Im ersten Teil der Blog-Serie «Leading with AI – strategisch denken, wirksam umsetzen» haben wir das diselva AI Excellence Framework näher vorgestellt. Dieses besteht aus den Elementen Discover, Validate, Prototype, Scale und Sustain.
AI ist aus unserer Sicht nicht einfach ein technologischer Trend, sondern ein neuer digitaler Entwicklungsschritt. Dieser Prozess zeichnet sich durch seine hohe Geschwindigkeit aus. Um im richtigen Tempo Schritt zu halten, ist es entscheidend, strategisch zu denken und sich auf die Bedürfnisse Ihrer Organisation einzustellen.
Dieser zweite Teil «Leading with AI – wirksam umsetzen» zeigt, wie strategisches Denken hilft, mit hoher Geschwindigkeit im AI-Bereich führend zu werden und neue Lösungen umzusetzen.
Strategisches Experimentieren
Die beeindruckenden Fähigkeiten von Large Language Models (LLMs) wie ChatGPT wurden nicht zuerst als Anforderungen definiert und dann umgesetzt. Zunächst gab es die Modelle. Mit umfangreichen Experimenten wurden ihre faszinierenden Möglichkeiten erforscht und basierend auf den Ergebnissen grössere und bessere Modelle entwickelt.
Als Organisation ist es daher erforderlich, dass Sie Ihren Mitarbeitenden das Experimentieren mit AI ermöglichen und fördern. Gleichzeitig ist es unabdingbar, den richtigen Umgang mit internen, insbesondere personenbezogenen Daten (PII, Personally Identifiable Information) zu trainieren. Dafür müssen die passenden Tools mit Enterprise-Lizenzen und Mitarbeitenden-Logins evaluiert und beschafft werden. Diese Zukunftsinvestitionen sind schnell und trotzdem nachhaltig zu treffen, was für viele Organisationen eine Herausforderung darstellt.
AI-Lösungen von Software-Anbietern
Als zentraler Technologie-Trend entwickeln und integrieren die meisten Software-Anbieter AI-Unterstützung in ihren Software-Lösungen. Viele entsprechende Funktionen sind bereits verfügbar, sodass Ihre Organisation mit hoher Wahrscheinlichkeit bereits entsprechende Software einsetzt. Prüfen Sie daher, welche AI-Möglichkeiten jetzt schon vorhanden sind, und stellen Sie sicher, dass Ihre Mitarbeitenden diese kennen und einsetzen können. Oftmals sind die neuen AI-Funktionen mit zusätzlichen Kosten verbunden. In diesen Fällen empfehlen wir eine sorgfältige, aber schnelle Evaluierung und Entscheidung für oder gegen den Einsatz der Funktion.
Zudem empfehlen wir, die aktuellen Roadmaps der eingesetzten Software-Lösungen im Hinblick auf AI zu kennen. So stellen Sie sicher, dass Sie keine eigenen AI-Lösungen entwickeln, die in naher Zukunft von einer Ihrer bereits eingesetzten Softwarelösungen abgedeckt werden.
Intelligente Lösungsarchitektur
Individuelle AI-Lösungen benötigen eine intelligente Lösungsarchitektur. Die Lösungen greifen auf interne Enterprise-Daten und Anwendungen zu, benötigen Authentication- und Authorization-Mechanismen und dürfen die tägliche Arbeit mit den Anwendungen und Daten nicht negativ beeinflussen. Es muss sichergestellt sein, dass die Datenverarbeitung klar definiert ist und gesetzlichen Regelungen entspricht. Auch wenn eine neue AI-Lösung als Prototyp umgesetzt wird, dürfen keine Kompromisse in kritischen Bereichen eingegangen werden.
Sicherheit muss deterministisch wirken
Das Thema Sicherheit ist erfolgskritisch für jede AI-Lösung und je nach Datenanbindung meistens unternehmenskritisch. Hier ist wichtig zu berücksichtigen, dass für einen Prototypen mit produktiven Daten dieselben Vorgaben gelten, wie für normale produktive Software-Lösungen. Alle Sicherheitsmechanismen müssen deterministisch wirken. Dies bedeutet konkret, dass reine System-Prompts/Eingaben für ein AI-Modell respektive textbasierte Guardrails keinen garantierten Zugriffsschutz bieten können.
AI-Lösungen mit AI-Coding-Agents entwickeln
AI-Modelle wie LLMs sind sehr gut darin Code für Software zu erzeugen und werden von den meisten Software-Engineers bereits täglich eingesetzt. Um AI-Lösungen wirksam umzusetzen, ist daher der Einsatz von AI-Coding-Agents empfehlenswert. Einerseits steigert dies die Effizienz, andererseits die Erfahrung mit dem Einsatz von AI in der Software-Entwicklung. Die AI ersetzt keine erfahrenen Software-Engineers, sie kann diese aber schneller machen.
AI-Projekte sind anders
Auf den ersten Blick wirken AI-Projekte wie normale Software-Entwicklungsprojekte. Oft werden sie wie Software-Projekte verkauft, angegangen, umgesetzt und führen dann zu enttäuschenden Ergebnissen. AI-Projekte sind aber anders und müssen vom Resultat her gedacht werden. AI-Modelle liefern keine deterministischen Ergebnisse. Stellen Sie zweimal die gleiche Frage an ChatGPT und Sie werden zwei unterschiedliche Ergebnisse erhalten. AI-Projekte benötigen daher ein entsprechendes neues Verständnis auf allen Ebenen einer Organisation.
AI wirksam umzusetzen bedeutet auch entscheiden zu können, ob ein AI-Vorhaben erfolgreich ist und fortgesetzt werden soll, oder nicht den gewünschten Nutzen bringt. Welche neuen Erfolgsfaktoren für solche Entscheidungen herangezogen werden, ist eine Herausforderung für jede Organisation.
Mehr zum Thema «Leading with AI – strategisch denken, wirksam umsetzen» finden Sie in unserem ersten Artikel «Leading with AI – strategisch denken».
Für weitere Informationen zu den diselva Angeboten rund um AI freuen wir uns über Ihre Kontaktaufnahme.