Die Probleme, mit denen Ihr Unternehmen bei der KI-Transformation konfrontiert wird, und wie Sie sie angehen können

Im letzten Jahr habe ich Manager und Unternehmer über den Einsatz von KI in ihren Projekten und Unternehmen beraten. Ich habe mit Bankern, Herstellern und Anwälten gesprochen. Ich habe Workshops für Programmierer über die Integration von KI in ihre Software und den Einsatz von KI zur Beschleunigung der Softwareentwicklung gegeben. Ich habe Teams getroffen, die versuchen, ihre Softwareprodukte interaktiver und benutzerfreundlicher zu gestalten. Ich habe Beschwerden und Ausreden gehört, warum KI in ihrem Fall keine gute Lösung sein wird. Ich sah einige Fehler, einige verpasste Chancen und viel Gleichgültigkeit, gemischt mit Selbstgefälligkeit. Hier ist, was ich gelernt habe.

Chatbots sind nicht die Killerfunktion der KI

Das Massenbewusstsein für generative KI begann mit ChatGPT. Folglich gingen wir eine Zeit lang davon aus, dass Chatbots die Killerfunktion der KI werden würden. Ich habe mehrere Artikel geschrieben, in denen ich gezeigt habe, wie man einen KI-gesteuerten Slack-Bot, einen Facebook-Bot oder eine Website erstellt, auf der man mit KI über den Inhalt eines beliebigen YouTube-Videos sprechen kann. All diese Dinge funktionieren gut, aber im Laufe der Zeit entdeckten wir, dass KI noch viel mehr kann. Schon bald wurden Chatbots entwickelt, die mit Notion-Notizen, Dokumenten oder Telefongesprächsprotokollen kommunizieren. Das ist alles sehr beeindruckend, aber KI endet nicht mit Chatbots. Chatbots gehören zu den KI-Funktionen, die auf den ersten Blick großartig erscheinen, bei denen man aber schnell ihre Grenzen erkennt.

Chatbots neigen nicht nur dazu, allem zuzustimmen, was ihre Benutzer sagen, sondern sie werden auch lügen, um den Benutzer zufrieden zu stellen. Viel Glück beim Erstellen eines solchen Chatbots für den Kundensupport. Natürlich können Sie den Chatbot erstellen, und die Leute werden ihn vielleicht gerne benutzen, aber wäre er gut für das Unternehmen? Stellen Sie sich vor, Sie würden verklagt, weil der Chatbot etwas versprochen hat, was Sie nicht halten können.

Wie Greg Kamradt sagt: “Chat ist nur eine von N Schnittstellen, mit denen Nutzer interagieren können (und noch viel mehr).” Wenn KI so intelligent ist, warum muss ich ihr dann überhaupt sagen, was ich will? Kann KI nicht voraussehen, was ich brauche, und proaktiv handeln? Wenn Sie eine KI-gestützte Autovervollständigung wie Github Copilot oder sogar die Satzvervollständigungsfunktion in Google Mail verwenden, wissen Sie, dass KI die Autovervollständigung beherrscht und immer besser wird.

Greg zufolge sind die eigentlichen “Game Changer” die semantische Suche, die Datentransformation und die automatisierte Entscheidungsfindung. Natürlich beruhen die Anwendungsfälle für die semantische Suche, die wir derzeit entwickeln, vor allem auf überzogenen Erwartungen. Wir hoffen, dass die künstliche Intelligenz unsere Fragen richtig beantworten wird, wenn wir ein paar Gigabyte PDF-Dateien in eine Vektordatenbank eingeben. Das wird nicht passieren, es sei denn, wir erleben einen weiteren Durchbruch in der KI-Technologie. Die semantische Suche funktioniert am besten, wenn wir viel Aufwand in die Vorverarbeitung der Daten stecken. Sowohl bei der Befüllung der Vektordatenbank mit Daten als auch beim Abrufen der Antworten.

