Durchbrechen Sie die GenAI-Verwirrung: Acht endgültige Lesungen

Da die generative KI leistungsfähiger wird, wird es potenziell wertvoller für beide Organisationen und jeden von uns individuell.

Trotz ihrer Allgegenwärtigkeit ist generative KI noch jung.

MIT Sloan Management Review Autoren zu diesem Thema – darunter Akademiker, Forscher und Praktiker – berichten von vornherein über die besten GenAI-Fragen und darüber, wie man über deren Beantwortung nachdenken sollte.

Nehmen Sie unseren Kolumnisten Rama Ramakrishnan, Professor für diese Praxis an der MIT Sloan School of Management.

„Während sorgfältige Eingabeaufforderungen und Techniken wie RAG [Retrieval-Augmented Generation] ein KI-Modell dazu ermutigen können, eine Reihe bereitgestellter Dokumente zu priorisieren, können Standard-LLMs nicht gezwungen werden, nur diese Inhalte zu verwenden“, erklärt Ramakrishnan.

Einfache Frage;

---

1. Wie LLMs funktionieren: Die 10 häufigsten Fragen auf Führungsebene

Rama Ramakrishnan

„In meiner Arbeit an der MIT Sloan School of Management habe ich in den letzten zwei Jahren vielen Führungskräften die Grundlagen der Funktionsweise großer Sprachmodelle (LLMs) vermittelt.

„Einige Leute gehen davon aus, dass Unternehmensführer weder wissen wollen noch müssen, wie LLMs und die generativen KI-Tools, die sie unterstützen, funktionieren – und nur daran interessiert sind.“ Ergebnisse die Werkzeuge können liefern.

„In dieser Kolumne teile ich Fragen zu 10 oft missverstandenen Themen, zu denen ich oft gefragt werde, zusammen mit ihren Antworten. …

„[Zum Beispiel] wann beschließt das LLM, dem Benutzer die endgültige Antwort auf eine Frage zu geben? Die Entscheidung, die Generierung zu stoppen, wird durch eine Kombination aus den Vorhersagen des LLM und den Regeln bestimmt, die von dem Softwaresystem festgelegt werden, auf dem es läuft. Es ist keine Entscheidung, die nur vom LLM getroffen wird.“ Den vollständigen Artikel lesen »

2. Wie man GenAI am Arbeitsplatz skaliert

Michael Wade, Konstantinos Trantopoulos, Mark Navas und Anders Romare

„Während Unternehmen vom Experimentieren zur unternehmensweiten Einführung übergehen, kämpfen viele nicht mit den Tools selbst, sondern mit der organisatorischen Transformation, die erforderlich ist, um sie sinnvoll in die tägliche Arbeit der Menschen zu integrieren. Tools werden sich weiterentwickeln: Es ist die menschliche Seite der Gleichung, die darüber entscheidet, ob GenAI-Initiativen wirklich erfolgreich sind.“

„Wir haben einen der bislang größten realen Einsätze generativer KI untersucht – beim multinationalen Pharmaunternehmen Novo Nordisk. Die Erfahrung zeigt, dass der Erfolg nicht nur von der Infrastruktur abhängt, sondern auch davon, wie Menschen denken, sich anpassen und mit KI zusammenarbeiten. Eine wichtige Lektion: Während die Einführung von GenAI und umfassendere digitale Transformationen gemeinsame Wurzeln haben, ist generative KI einzigartig disruptiv und verändert die Natur der Arbeit selbst auf beispiellose Weise. …

„Jeder Mitarbeiter sparte durchschnittlich 2,17 Stunden pro Woche, sobald er mit der Nutzung des Tools begann. Aber es passierte auch etwas Unerwartetes: Diese Stunden waren nicht das, was die Mitarbeiter am meisten schätzten. Die Zufriedenheit der Mitarbeiter mit Copilot korrelierte dreimal stärker mit wahrgenommenen Verbesserungen der Arbeitsqualität als mit der Zeitersparnis. Mitarbeiter berichteten von Qualitätsverbesserungen bei der Inhaltszusammenfassung, der Inhaltserstellung und der Ideenfindung. Interessanterweise investierten viele Mitarbeiter die eingesparte Zeit wieder in Interaktionen mit Menschen, strategische Planung und kreative Arbeit.“ Den vollständigen Artikel lesen »

3. Generieren Sie mit „Small t“-Transformationen Mehrwert aus GenAI

Melissa Webster und George Westerman

„Wirtschaftsführer finden Wege, echten Mehrwert aus großen Sprachmodellen (LLMs) zu ziehen, ohne bestehende Geschäftsprozesse vollständig zu ersetzen. Sie streben nach ‚Small T‘-Transformationen, auch wenn sie die Grundlage für zukünftige größere Transformationen schaffen. …

„Unser Projektteam hat die leitenden Manager verschiedener Funktionen, darunter künstliche Intelligenz, Datenwissenschaft, Innovation, Betrieb und Vertrieb, bei 21 großen Unternehmen befragt. Wir haben uns darauf konzentriert, zu verstehen, was Organisationen mit relativ früher und umfassender GenAI-Einführung tun und warum. …

