KI-Pädagogin Kavita Ganesan über die Entdeckung von KI-Chancen in Ihrem Unternehmen

Die Vorbereitung auf KI kann zunächst entmutigend sein. Der heutige Gast teilt einen wiederholbaren Rahmen, der Ihnen hilft, die richtigen Chancen zu ergreifen, ihren Erfolg zu messen und die Voraussetzungen für einen nahtlosen Übergang zu schaffen.

Im vergangenen Jahr haben die rasanten Fortschritte in der generativen KI, einschließlich der bahnbrechenden Einführung von ChatGPT, die KI in den Vordergrund der Aufmerksamkeit aller gerückt. Allerdings kann die Navigation durch die KI-Landschaft für Unternehmensleiter, die nicht wissen, wo sie anfangen sollen, einschüchternd sein. Der Übergang kann überwältigend sein – von der Auswahl der richtigen Probleme, die KI lösen soll, über den Aufbau einer robusten Dateninfrastruktur bis hin zur Vorbereitung der Teams auf die Veränderung. Hier kommt Kavita Ganesan ins Spiel.

Kavita ist KI-Beraterin, Pädagogin und Gründerin des Beratungsunternehmens Opinosis Analytics. Mit einem Ph.D. In den Bereichen Verarbeitung natürlicher Sprache (NLP), Suchtechnologien und maschinelles Lernen verfügt Kavita über 15 Jahre Erfahrung und arbeitet mit Organisationen zusammen, um ihnen dabei zu helfen, KI zu entmystifizieren und sie in ihre Geschäftsstrategien zu integrieren. Im Frühjahr letzten Jahres – seltsamerweise, ein paar Monate bevor die ganze Aufregung losging – veröffentlichte sie „The Business Case for AI“ , einen praktischen Leitfaden für Unternehmensleiter, um KI-Initiativen zu starten, die zu Ergebnissen führen.

Darin skizziert Kavita einen Rahmen für die Identifizierung wirkungsvoller KI-Möglichkeiten und betont, wie wichtig es ist, Probleme effektiv zu bewerten und zu formulieren, um die Implementierung von KI-Lösungen zu priorisieren, die auf Ihre Geschäftsziele abgestimmt sind, und außerdem die Wirkung und den Erfolg jeder KI-Initiative zu messen .

In der heutigen Folge haben wir uns mit Kavita getroffen, um über Strategien für Unternehmensleiter zu sprechen, um das transformative Potenzial der KI zu nutzen.

Hier sind einige der wichtigsten Erkenntnisse:

• Beginnen Sie mit der Integration von KI in Ihr Unternehmen, indem Sie sich wiederholende manuelle Prozesse optimieren und Ineffizienzen beheben, die durch Kundenfeedback oder andere Geschäftsbereiche festgestellt wurden.
• Um wirkungsvolle Chancen zu identifizieren, bewerten Sie, wo der Einsatz von KI sinnvoll ist, und prüfen Sie, ob sich daraus greifbare Geschäftsgewinne ergeben.
• Vor der Implementierung müssen Sie diese Möglichkeiten festlegen, um die Vorteile, die Schwachstellen, die Sie ansprechen, und die Kennzahlen, mit denen Sie diese messen können, besser zum Ausdruck zu bringen.
• Der nächste Schritt besteht darin, Experten hinzuzuziehen, um sicherzustellen, dass es machbar ist. Nur dann können Sie alle diese Initiativen in eine Rangfolge bringen und die vorteilhaftesten priorisieren.
• Der Erfolg von KI-Initiativen basiert auf drei Säulen: Modellleistung, Geschäftsauswirkungen und Benutzerzufriedenheit.

Wenn Ihnen unsere Diskussion gefällt, schauen Sie sich weitere Episoden unseres Podcasts an. Sie können Apple Podcasts, Spotify und YouTube folgen oder den RSS-Feed im Player Ihrer Wahl abrufen. Was folgt, ist eine leicht bearbeitete Abschrift der Episode.

