Vom Experimentieren zum Business Value: Optimierung von KI-Investitionen

Das Schwierigste an jeder technologischen Revolution ist nicht die Ideenfindung oder das Experimentieren. Es ist der Weg vom Experimentieren hin zu echtem unternehmerischem Mehrwert. Mit dem enormen Hype um generative KI (GenAI) steigt auch der Druck seitens der Vorstände, KI durchdacht zu implementieren.

Beim Summit im Juni wurde ich von Sasha Jory von Hastings Direct und Awinash Sinha von Zoom zu einem CIO Executive Panel eingeladen, das sich auf die Optimierung von KI-Technologieinvestitionen konzentrierte. In den letzten anderthalb Jahren herrschte ein enormer Druck auf CTOs und CIOs, das Potenzial von KI auszuschöpfen und gleichzeitig Kosten und Risiken einzudämmen. 

„Generative KI ist eine neue Technologiewelle – aber wir haben schon viele Technologiewellen gesehen“, so Sinha. „Das Wichtigste ist, Technologie mit dem bestmöglichen kontextbezogenen Ergebnis für Ihr Unternehmen zu verbinden.“ 

Wie können Sie generative KI pragmatisch auf Ihre Welt anwenden? 

„Aus Hastings-Sicht sind wir nicht von dem Hype erfasst, KI zur Lösung aller Probleme in unserem Unternehmen verwenden zu wollen“, so Jory. „Wir konzentrieren uns darauf, sicherzustellen, dass die Daten am richtigen Ort sind und auf die richtige Weise verwaltet werden. Dabei haben wir die nötige Grundlage, um diese Daten mit jeder Technologie zu untersuchen, die wir verwenden möchten.“

Snowflake geht GenAI auf dieselbe Weise an. Wir waren von Anfang an diszipliniert, was Daten angeht. Wenn wir uns die Bausteine ansehen, die zu einer soliden KI-Strategie beitragen, beginnt und endet alles mit Ihren Daten.

Wie Snowflake, Hastings und Zoom GenAI nutzen 

Mein Team ist Kunde Null für alles, was wir hier bei Snowflake auf den Markt bringen. Das Beste daran ist die Fähigkeit, benutzerdefinierte Anwendungen zu entwickeln, die die Produktivität im gesamten Unternehmen steigern:  

• Mitarbeitende schneller einarbeiten: Unser Ziel ist es, die Mitarbeitererfahrung vom ersten Tag an zu revolutionieren. Die Einarbeitung kann bis zu 90 Tage dauern, was sowohl für eine Neueinstellung als auch für die gesamte Organisation frustrierend ist. Ein Hindernis besteht darin, dass wir viele unserer Prozesse über Knowledge-Base-Artikel dokumentieren und kommunizieren, die für den Helpdesk-Einsatz entwickelt wurden. Dies ist umständlich und nicht so intuitiv oder proaktiv, wie es ein neues Teammitglied tun kann. Mein Team konsolidierte diese Artikel und nutzte die KI/ML-Funktionen von Snowflake Cortex, um den Employee AI Assistant zu erstellen. Mit dieser Streamlit-App können Mitarbeitende ganz einfach auf Informationen zugreifen, wie z. B. „wie konfiguriere ich einen Drucker im San Mateo-Büro, wenn ich aus London komme“, ohne ein Supportticket öffnen zu müssen. Der Assistent, der Neueinstellungen am ersten Tag zur Verfügung gestellt wird, beinhaltet auch Compliance, Personalschulung und Zertifizierung, die auf die Rolle des Einzelnen zugeschnitten sind. 

• Verlagerung von Qualitätssicherungsbelastung: Wie viele Data Engineers haben eine Leidenschaft für Qualitätssicherung (QA, Quality Assurance)? Ich glaube nicht, dass das viele haben. Die Ressourcen sind immer knapp und technische Fachkräfte sind immer sehr gefragt und knapp. Deshalb verlagern wir die Qualitätssicherung und testen einen Teil der Softwareentwicklung auf KI. 