„Unsere Untersuchungen zeigen, dass die meisten Unternehmen bei der Transformation mit generativer KI einen gezielteren Ansatz verfolgen. Während GenAI möglicherweise die Geschwindigkeit und Qualität vieler Aufgaben steigern kann, birgt es auch eine Reihe von Risiken in Bezug auf Genauigkeit, Sicherheit und Verwaltung des geistigen Eigentums. Die von uns befragten Führungskräfte tendieren dazu, bei ihren Entscheidungen die Logik einer Risikoneigung anzuwenden und kundenorientierten Prozessen ein höheres Risiko zuzuordnen als internen.“ Den vollständigen Artikel lesen »

4. Der Fokus von GenAI verlagert sich auf Innovation bei Colgate-Palmolive

Thomas H. Davenport und Randy Bean

„Die großen Sprachmodelle (LLMs), die die Teams von Colgate-Palmolive verwenden, wurden durch RAG-Inhalte (Retrieval-Augmented Generation) verschiedener Art ergänzt – vom Unternehmen durchgeführte firmeneigene Forschung, Google-Suchtrends, syndizierte Datenquellen und mehr. RAG-basierte Systeme greifen mehr auf unternehmensspezifische Inhalte als auf öffentliche Internetmaterialien zurück, sodass die Wahrscheinlichkeit von Halluzinationen geringer ist.“

„Generative KI kann solches Material schnell durchgehen und Markttrends und unerfüllte Verbraucherbedürfnisse beschreiben. Das bedeutet, dass Mitarbeiter, anstatt eine breite Sammlung von Marktforschungsberichten herunterzuladen, zu lesen und zu notieren, wenn sie Verbrauchereinblicke wünschen, einfach die Frage, die sie beantwortet haben möchten, sofort aufschreiben und sofort eine Antwort erhalten können. …

„Die Teams von Colgate-Palmolive haben herausgefunden, dass sie ein KI-System, das unerfüllte Verbraucherbedürfnisse aufzeigt, mit einem anderen proprietären KI-System kombinieren können, das neue Produktkonzepte entwickelt, um diese Bedürfnisse zu erfüllen. In wenigen Minuten kann es unter menschlicher Anleitung Texte und Bilder für ein neues Konzept erstellen, beispielsweise eine neue Geschmacksrichtung von Zahnpasta. Während immer Menschen auf dem Laufenden sind, die den Arbeitsablauf leiten, ist die Verwendung des GenAI-erweiterten Systems viel effizienter, als wenn Menschen Marktforschungsmaterialien durchblättern. Durch die Breite der generierten Ideen entsteht auch ein breiteres Produkt Den vollständigen Artikel lesen »

5. Bringen Sie Ihre eigene KI mit: Wie Sie Risiken und Innovation in Einklang bringen

Nick van der Meulen und Barbara H. Wixom

„Mit diesem Aufstieg von GenAI geht eine neue Herausforderung für Organisationsleiter einher: das Phänomen von Bring Your Own AI (BYOAI), das auftritt, wenn Mitarbeiter ungeprüfte, öffentlich verfügbare GenAI-Tools für die Arbeit verwenden.

„Während diese Tools eine höhere Produktivität und ein höheres kreatives Potenzial versprechen, bringen sie auch Risiken für die Sicherheit und Governance des Unternehmens mit sich, darunter Datenverlust, Verlust von geistigem Eigentum, Urheberrechtsverletzungen und Sicherheitsverletzungen. …

„Angesichts der mit BYOAI verbundenen Risiken mag es für Führungskräfte logisch erscheinen, über ein vollständiges Verbot ungeprüfter GenAI-Tools nachzudenken. Die Aussicht auf eine unkontrollierte Nutzung von GenAI in Kombination mit der Unsicherheit hinsichtlich der rechtlichen und behördlichen Gefährdung kann Führungskräfte verständlicherweise zur Vorsicht veranlassen. Die von uns befragten Führungskräfte sagten jedoch, dass ein Verbot von BYOAI weder praktisch noch effektiv sei. Mitarbeiter – insbesondere diejenigen, die sich ohnehin schon überfordert fühlen – greifen häufig auf GenAI-Tools zurück, um ihre persönliche Produktivität zu steigern. Die Einschränkung des Zugriffs zwingt sie nur dazu, inoffizielle Workarounds zu finden.“ Den vollständigen Artikel lesen »

6. Stoppen Sie den Einsatz von KI.

Michael Schrage und David Kiron

„Im Rahmen unserer fortlaufenden Erforschung von ‚Philosophy Eats AI‘ – der These, dass grundlegende philosophische Klarheit für den zukünftigen Wert intelligenter Systeme von wesentlicher Bedeutung ist – stellen wir fest, dass [der zum Unternehmer gewordene Physiker Stephen] Wolframs grundlegende Erkenntnisse über die Berechnung eindeutig umsetzbare, wenn auch unterschätzte, Verwendungsmöglichkeiten für Führungskräfte haben, die von KI-Fähigkeiten überfordert, aber von den KI-Erträgen unterfordert sind. …

