Generative KI-Wertschöpfung im großen Maßstab schaffen

Generative KI stellt ein organisatorisches Rätsel dar. Unternehmen haben gemeinsam Milliarden von Dollar investiert, um Mitarbeitern Zugang zu allgemeinen großen Sprachmodellen (LLMs) zu verschaffen, um die persönliche Produktivität zu steigern, während sie in den meisten Fällen Schwierigkeiten haben, strategischere Anwendungen der Technologie zu entwickeln und zu übernehmen. Eine sinnvolle Kapitalrendite, geschweige denn ein Wettbewerbsvorteil, wird wahrscheinlich schwer zu erreichen sein, es sei denn, Unternehmen können GenAI nutzen, um innovative Prozessverbesserungen zu erzielen, die sich über Funktionen und Geschäftsbereiche hinweg skalieren lassen.1

Unsere Interviews mit 87 Praktikern in 23 großen Organisationen zeigten, dass Führungskräfte, die mit generativer KI Wertschöpfung skalieren, drei Schlüsselpraktiken pflegen. Erstens erweitern sie den Umfang der Anwendungsfälle über Prozesse hinweg, anstatt sich auf eine bestimmte Aufgabe zu konzentrieren. Zweitens behandeln sie jeden Anwendungsfall als ein Werk in Arbeit, das kontinuierlich verbessert wird. Und drittens identifizieren und verwerfen sie schnell Anwendungsfälle, die keinen messbaren Wert für die Organisation bringen.

Die meisten traditionellen Unternehmen sind jedoch nicht darauf ausgerichtet, diese drei Praktiken zu institutionalisieren. Viele arbeiten als multidivisionale Organisationen, die durch mehrere Gewinn- und Verlust-Einheiten mit doppelten Funktionen, begrenztem funktionsübergreifendem Informationsfluss und internem Wettbewerb um Ressourcen gekennzeichnet sind.2 Diese Struktur erschwert es, generative KI-Anwendungsfälle über Prozesse und Einheiten hinweg zu skalieren.

In unserer Forschung fanden wir heraus, dass die wenigen Führungskräfte, die diese Herausforderungen meistern, über die klassischen Hub-and-Spoke-Modelle hinausgehen, die viele Organisationen verwendet haben, um zentralisierte KI-technische Expertise mit jeder Einheit zu verbinden. Sie entwickeln eine neue Art interner Ressource, die wir die KI-Wirbelsäule nennen. Sie bietet eine flexible Kernstruktur zur Implementierung, Weiterentwicklung und Aufgabe von LLM-Anwendungsfällen im großen Maßstab und hält das generative KI-Portfolio sowohl fokussiert als auch aktuell.