Der KI-Bug

Liam Geraghty: Hallo und willkommen bei Inside Intercom; Ich bin Liam Geraghty. In der heutigen Sendung bin ich mit Kavita Ganesan zu Gast, der Autorin von „The Business Case for AI: A Leader's Guide to AI Strategies, Best Practices & Real-World Applications“ . Und genau darüber werden wir heute sprechen. Kavita, du bist in der Show herzlich willkommen.

Kavita Ganesan: Liam, danke, dass du mich hast. Ich bin wirklich froh, hier zu sein.

Liam: Ich weiß, dass Sie mehr als zwei Dutzend erfolgreiche KI-Initiativen für eine Vielzahl von Unternehmen durchgeführt haben – von mittelständischen Unternehmen bis hin zu Fortune-500-Unternehmen. Wie sind Sie überhaupt zum KI-Bereich gekommen?

„Ich wurde Softwareentwickler, aber ich hatte das Gefühl, dass etwas fehlte – der gesamte Teil der Algorithmenentwicklung und Problemlösung.“

Kavita: Meine Geschichte mit KI reicht bis ins Jahr 2005 zurück, als KI weder wirklich beliebt noch in der Branche sexy war oder gebraucht wurde. Ich war fasziniert von den Problemlösungsaspekten der KI – auch wenn die Techniken gleich sein mögen, stellt die Art und Weise, wie man es löst, bei der Anwendung auf ein anderes Problem unterschiedliche Herausforderungen dar. Das hat mich gereizt, weil ich denke, dass ich von Natur aus ein Problemlöser bin. So habe ich mich in meinem Masterstudium immer tiefer mit der KI beschäftigt. Dort wurde ich mit dem gesamten KI-Bereich vertraut gemacht.

Ich wurde Softwareentwickler, aber ich hatte das Gefühl, dass etwas fehlte – der gesamte Teil der Algorithmenentwicklung und Problemlösung. Da beschloss ich, dass ich einen Doktortitel machen musste. in KI, weil ich mich darauf spezialisieren wollte. Und als ich 2013 kurz vor meinem Abschluss stand, begann sich die Datenwissenschaft als Fachgebiet durchzusetzen. Da beschloss ich, dass ich, anstatt zu akademischen Einrichtungen oder Forschungslabors zu gehen, einfach hingehen und die Probleme der Industrie lösen würde. Ich denke, dass ich ein sehr praktisch veranlagter Mensch bin und deshalb wollte ich sehen, wie diese Algorithmen sinnvoll eingesetzt werden. Da fing alles erst richtig an. Ich habe all diese Projekte durchgeführt und an verschiedenen Problemen vom Gesundheitswesen bis hin zu anderen Bereichen wie Code gearbeitet.

„Generative KI hat KI für sie irgendwie bekannt gemacht“

Liam: Es muss sich so anfühlen, als hätte der Rest der Welt in den letzten paar Monaten all diesen KI-Kram aufgeholt.

Kavita: Ja, für viele Unternehmen ist KI eine sehr neue Sache, insbesondere für kleine Unternehmen, die noch nicht über KI nachgedacht haben, weil sie das Gefühl hatten, dass sie für sie nicht relevant sei. Mittelständische Betriebe denken schon seit einiger Zeit über KI nach, wussten aber nicht, wie sie anfangen sollen, und die generative KI hat KI für sie sozusagen in den Vordergrund gerückt.

Wo soll man anfangen?

Liam: Lassen Sie uns in Ihr Buch „The Business Case for AI“ eintauchen. Sie erkennen sofort, welche Sorgen und Befürchtungen Führungskräfte in Bezug auf KI haben. Wir haben gerade unseren Bericht zum Stand der KI im Kundenservice 2023 veröffentlicht, in dem wir 1.000 Support-Experten befragt haben und festgestellt haben, dass 69 % der Führungskräfte planen, im kommenden Jahr mehr in KI zu investieren. Bisher haben dies jedoch nur 38 % der Führungskräfte bereits getan. Das muss eine riesige Chance für Early Adopters sein, sich mit all den Vorteilen, die KI mit sich bringt, einen echten Wettbewerbsvorteil zu verschaffen, oder?

