Was zum Teufel ist eine KI-Fabrik?

Wenn Sie den Nachrichten über künstliche Intelligenz folgen, finden Sie zwei unterschiedliche Themen. Die Medien und das Kino porträtieren oft KI mit menschenähnliche Fähigkeiten, Massenarbeitslosigkeit und eine mögliche Roboterapokalypse. Auf wissenschaftlichen Konferenzen werden dagegen die Fortschritte in Richtung diskutiert künstliche allgemeine Intelligenz während das anerkannt wird Die aktuelle KI ist schwach und unfähig zu vielen der Grundfunktionen des menschlichen Geistes.

Unabhängig davon, wo sie im Vergleich zur menschlichen Intelligenz stehen, sind die heutigen KI-Algorithmen bereits geworden Eine definierende Komponente für viele Sektoren, einschließlich Gesundheitswesen, Finanzen, Fertigung, Transport und viele mehr. Und sehr bald “wird kein Bereich menschlicher Bemühungen unabhängig von künstlicher Intelligenz bleiben”, wie die Professoren der Harvard Business School, Marco Iansiti und Karim Lakhani, in ihrem Buch erklären Im Zeitalter der KI konkurrieren: Strategie und Führung, wenn Algorithmen und Netzwerke die Welt regieren.

Tatsächlich hat eine schwache KI bereits das Wachstum und den Erfolg von Unternehmen wie Google, Amazon, Microsoft und Facebook vorangetrieben und wirkt sich auf das tägliche Leben von Milliarden von Menschen aus. Lakhani und Iansiti diskutieren in ihrem Buch: „Wir brauchen keine perfekte menschliche Nachbildung, um Inhalte in einem sozialen Netzwerk zu priorisieren, einen perfekten Cappuccino zuzubereiten, das Kundenverhalten zu analysieren, den optimalen Preis festzulegen oder anscheinend sogar im Stil zu malen von Rembrandt. Eine unvollständige, schwache KI reicht bereits aus, um die Natur der Unternehmen und ihre Funktionsweise zu verändern. “

Startups, die die Regeln für die Führung von Unternehmen mit KI verstehen, konnten neue Märkte schaffen und traditionelle Branchen stören. Etablierte Unternehmen, die sich an das Zeitalter der KI angepasst haben, überlebten und gediehen. Diejenigen, die an alten Methoden festhielten, haben aufgehört zu existieren oder werden an den Rand gedrängt, nachdem sie an Unternehmen verloren haben, die die Macht der KI genutzt haben.

Zu den vielen Themen, die Iansiti und Lakhani diskutieren, gehört das Konzept der KI-Fabriken, die Schlüsselkomponente, die es Unternehmen ermöglicht, im Zeitalter der KI zu konkurrieren und zu wachsen.

Was ist die KI-Fabrik?

Wettbewerb im Zeitalter der KI von Marco Iansiti und Karim Lakhani

Der Schlüssel KI-Technologien, die im heutigen Geschäft eingesetzt werden sind Algorithmen für maschinelles Lernen, statistische Engines, die Muster aus früheren Beobachtungen ableiten und neue Ergebnisse vorhersagen können. Zusammen mit anderen Schlüsselkomponenten wie Datenquellen, Experimenten und Software Algorithmen für maschinelles Lernen kann KI-Fabriken schaffen, eine Reihe miteinander verbundener Komponenten und Prozesse, die Lernen und Wachstum fördern.

So funktioniert die KI-Fabrik. Qualitätsdaten aus internen und externen Quellen trainieren Algorithmen für maschinelles Lernen, um Vorhersagen zu bestimmten Aufgaben zu treffen. In einigen Fällen, wie der Diagnose und Behandlung von Krankheiten, können diese Vorhersagen helfen menschlichen Experten bei ihren Entscheidungen. In anderen Fällen, z. B. bei der Empfehlung von Inhalten, können Algorithmen für maschinelles Lernen Aufgaben mit wenig oder gar keinem menschlichen Eingriff automatisieren.

Das algorithmische und datengesteuerte Modell der KI-Fabrik ermöglicht es Unternehmen, neue Hypothesen zu testen und Änderungen vorzunehmen, die ihr System verbessern. Dies können neue Funktionen sein, die einem vorhandenen Produkt hinzugefügt wurden, oder neue Produkte, die auf dem aufbauen, was das Unternehmen bereits besitzt. Diese Änderungen ermöglichen es dem Unternehmen wiederum, neue Daten zu erhalten, KI-Algorithmen zu verbessern und erneut neue Wege zu finden, um die Leistung zu steigern, neue Services und Produkte zu erstellen, zu wachsen und sich über Märkte hinweg zu bewegen.

„Im Wesentlichen schafft die KI-Fabrik einen positiven Zyklus zwischen Benutzereingriff, Datenerfassung, Algorithmusdesign, Vorhersage und Verbesserung“, schreiben Iansiti und Lakhani Im Zeitalter der KI konkurrieren.

