5 Schritte, um KI in Ihr Unternehmen zu integrieren, ohne das Budget zu übersteigen

Künstliche Intelligenz boomt weiter und wird, wenn sie in jede Branche eindringt, unsere Lebensweise vollständig verändern.

Deshalb ist die Integration von KI in ihre Unternehmen für viele Gründer ein absolutes Muss geworden. Sogar Einzelpersonen suchen nach Möglichkeiten, KI zu nutzen, um ihr persönliches Leben zu verbessern.

Die Hype ist so groß, dass das Collins Dictionary, eine renommierte Sprachbehörde, KI zum Wort des Jahres ernannt hat, wegen ihres Popularitätsanstiegs.

Wie diese Fälle zeigen, können Unternehmen viele Fehler mit KI machen, und es sei denn, ein Unternehmen hat das finanzielle Polster von Amazon, Google, Microsoft oder Meta, können diese fehlgeschlagenen Experimente ein Unternehmen effektiv in den Bankrott treiben.

Wenn Sie ein Gründer oder Unternehmer sind, hier ist ein Leitfaden mit fünf Schritten, um Ihnen zu helfen, KI in Ihr Unternehmen zu integrieren, während Sie gleichzeitig einen verantwortungsvollen Umgang mit Ihren Ressourcen – Geld und Zeit, was letztendlich Geld ist – machen und die Möglichkeit von fatalen Fehlern reduzieren.

1. Seien Sie klar über das Problem, das Sie lösen möchten

Kein Unternehmen ist immun gegen KI-Fehler. Und wie Amazon schmerzhaft festgestellt hat – durch seine gescheiterten kassiererlosen Geschäfte Amazon Go – benötigt nicht jedes Unternehmen KI.

Deshalb ist es entscheidend, dass Sie das Problem definieren, das Sie mit KI lösen möchten. Dies muss so genau wie möglich umrissen werden.

Ein häufiges Anwendungsgebiet von KI ist der Kundensupport. Die Implementierung von KI in einem solchen Fall ist möglich, um bestimmte Ergebnisse zu erzielen, zum Beispiel, die Kosten für den Call-Center-Betrieb um X Geldbetrag pro Monat zu reduzieren oder die durchschnittliche Zeit, die zum Lösen von Kundenanfragen benötigt wird, um X Minuten zu beschleunigen. Mit diesem Ansatz haben wir einen messbaren Indikator in Form von Geld oder Zeit, den wir durch die Implementierung von KI zu erreichen versuchen und prüfen, ob dies eine Auswirkung hat.

Es gibt verschiedene Möglichkeiten, wie dies geschehen kann. Zum Beispiel können wir anstelle eines Chatbots einen Dienst entwickeln oder kaufen, der bestimmt, ob eine Kundenanfrage mit einer FAQ-Seite beantwortet werden kann. Es funktioniert wie folgt. Wenn ein Kunde eine Nachricht schreibt, führen wir dieses Modell aus und es teilt uns entweder mit, dass wir dieses Gespräch an einen Agenten übertragen müssen, oder zeigt ihnen eine relevante Seite mit einer Antwort auf ihre Frage. Die Entwicklung dieses Modells ist schneller und günstiger als der Bau eines komplexen Chatbots von Grund auf. Wenn diese Implementierung erfolgreich ist, erreichen wir unser Ziel, die Kosten zu reduzieren, während wir gleichzeitig unsere KI-bezogenen Kapitalausgaben optimieren, im Vergleich zu den Kosten für den Bau eines Chatbots.

Ein Pionier in diesem Ansatz war Matten Law, eine in Kalifornien ansässige Anwaltskanzlei, die einen KI-gestützten Assistenten integriert hat, um viele Aufgaben zu automatisieren und es den Anwälten ermöglicht, mehr Zeit damit zu verbringen, Kunden zuzuhören und die Aspekte eines Falls zu studieren, die am relevantesten sind. Dies zeigt, dass sogar die rigidesten Branchen durch KI in einer Weise gestört werden können, die die Benutzererfahrung stärkt, indem sie den menschlichen Touch verstärken, wo er am meisten benötigt wird.

Weitere häufige Probleme, die mit Hilfe von KI gelöst werden können, umfassen Datenanalyse und die Erstellung von maßgeschneiderten Angeboten. Spotify ist ein außergewöhnliches Beispiel für ein Unternehmen, das KI erfolgreich nutzt, um ein intelligentes System für Musikempfehlungen zu entwickeln, das so weit geht, dass es den Zeitpunkt des Tages berücksichtigt, an dem jemand Musik hört.

In beiden oben genannten Szenarien hilft KI dabei, eine bessere Erfahrung für den Kunden zu bieten. Der Grund, warum diese Unternehmen KI erfolgreich eingesetzt haben, war jedoch, dass sie sehr klar darüber waren, welche Aspekte an KI übertragen werden sollten.

