Trotz des Interesses, das sie wecken, stellen künstliche Intelligenz und maschinelles Lernen unterschiedliche Herausforderungen dar. Um darüber zu sprechen und auf die Herausforderung der Implementierung von KI und ML zu reagieren, organisierte Byte TI ein Webinar, an dem auch teilnahm Matías Sosa, OVHcloud Produktmarketingmanager; José Ventura, IBM Data&AI-Vertriebsspezialist; Rafael Valdes, SAP Solution Advisory Manager Business Technology Platform; Carlos Polo, Director Line of Business Advanced Tech bei Seidor und José González, Salesforce Senior Manager Solution Engineering, der analysiert hat, wo die größten Herausforderungen liegen.
Seit dem Aufkommen von ChatGPT hat künstliche Intelligenz bei allen Organisationen ein beispielloses Interesse geweckt. Obwohl sich die Entwicklung noch in einem frühen Stadium befindet, sind viele der derzeit auf dem Markt angebotenen Lösungen maschinelles Lernen. Die Kombination beider Technologien bietet Unternehmen Vorteile wie Aufgabenautomatisierung, Prozessoptimierung und die Möglichkeit, schnellere und genauere Entscheidungen zu treffen. Es lässt sich jedoch nicht leugnen, dass künstliche Intelligenz zu einem unverzichtbaren Werkzeug im Geschäftsportfolio geworden ist. In diesem Zusammenhang integrieren Unternehmen zunehmend KI-Lösungen, um ihre Strategien zu optimieren und die betriebliche Effizienz zu verbessern.
Ein Beispiel hierfür ist OVHcloud. Matías Sosa, Produktmarketingmanager, erklärt, dass das Unternehmen generative KI integriert: „Als Cloud-Unternehmen bieten wir ein komplettes Set an Platform-as-a-Service-Lösungen für Unternehmen an.“ Was die Vorteile betrifft, arbeiten wir vor allem mit Open-Source-Lösungen, um die gesamte Reversibilität zu verbessern, die Kunden mit ihren Lösungen und Modellen einbringen und nehmen können, und bieten natürlich wichtige Berechnungsmöglichkeiten an, was genau das ist, was heute gefordert wird KI-Abschnitt.“
Vieles, was derzeit auf dem KI-Markt angeboten wird, sind Lösungen für maschinelles Lernen
Im Anschluss an diesen Punkt betont José Ventura, Data&AI Sales Specialist bei IBM, das Unternehmen: „Wir orientieren uns beim Einsatz dieser Technologie an den Bedürfnissen von Organisationen.“ Wir versuchen, den gesamten KI-Lebenszyklus abzudecken. Wir haben ein Open-Source-Modell. Und am Ende suchen wir nach der Möglichkeit, in jedem Fall das beste Modell auszuwählen. Nun ja, letztendlich gibt es für jeden Anwendungsfall kein gutes Modell für alles. Damit muss man spielen.“
Rafael Valdés, Solution Advisory Manager Business Technology Platform bei SAP, betont seinerseits, dass diese Technologie für das Unternehmen nichts Neues sei: „Seit fast 25, 30 Jahren wenden wir KI bereits auf unsere Geschäftsprozesse an.“ Wir wissen fast besser als jeder andere auf dem Markt: Software wie unsere, die in der Lage oder führend ist, alle Geschäftsprozesse oder Geschäftsbereiche in einem Unternehmen abzudecken, bietet SAP zentralisiert das, was wir als zentrale KI bezeichnen ist Joule, der bei allen Lösungen unser Copilot Cross sein wird.“
Während Carlos Polo, Director Line of Business Advanced Tech bei Seidor, und José González, Senior Manager Solution Engineering bei Salesforce, klarstellen, dass ihr Engagement für KI auf die Personalabteilung gerichtet ist, „haben wir ein generatives KI-Modell erstellt, das einfach über einen Teams-Kanal läuft.“ Wir sind in der Lage, Probleme online zu lösen und administrative Arbeit, in diesem Fall, auf die Personalabteilung zu verlagern. Darüber hinaus haben wir 50 dreistündige Schulungen und 50 Workshops mit IBEX 35 und nahe gelegenen Unternehmen durchgeführt. Denn wir haben unter anderem gesehen, dass es sehr reale Erwartungen an KI gab.“
Das Kundenerlebnis
Durch Technologien wie Chatbots, Datenanalyse und automatisierte Empfehlungen können Unternehmen die Bedürfnisse ihrer Kunden genauer antizipieren und erfüllen, wie es bei Salesforce der Fall ist. González erklärt, dass das Unternehmen bestrebt ist, Geschäftsanwendern KI näher zu bringen, um deren Produktivität und Effizienz zu steigern. „Dies geschieht auf drei Ebenen: Erstens durch „out of the box“-Funktionalitäten, die Benutzer direkt aktivieren können, wie beispielsweise Echtzeitunterstützung für Contact-Center-Agenten. Zweitens durch die Bereitstellung von Tools für Unternehmen, mit denen sie ihre eigenen KI-Anwendungsfälle sicher definieren können. Schließlich durch Konversations-CRM, das einen Copiloten umfasst, der in der Lage ist, Aufgaben auf der Salesforce-Plattform zu verstehen und auszuführen.“
Das Gleiche gelte auch für den Einzelhandel: „Wir beobachten in allen Branchen, dass Unternehmen Hilfe benötigen, um in Echtzeit auf Kundenwünsche reagieren zu können.“ Eine Kampagne im Voraus vorzubereiten ist nicht dasselbe wie schnell auf mögliche Anfragen zu reagieren. Die Fähigkeit, schnell und effizient zu reagieren, verbessert das Kundenerlebnis, was wiederum die Markentreue und den Umsatz steigert. Und ohne Zweifel spielt KI in diesem Sinne eine entscheidende Rolle“, sagt González.
