Generative KI ist ein Trend, der viele Unternehmen dazu bringt, zu investieren, auch wenn es sich vielleicht wie ein Sprung ins Ungewisse anfühlt. Laut einem Bericht von Deloitte aus dem Jahr 2024 planen 78% der Befragten, ihre KI-Ausgaben im nächsten Geschäftsjahr zu erhöhen, wobei generative KI einen größeren Anteil dieses Budgets ausmacht. Auf der EmTech AI, die von MIT Technology Review veranstaltet wurde, war diese Woche deutlich zu spüren, dass Investitionen in generative KI zu Geschäftswert führen können.
Generative KI zielt vor allem darauf ab, die Effizienz zu verbessern. Das bedeutet, dass bestehende Mitarbeiter effizienter arbeiten können. Andrew Lo, Direktor des Laboratory for Financial Engineering an der MIT Sloan School of Management, betont, dass diese Werkzeuge dazu beitragen, dass Mitarbeiter produktiver werden. In der Finanzbranche wird generative KI zunehmend für Investmentbanking und grundlegende Analysen eingesetzt. Große Sprachmodelle (LLMs) können dank ihrer natürlichen Sprachverarbeitung, Kodierungs- und Automatisierungsfähigkeiten erheblich mehr Daten auswerten, als ein menschlicher Analyst alleine könnte.
Es ist wichtig, den Return on Investment (ROI) von generativer KI richtig zu messen. Jim Rowan, Leiter von AI bei Deloitte, betont, dass der Wert oft nicht in Form direkter Kosteneinsparungen besteht, sondern in Zeitersparnissen oder Qualitätsverbesserungen. Es kann eine Weile dauern, bis Unternehmen die Früchte ihrer Arbeit sehen, da zunächst Kosten für den Aufbau der Infrastruktur und die Schulung der Mitarbeiter anfallen. Doch langfristig werden sich Produktivitätsgewinne einstellen.
Ein entscheidender Aspekt für den Erfolg von generativer KI ist ein effektives Change Management. Es ist wichtig, dass Mitarbeiter wissen, wie sie die gesparte Zeit effektiv nutzen können. Unternehmen sollten klare Richtlinien festlegen, wie Mitarbeiter ihre Zeit sinnvoll nutzen können, um ihre Produktivität zu steigern und zum Unternehmenserfolg beizutragen. Außerdem ist es entscheidend, Mitarbeiter für die Veränderungen durch generative KI weiterzubilden und sie aktiv am Prozess zu beteiligen.
Es ist auch wichtig, die technologischen Grenzen von generativer KI zu berücksichtigen. Zum Beispiel können LLMs falsche oder irreführende Informationen produzieren, was besonders in risikoreichen Branchen problematisch sein kann. Teams sollten sicherstellen, dass Analysten die Ausgaben der Modelle sorgfältig überprüfen und LLMs nur für Zusammenfassungen und Analysen, nicht jedoch für präzise mathematische Berechnungen, einsetzen.
