Die niedrig hängenden Früchte der KI finden | VentureBeat

Wir freuen uns, die Transform 2022 am 19. Juli und virtuell vom 20. bis 28. Juli wieder persönlich zu präsentieren. Nehmen Sie an aufschlussreichen Gesprächen und spannenden Networking-Möglichkeiten teil. Registrieren Sie sich heute!


Die Bereitstellung von KI-Lösungen vom Testbed bis hin zu Produktionsumgebungen wird wahrscheinlich im nächsten Jahr oder länger der Hauptfokus für das Unternehmen sein. Aber Organisationen sollten trotz des Drucks, mit der Konkurrenz Schritt zu halten, vorsichtig sein, KI nicht zu schnell zu weit zu treiben.

Dies führt häufig zu zwei Hauptproblemen. Erstens drückt es unzureichend Lösungen in Umgebungen, in denen sie schnell überfordert sind, was zu Misserfolg, Desillusionierung und Misstrauen seitens der Benutzerbasis führt, was letztendlich die Akzeptanz hemmt. Die KI-Industrie hilft nichts mit ihrem Strom von Versprechungen, dass ihre Lösungen vollständige digitale Autonomie und transformative Erfahrungen bieten.

Kleine Siege sind immer noch Siege

In einigen Kreisen setzt sich die Idee durch, mit KI kleiner zu werden. Anstelle eines kompletten Forklift-Upgrades über den gesamten Geschäftsprozess ist es besser, die einfachen Dinge zuerst zu erledigen. Das heißt, setzen Sie die KI in begrenzten, unkritischen Bereichen ein und sehen Sie, wie sie sich verhält, bevor Sie sie zu größeren und besseren Dingen fördern. Auf diese Weise sind Erfolge häufiger, Vertrauen lässt sich leichter gewinnen und die KI kann lernen, sich in die Welt zu integrieren, bevor sie versucht, sie zu verbessern.

Für viele Organisationen stellt sich jedoch die Frage, wo diese niedrig hängenden Früchte zu finden sind.

Laut Joe Bush, Herausgeber von Der Hersteller, es ist überall um uns herum. Zum einen lässt sich der Ressourcenverbrauch mit einer intelligenten Plattform viel einfacher und effektiver überwachen als mit Teams von Betreibern. Während er zu einem Industriepublikum spricht, besteht im Unternehmen die gleiche Notwendigkeit, den Verbrauch von Strom, Wasser und anderen Grundgütern zu minimieren. Mit den richtigen sensorgesteuerten Daten kann die KI auch die Arbeitsbelastung in der gesamten digitalen Umgebung bewerten und sogar verschieben, um sicherzustellen, dass das Arbeits-Maschinen-Gleichgewicht optimal bleibt. Und KI kann auch viel schneller als manuelle Bediener auf sich ändernde Umstände reagieren und wichtige Prozesse wie Berichterstattung, Wartungsplanung und Lieferung optimieren.

Natürlich schadet es nicht, einen Plan zu haben, wenn man KI in Produktionsumgebungen einsetzt, da es viel wertvoller ist, im Tandem zu arbeiten als isoliert. Bhaskar Ghosh von Accenture, Rajendra Prasad und Gayathri Pallail argumentierte kürzlich Die Harvard Business Review dass es derzeit am klügsten ist, sich auf den Aufbau von Fähigkeiten zu konzentrieren, die Probleme angehen, die in der Zukunft wiederkehren werden, anstatt schnelle Siege oder große strategische Veränderungen anzustreben. Dies erfordert eine sorgfältige Analyse der aktuellen Fähigkeiten und die Identifizierung von Lücken, die zu Fehlern führen. Dann können Sie einen schrittweisen Ansatz für den Einsatz von KI erstellen, damit sie die kleinen Siege erringt, die letztendlich zur großen Transformation führen.

Kleine und breite Daten

Einige Organisationen beginnen auch zu erkennen, dass es auch nicht der richtige Weg ist, KI auf Big Data zu werfen und zu hoffen, dass etwas Magisches passiert. Laut Rohan Sheth, stellvertretender Vizepräsident für Infrastrukturlösungen bei einem Colocation-Anbieter Yotta, wird KI wahrscheinlich weniger effektiv beim Durcharbeiten riesiger Datenmengen sein und effektiver bei der Verwendung geringerer Mengen präziserer Daten – was einige bereits als kleine und breite Daten bezeichnen. Um dorthin zu gelangen, muss das Unternehmen jedoch seine Fähigkeiten zur Analyse und Konditionierung von Daten verbessern, bevor sie in KI-Modelle eingespeist werden, was zufälligerweise ein weiterer Bereich ist, in dem KI von großem Nutzen sein kann.

Inwieweit KI das Unternehmen unterstützen kann, hängt sehr stark von der „Datenreife“ einer Organisation ab, sagt Sumit Kumar Sharma, Unternehmensarchitekt bei In2IT-Technologien. In einem kürzlich geführten Interview mit ITWeb erklärte er, dass es keinen „one-size-fits-all“-Ansatz für KI gibt, da die Anforderungen und Legacy-Umgebungen jedes Unternehmens unterschiedlich sind. Je nachdem, wie Daten generiert, konsumiert und gespeichert werden, bieten unterschiedliche KI-Varianten einzigartige Dienste, die für einige Geschäftsmodelle besser geeignet sind als für andere. Beispielsweise hätte ein Business-to-Business (B2B)-Lieferant mehr Nutzen für Chatbots und die Verarbeitung natürlicher Sprache als ein großes Analyseunternehmen, das sich wiederum wahrscheinlich mehr für maschinelles Lernen und neuronale Netzwerke interessieren würde.

An dieser Stelle mag es so klingen, als wäre KI einfach eine weitere Technologie, die nach einer Lösung sucht, und in gewisser Weise ist sie das auch. Aber es gibt einen großen Unterschied zwischen KI und früheren Technologiegenerationen: Sie kann sich an neue Daten und sich ändernde Umstände anpassen und darauf reagieren. Dies gibt dem Unternehmen viel Spielraum, um mit KI zu versuchen und zu scheitern, solange jeder Misserfolg zu einem tieferen Verständnis darüber führt, wie es in Zukunft erfolgreich sein kann.

Es mag verlockend sein, KI sofort in die wichtigsten Aspekte des Unternehmens zu drängen, um die Früchte eines vollständig veränderten Betriebsmodells zu ernten, aber dafür ist es noch nicht bereit. Wie jeder andere Mitarbeiter muss er klein anfangen und sich bewähren, bevor er zu größerer Verantwortung befördert werden kann.

Die Mission von VentureBeat soll ein digitaler Marktplatz für technische Entscheidungsträger sein, um sich Wissen über transformative Unternehmenstechnologie anzueignen und Transaktionen durchzuführen. Erfahren Sie mehr über die Mitgliedschaft.

Leave a Comment

Your email address will not be published.