Überprüft von 
Hin und wieder kommt eine Technologie auf den Markt, die so vielversprechend ist, dass Unternehmen sie einsetzen, ohne sich Gedanken darüber zu machen, wie oder wo sie am nützlichsten sein kann.
Wenn wir auf die Cloud, die Virtualisierung oder den PC selbst zurückblicken, war die Angst, etwas zu verpassen, oft wichtiger als sorgfältige Überlegungen, und viele Unternehmen verschwendeten am Ende viel Zeit und Geld, um Implementierungen rückgängig zu machen, die entweder unproduktiv oder schädlich für ihre Betriebsmodelle waren.
Das Gleiche können wir heute bei der künstlichen Intelligenz (KI) beobachten. Das aktuelle Narrativ besagt, dass KI die gesamte Welt umgestalten wird, und dass jedes Unternehmen, das bei dieser Revolution nicht an vorderster Front dabei ist, auf dem Müllhaufen der Geschichte landen wird. Es spielt keine Rolle, wofür sie eingesetzt wird oder ob sie gute Ergebnisse erzielt. Solange die Unternehmensleitung den Investoren ihre Existenz sofort melden kann, wird sich alles andere von selbst erledigen.
Planung für künstliche Intelligenz
Künstliche Intelligenz ist zwar nicht zwangsläufig zum Scheitern verurteilt, kann aber zu Komplikationen führen, wenn sie nicht richtig umgesetzt wird. Wenn KI einmal einen bestimmten Prozess übernommen hat, ist es schwer, ihn wieder rückgängig zu machen. Deshalb ist ein wenig Planung angebracht, wenn das Ziel darin besteht, KI als wertvolles Werkzeug und nicht nur als technologische Augenwischerei zu nutzen.
Derzeit ist das Callcenter ein Bereich, in dem sich KI als äußerst nützlich erweist. Ihre Fähigkeiten bei Funktionen wie der Sprachanalyse und der Ermittlung von Kundenabsichten machen sie zu einem äußerst wertvollen Instrument für den Vertrieb und die Kundenbetreuung.
Cobus Greyling, Chief Evangelist beim Entwickler der Datenproduktivitätsplattform HumanFirst, stellt fest, dass KI zu allen vier Elementen einer modernen Callcenter-Umgebung beitragen kann: Verbindung, Orchestrierung, Ressourcenmanagement sowie Wissen und Erkenntnisse. Einige der spezifischen Anwendungen sind jedoch einfacher zu implementieren und bieten einen größeren Geschäftswert als andere.
Die Analyse von Sprachmustern und das Erkennen von Kundenbedürfnissen sind gut machbar und rentabel, während Dinge wie die vollständig konversationelle Self-Service-Unterstützung und das Echtzeit-Coaching von Agenten einen mittleren Wert haben und schwieriger zu entwickeln sind.
Der Aufbau von Wissensgraphen zur Optimierung der Konversationsfähigkeiten oder die Entwicklung von Werkzeugen zur intelligenten Weiterleitung von Kontakten sind derzeit anspruchsvolle Projekte, die nur eine begrenzte Produktivität bieten.
Analytik mit einem Zweck
Der Bereich der Geschäftsanalytik umfasst ebenfalls eine Vielzahl von Vorgängen, von denen sich einige besser für eine intelligente Automatisierung eignen als andere.
Ivy Liu, CEO des E-Commerce-Beratungsunternehmens Ivy Insights, weist darauf hin, dass die Lead-Bewertung von einer schnelleren und genaueren Analyse der Leistungskennzahlen enorm profitieren kann, was es den Unternehmen wiederum ermöglicht, Initiativen mit unzureichender Leistung zu überarbeiten oder aufzugeben und gleichzeitig die leistungsstarken Initiativen zu verdoppeln.
In der heutigen schnelllebigen digitalen Wirtschaft, in der die Gewinnspannen immer enger werden, wird dies wahrscheinlich zu einem wichtigen Unterscheidungsmerkmal zwischen erfolgreichen und erfolglosen Unternehmen.
KI bietet im Wesentlichen die Werkzeuge zur Unterstützung der Leistungsüberwachung in Echtzeit, um ein genaues Bild dessen zu liefern, was jetzt und in Zukunft geschieht – und sie können in einer Reihe von Prozessen wie Vertrieb, Marketing, Finanzen und sowohl mittel- als auch langfristiger strategischer Entwicklung eingesetzt werden.
