Gen AI: Der Wechsel der Unternehmen von großen Marken zu Start-up-Lösungen

Generative KI und Chatbots sind nicht etwas, das die Welt vor 2022 noch nie gesehen hat. Es geht nicht einmal um Siri oder Alexa, sondern um die gute alte ELIZA, eines der ersten Beispiele für Natural Language Processing, die jetzt eine 57-jährige Dame wäre. Erst jedoch, als Chat GPT und andere bemerkenswerte große Sprachmodelle die Technologie als kommerziell tragfähig über ein weites Spektrum von Branchen hinweg bewiesen, verstanden die Unternehmen, dass sie Generative-KI-Lösungen so schnell wie möglich benötigen.

Einige von ihnen jedoch realisieren nicht, wofür sie Generative KI benötigen, und noch weniger verstehen die Komplexität der Aufgabe und die erforderlichen Ressourcen. Hier kommen wir ins Spiel – Acceleratoren und Beratungsunternehmen.

Maßgeschneidert oder Konfektion?

Ein guter Anzug, der nach individuellen Maßen aus bevorzugtem Stoff, Farbe und mit einem bestimmten Anlass im Sinn gefertigt wird, ist eine lohnende Investition. Menschen, die solche Anzüge tragen, müssen sich keine Sorgen um ihr Aussehen machen. Sie wissen, dass sie perfekt aussehen und sich entsprechend fühlen. Eine maßgeschneiderte KI-Techniklösung, die darauf abzielt, bestimmte Geschäftsziele zu erreichen, mit erhöhter Sicherheit und perfekter Integration in Unternehmenssysteme, ist ein echter James-Bond-Anzug.

Dies ist ein guter Vergleich, der eine allgemeine Vorstellung gibt. Aber lassen Sie uns ein bisschen tiefer in die Gründe eintauchen, warum die meisten Unternehmen keine fertigen KI-Lösungen implementieren, auch nicht von Marktführern:

Erstens ist eine effektive Integration von Generative KI ohne hochgradig individuelle Arbeit für jedes Unternehmen unmöglich, was ein separates Team erfordert, das über die strategischen Entwicklungspläne, Ziele und Ressourcenverfügbarkeit des Unternehmens informiert ist. Eine Generative-KI-Lösung, die für ein Unternehmen funktioniert, wird wahrscheinlich für ein anderes Unternehmen nutzlos sein.

Zweitens wird ein kleineres Start-up vollständig in die Besonderheiten des Unternehmens eintauchen und eine maßgeschneiderte Lösung von einem Team von KI-Experten anbieten, die in der Lage sind, mit Open-Source-Modellen zu arbeiten, diese sicher auf Unternehmensdaten zu trainieren und auf den Servern des Kunden zu platzieren. Dies ermöglicht die Erstellung einer On-Premise-Lösung und die Einhaltung der Anforderungen an sichere Dateneinrichtung und -speicherung, was für Unternehmen von entscheidender Bedeutung ist.

Wofür benötigen Unternehmen Generative KI?

Da Gen-KI relativ neu auf dem Unternehmensmarkt ist, ist der Hauptweg, um Erfahrungen zu sammeln und Fortschritte zu machen, durch Trial und Error, was bedeutet, Pilotprojekte zu starten. Bis wir ausreichend Benchmarks über verschiedene Sektoren haben, ist dies der produktivste Weg, um eine Lösung zu finden, die den einzigartigen Bedürfnissen des Unternehmens perfekt entspricht.

Trotzdem gibt es bestimmte Trends in den Anfragen von Unternehmen nach Generative-KI-Lösungen:

1. Intelligente Text- und Sprachbots auf Basis von LLMs, um hochwertige Unterstützung für Kundenservice- und Supportanfragen unterschiedlicher Komplexitätsgrade zu bieten.

2. Mitarbeiter-KI-Assistent (z. B. ein Helfer für den Vertriebsmanager, der ein Echtzeitgespräch mit dem potenziellen Kunden analysiert und gleichzeitig Ideen und Kundenangebote für den Spezialisten generiert)

3. Copiloten für Entwickler

4. HR-Lösungen für die Automatisierung von Rekrutierung und Onboarding

5. Marketing-Tools: Bild- und Avatar-Generierung, Artikel- und Produktbewertungsschreiben.

„Keine Gen-KI ist erforderlich“ – dies ist die Schlussfolgerung, zu der einige Kunden nicht erwarten, zu kommen, aber bereitwillig zustimmen, nachdem sie den aktuellen Zustand und die Geschäftsziele des Unternehmens analysiert haben. KI um der KI willen ist ein Verschwendung von Ressourcen, die die Technologie eliminieren soll.

Marktchancen für Generative KI

Laut PitchBook’s Schätzung wird der Markt für Generative KI bis Ende 2023 42,6 Milliarden Dollar erreichen und voraussichtlich mit einem jährlichen Wachstum von 32 % auf 98,1 Milliarden Dollar im Jahr 2026 ansteigen. Diese Prognosen berücksichtigen nicht das Potenzial von generativer KI, den gesamten adressierbaren Markt für KI-Software zu erweitern.

