Generative KI im Intranet

: Definitionen, Anwendungsfälle und Tools

Künstliche Intelligenz (KI) hat in den 2020er Jahren einen erheblichen Aufschwung erlebt, mit bemerkenswerten Innovationen wie Dall-e, Midjourney und insbesondere ChatGPT. Für Unternehmen sind KI-Tools ein entscheidender Faktor für Leistung und Wettbewerbsfähigkeit. In den IT-Abteilungen, den Finanzabteilungen, der Personalabteilung, dem Kundenservice sowie den Marketing- und Kommunikationsabteilungen ist der Wandel bereits im Gange.

Möchten auch Sie die Chancen der KI nutzen? In diesem Artikel gibt Mozzaik Ihnen die Schlüssel an die Hand, um die Vor- und Nachteile der künstlichen Intelligenz zu verstehen und Ihre Struktur darauf vorzubereiten, diesen Wandel unter den besten Bedingungen zu bewältigen. Viel Spaß beim Lesen!

Künstliche Intelligenz: Definition und Geschichte

Künstliche Intelligenz ist ein mehr als 70 Jahre altes Konzept. Präsentation.

Was ist künstliche Intelligenz? Definition.

Das Konzept der künstlichen Intelligenz (KI) bezieht sich auf verschiedene Tools, die Berechnungsalgorithmen verwenden, um die menschliche Intelligenz zu imitieren oder zu simulieren. Mit anderen Worten: KI ist ein Computerprogramm, das Daten nutzt, um automatisch Aufgaben wie das Lösen einer Gleichung, das Erstellen einer Illustration oder das Schreiben eines Textes auszuführen.

Kurze Geschichte der künstlichen Intelligenz

Die Idee der künstlichen Intelligenz entstand in den 1950er Jahren, als der britische Mathematiker Alan Turing die Fähigkeit von Maschinen untersuchte, die menschliche Intelligenz nachzuahmen. Turing entwickelte einen Test, den "Turing-Test", um die Fähigkeit einer KI zu messen, die menschliche Intelligenz während eines Gesprächs zu simulieren. Der Begriff "künstliche Intelligenz" wird dem amerikanischen Mathematiker und Informatiker John McCarthy im Jahr 1955 zugeschrieben. In der zweiten Hälfte des 20. Jahrhunderts wurden KI-Forschungsprojekte mit unterschiedlichem Erfolg fortgesetzt. Im Jahr 1997 besiegte der auf Schach spezialisierte IBM-Computer Deep Blue den Weltmeister Garry Kasparov und setzte damit einen wichtigen Meilenstein.

In den 2010er Jahren gab es mit dem Aufkommen des maschinellen Lernens und des Deep Learning auf der Grundlage künstlicher neuronaler Netze bedeutende Entwicklungen in der KI. Mit Spracherkennung, personalisierten Suchmaschinen, autonomen Fahrzeugen, automatischer Übersetzung und Deepfakes (mit Hilfe von KI veränderte Videos) hielt KI auch Einzug in das tägliche Leben.

Die 2020er Jahre markieren einen Wendepunkt in der Geschichte der künstlichen Intelligenz. Die breite Öffentlichkeit erhält Zugang zur Technologie durch Tools wie die generativen Bild-KIs Dall-e, Stable Diffusion und Midjourney. Ende 2022 stellt das amerikanische Unternehmen OpenAI einen auf KI basierenden Gesprächsagenten vor : ChatGPT. In nur zwei Monaten erreichte dieser Chatbot 100 Millionen aktive monatliche Nutzer und ist damit die am schnellsten wachsende Anwendung in der Geschichte. Fachleute und Privatpersonen nutzen ChatGPT jetzt, um Antworten auf ihre Fragen zu finden, Brainstorming zu betreiben, Texte zusammenzufassen, Dokumente zu übersetzen oder sogar Produktbeschreibungen, Briefe oder Beiträge in sozialen Medien zu verfassen.

Nach ChatGPT verbreiten sich generative KI-Tools mit verschiedenen Anwendungsfällen: Schreibhilfe, Erstellung visueller Inhalte, Foto- und Videobearbeitung, Chatbot-Erstellung, Erstellung von Präsentationen, Musik- und Voiceover-Erstellung und vieles mehr.