Kavita: Ja, das ist absolut richtig. Bei der Anwendung auf die richtigen Probleme werden Sie schon sehr früh erhebliche Vorteile feststellen. Ich denke, die Herausforderung, vor der Unternehmen jetzt stehen, besteht darin, die richtigen Probleme innerhalb des Unternehmens zu finden und KI auf eine Weise anzuwenden, die ihnen einen Mehrwert bietet – und zwar nicht in sechs oder sieben Monaten, sondern in drei Monaten.

„Es geht darum zu verstehen, was KI ausmacht, wo man KI anwenden kann, auf welche Art von Problemen man sie anwenden kann und wo generative KI einen Mehrwert schafft.“

Liam: Was würden Sie den Leuten sagen, wie sie ihr KI-Denken so gestalten können, dass sie sich nicht vorstellen, dass Roboter die Welt erobern, sondern KI, wie Sie sagen, als praktisches Werkzeug für Unternehmen betrachten?

Kavita: Ich denke, der erste Schritt besteht darin, zu verstehen, was dieses Biest ist. Nun denken die Leute, KI sei generative KI, aber generative KI ist nur ein Teil dieses KI-Puzzles. KI hat noch viel mehr zu bieten. Es gibt traditionelles maschinelles Lernen, NLP und Computer Vision. Es geht darum zu verstehen, was KI ausmacht, wo man KI anwenden kann, auf welche Art von Problemen man sie anwenden kann und wo generative KI einen Mehrwert bietet. Wenn Sie diesen Elefanten im Raum ansprechen, können Sie den Kontext festlegen oder Ideen dafür entwickeln, wo Sie KI in Ihrem Unternehmen einsetzen können. Ich würde sagen, Bildung ist der erste Schritt, ja.

Liam: Wenn wir sagen, dass wir diese Hürde überwunden haben und sozusagen auf dem KI-Zug sind, wie finden Sie dann heraus, wozu KI in Ihrem Unternehmen eingesetzt werden könnte, um bestehende Geschäftsprozesse zu verbessern? Könnten Sie einige Beispiele nennen?

„Die Suche nach bestehenden Prozessen, die ineffizient sind, ist ein guter Ausgangspunkt“

Kavita: Sicher. Viele Unternehmen legen Wert darauf, mit sich wiederholenden Problemen zu beginnen, die manuell gelöst werden. Im Kundenservice ist die Weiterleitung eines Support-Tickets eine repetitive Aufgabe, und es nimmt viel Zeit in Anspruch, bis ein Agent das Ticket durchliest, bestimmt, an welches Team er das Ticket weiterleitet, und diese vorläufigen Daten an das Team sendet, damit es das Problem untersuchen kann . Das Finden manueller Prozesse, die sich wiederholen und menschliches Denken erfordern – das ist ein entscheidender Punkt – ist der Punkt, an dem KI-Lösungen kurzfristig wirklich Wirkung zeigen können, weil diese Probleme gut verstanden sind und wahrscheinlich Metriken haben, die Sie als Weg nutzen können Messen Sie die Leistung im Vergleich zum manuellen Ansatz. Die Suche nach bestehenden Prozessen, die ineffizient sind, ist ein guter Ausgangspunkt.

Liam: Sie können diese Liste jederzeit erstellen, aber Sie könnten auch mit Ihrem Team sprechen und sehen, welche Art von Blockern es hat, die seinen Alltag verbessern können.