Wenn Sie schon einmal von Vektordatenbanken gehört haben, wissen Sie vielleicht, dass solche Datenbanken nach einem Text suchen, der der Anfrage ähnlich ist. Wir verwenden Vektoren, weil wir hoffen, dass eine Antwort auf eine Frage Wörter (oder deren Synonyme) enthält, die der Frage selbst ähnlich sind. Das ist aber nicht immer der Fall. Deshalb müssen wir bei der semantischen Suche die Frage paraphrasieren (oder manchmal auch die Eingabedaten paraphrasieren, während wir sie in der Datenbank speichern), in der Annahme, dass mehrere Versionen derselben Anfrage uns helfen, relevantere Informationen zu finden, ohne zu viel Rauschen zu erzeugen. Wenn wir KI auf die Vektordatenbank-Suche aufsetzen, können wir eine vernünftige Lösung für die Beantwortung von Fragen erhalten, es sei denn, Ihre Benutzer versuchen absichtlich, Ihre KI zu stören. Darüber werden wir später sprechen.

Bei den benutzerdefinierten Datentransformationen handelt es sich um die Funktionen “Zusammenfassen”, “Nächste Aktion finden” oder “Zitat finden”. Die Fähigkeit zur Texttransformation funktioniert hervorragend in den aktuellen generativen KI-Modellen. Daher wurden im letzten Jahr Hunderte von “Zusammenfassen”-Schaltflächen zu vielen Anwendungen hinzugefügt. Die meisten von ihnen brauchten eine solche Funktion überhaupt nicht. Sogar Todoist hat jetzt einen KI-Assistenten. Der Assistent kann eine Aufgabe in Teilaufgaben zerlegen. Die Unteraufgaben des Assistenten sind übermäßig ausführlich, basieren auf einigen impliziten Annahmen, die dem Benutzer verborgen bleiben, und die gesamte Funktion ist zu langsam. Ich finde es nicht hilfreich, aber jemand hat beschlossen, dass Todoist einen KI-Assistenten braucht. Wahrscheinlich, weil “jeder andere einen hat”. Ich hoffe, Sie haben einen besseren Grund, KI zu nutzen.

KI zur Entscheidungsfindung ist ein kontroverses Thema. Sobald man es erwähnt, kommen die Leute mit klischeehaften Beispielen von Situationen, in denen KI nicht die richtige Entscheidung treffen kann, wie das Trolley-Problem oder autonome Militärdrohnen. Wir sprechen hier nicht von Entscheidungen, bei denen es um so viel geht.

Zunächst einmal können wir KI einsetzen, um Support-E-Mails an ein geeignetes Team weiterzuleiten, anstatt die Mitarbeiter zu zwingen, irrelevante E-Mails zu lesen und sie weiterzuleiten, bis sie jemanden finden, der das Problem lösen kann. KI kann dem Vertriebsmitarbeiter auch vorschlagen, welches Produkt er durch Upselling anpreisen kann, oder sogar eine E-Mail mit einem entsprechenden Angebot vorbereiten. Ich empfehle jedoch, zweimal, dreimal oder so oft wie nötig nachzudenken, bis man zu dem Schluss kommt, dass es eine schreckliche Idee ist, die E-Mail zu versenden, ohne den Inhalt vorher von einem kompetenten Menschen absegnen zu lassen.

KI vernichtet nur dann Arbeitsplätze, wenn sie ganze Unternehmen vernichtet

Wir haben Nachrichten über Unternehmen gesehen, die Mitarbeiter entlassen und behaupten, dies sei wegen der KI geschehen. Das ist eine Lüge. KI wurde zu einer bequemen Ausrede, wenn man ein paar hundert Leute entlassen will, um die Kosten zu senken und den Stakeholdern höhere Boni zu zahlen. Früher musste man externe Unternehmensberater beauftragen, um eine Ausrede zu finden. Die Entlassungen waren nicht Ihre Schuld, sondern die Berater haben Ihnen gesagt, Sie sollen die Leute entlassen. Jetzt haben wir KI, und wir sagen, dass KI die Arbeiter ersetzt. Wodurch wurden sie ersetzt? Haben Sie schon einmal eine dieser Automatisierungen gesehen? Sind die verbleibenden Mitarbeiter produktiver?

