Fünf Gründe, warum AI-Algorithmen in der operativen Unternehmensführung schwer zu implementieren sind

Von: Evgeniya Malina, Leiterin der Geschäftsstrategie und -operationen bei Food Rocket.

Laut einer aktuellen Studie des McKinsey Global Institute wird künstliche Intelligenz den globalen Wirtschaftsausstoß bis 2030 um 13 Billionen Dollar steigern.

Allerdings kommen damit auch Herausforderungen und ungewollte Konsequenzen. Einige der häufigsten Risiken und Herausforderungen bei der Implementierung von künstlicher Intelligenz sind Datenschutzbedenken, die Unfähigkeit, zu generalisieren, und ein genereller Mangel an Vertrauen.

Nachfolgend sind drei Herausforderungen im Zusammenhang mit künstlicher Intelligenz, die sich speziell auf die operative Unternehmensführung von Unternehmen auswirken.

1. Schlechte Datenqualität

Das Wichtigste, was ein robuster Algorithmus benötigt, sind Daten. Um einen Algorithmus ordnungsgemäß zu trainieren, müssen ihm große Mengen an präzisen, hochwertigen Daten gefüttert werden. Leider ist es nicht immer leicht, diese Daten zu erhalten, und ein Bericht von Gartner aus dem Jahr 2020 weist darauf hin, dass eine schlechte Datenqualität Ihrem Unternehmen etwa 13 Millionen Dollar pro Jahr kosten kann.

Zum Beispiel können einige Prozesse möglicherweise keine digitale Spur haben, wenn Sie gerade erst anfangen. Es gibt keine Daten, die Sie in einen Algorithmus einfüllen können, in diesen Fällen. Alles, was Sie geben, sind nur Hypothesen und fundierte Vermutungen, was zwei Probleme aufwirft.

Erstens führt dies zu signifikante menschliche Vorurteile in Ihren Prozess von Anfang an. Zweitens bedeutet es, dass die Ergebnisse des Algorithmus einfach eine Erweiterung Ihrer besten Vermutungen sind. Letztendlich bleiben Ihnen damit eine unsichere Datenlandschaft und ein unzuverlässiger, instabiler Entscheidungsprozess.

2. Navigation von “Cold Starts” und Mitarbeiterengagement

Automatisierung ist hervorragend für die Optimierung bestehender Prozesse, aber der Kompromiss ist der “Cold Start”. Dies ist der Zeitpunkt, an dem Sie einen Prozess ohne historische Daten beginnen müssen, auf denen die künstliche Intelligenz ihre Routine basieren kann. In jedem Fall wird die künstliche Intelligenz Schwierigkeiten haben, diese Hürde zu überwinden.

Laut Harvard Business Review verbringen 80 Prozent oder mehr der Zeit eines IT-Teams damit, inkonsistente Daten für Algorithmen zu verbessern und zu verfeinern

Es erfordert oft einen erheblichen Einsatz menschlicher Arbeitskraft, um der künstlichen Intelligenz über diesen “Cold Start”-Hügel zu helfen und den reibungslosen Betrieb wieder aufzunehmen.

In meiner Erfahrung kann dies zu schwerwiegenden Störungen in der Lieferkettenverwaltung führen und Unternehmen erhebliche Einnahmen kosten. Wir alle wissen, dass die künstliche Intelligenz noch nicht ausreichend entwickelt ist, um alle Aspekte eines operativen Managementsystems zu bewältigen. Dies bedeutet, dass jede von Ihrem Unternehmen genutzte künstliche Intelligenz-Lösung mit menschlichen Entscheidungsprozessen überschneidet.

Während dies eine gute Sache sein kann, kann es auch zu einer Desinvestition des persönlichen Verantwortungsbewusstseins der Mitarbeiter führen. In einigen Fällen fühlen sich Mitarbeiter, als ob sie sich von einer Entscheidung distanzieren könnten, weil “die künstliche Intelligenz es getan hat”.

