5 Schritte zur Implementierung von KI in Ihrem Unternehmen, ohne die Bank zu sprengen

Künstliche Intelligenz boomt weiter und wenn sie weiterhin in alle Branchen vordringt, wird sie unsere Lebensweise völlig verändern.

Aus diesem Grund hat die Integration von KI in ihr Unternehmen für viele Gründer höchste Priorität. Sogar Einzelpersonen suchen nach Möglichkeiten, KI zu nutzen, um ihr Privatleben zu verbessern.

Der Hype ist so groß, dass Collins Dictionary, eine wegweisende Sprachautorität, ihn benannt hat KI als Begriff des Jahres, weil es immer beliebter wird.

Allerdings klafft bei den meisten Unternehmen eine große Lücke zwischen Idee und Realität, wenn sie versuchen, KI in ihre Prozesse zu integrieren, da der Weg nicht so einfach ist, wie es scheint, und er sowohl im Hinblick auf die Investitionsausgaben als auch sehr teuer sein kann notwendig und in verschwendeter Zeit, weil die Entwicklungen nicht die erwarteten Ergebnisse bringen werden. Das ist gelandet Mehrere Unternehmen in Schwierigkeiten. Zum Beispiel CNET experimentierte mit KI-geschriebenen Artikeln, und sie erwiesen sich als voller Mängel. Andere Unternehmen, wie die iTutor Group, müssen mit hohen Geldstrafen rechnen zusätzlich zum öffentlichen Spott wegen ihrer schlechten KI-Implementierungen.

Wie diese Fälle zeigen, können Unternehmen mit KI viele Fehler machen, und wenn ein Unternehmen nicht über das finanzielle Polster von Amazon, Google, Microsoft oder Meta verfügt, können diese fehlgeschlagenen Experimente ein Unternehmen praktisch in den Bankrott treiben.

Wenn Sie Gründer oder Geschäftsinhaber sind, finden Sie hier einen Leitfaden mit fünf Schritten, der Ihnen dabei hilft, KI in Ihrem Unternehmen zu implementieren und dabei Ihre Ressourcen – Geld und Zeit, die letztendlich Geld sind – umsichtig zu nutzen und gleichzeitig die Möglichkeit tödlicher Folgen zu verringern Fehler.

1. Machen Sie sich klar, welches Problem Sie lösen möchten

Kein Unternehmen ist vor KI-Ausfällen gefeit. Und wie Amazon schmerzlich feststellen musste – durch seine ins Wanken geratenen kassenlosen Läden Amazon Go –Nicht jeder Geschäftsfall braucht KI.

Daher ist es wichtig, dass Sie das Problem definieren, das Sie mit KI lösen möchten. Dies muss so klar wie möglich dargelegt werden.

Eine häufige Anwendung von KI ist beispielsweise der Kundensupport. Die Implementierung von KI ist in einem solchen Fall auf eine Art und Weise möglich, die zu bestimmten Ergebnissen führt, beispielsweise zu einer Reduzierung der Call-Center-Kosten um X Geldbeträge pro Monat oder zu einer Verkürzung der durchschnittlichen Bearbeitungszeit von Kundenanfragen um Mit diesem Ansatz haben wir einen messbaren Indikator in Form von Geld oder Zeit, den wir durch den Einsatz von KI zu erreichen versuchen und schauen, ob dies Auswirkungen hat.

Dafür gibt es verschiedene Möglichkeiten. Anstelle eines Chatbots können wir beispielsweise einen Dienst entwickeln oder kaufen, der prüft, ob die Anfrage eines Kunden mit einer FAQ-Seite beantwortet werden kann. Das funktioniert folgendermaßen: Wenn ein Kunde eine Nachricht schreibt, führen wir dieses Modell aus. Es weist uns entweder darauf hin, dass wir das Gespräch an einen Agenten weiterleiten müssen, oder zeigt dem Kunden eine relevante Seite mit der Antwort auf seine Frage an. Die Entwicklung dieses Modells ist schneller und günstiger als die Entwicklung eines komplexen Chatbots von Grund auf. Wenn diese Implementierung gelingt, erreichen wir unser Ziel, Kosten zu senken und gleichzeitig unsere KI-bezogenen Investitionen im Vergleich zu den Kosten für die Entwicklung eines Chatbots zu optimieren.