Kavita: Ja, ich rede einfach mit verschiedenen Geschäftsbereichen, verstehe ihre Herausforderungen und verstehe, welches Kundenfeedback sie bekommen. Schon durch die Analyse des Kundenfeedbacks erkennen Sie Ineffizienzen und Herausforderungen. Das sind Bereiche, in denen KI vielleicht helfen kann. Nehmen wir an, Kunden haben Probleme, die benötigte Hilfe zu erhalten, weil Ihre Supportlösung nicht effektiv ist. Das wird Ihnen das Gefühl geben: „Hey, vielleicht sollten wir eine bessere Suchfunktion haben, die auf die Probleme des Kunden eingeht, damit er nicht unser Ticketsystem durchlaufen muss.“

Die richtige Geschäftsmöglichkeit erkennen

Liam: Welchen Rat würden Sie Menschen geben, die sich auf KI vorbereiten, ein KI-fähiges Unternehmen werden und dieses Wissen in die Tat umsetzen möchten?

„Wenn Sie die einzelnen Möglichkeiten ausarbeiten, wird deutlich, welche davon am vorteilhaftesten sind und welche nur einen geringfügigen Nutzen bieten, den Sie vorerst zurückstellen können.“

Kavita: Die Vorbereitung auf KI besteht aus zwei Teilen. Eine besteht darin, zu verstehen, wo Ihre Chancen in Ihrem Unternehmen liegen. Wenn Sie ein mittelständisches Unternehmen sind, geht es darum, mit den verschiedenen Geschäftsfunktionen zu sprechen, ihre Herausforderungen zu verstehen und diese Chancen zu identifizieren und zu gestalten. Liegt es am Verkauf? Ist es in der Personalabteilung? So erhalten Sie eine Vorstellung davon, in welchem ​​Bereich Ihr Wettbewerbsvorteil liegen kann. Der zweite Teil ist die Grundlage für KI, die Ihre Dateninfrastruktur auf Vordermann bringt. Vielleicht sammeln Sie Daten nicht intensiv, also muss damit begonnen werden, oder Sie sammeln Daten, aber Ihre Datenspeicher befinden sich in Silos und es gibt für Mitarbeiter keine Möglichkeit, ganzheitlich darauf zuzugreifen. Wenn Sie diese Lücken identifizieren und diese mit den Chancen kombinieren, erhalten Sie eine langfristige Möglichkeit, KI in das Unternehmen zu integrieren.

Liam: Es scheint, als hätte jedes Produkt oder Unternehmen, seit ChatGPT auf der Bildfläche ist, KI ans Ende seines Namens geschrieben. Wie finden Führungskräfte in all dem diese KI-Chancen? Wie eliminiert man diejenigen, die nicht nützlich sind?

Kavita: Ja, das passiert, wenn Sie diese Chancen finden und sie einrahmen – Sie artikulieren im Grunde die Vorteile der Chance und welche Kennzahlen Sie verwenden, um zu messen, wie Sie das Problem derzeit lösen. Durch die Betrachtung der einzelnen Möglichkeiten wird deutlich, welche davon am vorteilhaftesten sind und welche einen geringfügigen Nutzen bieten, den Sie vorerst zurückstellen können. Dieses Artikulationsstück ist sehr wichtig und es ist der zweite Schritt meines „High-Impact AI Discovery Framework“ (im Buch besprochen). Zunächst haben Sie eine Idee oder es besteht eine potenzielle KI-Chance. Und Schritt zwei ist die Rahmung.

„Bringt die Einführung von KI oder einer Software-Automatisierung in dieser speziellen Situation einen konkreten Vorteil? Macht es auch geschäftlich Sinn?“

Liam: Könnten Sie etwas mehr über das Framework sprechen?

Kavita: Dieses Framework ist ein wiederholbarer Prozess zur Identifizierung wirkungsvoller KI-Möglichkeiten und besteht aus vier Schlüsselschritten. Zunächst muss darüber nachgedacht werden, ob dies eine vielversprechende KI-Chance ist. KI-Möglichkeiten lösen oft komplexe Entscheidungsprobleme, und das macht KI sinnvoll. Aber es muss auch wirtschaftlich sinnvoll sein, damit Sie weiterkommen können. Dann schaut man sich die Arbeitsbelastung an. Wird die Einführung von KI oder einer Softwareautomatisierung in dieser speziellen Situation einen konkreten Nutzen bringen? Macht es auch geschäftlich Sinn? Und verfügt es dann über die Grundbausteine? Nehmen wir an, Sie haben diesen Vorgang manuell durchgeführt. Wenn es diese drei Dinge erfüllt, handelt es sich um eine potenzielle KI-Chance, aber das allein bedeutet nicht, dass Sie mit der Umsetzung beginnen sollten.