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

Sobald das Hauptproblem klar definiert ist, müssen wir die Daten berücksichtigen, die wir dem System zuführen müssen. Es ist wichtig zu beachten, dass KI ein Algorithmus ist, der die Daten analysiert und anpasst, die wir bereitstellen. Das grundlegende Szenario für die Datenerfassung ist wie folgt:

1. Verstehen Sie, welche Daten Sie benötigen, um KI zu implementieren.

2. Überprüfen Sie, ob Ihr Unternehmen diese Daten hat.

   1. Wenn es sie hat – großartig.

   2. Wenn nicht, müssen Sie sich hinsetzen und herausfinden, ob Sie den richtigen Datenerfassungsprozess in-house starten können. Als weitere Möglichkeit können Sie Entwickler bitten, die Daten zu speichern, die Sie benötigen, wenn Sie dies noch nicht tun.

Hier ist ein Beispiel. Wir besitzen ein Café und benötigen Daten darüber, wie viele Kunden es besuchen. Wir können dies tun, indem wir personalisierte Treuekarten implementieren, die die Kunden bei einem Kauf vorzeigen. Auf diese Weise haben wir die Daten, die wir benötigen, wie zum Beispiel, welche Kunden kamen, wann sie kamen, was sie kauften und in welcher Menge. Sobald wir diese Daten haben, können wir sie nutzen, um KI zu implementieren. Es gibt jedoch Fälle, in denen die Erfassung dieser Daten sehr teuer sein kann. Und das ist der Moment, in dem KI zu unserer Rettung kommen kann. Zum Beispiel, wenn wir in unserem Café eine Kamera installiert haben – was wir zumindest aus Sicherheitsgründen tun sollten – könnten wir diese nutzen, um Daten von unseren Kunden zu sammeln. Ich muss jedoch sagen, dass es vor der Implementierung wichtig ist, sich über die Gesetze zum Schutz personenbezogener Daten, wie die DSGVO, zu informieren, da dieser Ansatz nicht in jedem Land funktionieren kann. Aber in den Ländern, in denen er erlaubt ist, kann dies eine nahtlose Möglichkeit sein, die erforderlichen Informationen zu sammeln und KI zu nutzen, um sie zu analysieren und zu verarbeiten.

Wenn Sie sich fragen, ist dies, was Starbucks getan hat, mit großem Erfolg. Starbucks’ Belohnungsprogramm ging so weit, personalisierte Anreize anzubieten, wenn 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 optimiert werden können oder müssen, um KI zu nutzen.

Wenn dies der Fall ist, können Sie damit beginnen, Ihren gesamten Prozess in Stufen zu unterteilen und die Phasen zu identifizieren, in denen Sie das Gefühl haben, dass Ihr Unternehmen unterperformt. Welche Bereiche verursachen unnötige Kosten? Was dauert länger als üblich? Durch die Beantwortung dieser Fragen können Sie die kritischen Bereiche für die Verbesserung identifizieren und entscheiden, ob KI hilfreich sein kann.

Wie Sie feststellen werden, gibt es Fälle, in denen herkömmliche Lösungen effektiver sein können. Wenn Sie Schwierigkeiten haben, welche Produktangebote Sie Ihren Kunden anbieten sollten, sind Vorschläge auf der Grundlage der beliebtesten Produkte häufig effektiver in Empfehlungssystemen für den Markt als Versuche, das Benutzerverhalten vorherzusagen. Versuchen Sie es daher zuerst. Sobald Sie ein Ergebnis haben – ob positiv oder negativ – können Sie eine Hypothese für KI-Tests erstellen. Andernfalls ist das Feld der Aktion zu vage, und Sie können Zeit und Geld verschwenden.

4. Nutzen Sie die bereits existierenden Lösungen

Viele Unternehmen versuchen, sofort ihre eigenen maschinellen Lernalgorithmen zu entwerfen. Wenn Sie jedoch nicht vorhaben, sie mit großen Datensätzen über einen längeren Zeitraum zu trainieren, sollten Sie dies nicht tun. Es wird sehr teuer und zeitaufwändig sein.

Stattdessen empfehle ich, dass Sie sich auf Lösungen konzentrieren, die bereits verfügbar sind. Unternehmen wie Amazon, Google, Microsoft und viele andere haben KI-gestützte Tools, die Ihnen helfen können, viele Ziele zu erreichen. Dann können Sie allmählich einen Vertrag mit einem von ihnen abschließen und einen internen Entwickler einstellen, um die notwendigen API-Anfragen geschickt zu konfigurieren.