Ein Pionier dieses Ansatzes war Matten Law, eine in Kalifornien ansässige Anwaltskanzlei integrierte eine KI-gestützte Mit diesem Assistenten können viele Aufgaben automatisiert werden, sodass Anwälte mehr Zeit damit verbringen können, den Mandanten zuzuhören und sich mit den relevantesten Aspekten eines Falles zu befassen. Dies zeigt, dass selbst die starrsten Sektoren durch KI auf eine Weise verändert werden können, die das Benutzererlebnis verbessert, indem die menschliche Note dort verstärkt wird, wo sie am meisten benötigt wird.

Weitere häufige Probleme, die mit Hilfe von KI gelöst werden könnten, sind die Datenanalyse und die Erstellung maßgeschneiderter Angebote. Spotify ist ein außergewöhnliches Beispiel für ein Unternehmen, das KI erfolgreich nutzt, um ein intelligentes System für Musikempfehlungen zu entwickeln unter Berücksichtigung der Tageszeit, zu der jemand ein bestimmtes Genre hört.

In beiden oben genannten Szenarien trägt KI dazu bei, dem Kunden ein besseres Erlebnis zu bieten. Der Grund, warum diese Unternehmen KI jedoch erfolgreich einsetzten, lag darin, dass ihnen sehr klar war, welche Aspekte an KI delegiert werden mussten.

2. Entscheiden Sie sich für die Daten, die Sie analysieren müssen

Sobald das Hauptproblem klar definiert ist, müssen wir die Daten berücksichtigen, mit denen wir das System versorgen müssen. Es ist wichtig, sich daran zu erinnern, dass KI ein Algorithmus ist, der die von uns bereitgestellten Daten analysiert und sich an sie anpasst. Das Grundszenario für die Datenerfassung sieht wie folgt aus:

1. Verstehen Sie, welche Daten wir möglicherweise zur Implementierung von KI benötigen.

2. Sehen Sie nach, ob unser Unternehmen über diese Daten verfügt.

   1. Wenn ja, großartig.

   2. Wenn nicht, müssen wir uns zusammensetzen und überlegen, ob wir den richtigen Datenerfassungsprozess intern starten können. Alternativ können wir Entwickler bitten, die benötigten Daten zu speichern, falls wir dies noch nicht tun.

Hier ein Beispiel: Wir besitzen ein Café und benötigen Daten über die Anzahl der Kunden. Dies können wir erreichen, indem wir personalisierte Kundenkarten einführen, die die Kunden beim Einkauf vorzeigen. So erhalten wir die benötigten Daten, z. B. welche Kunden wann gekommen sind, was sie gekauft haben und in welcher Menge. Sobald diese Daten vorliegen, können wir KI implementieren. Manchmal kann die Datenerfassung jedoch sehr kostspielig sein. Und genau dann kann KI uns helfen. Wenn wir beispielsweise eine Kamera in unserem Café installieren – was zumindest aus Sicherheitsgründen sinnvoll wäre – könnten wir diese nutzen, um Daten unserer Kunden zu erfassen. Vor der Implementierung ist es wichtig, sich über Datenschutzgesetze wie die DSGVO zu informieren, da dieser Ansatz nicht in jedem Land funktioniert. In den Ländern, in denen dies zulässig ist, kann dies jedoch eine nahtlose Möglichkeit sein, die benötigten Informationen zu sammeln und KI bei der Analyse und Verarbeitung zu unterstützen.

Wenn Sie sich fragen: Dieses personalisierte Treueprogramm ist es was Starbucks getan hat, mit großem Erfolg. Das Prämienprogramm von Starbucks ging sogar so weit, personalisierte Anreize zu bieten, wann immer ein Kunde seinen bevorzugten Standort besuchte oder sein Lieblingsgetränk bestellte.