Verschiedene Arten von künstlicher Intelligenz

Forscher unterscheiden zwei Haupttypen oder -stufen von AI:

1. Enge künstliche Intelligenz (ANI): Auch als "schwache KI" bekannt, ist ANI darauf trainiert, bestimmte Aufgaben auszuführen, verfügt aber nicht über logisches Denken oder Selbsterkenntnis. Die meisten aktuellen KIs, einschließlich ChatGPT, Apples virtuellem Assistenten Siri, Googles Suchmaschine und Software zur Optimierung von Geschäftsfunktionen, fallen unter ANI.

2. Starke künstliche Intelligenz (starke KI): Starke KI umfasst zwei Kategorien, die noch nicht existieren: Künstliche allgemeine Intelligenz (AGI) und künstliche Superintelligenz (ASI). AGI würde über eine Intelligenz und ein Bewusstsein verfügen, die einem Menschen gleichwertig sind, während ASI die ultimative Stufe darstellt, in der KI die menschliche Intelligenz übertrifft. AGI und insbesondere ASI sind die aktuellen Anliegen von KI-Forschern, Nichtregierungsorganisationen und Regierungen, die eine vorbeugende Regulierung fordern.

Geschäftsmöglichkeiten und Herausforderungen im Zusammenhang mit künstlicher Intelligenz

Neue Werkzeuge, die auf künstlicher Intelligenz basieren, haben das Potenzial, den Unternehmen zahlreiche Vorteile zu bringen. Allerdings birgt diese Technologie auch Risiken, die es zu antizipieren gilt.

Geschäftsmöglichkeiten durch künstliche Intelligenz

Laut dem Global Technology Report 2023 von KPMG ist künstliche Intelligenz"die wichtigste Technologie, die Unternehmen in den kommenden Jahren helfen wird, ihre Ziele zu erreichen". Hier ist der Grund dafür:

• Produktivitätssteigerung: Künstliche Intelligenz dient als Hebel zur Steigerung der Produktivität durch die Automatisierung sich wiederholender Aufgaben. Sie hilft den Mitarbeitern, ihre Kernaufgaben effizienter auszuführen, z. B. Risikomanagement, prädiktive Analysen und die Gestaltung von Marketingkampagnen. Außerdem ermöglicht sie Entscheidungsträgern, fundiertere Entscheidungen zu treffen.
• Verbesserte Mitarbeitererfahrung: KI ist ein Vektor für die Verbesserung der Mitarbeitererfahrung. Die Mitarbeiter werden von ihren mühsamsten Aufgaben entlastet, können komplexe Tätigkeiten leicht ausführen, sparen Zeit bei der Suche nach Wissen, erhalten schnell klare und personalisierte Informationen über HR-Prozesse und haben Zugang zu Schulungen, die auf ihre individuellen Bedürfnisse zugeschnitten sind.
• Wertvoller Verbündeter für Kundenwissen: KI ist ein wertvoller Verbündeter bei der Optimierung des Kundenwissens, der Bereitstellung eines besseren Kundenerlebnisses, der Steigerung der Kundenzufriedenheit und dem Aufbau von Kundentreue. Kundenerwartungen in Bezug auf Produkte, Dienstleistungen oder Marketingaktionen werden von den Teams besser verstanden, so dass sie Angebote und Kommunikation verfeinern können. Dank der Chatbots und Voicebots für Kundenbeziehungen können Käufer auch von einem schnellen und personalisierten Kundenservice profitieren, ohne dass die Vertriebsteams überlastet werden.
  

Herausforderungen bei der Einführung von künstlicher Intelligenz in der Wirtschaft

Künstliche Intelligenz steigert zwar die betriebliche Effizienz und die Gesamtleistung des Unternehmens, ist aber nicht ohne Risiken. Mit der Einführung von KI sind erhebliche Herausforderungen verbunden:

