Foto: Gunay Rahimova - shutterstock.com
Mein wichtigster Rat an CIOs und IT-Leiter: Die digitale Transformation muss eine Kernkompetenz des Unternehmens sein. Bei Keynotes und Gesprächen mit CIOs erinnere ich gerne daran, wie sich die strategischen Prioritäten alle paar Jahre deutlich verändern. Vom Wachstum im Jahr 2018 über die Pandemie und Remote-Arbeit im Jahr 2020 bis hin zu hybrider Arbeit und finanziellen Zwängen im Jahr 2022. Heute entwickelt sich generative KI, einschließlich ChatGPT und anderer großer Sprachmodelle (LLMs), zu einem wichtigen Transformationsfaktor.
Während viele CIOs ihre Budgets für 2024 und ihre Prioritäten für die digitale Transformation vorbereiten, ist es unerlässlich, eine neue Strategie zu entwickeln. Sie sollte nach Möglichkeiten streben, Geschäftsmodelle weiterzuentwickeln. Es gilt darüber hinaus, kurzfristige betriebliche Auswirkungen anzuvisieren, Prioritäten zu setzen, wo Mitarbeiter experimentieren sollten, und Pläne zur Risikominimierung im Zusammenhang mit KI zu definieren.
Für mehr Kommentare, Hintergründe und Deep Dives abonnieren Sie unsere CIO Newsletter.
Die große Herausforderung besteht darin, eine realistische Strategie zu entwerfen und eine Antwort für den "großen Visionär" zu entwickeln - den CEO, der von der Organisation in punkto KI Unmögliches verlangt. Im Folgenden finden Sie fünf Treiber generativer KI, die CIOs bei der Entwicklung ihrer Prioritäten für die digitale Transformation berücksichtigen sollten.
Definieren Sie eine bahnbrechende LLM-Strategie
Es gibt viele Diskussionen darüber, wie generative KI und LLMs die Branchen beeinflussen werden. Ein paar Beispiele für generative KI:
Die pharmazeutische Wirkstoffforschung wird durch zusätzliche Intelligenz aus unstrukturierten Daten beschleunigt;
Montagearbeiter in der Fertigung werden in die Lage versetzt, Probleme schneller und zuverlässiger zu lösen;
Medizinische Dienstleister können personalisierte Antworten auf Gesundheitsfragen von Patienten geben;
Die Entwicklung neuer Versicherungs-, Bank- und anderer Finanzdienstleistungsprodukte wird mit echten Kundendialogen unterstützt;
Das Bildungswesen wird durch neue Möglichkeiten für Lehrer, das kreative Denken, die Zusammenarbeit und die Problemlösungsfähigkeiten ihrer Schüler zu fördern, umgestaltet.
"In dieser Zeit müssen CIOs und CTOs nicht nur kreativ sein, um mit weniger mehr zu erreichen. Sie können zudem die Marktbegleiter mit kalkulierten Investitionen überholen, da diese wahrscheinlich ihre eigenen Transformationsprojekte bremsen oder kürzen werden", sagt Jeremiah Stone, CTO bei SnapLogic. "Priorisieren Sie Transformationsinitiativen, die entweder neue Einnahmequellen schaffen, Technologien demokratisieren oder technische Schulden reduzieren, vor allem wenn Sie den Einsatz generativer KI in Betracht ziehen."
Lesetipp: In unserem Generative AI Hub finden Sie alle relevanten Artkel zum Thema.
Natürlich laufen Transformationsprogramme dieser Größenordnung mehrere Jahre, wenn sie eine Bewertung der LLM-Fähigkeiten, Experimente sowie minimal praktikable und ausreichend sichere Kundenangebote erfordern. Fehlt die Strategie, kann dies jedoch zu Unterbrechungen führen. Ein entscheidender Fehler, der IT-Führungskräften bei Vorstandssitzungen unterlaufen kann, ist, dass sie keinen Plan für eine weltverändernde neue Technologie wie generative KI haben.
Bereinigen und bereiten Sie Ihre Daten für private LLMs vor
Generative KI-Funktionen werden die Bedeutung und den Wert der unstrukturierten Daten eines Unternehmens erhöhen. Proaktive Transformations-Manager unternehmen frühzeitig Schritte, um unstrukturierte Daten zu zentralisieren, zu bereinigen und für die Verwendung in LLMs vorzubereiten.
"Viele Anwender drängen darauf, generative KI-Funktionen als Teil ihrer täglichen Aktivitäten zu nutzen", berichtet Kjell Carlsson, Head of Data Science Strategy and Evangelism bei Domino. Daher sei die oberste Priorität für CIOs, CTOs und CDOs, einen sicheren, skalierbaren Zugriff auf eine wachsende Anzahl generativer KI-Modelle zu ermöglichen. "Zudem müssen Data-Science-Teams in die Lage versetzt werden, fein abgestimmte LLMs zu entwickeln und zu operationalisieren, die auf die Daten und Anwendungsfälle des Unternehmens zugeschnitten sind."
Es gibt jenseits von ChatGPT bereits 14 weitere LLMs. Wenn ein Unternehmen über große Datensätze verfügt, kann es ein proprietäres LLM mithilfe von Plattformen wie Databricks Dolly, Meta Llama und OpenAI anpassen oder ein eigenes LLM von Grund auf entwickeln.
Die Anpassung und Entwicklung von LLMs erfordere jedoch ein überzeugendes Geschäftskonzept, technisches Know-how und finanzielle Mittel, sagt Peter Pezaris, Chief Design and Strategy Officer bei New Relic: "Das Training großer Sprachmodelle kann teuer sein, und die Ergebnisse sind noch nicht perfekt. Daher sollten Führungskräfte vorrangig in Lösungen investieren, mit denen sich operative Kosten überwachen und die Qualität der Abfrageergebnisse verbessern lassen."
