Von Pilot zu Produktion: Einblick in die Skalierung von GenAI-Programmen für die Langfristigkeit

Vor Jahren, wenn wir auf die Verbreitung von generativer künstlicher Intelligenz (GenAI) zurückblicken, wird 2024 als ein Wendepunkt angesehen – eine Zeit der weitverbreiteten Experimentierung, des Optimismus und des Wachstums, als Geschäftsführer, die zunächst zögerten, ihre Zehen in ungetestete Gewässer der Innovation zu tauchen, sich kopfüber hineinstürzten. In McKinseys Globaler Umfrage zu künstlicher Intelligenz, die Mitte 2024 durchgeführt wurde, sagten 75 % voraus, dass GenAI zu erheblichen oder disruptiven Veränderungen in ihren Branchen in den kommenden Jahren führen wird.

Obwohl viel über die Vorteile und Grenzen von GenAI gelernt wurde, ist es wichtig, sich daran zu erinnern, dass wir noch immer in einer Entwicklungsphase sind. Pilotprogramme können schnell aufgebaut und sind relativ günstig zu erstellen, aber was passiert, wenn diese Programme in die Produktion unter der Aufsicht des CIO-Büros übergehen? Wie werden funktionspezifische Anwendungsfälle in weniger kontrollierten Umgebungen funktionieren, und wie können Teams vermeiden, den Schwung zu verlieren, bevor ihr Programm überhaupt die Chance hatte, Ergebnisse zu zeigen?

Häufige Herausforderungen beim Übergang von Pilot zu Produktion

Angesichts des enormen Potenzials von GenAI, die Effizienz zu verbessern, Kosten zu reduzieren und die Entscheidungsfindung zu verbessern, war die Anweisung des C-Suite an die funktionalen Geschäftsführer eindeutig – loslegen und experimentieren. Geschäftsführer machten sich an die Arbeit, spielten mit der GenAI-Funktionalität und erstellten ihre eigenen Pilotprogramme. Marketing-Teams nutzten GenAI, um hochpersonalisierte Kunden Erfahrungen zu erstellen und repetitive Aufgaben zu automatisieren. Im Kundenservice half GenAI, intelligente Chatbots zu betreiben, um Probleme in Echtzeit zu lösen, und R&D-Teams konnten riesige Datenmengen analysieren, um neue Trends zu erkennen.

Es gibt jedoch noch eine große Kluft zwischen all diesem Potenzial und seiner endgültigen Umsetzung.

Sobald ein Pilotprogramm in den Orbit des CIO-Büros übergeht, wird die Datenprüfung viel genauer. Wir sind mittlerweile mit einigen der häufigen Probleme von GenAI wie Modellbias und Halluzinationen vertraut, und im großen Maßstab werden diese Probleme zu großen Problemen. Ein CIO ist für die Datenprivatsphäre und die Datengovernance in der gesamten Organisation verantwortlich, während Geschäftsführer Daten verwenden, die möglicherweise nur für ihren spezifischen Bereich relevant sind.

3 wichtige Dinge, die Sie vor der Skalierung beachten sollten

Machen Sie keinen Fehler, Geschäftsführer haben bedeutende Fortschritte bei der Erstellung von GenAI-Anwendungsfällen mit beeindruckenden Ergebnissen für ihre spezifische Funktion gemacht, aber die Skalierung für langfristige Auswirkungen ist ganz anders. Hier sind drei Überlegungen, bevor Sie sich auf diese Reise begeben:

1. Schließen Sie das IT- und Informationssicherheitsteam frühzeitig (und häufig) ein

Es ist üblich, dass funktionsübergreifende Geschäftsführer in ihrer täglichen Arbeit Tunnelblick entwickeln und unterschätzen, was erforderlich ist, um ihr Pilotprogramm auf die gesamte Organisation auszudehnen. Aber sobald das Pilotprogramm in die Produktion übergeht, benötigen Geschäftsführer die Unterstützung des IT- und Informationssicherheitsteams, um alle möglichen Probleme zu durchdenken.