Die grundlegende Idee ist, dass diese Tools von Geschäftsentwicklern (nicht ML-Spezialisten) integriert werden können, was es uns ermöglicht, schnell die Hypothese zu testen, ob KI die erwartete Wirkung hat oder nicht. Wenn sie nicht funktioniert, können wir diese Tools einfach deaktivieren, und unsere Kosten für das Testen unserer Hypothese wären nur die Entwicklerzeit, die wir für die Integration mit diesem Dienst aufgewendet haben, und der Betrag, den wir für die Nutzung des Tools bezahlt haben. Wenn wir ein Modell entwickeln würden, würden wir das Gehalt des ML-Spezialisten multipliziert mit der Zeit, die er für die Entwicklung des Modells aufwendet, plus eventuelle Infrastrukturkosten ausgeben. Und dann ist es nicht klar, was wir mit dem Entwickler und dem Modell tun, wenn am Ende die erwartete Wirkung nicht da ist.

Wenn unsere Hypothese bestätigt wird und das KI-gestützte Tool die erwartete Wirkung hat, freuen wir uns und erstellen eine neue Hypothese. In der Zukunft, wenn wir vorhersehen, dass die Kosten für das Tool erheblich steigen, können wir überlegen, ob wir dieses Modell selbst entwickeln sollten, um die Kosten noch weiter zu senken. Aber wir müssen zuerst bewerten, ob die Entwicklungskosten tatsächlich geringer sind als das, was wir zahlen würden, um ein Tool von einem anderen Unternehmen zu verwenden, das auf die Entwicklung dieser Tools spezialisiert ist.

Mein Rat ist, dass Sie die Entwicklung Ihres eigenen maschinellen Lernalgorithmus erst in Betracht ziehen, nachdem Sie gute Ergebnisse mit der Verwendung von KI mit den oben genannten Tools erzielt haben und wenn Sie sicher sind, dass KI der richtige Weg ist, Ihr Problem langfristig zu lösen. Andernfalls wird Ihr ML-Projekt nicht den Wert liefern, den Sie suchen, und wie ein brillanter jüngster Artikel von der Harvard Business Review sagte, wird die KI-Hype nur von Ihrer Mission ablenken, die keine KI benötigt.

5. Konsultieren Sie KI-Spezialisten

Ebenso ist ein weiterer sehr häufiger Fehler, den Gründer und Unternehmer machen, dass sie versuchen, alles in-house zu tun. Sie stellen einen KI-Chefingenieur oder Forscher ein und dann mehr Leute, um ein Team zu bilden, das ein Spitzenprodukt erstellen kann. Allerdings ist diese Technologie für den Zweck Ihres Unternehmens wertlos, wenn Sie keine ordnungsgemäße KI-Implementierungsstrategie haben. Es gibt auch Fälle, in denen sie einen Junior-ML-Ingenieur einstellen, um Geld im Vergleich zum Einstellen eines erfahrenen Spezialisten zu sparen. Dies ist auch gefährlich, da eine Person ohne Erfahrung die Feinheiten der ML-Systementwicklung und -gestaltung nicht kennt und “Anfängerfehler” machen kann, für die das Unternehmen einen zu hohen Preis zahlen muss, der fast immer den Preis für die Einstellung eines erfahrenen ML-Spezialisten übersteigt.

Deshalb empfehle ich, dass Sie zunächst einen KI-Experten einstellen, wie einen Berater, der Sie auf dem Weg begleitet und Ihren KI-Adoptionsprozess bewertet. Nutzen Sie seine Expertise, 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 Start-up in der Frühphase sind und sich Sorgen über die Finanzierung machen, gibt es einen Hack dafür: Kontaktieren Sie KI-Ingenieure auf LinkedIn mit spezifischen Fragen. Glauben Sie es oder nicht, viele ML- und KI-Experten lieben es, zu helfen, sowohl weil sie wirklich in das Thema vertieft sind, als auch weil sie, wenn sie Ihnen helfen, es als positives Fallbeispiel für ihr Beratungsportfolio verwenden können.

Schlussgedanken

Mit all dem Hype, der KI umgibt, ist es normal, dass Sie möglicherweise eifrig darauf sind, KI in Ihr Unternehmen zu integrieren und eine KI-gestützte Lösung zu entwickeln, die Sie auf das nächste Level bringt. Sie müssen jedoch daran denken, dass die Tatsache, dass jeder über KI spricht, bedeutet, dass Ihr Unternehmen KI benötigt. Viele Unternehmen rushes, KI zu integrieren, ohne ein klares Ziel im Sinn, und enden damit, enorme Mengen an Geld und Zeit zu verschwenden. In einigen Fällen, insbesondere für Start-ups, kann dies bedeuten, ihr Ende. Durch die klare Formulierung eines Problems, die Sammlung relevanter Daten, das Testen einer Hypothese und die Verwendung der bereits verfügbaren Tools mit Hilfe eines Experten können Sie KI integrieren, ohne die finanziellen Ressourcen Ihres Unternehmens zu erschöpfen. Dann, wenn die Lösung funktioniert, können Sie allmählich aufwärts skalierten und KI in die Bereiche integrieren, in denen sie die Effizienz oder Rentabilität Ihres Unternehmens steigert.