3. Definieren Sie eine Hypothese

Es kann Situationen geben, in denen Sie unsicher sind, welche Prozesse durch KI optimiert werden können oder müssen.

Wenn dies bei Ihnen der Fall ist, können Sie damit beginnen, Ihren gesamten Prozess in Phasen zu unterteilen und die Phasen zu identifizieren, in denen Sie das Gefühl haben, dass Ihr Unternehmen leistungsschwach ist. Für welche Bereiche geben Sie zu viel Geld aus? Was dauert länger als gewöhnlich? Durch die Beantwortung dieser Fragen können Sie die kritischen Verbesserungsbereiche identifizieren und entscheiden, ob KI hilfreich sein kann.

Wie Sie feststellen werden, gibt es Fälle, in denen herkömmliche Lösungen möglicherweise effektiver sind. Wenn Sie nicht wissen, welche Produktangebote Sie Ihren Kunden hervorheben sollen, sind Vorschläge auf der Grundlage der beliebtesten Produkte in Marktempfehlungssystemen häufig weitaus effektiver als Versuche, das Benutzerverhalten vorherzusagen. Versuchen Sie es daher zunächst einmal. Sobald Sie ein Ergebnis haben – ob positiv oder negativ – können Sie eine Hypothese für KI-Tests aufstellen. Andernfalls wird das Handlungsfeld zu vage und Sie verschwenden möglicherweise Zeit und Geld.

4. Nutzen Sie die bereits vorhandenen Lösungen

Viele Unternehmen wollen sofort ihre eigenen Algorithmen für maschinelles Lernen entwickeln. Wenn Sie jedoch nicht vorhaben, sie über einen längeren Zeitraum mit umfangreichen Datensätzen zu trainieren, sollten Sie davon absehen. Es wird sehr teuer und zeitaufwändig sein.

Stattdessen schlage ich vor, dass Sie sich auf bereits verfügbare Lösungen konzentrieren. Unternehmen wie Amazon, Google, Microsoft und viele andere verfügen über KI-gestützte Tools, die Ihnen beim Erreichen vieler Ziele helfen können. Dann könnten Sie nach und nach einen Vertrag mit einem von ihnen abschließen und einen internen Entwickler beauftragen, die notwendigen API-Anfragen geschickt zu konfigurieren.

Die Grundidee besteht darin, dass diese Tools von Business-Entwicklern (nicht von ML-Spezialisten) integriert werden können. So können wir schnell die Hypothese testen, ob KI den erwarteten Effekt bringt oder nicht. Sollte dies nicht der Fall sein, können wir diese Tools einfach deaktivieren. Unsere Kosten für den Test unserer Hypothese belaufen sich dann nur noch auf die Entwicklerzeit, die wir für die Integration in den Dienst aufgewendet haben, und den Betrag, den wir für die Nutzung des Tools bezahlt haben. Würden wir ein Modell entwickeln, müssten wir das Gehalt des ML-Spezialisten multipliziert mit der Zeit aufwenden, die er für die Modellentwicklung aufgewendet hat, zuzüglich etwaiger Infrastrukturkosten. Und dann ist unklar, was mit dem Entwickler und dem Modell geschehen soll, wenn der erwartete Effekt am Ende nicht eintritt.

Wenn unsere Hypothese bewiesen ist und das KI-gestützte Tool den erwarteten Effekt bringt, freuen wir uns und stellen eine neue Hypothese auf. Wenn wir in Zukunft absehen, dass die Kosten des Werkzeugs erheblich steigen, können wir darüber nachdenken, dieses Modell selbst zu entwickeln und so die Kosten noch weiter zu senken. Aber wir müssen zunächst beurteilen, ob die Entwicklungskosten tatsächlich geringer sind als die Kosten, die wir für die Verwendung eines Tools eines anderen Unternehmens zahlen würden, das auf die Entwicklung dieser Tools spezialisiert ist.