Hier kommt Schritt zwei ins Spiel, in dem Sie diese Möglichkeiten gestalten. Im Wesentlichen fügen Sie der Gelegenheit viel mehr Details hinzu. Formulieren Sie die Vorteile, den Problempunkt, den Sie ansprechen, und die Kennzahlen, die Sie zur Messung verwenden. So wissen Sie, dass Sie Geschäftserfolg und Datenverfügbarkeit erzielen. Aber auch das bedeutet nicht, dass Sie direkt mit der Umsetzung beginnen. Sie müssen dennoch sicherstellen, dass es machbar ist. Hier kommen Ihre Experten ins Spiel – Schritt drei. Sie bringen es zu Ihren Experten und sagen: „Hey, ich habe diese Gelegenheit. Was denken Sie? Kann es umgesetzt werden?“ Hier erkennen sie alle Warnsignale wie „Sie haben Daten, aber das Volumen reicht nicht aus“ oder „Das ist zu futuristisch, um es jetzt umzusetzen.“ Dort werden sie die Bremse betätigen und Ihnen weitere Informationen geben. Sobald Sie alle diese Informationen haben, können Sie diese Initiativen in eine Rangfolge bringen und die Top-Initiativen auswählen. Dies ist Schritt vier – Rangfolge und Priorisierung. Dies ist ein sehr wiederholbarer Prozess, und ich wollte, dass er einen großen Teil des Buches ausmacht, weil ich denke, dass die Leute derzeit keine Möglichkeit haben, ihn systematisch durchzuführen.

„Das Modell selbst ist nicht das Ende. Das Modell ist ein Mittel zur Lösung eines Geschäftsproblems. Hier kommt der Geschäftserfolg ins Spiel.“

Liam: Sie haben es dort erwähnt, aber ich würde gerne darüber sprechen, was passiert, wenn eine Führungskraft diese Probleme angegangen und ihre KI-Strategien umgesetzt hat. Welchen Ansatz würden Sie empfehlen, um den Erfolg ihrer KI-Initiativen zu bewerten?

Kavita: Im Moment ist der Erfolg für die meisten Unternehmen unklar, weil Führungskräfte einen finanziellen ROI erwarten und KI-Experten einfach nur hochpräzise Modelle sehen wollen. In meinem Buch spreche ich über drei Säulen des Erfolgs. Einer davon ist Modellerfolg. Das Modell muss eine akzeptable Mindestleistung aufweisen. Ansonsten löst es das Problem nicht wirklich. Wenn die Genauigkeit 50 % beträgt, handelt es sich lediglich um Zufall. Sie möchten sicherstellen, dass es die Aufgabe erledigt und eine einigermaßen gute Leistung erbringt. Aber das Modell selbst ist nicht das Ende. Das Modell ist ein Mittel zur Lösung eines Geschäftsproblems. Hier kommt der geschäftliche Erfolg ins Spiel. Und das hängt direkt mit Ihrem Schmerzpunkt zusammen. Was möchten Sie verbessern? Versucht es, ein Support-Ticket zu analysieren? Versucht es, die Work-Life-Balance Ihrer Mitarbeiter zu verbessern? Es gibt indirekte Möglichkeiten, all dies zu messen. Das ist es, was Sie für den Geschäftserfolg im Auge behalten müssen.