Deshalb ist es eine gute Idee, das IT- und Informationssicherheitsteam von Anfang an einzubeziehen, um das Pilotprogramm zu testen und potenzielle Bedenken zu besprechen. Dies hilft auch, eine funktionsübergreifende Zusammenarbeit zu fördern, die für die Einbeziehung externer Perspektiven und die Herausforderung des Bestätigungsfehlers, der innerhalb einzelner Funktionen auftreten kann, von entscheidender Bedeutung ist.

2. Verwenden Sie echte Daten, wenn möglich

Wie bereits erwähnt, sind datengetriebene Probleme unter den größten Hindernissen bei der Skalierung von GenAI. Das liegt daran, dass Pilotprogramme oft auf synthetischen Daten basieren, die zu falschen Erwartungen zwischen Geschäftsführern, IT-Teams und letztendlich dem CIO führen können. Synthetische Daten sind künstlich erzeugte Daten, die reale Welt-Daten imitieren, im Wesentlichen als Ersatz für echte Daten dienen, aber ohne sensible personenbezogene Informationen.

Funktionale Führungskräfte haben nicht immer Zugang zu echten Daten, daher sind einige gute Tipps, um das Problem zu lösen: (1) vermeiden Sie Pilotprogramme, die möglicherweise zusätzliche regulatorische Prüfungen in Zukunft erfordern; (2) legen Sie Richtlinien fest, um zu verhindern, dass schlechte Daten die Pilot-Ergebnisse verfälschen oder verzerren; und (3) investieren Sie in Lösungen, die den bestehenden Technologie-Stack des Unternehmens nutzen, um die Wahrscheinlichkeit einer zukünftigen Ausrichtung zu erhöhen.

3. Setzen Sie realistische Erwartungen

Als GenAI nach dem Launch von ChatGPT Ende 2022 erstmals öffentlich bekannt wurde, waren die Erwartungen sehr hoch, dass die Technologie Branchen über Nacht revolutionieren würde. Diese Hype (für besser oder schlechter) hat sich im Wesentlichen erhalten, und Teams stehen noch immer unter enormem Druck, umgehend Ergebnisse zu zeigen, wenn ihre GenAI-Investitionen weitere Finanzierung erhalten sollen.

Die Realität ist, dass GenAI zwar transformierend sein wird, Unternehmen jedoch Zeit (und Unterstützung) geben müssen, um die Technologie zu transformieren. GenAI ist nicht plug-and-play, und sein wahres Wert ist nicht nur auf clevere Chatbots oder kreative Bilder beschränkt. Unternehmen, die GenAI-Programme erfolgreich skalieren können, sind diejenigen, die zunächst die Zeit nehmen, eine Kultur der Innovation aufzubauen, die langfristige Auswirkungen über kurzfristige Ergebnisse priorisiert.

Wir sind alle daran beteiligt

Trotz all dessen, was wir kürzlich über GenAI gelesen haben, ist es immer noch eine sehr junge Technologie, und Unternehmen sollten vorsichtig sein, wenn ein Anbieter behauptet, alles herausgefunden zu haben. Eine solche Arroganz trübt das Urteilsvermögen, beschleunigt halbgebackene Konzepte und führt zu Infrastrukturproblemen, die Unternehmen in den Bankrott treiben können. Stattdessen sollten wir, wenn wir in ein weiteres Jahr der GenAI-Begeisterung eintreten, auch die Zeit nehmen, um sinnvolle Diskussionen über die verantwortungsvolle Skalierung dieser leistungsstarken Technologie zu führen. Indem wir das IT-Team frühzeitig in den Prozess einbeziehen, auf echte Daten vertrauen und realistische ROI-Erwartungen aufrechterhalten, können Unternehmen dazu beitragen, dass ihre GenAI-Strategien nicht nur skalierbar, sondern auch nachhaltig sind.