Bereitstellungen verhindern, die Teams möglicherweise versuchen, selbst durchzuführen, während sie auf die zentrale IT warten. Techniken wie RAG reduzieren auch das Risiko von Datenlecks, indem sie es Ihnen ermöglichen, Unternehmensdaten für einen verbesserten Kontext zu nutzen, ohne sie in das LLM einzuarbeiten.
Im Laufe der Zeit möchten Sie möglicherweise generative KI-Dienste für mehr Benutzer in Ihrem Unternehmen verfügbar machen, indem Sie Low-Code- und No-Code-Ansätze zum Erstellen von Diensten nutzen. Die Annahme eines „Center of Excellence“-Ansatzes, bei dem Sie Anleitung und Unterstützung anbieten können, anstatt vollständige Implementierungen durchzuführen, erhöht die Chancen, diese Technologien für alle zugänglich zu machen, ohne durch die zentrale IT ausgebremst zu werden, und gleichzeitig über die richtigen Leitplanken für das Wie zu verfügen Diese Dienste werden in der Praxis genutzt.
Entwicklung eines ausgereiften Ansatzes für generative KI im Laufe der Zeit
Allgemeiner betrachtet müssen Unternehmen ihre eigenen generativen KI-Reifegradmodelle entwickeln, bei denen sie die Technologieelemente neben Themen wie z. B. berücksichtigen Datenschutz und Compliance, soziale Wirkung und Teamkultur. Diese Elemente passieren nicht im luftleeren Raum. Wenn Sie also frühzeitig darüber nachdenken, haben Sie eine bessere Chance, im Laufe der Zeit sicherzustellen, dass Sie den richtigen Ansatz wählen, was es einfacher macht, alle relevanten Regeln und Vorschriften einzuhalten, die entwickelt werden.
Darüber hinaus sollten Sie die Erwartungen und das Niveau darauf abstimmen, was generative KI ist und was sie wirklich leisten kann. Mit der generativen KI können Sie beispielsweise nicht große Teile des Personals durch KI ersetzen. Stattdessen kann generative KI bessere und produktivere Mitarbeiter hervorbringen, die in ihrem Arbeitsleben Tools nutzen können, um mit anderen Unternehmen zu konkurrieren, die entweder nicht über generative KI verfügen oder über Standard-LLM-Tools verfügen. KI-gestütztes Personal kann mehr Arbeit auf einem höheren Qualitätsniveau erledigen und damit beginnen, Punkte in Ihrem Backlog zu bearbeiten, für deren Bearbeitung Ihnen zuvor die Bandbreite fehlte. Angesichts des großen Potenzials dieser Tools müssen wir die potenziellen Fallstricke, einschließlich der Schatten-KI, überwinden.
Wie Peter Parker in „Spiderman“ immer sagt, geht große Macht mit großer Verantwortung einher. Im Fall der generativen KI wird die Nutzung dieser Leistungsfähigkeit für alle Unternehmen von entscheidender Bedeutung sein. Wenn Unternehmen die Verantwortung dafür übernehmen, generative KI schnell in die Hände derjenigen zu legen, die diese Macht wirklich nutzen können, können sie sich differenzieren und die Fallstricke der Schatten-KI vermeiden.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- Quelle: https://www.dataversity.net/getting-ahead-of-shadow-generative-ai/
