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

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

Während viel über die Vorteile und Grenzen von GenAI gelernt wurde, ist es wichtig, sich daran zu erinnern, dass wir noch sehr viel 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?

Übliche 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 klar – los, und experimentieren. Geschäftsführer gingen ans Werk, um mit GenAI-Funktionalität zu experimentieren und ihre eigenen Pilotprogramme zu erstellen. Marketing-Teams nutzten GenAI, um hochpersonalisierte Kundenerlebnisse zu erstellen und wiederkehrende Aufgaben zu automatisieren. Im Kundenservice half GenAI, intelligente Chatbots zu betreiben, um Probleme in Echtzeit zu lösen, und R&D-Teams konnten enorme Datenmengen analysieren, um neue Trends zu erkennen.

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

Sobald ein Pilotprogramm in den Orbit des CIO-Büros übergeht, wird der Datenverkehr viel genauer überwacht. 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, über die man nachdenken sollte, bevor man skaliert

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 man sich auf diese Reise begibt:

1. IT- und Informationssicherheitsteams frühzeitig einbeziehen (und häufig)

Es ist üblich, dass funktionale 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 Dinge zu durchdenken, die schiefgehen könnten.

Deshalb ist es eine gute Idee, die IT- und Informationssicherheitsteams von Anfang an einzubeziehen, um das Pilotprogramm zu testen und mögliche Bedenken zu besprechen. Dies wird auch dazu beitragen, eine cross-funktionale 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. Reale Daten verwenden, wenn möglich

Wie bereits erwähnt, sind datengetriebene Probleme unter den größten Hindernissen bei der Skalierung von GenAI. Denn Pilotprogramme verlassen sich oft auf synthetische Daten, die zu falschen Erwartungen zwischen Geschäftsführern, IT-Teams und letztendlich dem CIO führen können. Synthetische Daten sind künstlich erzeugte Daten, die dazu dienen, Echtdaten nachzuahmen, und letztendlich als Ersatz für tatsächliche Daten dienen, aber ohne jegliche sensible persönliche Informationen.

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

3. Realistische Erwartungen setzen

Als GenAI nach dem Launch von ChatGPT Ende 2022 erstmals öffentlich bekannt wurde, waren die Erwartungen sehr hoch, dass die Technologie die Branchen über Nacht revolutionieren würde. Diese Hype (für besser oder schlechter) hat sich größtenteils erhalten, und Teams stehen immer noch 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 der Technologie Zeit (und Unterstützung) geben müssen, um zu beginnen, sie 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 skalierten, werden diejenigen sein, die zunächst die Zeit nehmen, eine Kultur der Innovation aufzubauen, die langfristige Auswirkungen über kurzfristige Ergebnisse priorisiert.

Wir sind alle darin involviert

Trotz all dessen, was wir 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 Urteil, beschleunigt halbgebackene Konzepte und führt zu Infrastrukturproblemen, die Unternehmen in den Bankrott treiben können. Stattdessen sollten wir, während wir in ein weiteres Jahr der GenAI-Begeisterung starten, auch die Zeit nehmen, um sinnvolle Diskussionen darüber zu führen, wie man diese leistungsstarke Technologie verantwortungsvoll skaliert. Durch die frühzeitige Einbeziehung des IT-Teams, die Verwendung von Echtdaten und die Aufrechterhaltung realistischer ROI-Erwartungen können Unternehmen sicherstellen, dass ihre GenAI-Strategien nicht nur skalierbar, sondern auch nachhaltig sind.