Die Idee zu bauen, zu messen, zu lernen und zu verbessern ist nicht neu. Es wird seit vielen Jahren von Unternehmern und Startups diskutiert und praktiziert. KI-Fabriken bringen diesen Zyklus jedoch auf ein neues Niveau, indem sie Felder wie z Verarbeitung natürlicher Sprache und Computer Vision, die bis vor einigen Jahren nur eine sehr begrenzte Software-Verbreitung hatte.

Eines der Beispiele Im Zeitalter der KI konkurrieren Erörtert wird Ant Financial (jetzt bekannt als Ant Group), ein 2014 gegründetes Unternehmen mit 9.000 Mitarbeitern, das mit Hilfe einer sehr effizienten KI-Fabrik (und einer genialen Führung) mehr als 700 Millionen Kunden eine breite Palette von Finanzdienstleistungen bietet. Die 1924 gegründete Bank of America beschäftigt 209.000 Mitarbeiter, um 67 Millionen Kunden mit einem begrenzten Angebot zu bedienen.

“Ant Financial ist nur eine andere Rasse”, schreiben Iansiti und Lakhani.

Die Infrastruktur der KI-Fabrik

künstliche IntelligenzBildnachweis: Depositphotos

Es ist bekannt, dass Algorithmen für maschinelles Lernen stark von großen Datenmengen abhängen. Der Wert von Daten hat zu Redewendungen wie „Daten sind das neue Öl“ geführt, einem Klischee, das verwendet wurde im viele Artikel.

Große Datenmengen allein sind jedoch keine guten KI-Algorithmen. Tatsächlich sitzen viele Unternehmen in riesigen Datenspeichern, aber ihre Daten und Software befinden sich in separaten Silos, die inkonsistent gespeichert sind und in inkompatiblen Modellen und Frameworks.

„Obwohl Kunden das Unternehmen als eine einheitliche Einheit betrachten, sind die Systeme und Daten intern über Einheiten und Funktionen hinweg in der Regel fragmentiert, wodurch die Aggregation von Daten verhindert, die Generierung von Erkenntnissen verzögert und es unmöglich gemacht wird, die Leistungsfähigkeit von Analyse und KI zu nutzen.“ Iansiti und Lakhani schreiben.

Darüber hinaus müssen Daten vorverarbeitet werden, bevor sie AI-Algorithmen zugeführt werden. Beispielsweise möchten Sie möglicherweise den Verlauf vergangener Korrespondenz mit Kunden verwenden, um einen Chatbot mit KI-Unterstützung zu entwickeln, der Teile Ihres Kundensupports automatisiert. In diesem Fall müssen die Textdaten konsolidiert, mit Token versehen, von übermäßigen Wörtern und Satzzeichen befreit und andere Transformationen durchlaufen werden, bevor sie zum Trainieren des maschinellen Lernmodells verwendet werden können.

Selbst beim Umgang mit strukturierten Daten wie Verkaufsunterlagen können Lücken, fehlende Informationen und andere Ungenauigkeiten auftreten, die behoben werden müssen. Und wenn die Daten aus verschiedenen Quellen stammen, müssen sie so aggregiert werden, dass keine Ungenauigkeiten entstehen. Ohne Vorverarbeitung trainieren Sie Ihre Modelle für maschinelles Lernen mit Daten von geringer Qualität, was zu einer schlechten Leistung der KI-Systeme führt.

Und schließlich reichen interne Datenquellen möglicherweise nicht aus, um die KI-Pipeline zu entwickeln. Manchmal müssen Sie Ihre Informationen durch externe Quellen ergänzen, z. B. Daten aus sozialen Medien, Aktienmärkten, Nachrichtenquellen und mehr. Ein Beispiel ist BlueDot, ein Unternehmen, das maschinelles Lernen verwendet, um die Ausbreitung von Infektionskrankheiten vorherzusagen. Um sein KI-System zu trainieren und zu betreiben, sammelt BlueDot automatisch Informationen aus Hunderten von Quellen, darunter Aussagen von Gesundheitsorganisationen, kommerzielle Flüge, Berichte zur Tiergesundheit, Klimadaten von Satelliten und Nachrichtenberichte. Ein Großteil der Bemühungen und der Software des Unternehmens dient der Erfassung und Vereinheitlichung der Daten.

Im Im Zeitalter der KI stellen die Autoren das Konzept der „Datenpipeline“ vor, einer Reihe von Komponenten und Prozessen, die Daten aus verschiedenen internen und externen Quellen konsolidieren, bereinigen, integrieren, verarbeiten und zur Verwendung speichern in verschiedenen KI-Systemen. Wichtig ist jedoch, dass die Datenpipeline „systematisch, nachhaltig und skalierbar“ funktioniert. Dies bedeutet, dass der geringste manuelle Aufwand erforderlich sein sollte, um einen Engpass in der AI-Fabrik zu vermeiden.