Natürlich entlassen einige Unternehmen Mitarbeiter wegen der KI. Lassen Sie uns über den eigentlichen Grund nachdenken. Werden sie entlassen, weil die verbleibenden Mitarbeiter ihre Effizienz mit KI verdoppeln können und kein so großes Team mehr brauchen, oder entlassen sie Mitarbeiter, weil ihr gesamtes Geschäft in einer Welt mit KI keinen Sinn mehr macht?

Jasper war früher ein Tool zum Schreiben von E-Mails, Artikeln oder Notizen mit Hilfe von KI. Es wurde eine frühe Version der generativen KI verwendet. Als ChatGPT veröffentlicht wurde, musste Jasper umbenannt werden in einen KI-Copiloten für Marketing-Teams. Ihre frühere Geschäftsidee macht keinen Sinn mehr. Wer würde sie für das automatisierte Schreiben von E-Mails bezahlen, wenn man von ChatGPT qualitativ bessere Inhalte erhalten kann, sogar in der kostenlosen Version?

Duolingo hat einige seiner Übersetzer entlassen, weil KI ihre Arbeit übernehmen kann. Um genau zu sein, hat Duolingo Auftragnehmer entlassen, die bei Unternehmen arbeiten, die Übersetzungsdienste anbieten. Da KI solche Dienste ersetzen kann, ist das gesamte Geschäftsmodell von Übersetzungsdienstleistern in Gefahr.

Was ist mit Duolingo? Ist eine unterhaltsame, aber offen gesagt ineffiziente Methode des Sprachenlernens noch sinnvoll, wenn wir einen KI-gesteuerten persönlichen Sprachtutor haben, mit dem wir über jedes Thema sprechen können und der uns jede grammatikalische Struktur mit so vielen Beispielen erklärt, wie wir brauchen? Hat Duolingo Leute entlassen, um sie durch KI zu ersetzen, oder hat Duolingo Leute entlassen, um in einer Welt, in der KI ihren Service ersetzt, noch ein bisschen länger zu überleben? Der Suchtfaktor und das Gefühl des Fortschritts (unabhängig von der tatsächlichen Verbesserung der Sprachkenntnisse) reichen möglicherweise nicht aus, um Gewinn zu machen.

Skeptiker legen die Messlatte immer höher

Aber KI macht immer wieder Fehler! Sie halluziniert. Die Übersetzungen sind nicht perfekt. Sie schreibt Artikel mit viel Schnickschnack und wenig Substanz. Ja, aber vor einem Jahr konnte die KI nicht einmal diese Aufgaben bewältigen. KI kann immer Fehler in Übersetzungen machen, aber auch zweisprachige Menschen machen solche Fehler. KI mag eher wie Tom Wolfe als wie Ernest Hemingway schreiben, aber manche Menschen ziehen Wolfe Hemingway vor.

Die KI-Skeptiker stellen an die KI viel höhere Anforderungen, als sie von Menschen erwarten würden. Man wird immer einige Unvollkommenheiten finden können. KI muss nicht allwissend sein.

Als ich Workshops für Rechtsabteilungen gegeben habe, haben sich die Juristen leider auf die Fehler konzentriert. Ich denke, das ist für sie ganz normal. Juristen sollten pingelig sein. KI kann die Nuance übersehen, die das Hinzufügen oder Entfernen eines Kommas in einem Satz hat, und die enormen rechtlichen Konsequenzen einer solchen Bearbeitung. Mit der richtigen Datenaufbereitung sollte die KI jedoch in der Lage sein, für einen bestimmten Fall relevante Gesetze, frühere Gerichtsurteile oder von Anwälten in der Vergangenheit genutzte Schlupflöcher zu finden.