Darüber hinaus ist es üblich, dass die Einführung eines neuen Algorithmus mit einem deutlichen Rückgang der Qualitätsmetriken einhergeht. In meiner Erfahrung ist dies ein Paradox, das darauf zurückzuführen ist, dass eine Person, die früher für die Metrik verantwortlich war, sich nun wie ein unbedeutender Teil einer Kette automatisierter Entscheidungsprozesse fühlt.

Es ist wichtig, diesen Aspekt der Automatisierung zu bewältigen, da er leicht zu einem Weg der Desinteresse und verringerten Verpflichtung Ihres Teams führen kann. Es kann auch Ihrem Markenimage schaden. Wenn die künstliche Intelligenz allein Entscheidungen trifft, kann sie unbeabsichtigt gegen Kunden in bestimmten Alters-, Geschlechts- oder geografischen Gruppen diskriminieren.

3. Herausforderungen bei Transparenz und effizienter Implementierung

Wie jeder Unternehmer weiß, können Dinge in einem Moment ändern. Unternehmen haben nicht immer die Zeit, eine komplexe künstliche Intelligenz-Lösung für einen neuen Betrieb aufzubauen.

Tatsächlich ist es viel häufiger, dass Unternehmen unter Zeitdruck stehen und gezwungen sind, ein Problem ohne die Hilfe der Automatisierung zu lösen, da die Einrichtung eines neuen Prozesses einfach zu viel Zeit in Anspruch nimmt. Da es normalerweise nicht genug Zeit gibt, um komplexe Modelle zu erstellen, geschieht eines von zwei Dingen.

Erstens kann das Unternehmen entscheiden, einen größtenteils abgeschlossenen Prozess zu implementieren, aber einen manuellen Zwischenschritt einfügen, bis der Prozess verfeinert werden kann. In diesem Fall verlieren Unternehmen bis zu 80 Prozent der berechneten Effizienz des Prozesses.

Alternativ kann das Unternehmen SaaS einsetzen, um den Implementierungsprozess zu beschleunigen. Während die Zeit- und Geldkosten niedriger sind, bleibt das Problem der Effizienzverluste bestehen. In diesem Fall kann die Implementierung von SaaS-Algorithmen, die nicht speziell auf die Bedürfnisse des Unternehmens abgestimmt sind, einen Prozess weniger effizient machen als wenn er manuell durchgeführt würde.

Zusätzlich zu diesen Problemen ist es wichtig zu verstehen, dass die Transparenz im künstlichen Intelligenz-Prozess sehr schwierig zu kommunizieren ist, selbst für Experten. Dies liegt an der Komplexität der Algorithmen, kann aber dazu führen, dass Ihr Team Vorbehalte gegenüber der Umstellung auf automatisierte operative Prozesse hat.

Wohin gehen wir von hier aus?

Einige Forscher schlagen vor, dass die Herausforderungen, denen wir derzeit gegenüberstehen, zu neuen Rollen im Unternehmen führen werden: Trainer, Erklärer und Aufrechterhalter.

Trainer werden helfen, die Leistung der künstlichen Intelligenz zu optimieren; Erklärer werden damit beauftragt, die Entscheidungen der künstlichen Intelligenz für Nicht-Experten zu erklären, und Aufrechterhalter werden daran arbeiten, die künstlichen Intelligenz-Prozesse langfristig aufrechtzuerhalten.

Allerdings müssen Unternehmen und Gründer bis dahin mehr als nur den erheblichen Wettbewerbsvorteil berücksichtigen, den die künstliche Intelligenz bieten kann. Der Vorteil muss gegen die Unklarheit, die Zeitkosten und die Wachstumshürden abgewogen werden, die mit der operativen künstlichen Intelligenz einhergehen.

Künstliche Intelligenz hat noch einen weiten Weg vor sich, wenn es um Wachstum, Entwicklung und Implementierung geht. Sie kann zweifellos einen großen Unterschied im operativen Management bewirken, aber wir können uns noch nicht vollständig auf sie verlassen, um immer die beste Option zu sein.