Von Ava McCartney | Lesezeit: 3 Minuten | 23. April 2024
Das Gesamtbild
Die Akzeptanz von generativer KI (GenAI) ist im letzten Jahr explosionsartig angestiegen und hat sich laut Gartner-Umfragen schnell zu einer der am häufigsten eingesetzten KI-Techniken in Geschäftsbereichen und Unternehmen entwickelt. Das hat einen guten Grund: GenAI verspricht sowohl alltägliche als auch bahnbrechende geschäftliche Verbesserungen. Aber GenAI ist keine Wunderwaffe.
Jetzt herunterladen: 4 wichtige Initiativen zur Vorbereitung Ihres Unternehmens auf KI
Generative KI ist nur ein Teil der viel größeren KI-Landschaft und die meisten Geschäftsprobleme erfordern eine Kombination verschiedener KI-Techniken. Wenn Sie diese Tatsache ignorieren, laufen Sie Gefahr, die Auswirkungen von GenAI zu überschätzen und die Technologie für Anwendungsfälle einzusetzen, in denen sie nicht die gewünschten Ergebnisse liefert.
Nutzen Sie diese Leitlinie, um zu beurteilen, wann Sie GenAI einsetzen, wann Sie alternative KI-Techniken verwenden und wann Sie sich auf eine Kombination aus beidem stützen sollten.
Zuerst sollten Sie herausfinden, ob der Anwendungsfall für das Unternehmen wertschöpfend und unabhängig von der KI-Technik umsetzbar ist. Dies ist wichtig, da einige Anwendungsfälle nicht gut für KI geeignet sind und nicht weiter in Betracht gezogen werden sollten.
Gleichen Sie Ihren Anwendungsfall mit der entsprechenden Anwendungsfallfamilie ab. GenAI ist:
Äußerst nützlich: Inhaltsgenerierung, dialogorientierte Nutzeroberflächen, Wissensentdeckung
Etwas nützlich: Segmentierung/Klassifizierung, Empfehlungssysteme, Wahrnehmung, intelligente Automatisierung, Erkennung/Überwachung von Anomalien
Kaum nützlich: Prognose/Vorhersage, Planung, Entscheidungsintelligenz, autonome Systeme
GenAI kann auch schlecht für Ihren Anwendungsfall geeignet sein, wenn die damit verbundenen Risiken inakzeptabel sind und nicht wirksam gemindert werden können. Dazu gehören unzuverlässige Ergebnisse, Datenschutz, geistiges Eigentum, Haftung, Cybersicherheit und regulatorische Compliance, entweder allein oder in Kombination miteinander.
Für Bereiche, in denen GenAI nicht als „äußerst nützlich“ eingestuft wird, sollten andere KI-Techniken in Betracht gezogen werden.
Zu den gängigen KI-Techniken, die untersucht werden sollten, gehören nicht-generatives Machine Learning (ML), Optimierung, Simulation, Regeln/Heuristiken und Wissensgraphen. Neue Techniken wie kausale KI, neurosymbolische KI und First-Principles-KI sollten ebenfalls verfolgt werden.
Es kann sinnvoll sein, zunächst eine einfachere alternative KI-Technik auszuprobieren, bevor man sich in die generative KI stürzt, denn eine solche ist oft weniger riskant, kostengünstiger und leichter zu verstehen.
„Wenn man nur einen GenAI-Hammer hat, erscheinen alle GenAI-Anwendungsfälle wie Nägel.“
KI-Techniken schließen sich nicht gegenseitig aus. Sie lassen sich oft so kombinieren, dass sie zu mehr Genauigkeit, Transparenz und Leistung führen und gleichzeitig die Kosten und den Bedarf an Daten senken.
Die Kombination von GenAI-Modellen mit anderen KI-Techniken kann besonders wirkungsvoll sein.
Die möglichen Kombinationen von KI-Techniken sind endlos. Starke Kombinationen und Anwendungsfälle sind:
Nicht-generative ML- und GenAI-Modelle für Segmentierung und Klassifizierung, Generierung synthetischer Daten und Computer Vision
Optimierungs-/Such- und GenAI-Modelle für die Unternehmenssuche
Simulations- und GenAI-Modelle für die Simulationsbeschleunigung
Graphen und GenAI-Modelle für Wissensmanagement und abfragegestützte Generierung
Regelbasierte Systeme und GenAI-Modelle für Chatbots, Robo-Berater und spezialisierte natürliche Sprachgenerierung
„Unternehmen, die die Fähigkeit entwickeln, die richtigen KI-Techniken zu kombinieren, sind einzigartig positioniert, um KI-Systeme zu erstellen, die eine bessere Genauigkeit, Transparenz und Leistung bieten und gleichzeitig die Kosten und den Bedarf an Daten reduzieren.“
3 Dinge, die Sie Ihren Kollegen mitteilen können
Der Hype um die generative KI kann dazu führen, dass die Technologie dort eingesetzt wird, wo sie nicht gut geeignet ist, was das Risiko einer höheren Komplexität und des Scheiterns von Projekten erhöht.
Eine zu starke Fokussierung auf GenAI kann dazu führen, dass die breitere Palette alternativer und etablierterer KI-Techniken, die für die meisten potenziellen KI-Anwendungsfälle besser geeignet sind, ignoriert wird.
Es sollte danach gestrebt werden, KI-Techniken zu kombinieren, um robustere Systeme zu schaffen, bei denen verschiedene Techniken die Schwächen anderer mindern können.
Diesen Artikel teilen
Leinar Ramos ist als Senior Director Analyst bei Gartner auf generative KI spezialisiert. Er bietet Führungskräften in den Bereichen KI, Anwendungen und IT strategische Beratung zu den wichtigsten Managementprioritäten im Bereich der künstlichen Intelligenz.
