G2 über Enterprise AI & Analytics: Was ist es wirklich und warum ist es wichtig?

Künstliche Intelligenz (KI) ist das heißeste Thema in der Technologie geworden. Ihr Einsatz im Zeitalter der digitalen Transformation erstreckt sich über den kommerziellen und öffentlichen Sektor und befeuert Debatten unter Unternehmen, Gesetzgebern und der Öffentlichkeit. Ich habe in den letzten Jahren immer wieder über das Thema geschrieben; nachdem ich kürzlich zu G2 gestoßen bin, um die Erweiterung unserer KI-Kategorien (sowie unserer Analyse-, Cloud- und Sicherheitskategorien) zu fördern, möchte ich einige meiner Ansichten zusammenfassen und gleichzeitig den Rahmen für eine detailliertere Erkundung der Technologien, geschäftlichen Herausforderungen und Trends, die die KI prägen, setzen.

Ich hoffe, Sie finden es nützlich und informativ, und – wie immer – freue ich mich über Feedback von Nutzern, Käufern und Entwicklern gleichermaßen. Das KI-Gespräch ist im Gange, und es liegt an uns, den wahren Wert der KI zu entdecken, die Daten, die ihr Treibstoff sind, verfügbar zu machen und bessere Ergebnisse für alle zu liefern.

Es gibt zwei Arten von KI, aber nur eine ist derzeit realistisch

Ich bin nicht allein in der Annahme, dass KI in zwei Lager unterteilt werden kann. Erstens gibt es eine allgemeine KI: die Replikation menschlicher Intelligenz, die bei der Befragung durch Menschen von dieser nicht zu unterscheiden sein sollte.

Die zweite Art ist die enge KI. Enge KI ist eine aufgabenspezifische Fähigkeit, die menschliche Arbeit auf eine hochdefinierte und strukturierte Weise automatisiert. Enge KI bringt den Nutzern Vorteile, indem sie Aufgaben in größerem Maßstab, mit höherer Geschwindigkeit und mit höherer Genauigkeit erledigt, als es ein Mensch könnte.

Allgemeine KI ist der Schuldige, wenn es um viel Verwirrung und Fehlinformationen auf dem KI-Markt geht. Warum? Weil sie zu diesem Zeitpunkt (und in absehbarer Zukunft) das Thema von Science-Fiction ist. Populäre Vorstellungen von KI werden durch Beispiele wie Terminator oder I, Robot geprägt. Sie kennen die Geschichte: Wahnsinnig (ich benutze dieses Wort absichtlich) intelligente Maschinen übertreffen die menschliche Intelligenz, entscheiden, dass Menschen entweder eine Bedrohung darstellen oder unfähig sind, Entscheidungen für sich selbst zu treffen, und tun etwas Katastrophales dagegen. Obwohl es wichtig ist, die ethischen Implikationen einer futuristischen allgemeinen KI zu diskutieren, können wir uns darauf konzentrieren, was für Technologiekäufer heute realistisch ist: enge KI.

Heute wird enge KI wegen ihrer Genauigkeit und Geschwindigkeit eingesetzt. Die Technologie kann Aufgaben schneller, mit größerer Konsistenz oder in größerem Maßstab (oder einer Kombination davon) erledigen, als es eine Person kann. Wichtig ist auch, dass sie aufgrund der Möglichkeit, sie in bestehende Technologien einzubetten, eine natürliche Ergänzung zu vielen bestehenden Technologien darstellt. Mehr dazu später.

KI-Technologie ist nicht neu, aber die Daten und die Rechenleistung, um sie zu betreiben, sind es

Für diejenigen, die sich für die Geschichte der KI-Technologien interessieren, einige der heute verwendeten Technologien gibt es seit den 1950er und 60er Jahren.

Aber wenn es KI schon so lange gibt, warum haben wir sie erst in den letzten Jahren zu nutzen begonnen?

Die Antwort ist einfach: Erst kürzlich gab es das schiere Volumen an Daten, das notwendig ist, um sie zu betreiben, und die Rechenleistung, um sie zu verarbeiten. Enge KI glänzt bei Aufgaben in einem Maßstab und in einem Tempo, das Menschen schwer zu bewältigen fällt. Big Data gepaart mit der Verfügbarkeit von umfangreichen, skalierbaren Speicher- und Rechendiensten in der öffentlichen Cloud machen es möglich und wertvoll.