Wir können auch einen Blick auf das noch im Entstehen begriffene Feld der DevOps werfen, um zu sehen, wie KI zum maximalen Nutzen eingesetzt werden kann. Zunächst einmal, so der Tech-Autor Binod Anand, erleichtert KI die Verwaltung des Inputs in jeder Phase des Entwicklungsprozesses, indem sie Daten aus internen und externen Quellen sammelt und sie auf Genauigkeit, Relevanz und Verzerrung analysiert.
Außerdem verbessert sie die Effektivität des Testzyklus, um Fehler auszusortieren und die Gesamtproduktivität zu steigern, während sie gleichzeitig die Durchführung von Sicherheitsprüfungen beschleunigt.
Trotz dieser Vorteile kann ein übermäßiger Einsatz von KI jedoch zu ungelösten Fehlern im DevOps-Lebenszyklus führen, die Leistungsverzögerungen oder gar Ausfälle zur Folge haben können.
Ebenso besorgniserregend ist die Möglichkeit, dass KI unethische oder störende Auswirkungen auf das Leben der Menschen hat, insbesondere wenn sie auf kritische Anwendungen wie das Gesundheitswesen, persönliche Finanzen und Regierungsdienste angewendet wird.
Ein Zuviel an KI kann auch sehr kostspielig werden, da sie erhebliche Rechen- und Speicherressourcen für Training und Betrieb sowie für die Überprüfung der riesigen Datenmengen benötigt, die zur Erzielung geeigneter Ergebnisse erforderlich sind.
Und sobald ein KI-Modell beginnt, sich auf die Ergebnisse anderer KI-Modelle zu stützen, steigt das Risiko einer weitreichenden Störung exponentiell an.
Das richtige Werkzeug für den Job
Laut Gartner ist KI am effektivsten, wenn sie für drei allgemeine Anwendungsfälle eingesetzt wird:
- Prozessautomatisierung
- Personalisierung
- Erhöhte Produktivität der Mitarbeiter
Derzeit werden die meisten dieser Vorteile durch die Anwendung von KI auf einmalige Punkt-zu-Punkt-Lösungen erzielt. Groß angelegte Lösungen können einen größeren Wert schaffen, aber diese können schwierig zu erreichen sein, ohne dass erhebliche Änderungen an etablierten Geschäftsprozessen und der Interaktion zwischen Teams innerhalb des Unternehmens vorgenommen werden.
Eine Sache, die Unternehmen beachten sollten, insbesondere wenn es um generative KI wie ChatGPT geht, ist, sich über neue gesetzliche Rahmenbedingungen auf dem Laufenden zu halten, insbesondere in Bezug auf Urheberrechtsverletzungen und rechtliche Haftung.
Außerdem können alle Formen der KI mit dem Gesetz in Konflikt geraten, indem sie aufgrund der Instabilität des Algorithmus, schlechter Daten, mangelnder menschlicher Fähigkeiten und Schulungen sowie einer Vielzahl anderer Faktoren falsche Ergebnisse liefern. Das Letzte, was sich ein Unternehmen von seiner KI-Investition wünscht, ist eine saftige Geldstrafe oder sogar eine Strafanzeige.
Zusammenfassung
Niemand hat je behauptet, dass KI ein Allheilmittel für alle Unternehmensleiden ist (auch wenn einige dies vielleicht angedeutet haben). Eine vernünftige strategische Vision sollte zuerst auf die niedrig hängenden Früchte abzielen, d. h. auf die einfachsten Implementierungen mit dem höchsten Ertrag.
Auf diese Weise erhält man zumindest die Zustimmung der Benutzergemeinschaft, dass die Technologie ihr Leben auf sinnvolle Weise verbessern kann. Sobald dieser Schritt vollzogen ist, wird die weitere Implementierung von den bis dahin gesammelten internen Erfahrungen und vielleicht auch von den KI-gestützten Erkenntnissen aus der ersten Implementierungsrunde profitieren.
Wie bei allen Unternehmensinitiativen sollte auch die KI mit einem Ziel und einem Plan zur Erreichung dieses Ziels beginnen. Von dort aus sollte sie sich auf natürliche Weise in das Geschäftsmodell einarbeiten, nicht mit Gewalt.