Mein Rat ist, dass Sie erst dann über die Entwicklung eines eigenen Produkts für maschinelles Lernen nachdenken, wenn Sie durch den Einsatz von KI mit den oben genannten Tools gute Ergebnisse erzielt haben und wenn Sie sicher sind, dass KI langfristig der richtige Weg zur Lösung Ihres Problems ist. Andernfalls wird Ihr ML-Projekt nicht den Wert liefern, den Sie suchen, und wie es in einem brillanten aktuellen Artikel der Harvard Business Review heißt: Der KI-Hype wird Sie nur von Ihrer Mission ablenken, was keine KI braucht.

5. Konsultieren Sie KI-Spezialisten

Ein weiterer sehr häufiger Fehler von Gründern und Geschäftsinhabern besteht darin, dass sie versuchen, alles intern zu erledigen. Sie stellen einen KI-Chefingenieur oder -Forscher und dann noch mehr Leute ein, um ein Team zu bilden, das ein hochmodernes Produkt entwickeln kann. Diese Technologie ist jedoch für den Zweck Ihres Unternehmens wertlos, wenn Sie nicht über eine ordnungsgemäß definierte KI-Implementierungsstrategie verfügen. Es gibt auch den Fall, dass sie einen Junior-ML-Ingenieur einstellen, um im Vergleich zur Einstellung eines erfahreneren Spezialisten Geld zu sparen. Dies ist auch gefährlich, da eine Person ohne Erfahrung möglicherweise die Feinheiten der Entwicklung und des Designs von ML-Systemen nicht kennt und „Anfängerfehler“ macht, für die das Unternehmen einen zu hohen Preis zahlen muss, der fast immer den Preis für die Einstellung einer erfahrenen Person übersteigt ML-Spezialist.

Daher empfehle ich Ihnen, zunächst einen KI-Experten wie einen Berater zu beauftragen, der Sie auf Ihrem Weg begleitet und Ihren KI-Einführungsprozess bewertet. Nutzen Sie ihr Fachwissen, um sicherzustellen, dass das Problem, an dem Sie arbeiten, KI erfordert und dass die Technologie effektiv skaliert werden kann, um Ihre Hypothese zu beweisen.

Wenn Sie ein junges Start-up-Unternehmen sind und sich Sorgen um die Finanzierung machen, können Sie sich hierfür mit konkreten Fragen an KI-Ingenieure auf LinkedIn wenden. Ob Sie es glauben oder nicht, viele ML- und KI-Experten helfen gerne, weil sie sich wirklich mit dem Thema beschäftigen und weil sie es als positive Fallstudie für ihr Beratungsportfolio nutzen können, wenn es ihnen gelingt, Ihnen weiterzuhelfen.

Abschließende Gedanken

Bei all dem Hype um KI ist es normal, dass Sie sie gerne in Ihr Unternehmen integrieren und eine KI-gestützte Lösung entwickeln möchten, die Sie auf die nächste Stufe bringt. Sie müssen jedoch bedenken, dass die Tatsache, dass alle über KI sprechen, bedeutet, dass Ihr Unternehmen KI braucht. Leider beeilen sich viele Unternehmen mit der Integration von KI, ohne ein klares Ziel vor Augen zu haben, und verschwenden dabei enorm viel Geld und Zeit. In manchen Fällen, insbesondere für Unternehmen in der Anfangsphase, kann dies den Untergang bedeuten. Indem Sie ein Problem klar formulieren, relevante Daten sammeln, eine Hypothese testen und mithilfe eines Experten die bereits verfügbaren Tools nutzen, können Sie KI integrieren, ohne die finanziellen Ressourcen Ihres Unternehmens zu belasten. Wenn die Lösung dann funktioniert, können Sie die KI schrittweise ausbauen und in den Bereichen integrieren, in denen sie die Effizienz oder Rentabilität Ihres Unternehmens steigert.