Der Wert der KI liegt vorerst in Produktivitätsverbesserungen

Ich werde weiterhin argumentieren, dass die Mehrheit der KI-Anwendungsfälle wirklich darauf abzielt, die Produktivität zu verbessern; das heißt, mehr zu produzieren, aber weniger dafür zu verwenden. Im Wesentlichen ist mein Argument folgendes: KI hilft Menschen, ihre Arbeit entweder schneller (durch Automatisierung von Arbeit) oder effektiver (durch das Aufdecken zuvor verborgener Erkenntnisse, die Entscheidungen positiv beeinflussen) zu erledigen. In Bezug auf eine einfache Formel für Produktivität reduziert dies entweder die Inputs (Arbeit), um Outputs (abgeschlossene Arbeit) zu liefern, oder erhöht die Menge der Outputs für die gleichen Inputs, oder – noch besser – beides.

Dies ist auch eine sich entwickelnde Situation. Die „Kunst des Möglichen“ erweitert sich schnell. Zum Beispiel ist die Arbeit, die mit der Überwachung von Internet-Datenquellen im großen Maßstab für Signale und Erkenntnisse verbunden ist, jenseits der Fähigkeiten eines Menschen. Dies bedeutet, dass nicht nur Produktivitätsgewinne für bestehende Arten von Arbeit und Output verfügbar sind, sondern dass KI und die Maschinen, die sie betreiben, auch zuvor unmögliche Anwendungen schaffen können und schaffen. Kosten, Umsatz und Gewinn sind nicht die einzigen Geschäftshebel, die gezogen werden können. Betrachten Sie das Ausmaß und die Geschwindigkeit von Cybersecurity-Bedrohungen; Maschinen sind bei dieser Art von Herausforderung überlegen, und Menschen können nicht mithalten.

Ein Warnschuss muss im Interesse des Gleichgewichts abgegeben werden und wird das Thema eines zukünftigen Beitrags von G2 sein: Arbeitsreduzierung wird unweigerlich zu (aktuellen) Arbeitsplatzverlusten führen. Eine große Debatte darüber, ob KI Massenarbeitslosigkeit einleiten oder den Beginn einer neuen Ära der Kreativität und wirtschaftlichen Freiheit einläuten wird, hat begonnen. Ob Sie in dieser Hinsicht ein KI-Optimist oder -Pessimist sind, diese unbeantworteten sozioökonomischen Fragen benötigen mehr Zeit und Mühe, um ein positives Ergebnis zu erzielen.

Für die meisten wird der Einstieg in die KI wahrscheinlich als Funktion eines bestehenden Produkts erfolgen

Viele Unternehmen sind zu Recht begeistert von der Aussicht, (obwohl sie es vielleicht nicht wissen, enge) KI zu nutzen, um ihre Geschäfte zu verbessern, aber wie sollten sie beginnen? Für einige war die Antwort, zu versuchen, KI-Kompetenzzentren aufzubauen und die viel diskutierten Datenwissenschaftler einzustellen, um die Führung zu übernehmen. Zwei Probleme treten in diesem Szenario häufig auf. Erstens sind Datenwissenschaftler knapp und teuer. Zweitens gibt es oft wenig Klarheit darüber, welche Ziele ein Unternehmen über „Lass uns etwas mit KI machen“ hinaus erreichen möchte.

Glücklicherweise sind sich viele Softwareanbieter dieser Herausforderungen bewusst und gehen sie an, indem sie enge KI in ihre Anwendungen und Lösungen integrieren. Beispiele gibt es viele, wobei Customer Relationship Management Software (CRM) wahrscheinlich das sichtbarste ist, das KI-gestützte Funktionen wie Lead-Scoring oder das nächste beste Angebot liefert. Oracles Adaptive Intelligent Apps und Salesforce’s Einstein-Produkte bieten KI-gestützte Fähigkeiten für das Kundenerlebnis (CX) und andere Anwendungsbereiche. Organisationen profitieren von der Technologie, ohne eine Fülle von KI-Wissen und -Fähigkeiten zu benötigen. Die den Organisationen gelieferten Erkenntnisse stehen im Kontext der Anwendung und ihrer Prozesse, was den Konsum einfach macht. Unternehmen müssen zusätzliche Überlegungen zu ihren Daten anstellen. Wir werden die Rolle der Daten in zukünftigen Kolumnen ausführlich erkunden, aber es ist wichtig, darauf hinzuweisen, dass viele Unternehmen immer noch Schwierigkeiten haben, ihre Daten zu verwalten. Keine Daten gleich keine KI.