Unsere interne App „QA Assistant“ optimiert den Lebenszyklus der Softwareentwicklung. Bemerkenswerterweise haben wir diese Funktion in drei großen SaaS-Anwendungen implementiert und so den Workload um mehr als 35 % reduziert. Wir wenden dieses Framework auf komplexere Anwendungen an und vertrauen auf seine Wiederholbarkeit. Heute können sich Software Engineers (die QA und Tests in der Regel nicht mögen) stärker auf Design und Entwicklung konzentrieren und gleichzeitig das Potenzial von KI erkunden. 

Hastings Direct ist einer der führenden Anbieter allgemeiner Versicherungsdienstleistungen im Vereinigten Königreich. Bei der Versicherung dreht sich alles um das Risiko – die Bestimmung des Risikofaktors für einen Fahrer, eine Hausbesitzerin oder irgendetwas anderes. Zu den ersten erfolgreichen KI-Projekten gehören:

• Verbesserung der Risikobewertung: Vor etwa zehn Jahren waren die Versicherer von Hastings bei der Bewertung von Versicherungsanträgen auf die standardmäßigen 40 bis 50 Datenpunkte begrenzt, was es schwierig machte, sich auf dem Markt abzuheben. Heute nutzen sie Tausende von Datenpunkten, die sowohl intern als auch extern bezogen werden. Insbesondere in Großbritannien nutzen potenzielle Kund:innen viele Preisvergleichs-Websites, die Hastings abfragen, um ein wettbewerbsfähiges Angebot zu erstellen. Und die Geschwindigkeit ist absolut entscheidend. Mithilfe von Snowflake kann Hastings nun Kund:innen anhand dieser Tausenden von Datenpunkten bewerten und in weniger als drei Sekunden eine Schätzung liefern. 

Zoom ist eine abonnementbasierte Kollaborationsplattform, die in den letzten zweieinhalb Jahren ein phänomenales Wachstum verzeichnet hat, einschließlich Produktlinienwachstum und geografischer Expansion. Das sind gute Nachrichten, aber sie erforderten eine erhebliche, schnelle Verbesserung des Geschäftsbetriebs, erklärte Sinha. Heute – mit einem cloudbasierten Warehouse, das die KI/ML-Engine unterstützt – evaluiert das Unternehmen den Customer Lifecycle: 

• Cross-Selling-Möglichkeiten: Zoom hat ML in den letzten zwei Jahren genutzt, um Cross-Selling-Möglichkeiten zu ermitteln, zu ermitteln, wann Kund:innen am empfänglichsten für eine Ausweitung ihrer Zoom-Lizenzierung sein könnten, und Kundenabwanderung zu antizipieren.

• Darstellung von Einblicken in der lokalen API: Traditionell werden Analytics über eine Art Dashboard bereitgestellt. Zoom ermöglicht es nun, GenAI-gestützte Einblicke direkt in einer API bereitzustellen, in der Vertriebsteams tagtäglich arbeiten. „Unser Customer Success Team kann auf Salesforce, den Zoom-Client und mobile Einblicke im Zoom Chat zugreifen und erhält so Informationen in weniger als 60 Sekunden“, so Sinha.

„Ein Co-Pilot, kein Autopilot“

Generative KI wird sich auf Arbeitsplätze auswirken, aber nicht auf die angsteinflößende Art und Weise, wie Menschen befürchten. Ich stelle mir nicht vor, dass die Technologie Menschen ersetzt – und das tun meine Kolleginnen und Kollegen auch nicht. „Ich sage es meinem Team immer wieder: Das ist ein Co-Pilot, kein Autopilot“, so Jory. „Mit dieser Technologie können Sie die Produktivität steigern, aber Sie müssen überprüfen, was zurückkommt, Ihre Modelle weiter trainieren und sicherstellen, dass sie die richtige Antwort gibt.“

Mit generativer KI können Sie viel erreichen. Aus Sicht des CIO oder CTO sind die Möglichkeiten nahezu überwältigend. Man muss sich wirklich überlegen, welche Anwendungsfälle die größte geschäftliche Wirkung haben, weil alle danach schreien, sie in die Hände zu bekommen. Verlieren Sie diese Wertrequisiten nicht aus den Augen. Wenn Ihre Daten am richtigen Ort sind und Sie die richtigen Partner haben, gibt es grenzenlose Möglichkeiten. 

Das vollständige Gespräch finden Sie im CIO Executive Panel: Optimizing AI Tech Investments in an Era of Global Uncertainty.