Aber Modellerfolg und Geschäftserfolg allein reichen nicht aus, denn am Ende ist es der Benutzer, der davon betroffen ist. Sie möchten auch mit den Nutzern der KI-Lösung sprechen. Es können Ihre Lieferanten oder Mitarbeiter sein – jeder, der die KI-Ausgabe konsumiert. Sie möchten sie fragen, was sie über die Genauigkeit der Lösung, die Benutzerfreundlichkeit und alles denken, was im Modell oder im Workflow zu Problemen führen kann, da dies auf Akzeptanzprobleme hinweisen kann. Wenn ihnen die Lösung nicht gefällt, kehren sie möglicherweise zur alten Vorgehensweise zurück. Möglicherweise möchten sie Ihre KI-Lösung nicht nutzen, obwohl sie genau ist und geschäftlichen Erfolg bringt.

Mensch auf dem Laufenden

Liam: Was würden Sie Kundenbetreuern sagen, die über die Implementierung von KI nachdenken und etwas nervös, besorgt oder besorgt sind? Was würden Sie sagen, um ihnen zu helfen, darüber hinwegzukommen?

Kavita: Ein Thema, das ich bei Führungskräften gesehen habe, ist, dass KI-Systeme viele Jobs übernehmen werden, sogar ihre eigenen. Leider stimmt das, aber ich glaube, dass KI-Systeme eher Arbeitsabläufe verbessern als nur Jobs ersetzen, denn wir brauchen immer noch die Ebene der Qualitätssicherung, bei der Menschen ins Spiel kommen. Ein KI-System kann bei Kundensupport-Tickets helfen, aber was ist, wenn es keine Lösung finden kann? ein Problem? Der Mensch muss da sein. Und wie lernen KI-Systeme? Sie lernen aus Daten. Und wer generiert diese Daten? Menschen. Wir sind ein großer Teil dieses KI-Systems, daher sind wir bei der Qualitätssicherung, der Datengenerierung und der Lösung schwierigerer Probleme sehr auf dem Laufenden.

Das ist ein Aspekt. Die andere besteht darin, Ihre Erwartungen für jedes Problem richtig zu formulieren und die Risiken zu durchdenken. Welche Risiken bestehen, wenn ich in diesem Szenario die KI zum alleinigen Entscheidungsträger mache? Das Verständnis des Risikos wird dazu beitragen, einen Teil des Widerstands gegen die Einführung von KI in diesem Szenario auszuräumen. Vielleicht ist es in diesem Szenario zu riskant, also möchten Sie, dass Menschen auf dem Laufenden bleiben, um zu überprüfen, was die KI getan hat.

Liam: Ich denke, wir sehen es bereits, aber mit Jobs, von denen die Leute vielleicht befürchten, dass sie verloren gehen, schafft KI tatsächlich neue Jobs und Rollen – Leute, die die KI überwachen, oder, in unserem Fall, Chatbot-Designer. Es ist nicht alles Untergang und Finsternis.

Kavita: Ja. Ich denke, dass sich die Rollen von der Ausübung von Tätigkeiten auf wirklich niedriger Ebene zu Tätigkeiten auf hoher Ebene verändern können. Sie werden eher ein QA-Manager sein. Also ja, die Rollen werden sich irgendwann ändern.

Liam: Und Kavita, was möchten Sie den Leuten über die Zusammenarbeit von KI und Unternehmen mitteilen?

Kavita: KI und Business, gute Frage. In der Forschungswelt sieht man oft, dass eine KI-Lösung ein Problem löst. Aber im Geschäftsleben reicht eine KI-Lösung möglicherweise nicht aus. Sie benötigen eine Hybridlösung. Es kann eine Kombination aus einem KI-System, einem regelbasierten System für Randfälle und vielleicht auch Menschen sein. Daher sind Geschäftslösungen oft weniger elegant und komplexer als Forschungssysteme.

Liam: Wohin können die Leute schließlich gehen, um über Sie und Ihre Arbeit auf dem Laufenden zu bleiben?

Kavita: Die erste Anlaufstelle ist meine Website, kavita-ganesan.com. Hier erfahren Sie mehr über mein Buch. Außerdem gelangen Sie zu meiner Beratungsseite und einigen anderen Podcasts, die ich erstellt habe.

Liam: Perfekt. Kavita, vielen Dank, dass Sie heute bei mir waren.

Kavita: Liam, danke, dass du mich hast.