Für Unternehmen mit entweder dem Budget, sehr spezifischen Anforderungen (zum Beispiel in bestimmten Bereichen der Finanzdienstleistungen) oder mit vorhandenen internen Fähigkeiten ist der Aufbau ihrer eigenen KI eine Option, die von einer Reihe von sogenannten Data-Science-Plattformen unterstützt wird. Eine Data-Science-Plattform bietet die Werkzeuge, um die notwendigen Daten zu beschaffen und zu verwalten, das KI-Toolkit (meistens maschinelles Lernen, aber auch tiefes Lernen für einige Anwendungsfälle), Bereitstellungs- und Modellmanagement-Fähigkeiten. Beispiele sind Dataiku, Datascience.com, IBM Watson Studio, Microsoft Azure Machine Learning und RapidMiner.

Die Zugänglichkeit von KI zu verbessern, ist die unmittelbare Herausforderung

Während ein Mangel an Fähigkeiten und Herausforderungen bei der Beschaffung der richtigen Daten zur Betankung von KI unmittelbare und anhaltende Herausforderungen sind, reagieren die Industrie und nationale Regierungen darauf.

Hier sind drei Trends, die ich sehe, die die Art und Weise prägen werden, wie Unternehmen KI in naher Zukunft übernehmen und nutzen werden:

• Augmentation ist das Wort in der KI im Moment. Zu Recht, da es genau das repräsentiert, wozu die meisten KI-Lösungen derzeit in der Lage sind, und die KI-Debatte auf den Unternehmenswert anstatt auf die Technologiephilosophie fokussiert. Denken Sie an KI-gestützte Augmentation als Co-Pilot für Benutzer von Geschäftstechnologie, der die Komplexität der Technologie und die riesigen Datenmengen, die sie antreiben, vor dem Benutzer verbirgt und ihnen bei der automatischen Erledigung von Routineaufgaben hilft und proaktiv Aktionen vorschlägt, die entweder Wert hinzufügen oder Risiken mindern. Wir sehen dies heute in Aktion. Wenn neue Fähigkeiten und Anwendungsfälle verfügbar werden und Benutzer beginnen, KI-gestützten Fähigkeiten zu akzeptieren und zu vertrauen, wird der KI-Co-Pilot zu einem unverzichtbaren Teil der täglichen Arbeit des Geschäftsmannes.
• Die derzeitige Qualifikationslücke, die die Einführung von KI einschränkt, wird durch technologische Entwicklungen, die die Zugänglichkeit fördern und potenzielle Anwendungsfälle erweitern, abgebaut. In ähnlicher Weise, wie sich Analysen von einem kleinen Kreis von Experten-Power-Usern zu einem Werkzeug entwickelt haben, das Millionen zugänglich ist, werden KI-Technologien durch die Verwendung von Drag-and-Drop, Low- oder No-Code und vorgefertigten Fähigkeiten, die Entwicklern und Geschäftsanwendern offenstehen, zugänglicher. Erwarten Sie das Aufkommen von maschinellen Lernmodellen als Dienstleistung oder Marktplätze, auf denen Unternehmen auf ausgeklügelte, vorgefertigte und für ihre eigenen einzigartigen Umstände konfigurierbare IP von einer Reihe von Anbietern zugreifen können.
• Die Kombination vieler enger KI-Fähigkeiten, um eine „mehr als die Summe ihrer Teile“ KI-gestützte Lösung zu schaffen, ist eine weitere Entwicklung, von der ich erwarte, dass sie einen großen Einfluss haben wird. Die Fähigkeit, diese engen KIs im Kontext eines Geschäftsprozesses (und wahrscheinlich gepaart mit robotergestützter Prozessautomatisierung) zu kombinieren und zu orchestrieren, wird die Produktivität in einem viel breiteren Spektrum von Aufgaben innerhalb von Organisationen vorantreiben.

Zusätzlich zu meinen Vorhersagen stehen in den kommenden Monaten einige der größten Technologie-Nutzerveranstaltungen des Jahres an, darunter AWS’s re:Invent, Salesforce’s Dreamforce und Oracle’s OpenWorld. Erwarten Sie eine Flut von KI-Ankündigungen von jedem. Unsere G2-Analysten werden dort sein und den Technologiekäufern unsere Ansichten und Meinungen dazu geben, während sie passieren, im G2 Research Hub.