• Voreingenommenheit und ethische Fragen: KI kann Vorurteile reproduzieren oder verstärken, Fehler machen oder ethische Fragen aufwerfen, insbesondere wenn der Algorithmus auf einer verzerrten Grundannahme oder falschen Kriterien beruht oder auf einer nicht repräsentativen Datenbank trainiert wurde. Amazon zum Beispiel hat mit seiner diskriminierenden Einstellungssoftware (die inzwischen eingestellt wurde) Erfahrungen mit voreingenommener KI gemacht.
• Undurchsichtige Funktionsweise: Die undurchsichtige Funktionsweise von KI, wie sie von der Unternehmensberatung Deloitte hervorgehoben wurde, bringt die Unternehmen in eine Abhängigkeit von Dritten. Dieser Mangel an Transparenz wirft auch Fragen zum Schutz von vertraulichen Daten, Geschäftsgeheimnissen, personenbezogenen Daten von Mitarbeitern und Kunden sowie zum Urheberrecht auf.
• Auswirkungen auf die Beschäftigung: Es wird erwartet, dass der Einsatz von KI-Tools in Unternehmen menschliche Aspekte beeinträchtigen wird. Nach Angaben der Investmentbank Goldman Sachs werden voraussichtlich bis zu 300 Millionen Arbeitsplätze weltweit automatisiert werden. Europa und die Vereinigten Staaten sind besonders betroffen, da in diesen Regionen zwei Drittel der Arbeitsplätze von der Automatisierung betroffen sind. Umgekehrt werden die Unternehmen, wie Deloitte erneut betont, Mitarbeiter ausbilden oder einstellen müssen, um die (immer noch knappen) Fähigkeiten im Zusammenhang mit der Implementierung, dem Testen und der Verwaltung von KI-Tools zu erwerben.
  

Wie kann man sich auf die Ankunft der KI in der Wirtschaft vorbereiten?

Um künstliche Intelligenz in vollem Umfang zu nutzen, die damit verbundenen Risiken zu verringern und sie zu einem echten Wettbewerbsvorteil zu machen, müssen sich Unternehmen auf die Einführung dieser Technologie in ihrer Struktur vorbereiten. In dieser Hinsicht müssen zwei Wege erkundet werden:

Schulung von Mitarbeitern in künstlicher Intelligenz

Der Einzug der künstlichen Intelligenz in die Unternehmen wird die Arbeitsmethoden verändern, den Arbeitsmarkt durcheinanderbringen und Sicherheits- und Einstellungsfragen aufwerfen. Um den Wandel zu erleichtern und den mit der Einführung von KI verbundenen Risiken vor zubeugen, ist es unerlässlich, Ihre Teams im Umgang mit der Technologie zu schulen und für die damit verbundenen Chancen und Risiken zu sensibilisieren (vertraulicher Datenschutz, algorithmische Verzerrungen, rechtliche Risiken usw.).

Laut einer im Mai 2023 veröffentlichten Ifop-Talan-Umfrage"verheimlichen 68 % der Franzosen, die generative KI am Arbeitsplatz einsetzen, dies vor ihren Vorgesetzten". Um solche Missbräuche zu vermeiden, ist es notwendig, eine Politik für den Einsatz von KI und den Schutz sensibler Daten festzulegen, auch wenn Sie diese Technologie noch nicht eingeführt haben. Die Notwendigkeit ist real, wie dieselbe Quelle angibt:"72 % der Franzosen haben das Gefühl, dass sie nicht über ausreichende Kenntnisse verfügen, um generative KI zu nutzen."

Strukturierung von Unternehmensdaten

Für die Durchführung eines KI-Projekts können externe und/oder interne Daten verwendet werden, d. h. Informationen, die vom Unternehmen produziert und gespeichert werden (Kundenlisten, Verträge, Vertriebsberichte usw.). Damit diese Daten von der künstlichen Intelligenz genutzt werden können, müssen sie zunächst verarbeitet werden.

Um Rohdaten für die KI nutzbar zu machen, müssen also mehrere Operationen durchgeführt werden:

• Datenbereinigung: Entfernen oder Korrigieren falscher oder unvollständiger Daten, um eine zuverlässige (repräsentative) Datenbank für das Training künstlicher Intelligenz zu erhalten.
• Datenstrukturierung: Organisation von Daten nach einem bestimmten Format, das für die Art der Daten und die algorithmischen Einschränkungen geeignet ist, damit die KI sie leichter verarbeiten kann.
• Datenbeschriftung: Markierung oder Kennzeichnung von Daten mit Metadaten, damit Algorithmen für maschinelles Lernen sie verstehen und effektiv verarbeiten können.