Der Versuch, die künstliche Intelligenz (KI) der 1980er Jahre mit den heutigen Möglichkeiten in den Bereichen Machine Learning und generativer KI (GenAI) zu vergleichen, ist ein wenig unfair: Damals kosteten KI-Systeme Millionen und boten wesentlich weniger intelligente Funktionen.

Was sich jedoch sehr wohl vergleichen lässt sind die Fehler, die in Zusammenhang mit KI begangen werden. Der offensichtlichste: die Technologie für Use Cases einzusetzen, in denen sie keinen Nutzen oder Mehrwert bringt. Das war auch ursächlich dafür, dass sich KI in der Computer-Frühzeit nicht durchsetzen konnte. Und obwohl sich die Technologie inzwischen enorm weiterentwickelt hat und deutlich kostengünstiger ist, wiederholen sich die alten Fehler.

Das ist umso unverständlicher, wenn man bedenkt, dass diverse solide Anwendungsfälle für GenAI existieren - viele Firmen sich aber stattdessen lieber auf Cases stürzen, in denen die Technologie vor allem Kosten und Risiken verursacht, aber keinen oder unzureichenden Geschäftswert generiert. Diese Unternehmen könnten in ein paar Jahren auf enorm teuren GenAI-Systemen sitzen, die von noch teureren Spezialisten gebaut wurden - nur vom erwarteten Nutzwert ist nichts zu sehen.

3 Wege zur Business Value mit GenAI

Diese Situation ließe sich allerdings vollständig vermeiden, wenn Unternehmen dazu übergehen, generative KI strategisch einzusetzen. Dazu sollten Sie sich unter anderem auf die Anwendungsfälle fokussieren, die nachgewiesenermaßen für die Technologie gut geeignet sind. Wie die folgenden drei, die wohl die gängigsten darstellen.

1. Natural Language Generation

Mit Natural Language Generation (NLG) können Unternehmen enormen Wert schaffen. Beispielsweise, indem sie eine hochwertigere Customer Experience durch personalisierte Kommunikation schaffen.

Viele Stellen im Bereich Kundenservice könnten künftig durch NLG-Automatisierung wegfallen. Die Unternehmen werden davon profitieren, schließlich können sie wesentlich mehr mit weniger menschlichen Ressourcen erreichen. Richtig gemacht, kann NLG Mehrwerte und ein besseres Kundenerlebnis realisieren, während die Unternehmen gleichzeitig sparen.

2. Empfehlungssysteme

Empfehlungssysteme sind die Fähigkeit von KI-gestützten Systemen, Empfehlungen für E-Commerce-, Streaming- und Inhaltsplattformen zu personalisieren. Das ist nichts Neues, aber mit GenAI erreichen diese Systeme ein neues Level an Effektivität - sie realisieren für jedes Unternehmen, das Produkte verkauft, den höchsten Return on Investment.

Sie ermöglichen es, mit Kunden durch dynamisch generierte Interaktionen auf granularer Ebene zu kommunizieren. Sobald diese Systeme herausgefunden haben, dass Sie sich beispielsweise für Fahrradzubehör interessieren, werden Ihnen eine einzigartige Schriftart, eine unterschwellige Botschaft, ein Farbschema, benutzerdefinierte Bilder und sogar ein individueller Preis für Produkte angezeigt. All das ist dynamisch darauf ausgerichtet, Endorphine freizusetzen und die potenziellen Käufer in Konsumlaune zu versetzen.

3. Anomalieerkennung

Bei der Anomalieerkennung werden irreguläre Muster oder Datenausreißer identifiziert. Anwendungsfälle hierfür wären etwa Betrugserkennung oder Systemüberwachung.

Auch in diesem Bereich wird generative KI optimieren und Muster schneller erkennen, Trends identifizieren und Erklärungen liefern. Diese können im Anschluss dazu genutzt werden, Prozesse so anzupassen, dass maximaler Geschäftswert erzielt wird. (fm)

Dieser Beitrag basiert auf einem Artikel unserer US-Schwesterpublikation Infoworld.