„Sein Lebenswerk bietet nun entscheidende Rahmenbedingungen für das Verständnis und die Anwendung von KI in der realen Welt. Seine Erkenntnisse sind keine cleveren akademischen Schnörkel; sie sind zwingend erforderlich für den Aufbau von Intelligenzumgebungen, die im großen Maßstab effektiv funktionieren. …

„Mit Wolfram haben wir die Idee untersucht, von der KI-Führung abkommen muss Bessere Einführung und Integration von KI-Tools zu Gestaltung von Geheimdienstumgebungen, Organisationsarchitekturen, in denen menschliche und künstliche Agenten proaktiv interagieren, um strategischen Wert zu schaffen. Den vollständigen Artikel lesen »

7. Die versteckten Kosten der Codierung mit generativer KI

Edward Anderson, Geoffrey Parker und Burcu Tan

„Organisationen, die diese Tools einsetzen, rechnen mit großen Gewinnen. Und erste Untersuchungen bestätigen ihren Optimismus: GitHub hat berichtet, dass Programmierer, die Copilot verwenden, bis zu 55 % produktiver sind, und McKinsey hat herausgefunden, dass Entwickler Aufgaben mit generativer KI-Unterstützung bis zu doppelt so schnell erledigen können.“

„Diese positiven Indikatoren sind jedoch mit einem großen Vorbehalt verbunden. Die Studien wurden in kontrollierten Umgebungen durchgeführt, in denen Programmierer isolierte Aufgaben erledigten – nicht in realen Umgebungen, in denen Software auf komplexen bestehenden Systemen erstellt werden muss. Wenn der Einsatz von KI-generiertem Code schnell skaliert oder auf Brownfield-Umgebungen (Altumgebungen) angewendet wird, sind die Risiken viel größer und viel schwieriger zu verwalten. …

„Wenn ein Unternehmen schnell neue Software in bestehende Systeme einführt, kann es unbeabsichtigt zu einem Gewirr von Abhängigkeiten kommen, die das Ganze verschärfen technische Schulden – das heißt, die Kosten zusätzlicher technologischer Arbeit, die in Zukunft erforderlich sein werden, um während der Entwicklung vorgenommene Abkürzungen und schnelle Lösungen zu beheben.

„Organisationen müssen die Tendenz von KI-Tools, die technische Verschuldung zu erhöhen, als strategisches Risiko und nicht nur als betriebliches Ärgernis betrachten.“ Den vollständigen Artikel lesen »

8. Wann man GenAI im Vergleich zu prädiktiver KI verwenden sollte

Rama Ramakrishnan

„Während die generative KI verspricht, alles vom Kundenservice bis zur Produktentwicklung zu revolutionieren, ist ihre optimale Rolle neben prädiktiven KI-Tools (also maschinellen Lern- und Deep-Learning-Tools) noch in Arbeit. Führungskräfte fragen sich oft, was der richtige Ansatz zur Lösung eines bestimmten Problems ist. …

„Um traditionelles maschinelles Lernen effektiv mit unstrukturierten Daten nutzen zu können, müssen die Daten vorhanden sein manuell strukturiert – eine teure Aufgabe, die maschinelles Lernen für Geschäftsanwendungsfälle unattraktiv macht, bei denen die Eingabedaten nicht tabellarisch sind.

„Die Eingaben und Ausgaben generativer KI-Systeme wie LLMs sind typischerweise unstrukturiert. Am häufigsten umfassen sie Text- und/oder Bilddaten und neuerdings auch Videos. Beachten Sie, dass der von generativen KI-Tools analysierte und erstellte Text eine erstaunliche Vielfalt an Typen umfasst, wie etwa Softwarecode, Proteinsequenzen, Musiknotation, mathematische Ausdrücke und chemische Formeln. …

„Beginnen wir mit dem einfachen Fall. Wenn Sie ein Generierungsproblem lösen müssen, gibt es nur ein Spiel: generative KI. Abhängig von der Art der Ausgabe, die Sie generieren möchten, müssen Sie möglicherweise multimodale LLMs wie GPT-4 von OpenAI, Claude 3.7 Sonnet von Anthropic oder Gemini 1.5 von Google, Text-zu-Bild-Modelle wie Dall-E oder spezielle Modelle verwenden, die für Audio entwickelt wurden

„Wenn man jedoch ein Vorhersageproblem hat, wird die Sache komplizierter.“ Den vollständigen Artikel lesen »

Zusätzliche Ressourcen: Wenden Sie KI-Lektionen mit Ihrem Team an

GenAI: Das Strategie- und Governance-Toolkit

MIT Sloan Management Review hat sein Generative AI Strategy + Governance Toolkit mit fünf der weltweit führenden Experten für generative KI-Führung entwickelt: Ethan Mollick (Wharton School der University of Pennsylvania), John Sviokla (Harvard Business School und GAI Insights), John K. Thompson (Hackett Group und University of Michigan), George Westerman (MIT Sloan School of Management) und David A. Wood (Marriott School of Business der Brigham Young University).

Das Kit enthält eine Videolektion mit Westerman, einen GenAI-Strategieplaner, eine GenAI-Strategie-Checkliste, einen GenAI-Governance-Planer, Artikel und mehr.