Iansiti und Lakhani gehen auch auf die Herausforderungen ein, die mit den anderen Aspekten der KI-Fabrik verbunden sind, beispielsweise die Festlegung der richtigen Metriken und Funktionen für Überwachte Algorithmen für maschinelles Lernen, Finden der richtigen Trennung zwischen menschlichen Expertenerkenntnissen und KI-Vorhersagen sowie Bewältigung der Herausforderungen beim Ausführen von Experimenten und Validieren der Ergebnisse.

„Wenn die Daten der Kraftstoff sind, der die KI-Fabrik antreibt, besteht die Infrastruktur aus den Rohren, die den Kraftstoff liefern, und die Algorithmen sind die Maschinen, die die Arbeit erledigen. Die Experimentierplattform steuert wiederum die Ventile, die neuen Kraftstoff, Rohre und Maschinen mit vorhandenen Betriebssystemen verbinden “, schreiben die Autoren.

Eine KI-Firma werden

Datendiagramme

In vielerlei Hinsicht ist der Aufbau eines erfolgreichen KI-Unternehmens ebenso eine Herausforderung für das Produktmanagement wie eine technische. Tatsächlich haben viele erfolgreiche Unternehmen herausgefunden, wie sie die richtige Kultur und Prozesse auf langjähriger KI-Technologie aufbauen können, anstatt zu versuchen, die neuesten Entwicklungen zu berücksichtigen tiefes Lernen in eine Infrastruktur, die nicht funktioniert.

Dies gilt sowohl für Startups als auch für langjährige Unternehmen. Wie Iansiti und Lakhani in erklären Im Zeitalter der KI konkurrieren überlebende Technologieunternehmen, die ihre Betriebs- und Geschäftsmodelle kontinuierlich verändern.

„Für traditionelle Unternehmen bedeutet es, ein softwarebasiertes, AI-gesteuertes Unternehmen zu werden, eine andere Art von Organisation zu werden – eine, die an die fortlaufende Transformation gewöhnt ist“, schreiben sie. „Es geht nicht darum, eine neue Organisation auszulagern, gelegentlich Skunkworks einzurichten oder eine KI-Abteilung einzurichten. Es geht darum, den Kern des Unternehmens grundlegend zu verändern, indem eine datenzentrierte Betriebsarchitektur aufgebaut wird, die von einer agilen Organisation unterstützt wird, die kontinuierliche Änderungen ermöglicht. “

Konkurrieren im Zeitalter der KI ist reich an relevanten Fallstudien. Dazu gehören die Geschichten von Start-ups, die von Grund auf KI-Fabriken aufgebaut haben, wie Peleton, das den traditionellen Markt für Heimsportgeräte störte, und Ocado, das KI für die Digitalisierung von Lebensmitteln einsetzte, ein Markt, der auf sehr engen Gewinnspannen beruht. Sie werden auch über etablierte Technologiefirmen wie Microsoft lesen, die es geschafft haben, im Zeitalter der KI durch mehrere Transformationen erfolgreich zu sein. Und es gibt Geschichten von traditionellen Unternehmen wie Walmart, die Digitalisierung und KI eingesetzt haben, um das Schicksal von Sears zu vermeiden, dem langjährigen Einzelhandelsgiganten, der 2018 Insolvenz angemeldet hat.

Der Aufstieg der KI hat auch den „Netzwerkeffekten“ eine neue Bedeutung verliehen, ein Phänomen, das von Technologieunternehmen seit der Gründung der ersten Suchmaschinen und sozialen Netzwerke untersucht wurde. Konkurrieren im Zeitalter der KI Erläutert die verschiedenen Aspekte und Arten von Netzwerken und wie in Netzwerke integrierte KI-Algorithmen Wachstum, Lernen und Produktverbesserung fördern können.

Wie andere Experten bereits festgestellt haben, werden Fortschritte in der KI Auswirkungen auf alle Mitarbeiter einer Organisation haben, nicht nur auf die Personen, die die Technologie entwickeln. Per Iansiti und Lakhani: „Viele der besten Manager müssen umrüsten und sowohl das grundlegende Wissen hinter KI als auch die Art und Weise erlernen, wie Technologie effektiv in den Geschäfts- und Betriebsmodellen ihres Unternehmens eingesetzt werden kann. Sie müssen keine Datenwissenschaftler, Statistiker, Programmierer oder KI-Ingenieure werden. Genauso wie jeder MBA-Student etwas über das Rechnungswesen und seine Bedeutung für den Geschäftsbetrieb lernt, ohne ein professioneller Buchhalter werden zu wollen, müssen Manager dasselbe mit der KI und dem damit verbundenen Technologie- und Wissensstapel tun. “

Dieser Artikel wurde ursprünglich von Ben Dickson am veröffentlicht TechTalks, eine Publikation, die Technologietrends untersucht, wie sie sich auf unsere Lebensweise und Geschäftstätigkeit auswirken und welche Probleme sie lösen. Wir diskutieren aber auch die böse Seite der Technologie, die dunkleren Auswirkungen der neuen Technologie und worauf wir achten müssen. Den Originalartikel können Sie hier lesen.

Veröffentlicht am 1. Januar 2021 – 22:00 UTC

Comments are closed.