Dies ist im Vergleich zu 22,6 % jährlichem Wachstum für die KI-Branche als Ganzes, was bedeutet, dass Gen-KI weiterhin im Vergleich zur größeren Branche überdurchschnittlich performen wird.

Wenn Schätzungen nicht überzeugend genug sind, hier ein illustrierendes Faktum aus unserer Erfahrung als Accelerator. Nach dem turbulenten Jahr 2022, das mit der wirtschaftlichen Rezession und einem rapiden Rückgang von Venture-Investitionen verbunden ist, konzentrierten sich die Beschleunigungsprogramme von Intema auf die Durchführung von Pilotprojekten mit Unternehmen.

Im Jahr 2023 führte Intema zwei Beschleunigungsprogramme mit absolut unterschiedlichen dominanten Technologien durch: Metaverse und Generative KI. Während des Programms verbinden wir Start-ups mit Unternehmenskunden, um potenzielle technische Lösungen zu diskutieren, Demos zu organisieren und, wenn erfolgreich, Vereinbarungen über potenzielle Pilotprojekte zu treffen. Das Metaverse-Beschleunigungsprogramm resultierte in 4 Pilotprojekten mit Unternehmenskunden, was großartig ist, wenn man die Spezifika und Komplexität der Technologie berücksichtigt.

Das Generative-KI-Programm hatte, sogar mehrere Wochen vor seinem Abschluss, 7 Pilotprojekte in Diskussion mit einer Reihe von Unternehmen. Ist dies nur der Effekt von Hype, der früher Blockchain und Metaverse umgab? Oder liegt es daran, dass Gen-KI ein echter Game-Changer ist?

Alles kommt darauf an: Ist GenAI den Hype wert?

Zunächst ist es nicht ungewöhnlich, dass eine neue vielversprechende Technologie oder Idee kurzfristig überhyped wird, vielleicht zu Ungunsten ihrer langfristigen Aussichten. Wenn wir weiterhin Parallelen zwischen Gen-KI und Blockchain ziehen, wurde Blockchain in seinem vorläufigen Reifegrad als technologische Revolution beschrieben, die die Welt umgestalten wird, ähnlich wie Gen-KI heute beworben wird. Jahre später, im Jahr 2018, kündigte Gartner an, dass Blockchain in die Trough of Disillusionment eingetreten ist, was auch mit einem Rückgang des Verbraucherinteresses von über 30 % von den Höchstständen und einem Rückgang der VC-Investitionen von 45 % von 2018 bis 2019 einherging.

Im Gegensatz zu Blockchain hat Gen-KI bereits in seinem frühen Reifegrad viele Einsatzfälle über ein weites Spektrum von Branchen, die kommerziell tragfähig sind. Ihre Anzahl wird voraussichtlich wachsen, wenn weitere Branchen Gen-KI-Lösungen adoptieren. In seiner jüngsten Veröffentlichung platzierte Gartner die generative KI-Technologie auf dem Höhepunkt der sogenannten „Hype-Kurve“, was darauf hindeutet, dass es eine Korrektur der Erwartungen und eine Art von Desillusionierung in naher Zukunft geben könnte.

Schlussfolgerung

Bedeutet dies, dass nach einer so massiven Nachfrage nach Generative-KI-Lösungen die Technologie vom Radar verschwinden wird? Dieses Szenario ist unwahrscheinlich, da Gen-KI bereits ihre grundlegende Tragfähigkeit und Flexibilität in verschiedenen Bereichen des menschlichen Lebens, von der Wissenschaft bis zur Kunst bis zur Lieferkette, bewiesen hat.

Eine Verlangsamung der Technologieentwicklung ist jedoch unvermeidlich, wobei der Hauptgrund hier die dringende Notwendigkeit ist, die Nutzung von Gen-KI zu kontrollieren und zu regulieren. Bisher wurde dieses Instrument relativ frei ohne rechtliche Einschränkungen eingesetzt. Die rechtliche Regulierung wird eine neue Richtung in der Entwicklungspfad der Technologie vorgeben, und es ist schwer vorherzusagen, wohin sie führen wird, da Gen-KI mit ihren aktuellen Fähigkeiten in der Menschheitsgeschichte ohne Präzedenzfall ist.

Der andere Faktor, der Gen-KI in Zukunft einschränken wird, ist ironischerweise die zunehmende Größe der großen Sprachmodelle. Irgendwann werden die Fähigkeiten von KI-Chips nicht mit der Entwicklung der Technologie Schritt halten, und der Wunsch, künstliche allgemeine Intelligenz zu bauen und die wachsenden Datenmengen zu verarbeiten, erfordert hochkomplexe Ingenieurskunst und viel mehr Rechenleistung.

Diese Einschränkungen jedoch eröffnen ein weites Feld für Forschung, Experimente und unkonventionelle Ansätze zur verlustfreien Komprimierung von LLMs, Rechenleistungswachstum, Datenspeicherung usw.