Effizienzsteigerung durch besseren Support
McKinsey schätzte bereits im Jahr 2020, dass KI jedes Jahr einen Wert von einer Billion Dollar erzeugen könnte, woran der Kundensupport einen großen Anteil hat. Dieses Potenzial ist heute aufgrund der generativen KI noch gewachsen. Das gilt insbesondere, wenn CIOs unstrukturierte Daten in einem LLM zentralisieren und Service-Agenten in die Lage versetzen, Kundenfragen zu beantworten.
Justin Rodenbostel, Executive Vide President bei SPR, empfiehlt Unternehmen: "Suchen Sie nach Möglichkeiten, GPT-4 und LLMs zur Optimierung etwa des Kundensupports zu nutzen, insbesondere im Hinblick auf die Automatisierung von Aufgaben und die Analyse großer Mengen unstrukturierter Daten."
Die Verbesserung des Kundensupports ist ein relativ einfacher Ansatz, um einen kurzfristigen ROI aus LLMs und KI-Suchfunktionen zu erzielen. LLMs erfordern die Zentralisierung der unstrukturierten Daten eines Unternehmens. Dies umfasst CRM- und Dateisysteme sowie SaaS-Tools.
Sobald die IT-Abteilung diese Daten zentralisiert und ein privates LLM implementiert hat, eröffnen sich weitere Möglichkeiten, etwa eine bessere Conversion von Vertriebsleads oder effizientere Onboarding-Prozesse im Personalwesen. "Unternehmen stopfen schon seit Jahrzehnten Daten in SharePoint und andere Systeme", kritisiert Gordon Allott, Präsident und CEO von GetK3. "Es könnte sich tatsächlich lohnen, sie zu bereinigen und ein LLM zu verwenden."
Risikominimierung durch LLM-Governance-Modell
In der generativen KI-Landschaft gibt es mehr als 100 Tools für Tests, Bilder, Videos, Code, Sprache und andere Kategorien. Was hält Mitarbeiter davon ab, ein Tool auszuprobieren und geschützte oder andere vertrauliche Informationen in ihre Prompts einzufügen?
Rodenbostel empfiehlt: "Führungskräfte müssen sicherstellen, dass ihre Teams diese Tools nur auf genehmigte, angemessene Weise verwenden, indem sie eine Richtlinie für die akzeptable Nutzung ausarbeiten und implementieren." Dies gelingt über eine Zusammenarbeit von CIOs mit ihren CHROs und CISOs, um Richtlinien zu kommunizieren und ein Governance-Modell zu schaffen, um intelligent experimentieren zu können.
In erster Linie sollten CIOs bewerten, wie sich ChatGPT und andere generative KI auf die Codierung und Softwareentwicklung auswirken. Die IT-Abteilung muss mit gutem Beispiel vorangehen, wenn es darum geht, wo und wie experimentiert werden soll. Sie gibt vor, wann ein Tool oder ein proprietärer Datensatz nicht verwendet werden darf.
Zudem sollten sich CIOs auf die Marketing-Abteilung konzentrieren. Es gilt herauszufinden, wo generative KI bei der Erstellung von Inhalten, der Lead-Generierung, dem E-Mail-Marketing und vielen weiteren gängigen Marketingpraktiken eingesetzt werden kann.
Bei mehr als 11.000 Marketingtechnologie-Lösungen, die heute zur Verfügung stehen, gibt es viele Möglichkeiten, um zu experimentieren. Proaktive CIOs erstellen ein Register, um neue generative KI-Anwendungsfälle aufzunehmen, einen Prozess zur Überprüfung von Methoden zu definieren und die Auswirkungen von KI-Experimenten zentral zu erfassen.
Entscheidungsprozesse und Befugnisse neu bewerten
Wie wird generative KI die Entscheidungsprozesse und die Zukunft der Arbeit beeinflussen? In den vergangenen zehn Jahren haben Unternehmen versucht, sich in datengesteuerte Organisationen zu verwandeln. Sie taten dies etwa, indem sie den Zugang zu Daten demokratisiert, mehr Business-Manager in Citizen Data Science geschult und proaktive Data-Governance-Praktiken eingeführt haben.
Generative KI setzt hier neues Potenzial frei und ermöglicht es Führungskräften, schneller bessere Antworten zu erhalten. Allerdings sind Aktualität, Genauigkeit und Voreingenommenheit für viele LLMs zentrale Herausforderungen.
"Wenn der Mensch im Mittelpunkt der KI steht und robuste Rahmenbedingungen für die Datennutzung und die Interpretierbarkeit von Modellen geschaffen werden, können Verzerrungen innerhalb dieser Modelle weitestgehend vermieden werden. Unternehmen müssen sicherstellen, dass alle KI-Ergebnisse ethisch und verantwortungsbewusst sind", fordert Erik Voight, VP für Unternehmenslösungen beim KI-Provider Appen.
Die Realität ist, dass KI-Modelle den Menschen nicht ersetzen können, wenn es um kritische Entscheidungen geht. Ziel ist, diese Prozesse mit KI zu ergänzen und nicht vollständig zu übernehmen. CIOs sollten bei der Priorisierung von generativen KI-Initiativen insgesamt einen ausgewogenen Ansatz verfolgen, der die Governance-Definition, kurzfristige Effizienzvorteile sowie längerfristige Transformationsmöglichkeiten umfasst. (ajf/jd)