In ähnlicher Weise neigen Manager dazu, die Fähigkeit der KI zur Entscheidungsfindung abzutun, weil sie sich vorstellen, dass die KI strategische Entscheidungen trifft oder ihnen sagt, wie sie das Unternehmen führen sollen. Wenn sie sich auf solche hochgesteckten Erwartungen konzentrieren, übersehen Manager die kleinen täglichen Entscheidungen, die sie treffen müssen. Welche Notizen müssen Sie vor der nächsten Besprechung lesen? Wer hat Ihnen ein Follow-up versprochen und zu welchem Thema? (in diesem Fall würde eine wirklich nützliche KI die Person daran erinnern, die das Follow-up versprochen hat, und nicht den Manager, der darauf wartet.) Oder sogar Entscheidungen wie die, ob wir den Kunden morgens oder nachmittags anrufen sollen (müssen Sie sich wirklich merken, ob Sie mehr Verkäufe abschließen, wenn Sie früh anrufen, oder ob die Person, die Sie anrufen, nachmittags mehr Zeit hat?) All diese Fragen scheinen trivial, aber zur falschen Zeit anzurufen oder unvorbereitet in eine Besprechung zu gehen, kann ein teurer Fehler sein. Wie könnten Sie Ihre Zeit und Energie nutzen, wenn Sie sich über solche Details keine Gedanken machen müssten?

Skeptiker gibt es überall. Programmierer sollten doch von KI begeistert sein, oder? In jedem Workshop habe ich jemanden getroffen, der erwartete, von der KI jedes Mal perfekten Code zu erhalten. Der Programmierer konnte seine Erwartungen nicht klar schriftlich formulieren und erwartete, dass die KI erraten würde, was zu tun ist. Derselbe Programmierer würde nicht sagen, dass StackOverflow (ein Forum für Programmierer, in dem sie spezifische Fragen stellen und darüber abstimmen können, welche Antwort richtig ist) nutzlos ist, wenn die Antwort nicht genau das ist, was sie brauchen.

Konzentrieren wir uns mehr auf KI-unterstützte Arbeit als auf Arbeit, die durch KI ersetzt wird. Ich werde Ihnen im weiteren Verlauf dieses Artikels einige Ideen vorstellen.

Menschen hassen KI

Wenn Sie einen Chatbot bauen und der Öffentlichkeit zugänglich machen, werden zwei Dinge passieren. Erstens werden die Leute versuchen, Ihren Chatbot als kostenloses ChatGPT zu nutzen. Kostenlos für sie. Sie werden für all diese Anfragen bezahlen. Zweitens wird jemand versuchen, Ihre künstliche Intelligenz zu brechen, indem er den Chatbot dazu bringt, etwas Unangemessenes oder Falsches zu sagen, so wie es jemand tat, als DPD einen Chatbot für den Kundendienst veröffentlichte. Laut Sky News brachte jemand den Bot dazu, zu fluchen und DPD als den schlechtesten Zustelldienst zu bezeichnen. Das Unternehmen musste den Chatbot daraufhin schließen.

Das klingt alles furchtbar, aber Sie können es noch schlimmer machen, indem Sie Ihren Chatbot anweisen, so zu tun, als sei er ein echter Mensch. Eine Fälschung zu sein, funktioniert beim Kundensupport nie. Glauben Sie, dass die Menschen Unternehmen vertrauen, die ihre Callcenter nach Indien oder Polen auslagern, aber ihre Mitarbeiter anweisen, amerikanisierte Namen zu verwenden? Wirkt Santosh, der vorgibt, Matthew zu sein, oder Katarzyna, die die Rolle von Sarah spielt, überzeugend?

Ich bin überzeugt, dass der weit verbreitete Einsatz von KI-Chatbots für den Kundensupport schrecklich ist. Jedes Unternehmen, das den Kundensupport zu einer unangenehmen Erfahrung macht, hat vergessen, dass seine Kunden 100 % des Gewinns des Unternehmens erwirtschaften. Sie können die Menschen dazu zwingen, Ihren Chatbot zu benutzen, indem Sie keine andere Option anbieten, aber Ihre Konkurrenz, die ihre Kunden weiterhin mit echten Menschen sprechen lässt, wird sich einen kostenlosen Wettbewerbsvorteil verschaffen.

