Die AI-Explosion geht 2025 weiter: Was Organisationen in diesem Jahr erwarten sollten

Da die künstliche Intelligenz (KI) voraussichtlich ihre Explosion im Jahr 2025 fortsetzen wird, bietet die ständig weiterentwickelte Technologie sowohl beispielloser Chancen als auch komplexer Herausforderungen für Organisationen weltweit. Um heutigen Organisationen und Fachleuten zu helfen, den größtmöglichen Nutzen aus der KI im Jahr 2025 zu ziehen, habe ich meine Gedanken und erwarteten KI-Trends für dieses Jahr geteilt.

Organisationen müssen den KI-Kosten strategisch planen

Die Welt ist weiterhin begeistert von dem Potenzial der KI. Allerdings ist die Kosten für KI-Innovationen ein Maß, das Organisationen planen müssen. Zum Beispiel benötigt die KI Grafikprozessoren (GPUs), jedoch haben viele Cloud-Service-Provider (CSPs) größere Bereitstellungen von N-1-, N-2- oder älteren GPUs, die nicht ausschließlich für KI-Workloads entwickelt wurden. Außerdem können Cloud-GPUs im großen Maßstab kostspielig sein und leicht für Entwickler eingeschaltet werden, wenn Projekte wachsen/skalieren (mehr Ausgaben); zusätzlich kann der Kauf von GPUs (wenn sie aufgrund von Knappheit beschafft werden können) für den Einsatz vor Ort sehr teuer sein, wobei einzelne Chips Zehntausende von Dollar kosten können. Als Ergebnis werden Server-Systeme, die für anspruchsvolle KI-Workloads entwickelt wurden, für viele mit begrenzten Abteilungsbetriebsausgaben (OpEx) zu teuer oder unerschwinglich. Im Jahr 2025 müssen Unternehmenskunden ihre KI-Kosten auf ein Level bringen und die Ebenen der KI-Entwicklungsbudgets neu synchronisieren. Da viele abgegrenzte Abteilungen nun die Initiative ergreifen und ihre eigenen KI-Tools entwickeln, können Unternehmen unbeabsichtigt Tausende von Dollar pro Monat für kleine oder abgegrenzte Verwendungen von Cloud-basierten GPUs und deren Anforderungen an KI-Computer-Instanzen ausgeben, die sich alle summieren (insbesondere wenn Benutzer diese Instanzen weiterlaufen lassen).

Open-Source-Modelle fördern die Demokratisierung mehrerer KI-Anwendungsfälle

Im Jahr 2025 wird es einen enormen Druck auf Organisationen geben, den Return on Investment (ROI) von KI-Projekten und den damit verbundenen Budgets nachzuweisen. Durch die Nutzung von Low-Code- oder No-Code-Tools, die von beliebten unabhängigen Softwareanbietern (ISVs) zur Erstellung von KI-Apps bereitgestellt werden, werden Unternehmen weiterhin nach Open-Source-Modellen suchen, die effizienter fein abgestimmt werden können, anstatt von Grund auf zu trainieren und zu entwickeln. Die Feinabstimmung von Open-Source-Modellen nutzt die verfügbaren KI-Ressourcen (Menschen, Budget und/oder Rechenleistung) effizienter, was erklärt, warum es derzeit über 900.000 (und wachsende) Modelle zum Download bei Hugging Face gibt. Wenn jedoch Unternehmen auf Open-Source-Modelle umsteigen, wird es entscheidend sein, den Einsatz von Open-Source-Software, Frameworks, Bibliotheken und Tools in ihren Organisationen zu sichern und zu überwachen. Das kürzliche Abkommen zwischen Lenovo und Anaconda ist ein gutes Beispiel dafür, bei dem das Intel-basierte Lenovo-Workstation-Portfolio und Anaconda Navigator dazu beitragen, Datenwissenschafts-Workflows zu rationalisieren.

KI-Konformität wird zur Standardpraxis

Die Verschiebung der KI-Richtlinien wird dazu führen, dass die KI-Berechnung näher an die Quelle der Unternehmensdaten rückt und mehr vor Ort (insbesondere für die Phasen der KI-Entwicklung in einem Projekt oder Workflow) erfolgt. Da die KI immer näher an den Kern vieler Unternehmen rückt, wird sie von einem separaten parallelen oder speziellen Arbeitsstrom zu einem, der mit vielen Kerngeschäftsfunktionen übereinstimmt. Die Sicherstellung, dass die KI konform und verantwortungsvoll ist, ist heute ein reales Ziel, sodass es im Jahr 2025 zu einer Standardpraxis wird und Teil der grundlegenden Bausteine für KI-Projekte im Unternehmen wird. Bei Lenovo haben wir ein Verantwortungsvolles KI-Komitee, das aus einer diversen Gruppe von Mitarbeitern besteht, die sicherstellen, dass Lösungen und Produkte die Sicherheits-, ethischen, Datenschutz- und Transparenzstandards erfüllen. Diese Gruppe überprüft den Einsatz und die Implementierung von KI auf der Grundlage von Risiken und wendet Sicherheitsrichtlinien konsistent an, um sie mit einer Risikohaltung und der Einhaltung von Vorschriften in Einklang zu bringen. Der inklusive Ansatz des Komitees behandelt alle KI-Aspekte und gewährleistet eine umfassende Konformität und eine Gesamtreduzierung von Risiken.

Workstations etablieren sich als effiziente KI-Tools in und außerhalb des Büros

Die Verwendung von Workstations als leistungsstarke Edge- und abteilungsbezogene KI-Appliances ist bereits im Aufkommen begriffen. Zum Beispiel hilft Lenovos Workstation-Portfolio, das von AMD angetrieben wird, Medien- und Unterhaltungsprofis, die Lücke zwischen Erwartungen und den Ressourcen zu schließen, die erforderlich sind, um die höchstwertigen visuellen Inhalte zu liefern. Dank ihrer kompakten Bauweise und ihres geringen Fußabdrucks, geringer Akustik, Standard-Stromanschlüsse und der Verwendung von Client-basierten Betriebssystemen können sie leicht als KI-Schlussfolgerungslösungen eingesetzt werden, wo herkömmliche Server möglicherweise nicht passen. Ein weiterer Anwendungsfall ist in Standard-Branchen-Workflows, in denen KI-verbesserte Datenanalyse echten Geschäftswert liefern und sehr im Blickfeld von C-Suite-Führungskräften liegen, die einen Unterschied machen möchten. Weitere Anwendungsgebiete sind die kleineren, domänen-spezifischen KI-Tools, die von Einzelpersonen für ihren eigenen Gebrauch erstellt werden. Diese Effizienz-Einsparung-Tools können zu KI-Superkräften werden und alles umfassen, von MS Copilot, Private Chatbots bis hin zu persönlichen KI-Assistenten.

Das volle Potenzial der KI im Jahr 2025 ausschöpfen

Die KI ist eine der am schnellsten wachsenden technologischen Entwicklungen unserer Zeit und durchbricht in jede Branche als transformative Technologie, die die Effizienz für alle verbessern wird, indem sie schnellere und wertvollere Geschäftsergebnisse ermöglicht.

Die KI, einschließlich Machine Learning und generativer KI mit LLMs, erfordert immense Rechenleistung, um die Intelligenz aufzubauen und aufrechtzuerhalten, die für nahtlose Kunden-KI-Erfahrungen erforderlich ist. Als Ergebnis sollten Organisationen sicherstellen, dass sie hochleistungsstarke und sichere Desktop- und Mobile-Computerlösungen nutzen, um die Workflows von KI-Profis und Datenwissenschaftlern zu revolutionieren und zu verbessern.