Inhaltsübersicht
- Der Wert einer evolutionären KI-Implementierung im Finanzwesen
- Übertriebene KPIs und der Übergang vom "KI-Hype"-Zyklus zum "KI-Winter"
- Wie kann man die Implementierung von KI realistisch angehen?
Der Wert einer evolutionären KI-Implementierung im Finanzwesen
Im ersten Artikel dieser Serie haben wir gezeigt, dass generative künstliche Intelligenz nicht nur ein vorübergehender Markttrend ist. Es handelt sich um eine Technologie, die einen ausgereiften geschäftlichen und ethischen Ansatz erfordert, nicht nur wegen der neuen Verpflichtungen, die durch das EU-Gesetz über künstliche Intelligenz eingeführt wurden, sondern vor allem wegen der Verantwortung der Technologieanbieter gegenüber ihren Kunden und der Verpflichtung der Unternehmen gegenüber den Endnutzern von KI-gestützten Lösungen.
Wir betonten auch die potenziellen Folgen überzogener Erwartungen an den Erfolg von GenAI-gesteuerten Implementierungen und zitierten Statistiken aus einigen Branchenaudits, die den Kunden eine Produktivitätssteigerung von 40-50% versprachen. Eine viel realistischere Prognose liegt bei 10-20%, was immer noch ein solides Ergebnis ist.
Die Verwirklichung dieses Ergebnisses kann für den Softwareanbieter von Nachteil sein, da seine Konkurrenten oft größere Vorteile versprechen. Deshalb ist volle Transparenz von Anfang an bei der Erfassung der Geschäftsanforderungen und in jeder Phase der Zusammenarbeit mit dem Kunden so wichtig, damit die Banken einen realistischen Überblick über die zu erwartende Investitionsrendite haben. Natürlich ist es weitaus besser, von Anfang an Bescheid zu wissen, als später unerfüllte Versprechen und nicht eingehaltene Vereinbarungen erklären zu müssen. Aus diesem Grund haben wir uns unter anderem dazu entschlossen, das Thema Erwartungsmanagement bei GenAI-Implementierungen im Finanz- und Bankensektor zu behandeln.
Übertriebene KPIs und der Übergang vom "KI-Hype"-Zyklus zum "KI-Winter"
Stephen Brobst, Chief Technology Officer bei Ab Initio Software, weist darauf hin, dass wir uns derzeit in der dritten Welle des Interesses an künstlicher Intelligenz befinden, wenn es um die Einführung von Technologien geht. Warum also sind die ersten beiden Wellen zu Ende gegangen? Wegen überzogener Versprechungen. Der Markt neigt dazu, einem Zyklus zu folgen, der mit einem "KI-Hype" beginnt, auf den dann ein "KI-Winter" folgt - eine Phase, in der die Finanzierung versiegt und das Interesse an der Implementierung nachlässt, da die Unternehmen von der anfänglichen Begeisterung zur Ernüchterung übergehen, nachdem die unrealistischen Erwartungen nicht erfüllt wurden.
Versprechen Sie nicht zu viel, sondern halten Sie zu viel. Meiner Meinung nach ist dies eine viel bessere Strategie. Ab Initio ist ein Ingenieursunternehmen, daher konzentrieren wir uns nicht auf falsche Werbung und neigen nicht dazu, die Erwartungen zu übertreiben. Ein Wert- und Konzeptnachweis vor der Durchführung eines Großprojekts ist viel besser.
Nach den Erfahrungen der Ailleron-Experten sollten sich Technologieanbieter, um einen Proof of Concept (PoC) erfolgreich abzuschließen, in Abstimmung mit ihren Kunden auf einen Lösungsumfang konzentrieren, der den Zeitaufwand der Mitarbeiter für bestimmte Aufgaben deutlich reduziert. Es ist von entscheidender Bedeutung, dass die Endbenutzer in dieser Phase greifbare Vorteile erfahren, damit sie sich auf die Lösung verlassen und ihr genug Vertrauen schenken, um eine breitere Einführung in Betracht zu ziehen. Andernfalls besteht die Gefahr, dass PoC-Tests als zusätzliche Belastung wahrgenommen werden, anstatt als ein Werkzeug, das die tägliche Arbeit erleichtert.
Wie kann man die Implementierung von KI realistisch angehen?
Das Szenario eines lang anhaltenden "KI-Winters" ist ein extremer, unwahrscheinlicher Fall. Brobst beruhigt, dass der Technologiemarkt mit einer Kaltfront konfrontiert werden könnte, bei der die Kunden erkennen, dass die Anbieter ihnen zu viel versprochen haben, was dazu führt, dass das Interesse an KI aufgrund überzogener Erwartungen an die zu erzielenden Ergebnisse nachlässt.
Zahlreiche Erfolgsgeschichten und Belege von Branchenführern bestätigen jedoch bereits, dass die Optimierung ganzer Geschäftsprozesse mit KI einen erheblichen Nutzen bringt. Darüber hinaus gibt es zahlreiche Belege dafür, dass die Endnutzer tatsächlich von diesen Tools profitieren und sie als wesentliche Hilfe empfinden. Auch wenn Softwareanbieter und Berater die Prognosen für die potenziellen Gewinne wahrscheinlich weiterhin übertreiben werden, wissen wir jetzt zumindest, wie wir mit überzogenen Markterwartungen vorsichtig umgehen können.
Im dritten Artikel dieser Serie treten wir einen Schritt zurück vom GenAI-Hype und untersuchen die breiteren Möglichkeiten, die künstliche Intelligenz und maschinelles Lernen dem Bankwesen bieten.
In unserem nächsten Artikel erfahren Sie mehr darüber:
- Weniger offensichtliche Anwendungen und die Rolle der traditionellen ML
- Anwendungsfälle, die über die Texterstellung hinausgehen
- Promptes Engineering, Feinabstimmung und abrufgestützte Generierung (RAG)
- Auswahl der richtigen technologischen Lösung für einen bestimmten Geschäftsfall
Benötigen Sie fachkundige Unterstützung bei der Festlegung der richtigen KI-Einsatzstrategie für Ihr Unternehmen?
Mehr erfahren