In der Luftfahrt oder im öffentlichen Dienst erklärt Polo, dass ein Callcenter, das 256 Sprachen spricht, aus Kostengründen nicht tragbar wäre. Eine generative KI, die nicht standardmäßige Sprachen wie Baskisch oder Chinesisch versteht, kann jedoch Anrufe abfangen und übersetzen und Antworten in der Sprache des Kunden anbieten. Es wird auch erwähnt, wie KI bei bürokratischen Prozessen helfen kann, beispielsweise bei der Prüfung von 2.000 Bewerbungen für ein öffentliches Stellenangebot. „Anstatt jede Datei manuell zu prüfen, kann eine generative KI Kandidaten herausfiltern, die die Anforderungen nicht erfüllen, was die Arbeit der Beamten erleichtert und den Prozess optimiert“, fasst er zusammen.
Herausforderungen bei der Umsetzung
Matías Sosa von OVHcloud und José Ventura von IBM analysierten detailliert die größten Herausforderungen bei der Implementierung von KI. Sosa weist auf mehrere kritische Probleme hin: „Manchmal stehen viele Unternehmen vor unterschiedlichen Herausforderungen im Zusammenhang mit der Erfassung, Bereinigung, Datenorganisation und natürlich dem Datenschutz und der Einhaltung gesetzlicher Vorschriften.“ Die Sicherheit von KI-Modellen und -Daten ist derzeit von entscheidender Bedeutung und muss angegangen werden.“
José Ventura fügt hinzu, dass „die Produktivität von KI nicht einfach ist, das heißt, es ist eine Herausforderung, und wir müssen sehen, wie wir sie angehen“, kommentiert er und weist auf die Komplexität der Integration von KI in bestehende Systeme hin. Ventura hebt das Erbe der DevOps-Kultur bei der Verwaltung von KI-Workflows hervor, die jetzt MLOps oder AIOps genannt werden: „Es handelt sich um alle notwendigen Vorgänge, um alle Abläufe künstlicher Intelligenz zu automatisieren, damit sie im Unternehmen wieder produktiv sein kann.“
Aus einer anderen Perspektive konzentriert sich Rafael Valdés auf die Geschwindigkeit des technologischen Wandels und die Notwendigkeit eines tiefen Verständnisses seitens der IT-Abteilungen. „Wir haben festgestellt, dass diese Abteilungen häufig mit Technologien konfrontiert werden, die sich sehr schnell weiterentwickeln, sehr dynamisch sind und sich täglich ändern. Und es ist für sie schwierig, wirklich ein tiefes Verständnis dafür zu entwickeln, was getan werden kann und was nicht“, erklärt er.
Daten schützen und Integration sicherstellen
Sosa betont die Bedeutung der Datenanonymität zum Schutz der Privatsphäre: „In vielen Fällen werden die Daten anonymisiert und sogar Pseudonyme dafür erstellt, um die Personen oder Unternehmen, die hinter diesen Daten stehen, zu garantieren und zu schützen.“ Darüber hinaus unterstreicht es das Engagement von OVH für die Einhaltung von Vorschriften wie der DSGVO und die Notwendigkeit, Daten und Modelle kontinuierlich zu validieren, um Verzerrungen und Fehler zu vermeiden.
José Ventura von IBM betont die Bedeutung der Datensicherheit vor jeder Analyse: „Daten sind der größte Wert, den ein Unternehmen hat, daher müssen wir sicherstellen, dass diese Daten nicht zum Trainieren anderer Modelle verwendet werden.“ Ventura erwähnt außerdem, dass die IBM-Technologie für die nahtlose Integration mit anderen Systemen konzipiert ist und offene Standards wie API-Res verwendet.
Aus Sicht der Offenheit kommentiert Rafael Valdés: „Unsere generative KI bietet eine völlig offene Architektur, die sich in LLM oder Technologien von Drittanbietern integrieren lässt.“ Valdés versichert, dass der Kontext der Daten das Unternehmen des Kunden nicht verlässt und dass SAP über Ausschüsse verfügt, die sich der kontinuierlichen Überprüfung der Sicherheit und Ethik der KI widmen.
Carlos Polo betont seinerseits die Bedeutung der Verwendung nicht vertraulicher und maskierter Daten zur Gewährleistung der Sicherheit. „Datenmaskierung ist wichtig, weil sie verhindert, dass diese Daten einer Person oder einer bestimmten juristischen Person zugeordnet werden können.“ Polo hebt außerdem die Verfügbarkeit von On-Premise- und Open-Source-Lösungen hervor, die eine bessere Kontrolle über Daten ermöglichen.
Abschließend hebt José González die Unternehmensphilosophie in Bezug auf Vertrauen und Datenschutz hervor. „Für uns ist Vertrauen seit seiner Gründung der wichtigste Wert von Salesforce. Salesforce stellt sicher, dass Kundendaten nicht ohne Erlaubnis zum Trainieren zukünftiger Modelle verwendet werden und dass alle sensiblen Daten maskiert werden, bevor sie an die LLMs gesendet werden, mit denen sie Vereinbarungen haben.“
