GenAI stößt bei der Implementierung auf Probleme

GenAI meets problems when implementing wird von BTW Media profiliert, weil veröffentlichte Beweise es mit Internetinfrastruktur, Governance, betrieblichen Abhängigkeiten oder Marktsichtbarkeit in Verbindung bringen.

• Organisationen sind begeistert vom Potenzial der generativen KI, stoßen jedoch bei der Umsetzung auf Hindernisse in vier Schlüsselbereichen.
• Die Studie befragte 300 US-Entscheidungsträger in GenAI-Strategie oder Datenanalyse, um die wichtigsten Investitionsbereiche und die Hindernisse zu ermitteln, mit denen Organisationen konfrontiert sind.
• GenAI sollte eher als idealer Beitrag zur Hyperautomatisierung und Beschleunigung bestehender Prozesse und Systeme betrachtet werden, denn als das neue glänzende Spielzeug, das Organisationen hilft, alle ihre geschäftlichen Ambitionen zu verwirklichen.

Organisationen sind begeistert vom Potenzial der generativen KI, die Produktivität von Mitarbeitern und Unternehmen zu steigern, schöpfen dieses jedoch aufgrund von Talentmangel und unzureichender strategischer Planung nicht voll aus, so eine Anfang 2024 von Coleman Parkes Research durchgeführte und vom Datenanalyseunternehmen SAS gesponserte Studie.

Hindernisse in 4 Schlüsselbereichen

Vertrauen in die Datennutzung gewinnen und gleichzeitig Compliance sicherstellen. Nur 10 % der Organisationen verfügen über ein robustes System zur Bewertung von Bias- und Datenschutzrisiken in LLMs (große Sprachmodelle). Darüber hinaus laufen die meisten US-Unternehmen Gefahr, gegen Vorschriften zu verstoßen, und 93 % von ihnen haben keinen umfassenden Governance-Rahmen für GenAI.

Integration von GenAI in bestehende Verfahren und Systeme. Organisationen erkennen, dass die Integration von GenAI in ihre aktuellen Systeme Kompatibilitätsprobleme aufwirft.

Fähigkeiten und Kompetenzen. Interne GenAI-Kenntnisse sind unzureichend. Unternehmensführer befürchten, dass ihre Personalabteilungen aufgrund eines Mangels an qualifizierten Kandidaten nicht auf die erforderlichen Fähigkeiten zugreifen können, um ihre GenAI-Investition zu maximieren.

Kostenschätzung. Führungskräfte betonen, dass die Nutzung von LLMs mit prohibitiven direkten und indirekten Kosten verbunden ist. Die von den Modellerstellern bereitgestellte Schätzung der Token-Kosten wird von den Organisationen nun als prohibitiv angesehen. Die Aufbereitung privater Wissensdaten, das Training und das Management von ModelOps sind jedoch langwierig und teuer.

Über die Umfrage

300 US-Entscheidungsträger in GenAI-Strategie oder Datenanalyse wurden Anfang 2024 von Coleman Parkes Research mit Finanzierung des Datenanalyseunternehmens SAS befragt. Ziel der Umfrage war es, die wichtigsten Investitionsbereiche und Herausforderungen für Organisationen zu identifizieren.

„Organisationen erkennen, dass große Sprachmodelle (LLMs) allein keine geschäftlichen Probleme lösen", sagte Marinela Profi, KI-Strategieberaterin bei SAS.

Anstatt als das neue glänzende Spielzeug betrachtet zu werden, das Organisationen hilft, alle ihre geschäftlichen Ambitionen zu verwirklichen, sollte GenAI als idealer Beitrag zur Hyperautomatisierung und Beschleunigung aktueller Prozesse und Systeme angesehen werden. Bevor sie sich kopfüber stürzen und zu „Gefangenen" werden, sollten alle Organisationen in Technologien investieren, die Integration, Governance und Erklärbarkeit von LLMs bieten, und sich die nötige Zeit nehmen, um eine schrittweise Strategie zu entwickeln.