KI liegt im Trend, aber beim Einsatz dieser Technologie können sich Unternehmen leicht vertun. Pegasystems nennt sieben häufige Fehlerquellen bei der Einführung von KI.
Pega warnt: Sieben Fehler bei der Einführung von KI
Künstliche Intelligenz (KI) wird mehr und mehr zu einer Standard-Technologie. Von der industriellen Fertigung über Büroanwendungen bis zu komplexen CRM-Lösungen, überall ermöglicht KI die Automatisierung von Prozessen. Allerdings verfügen die meisten Unternehmen noch über wenig Erfahrung im Umgang mit KI. Pegasystems Inc., führender Anbieter von strategischen Software-Lösungen für Vertrieb, Marketing, Service und Operations, zeigt, welche Fehler bei der Implementierung von KI häufig gemacht werden.
1. Kein echter Mehrwert:
Viele Unternehmen planen den Einsatz von KI, nur weil KI ein Hype ist, nicht weil sie einen klaren Mehrwert realisieren können, beispielsweise durch höhere Kundenzufriedenheit, Cross- oder Upselling-Möglichkeiten, Prozessoptimierung oder Qualitätssteigerung.
2. Fehlende Kommunikation:
Wird der Einsatz von KI den Anwendern nicht kommuniziert, erfahren sie zum Beispiel gar nicht, dass sie mit einem KI-gestützten System interagieren. Das kann später zu Vertrauensverlust und zur Ablehnung führen.
3. Unzureichende Datengrundlage:
In der Regel ermitteln KI-Systeme aus großen Datenmengen wiederkehrende Muster; ist dabei die Datenbasis nicht ausreichend, haben die Ergebnisse keine Relevanz.
4. Blindes Vertrauen:
Auch wenn IT-Systeme in manchen Anwendungsfällen erstaunliche “Intelligenz” aufweisen, eignen sich nicht alle Anwendungsfälle für KI; etwa wenn keine hinreichend operationalisierbaren Daten bereitgestellt werden können.
5. Fehlende Transparenz:
Aufgrund der großen Anzahl von Einflussfaktoren und Methoden für die Ermittlung von KI-Ergebnissen kann es schwierig bis unmöglich sein, ex post nachzuvollziehen, wie ein bestimmtes Ergebnis zustande gekommen ist. Je nach Anwendungsfall kann es jedoch notwendig sein, eine entsprechende Transparenz sicherzustellen, zum Beispiel bei Therapieempfehlungen.
6. Mangelnde Flexibilität:
KI wird so konzipiert, dass die Fachabteilungen keine ausreichenden Möglichkeiten zur Anpassung haben; die Mitarbeiter der Fachabteilungen müssen jedoch in der Lage sein, KI-Lösungen selbständig zu parametrisieren, um agil mit verschiedenen Szenarien experimentieren zu können.
7. Fehlende Praxistauglichkeit:
Unternehmen realisieren häufig KI-Lösungen, die zwar in Pilot-Projekten gut funktionieren, die aber in der Praxis nicht gut skalieren; die verwendeten KI-Verfahren müssen in großen Anwendungen mit zahlreichen Nutzern – beispielsweise in Web-Infrastrukturen – in kurzer Zeit Antworten liefern; als Richtwert sollten Antwortzeiten von weniger als 50 Millisekunden möglich sein.
Carsten Rust, Director Solution Consulting DACH bei Pegasystems in München erklärt:
„Für viele Unternehmen ist KI eine neue Disziplin, und man kann daher nicht erwarten, dass die Verfahren schon so funktionieren, wie wir das bei anderen Technologien gewohnt sind. Wir müssen hier vielmehr mit höheren Fehlerquoten rechnen. Das spricht keineswegs gegen KI, sondern vielmehr für einen behutsamen Umgang damit. Wichtig ist, dass sich Anwender der Fallstricke bewusst sind, wenn sie KI-Systeme realisieren.“
