Erkundung von generativer KI zur Maximierung von Erfahrungen, Entscheidungsfindung und Geschäftswert

Im ersten Teil dieser dreiteiligen Serie wurden generative KI und deren Funktionsweise beschrieben.

IBM Consulting sieht einen konkreten Geschäftsnutzen darin, bestehende KI-Bereitstellungen in Unternehmen durch generative KI zu erweitern, um die Leistung zu verbessern und den Time-to-Value zu verkürzen. Diese Modelle bieten vier Kategorien dramatisch erweiterter Funktionen:

• Zusammenfassung aus Beispielen wie Callcenter-Interaktionen, Dokumenten wie Finanzberichten, Analystenartikeln, E-Mails, Nachrichten und Medientrends.
• Semantische Suche, wie sie beispielsweise in Rezensionen, Wissensdatenbanken und Produktbeschreibungen vorkommt.
• Erstellung von Inhalten, wie z. B. technische Dokumentation, Benutzerberichte, Testfälle, Daten, Generierung von Bildern, personalisierte Benutzeroberfläche, Personas und Marketingtexte.
• Codeerstellung anhand von Beispielen wie Code Co-Pilot, Pipelines, Docker-Dateien, Terraform-Skripte, Konvertierung von User Stories in das Gherkin-Format, Diagramme als Code, Architekturartefakte, Threat-Modelle und Code für Anwendungen.

Diese Verbesserungen machen deutlich, wie jede Branche ihre Kernprozesse mit generativer KI neu gestalten kann.

Führende Anwendungsfälle ermöglichen mehr als nur Kostensenkungen. Sie tragen zur Mitarbeiterzufriedenheit, zum Kundenvertrauen und zum Unternehmenswachstum bei. Dies sind keine zukunftsorientierten Möglichkeiten, da Unternehmen bereits heute generative KI einsetzen, um einen schnellen geschäftlichen Nutzen zu erzielen, darunter die Verbesserung der Genauigkeit und nahezu Echtzeit-Einblicke in Kundenbeschwerden, um die Zeit bis zur Erkenntnisgewinnung zu verkürzen, die Reduzierung des Zeitaufwands für interne Audits zur Einhaltung gesetzlicher Vorschriften und Effizienzsteigerungen bei Tests und Klassifizierungen.

Während diese ersten Fälle und die Ergebnisse, die sie geliefert haben, spannend sind, muss die Arbeit, die mit der Entwicklung generativer KI-Lösungen verbunden ist, sorgfältig entwickelt werden, wobei die potenziellen Risiken, die damit verbunden sind, kritisch berücksichtigt werden müssen:

Verzerrung: Wie bei jedem KI-Modell haben die Trainingsdaten einen Einfluss auf die Ergebnisse des Modells, die es produziert. Foundation Models werden anhand großer Teile von Daten trainiert, die aus dem Internet gesammelt werden. Folglich werden die von Natur aus vorhandenen Verzerrungen in Internetdaten von den trainierten Modellen erfasst und können sich in den Ergebnissen der Modelle zeigen. Obwohl es Möglichkeiten gibt, diesen Effekt abzumildern, müssen Unternehmen Governance-Mechanismen haben, um dieses Risiko zu verstehen und ihm zu begegnen.
    Undurchsichtigkeit: Foundation Models sind aufgrund der „selbstüberwachten“ Natur des Trainings des Algorithmus auch nicht vollständig überprüfbar oder transparent.
    Halluzination: LLMs können „Halluzinationen“ hervorrufen, Ergebnisse, die syntaktisch einen Prompt erfüllen, aber sachlich falsch sind. Auch hier müssen Unternehmen starke Governance-Mechanismen haben, um dieses Risiko zu mindern.
    Geistiges Eigentum: Es gibt unbeantwortete Fragen zu den rechtlichen Implikationen und dazu, wer die Rechte an Inhalten besitzen könnte, die von Modellen erzeugt werden, die auf potenziell urheberrechtlich geschütztem Material geschult sind.
    Sicherheit: Diese Modelle sind anfällig für Daten- und Sicherheitsrisiken, einschließlich Prompt-Injection-Angriffen.

Bei der Durchführung von generativen KI-Projekten müssen Führungskräfte sicherstellen, dass sie starke KI-Ethik- und Regierungsmechanismen implementieren, um die damit verbundenen Risiken zu minimieren. Durch den Einsatz der IBM Garage-Methodik kann IBM Führungskräften dabei helfen, jede generative KI-Initiative danach zu bewerten, wie riskant und wie präzise die Ausgabe sein muss. In der ersten Welle können Kunden interne, mitarbeiterbezogene Anwendungsfälle priorisieren, bei denen die Ausgabe von Menschen überprüft wird und kein hohes Maß an Präzision erforderlich ist.

Generative KI und LLMs bringen neue Gefahren in den Bereich der KI, und wir behaupten nicht, alle Antworten auf die Fragen zu haben, die diese neuen Lösungen aufwerfen. IBM Consulting verpflichtet sich, bei Interaktionen mit Unternehmen, Regierungen und der Gesellschaft insgesamt eine besonnene Selbstreflexion anzuwenden und eine vielfältige Repräsentation von Perspektiven zu gewährleisten, während wir Antworten auf diese Fragen finden.

Erfahren Sie mehr über diese dreiteilige Serie, indem Sie den ersten oder dritten Teil lesen und wenden Sie sich an eine Fachperson, um ein Gespräch über Ihre Bedürfnisse zu beginnen.