Anstatt also den Chatbot oder ein anderes KI-System zu veröffentlichen und zuzulassen, dass es unweigerlich mutwillig zerstört wird, könnten wir interne KI-Tools entwickeln. Wird das die Mitarbeiter glücklich machen? Ich bin mir nicht sicher.

Wollen die Menschen bei der Arbeit effizienter sein? Laut Talentism: “In einer Studie, die vor der Pandemie durchgeführt wurde, zeigte sich, dass Faulheit in der Belegschaft weit verbreitet ist. 75 % der Befragten gaben zu, dass sie nicht einmal pro Woche das Beste aus sich herausholen. Talentism sagt, dass dies in erster Linie auf die Ineffizienz interner Prozesse zurückzuführen ist, nicht auf tatsächliche Faulheit. Aber wie oft sehen Sie Menschen, die mit Ineffizienz kämpfen? In einer kürzlich durchgeführten Studie stellte Gallup fest, dass “das Engagement der US-Mitarbeiter im zweiten Quartal 2022 einen weiteren Rückschritt erlitt, wobei der Anteil der engagierten Mitarbeiter bei 32 % blieb, der Anteil der aktiv desengagierten Mitarbeiter jedoch auf 18 % anstieg. Das Verhältnis von engagierten zu aktiv desengagierten Mitarbeitern ist nun 1,8 zu 1, der niedrigste Wert seit fast einem Jahrzehnt.”

Einerseits sind die Menschen zumindest in einigen Fällen “unengagiert”, weil sie sich bei ihren Aufgaben langweilen, und wenn man die KI zumindest einen Teil der Arbeit erledigen lässt, könnte das die Arbeitszufriedenheit und Produktivität des Teams steigern. Andererseits kann ich mir vorstellen, dass es Menschen gibt, deren Aufgabe darin besteht, Informationen aus eingehenden E-Mails in ein CRM zu kopieren, und die keine andere Arbeit wollen, weil sie bei dieser Aufgabe träumen, im Internet surfen, mit Kollegen tratschen usw. können. Diese Menschen wären wütend, wenn man ihnen vorschlüge, ihre Arbeit mit KI zu automatisieren.

Was können Sie tun? Machen Sie Ihre KI-Umstellung nicht zu einer Überraschung und automatisieren Sie nicht zu viele Dinge auf einmal. Beginnen Sie mit den lästigsten Aufgaben. Niemand wird protestieren, wenn Sie etwas automatisieren, das er nicht mag. Danach gehen Sie zur nächsten lästigen Aufgabe über. Was ist mit den Menschen, die gerne niedere Arbeiten verrichten? Übertragen Sie ihnen die Verantwortung für die Überwachung der KI-Automatisierung in Bezug auf etwas, das nicht zu ihren täglichen Aufgaben gehört. Gewöhnen Sie sie daran, mit KI zusammenzuarbeiten.

Der Hype schafft lächerlich überhöhte Erwartungen

Wir haben bei der Vermarktung von KI hervorragende Arbeit geleistet. Jetzt erwarten die Menschen, dass sie all ihre Dokumente in eine Datenbank oder direkt in die Eingabeaufforderung eingeben können und dass die KI alle Fragen perfekt beantwortet. Wie ich schon sagte, muss KI nicht perfekt sein - sie wird vielleicht nie perfekt sein.

In meinem Artikel über Lösung von Geschäftsproblemen mit KI habe ich KI mit einer Person verglichen, die in einem leeren Raum mit einem Stift und Papier sitzt. Die Person in dem Raum erhält Ausdrucke mit den erforderlichen Informationen und ein Blatt Papier mit den Anweisungen. Wenn sie etwas berechnen, in Archiven suchen oder für eine spätere Verwendung ausfüllen muss, muss sie die Aufgabe aufschreiben und jemand anderem übergeben. Das ist Ihre KI. Wenn Sie ein Problem mit KI lösen, denken Sie daran, wie eine solche Person das Problem nur mit Stift und Papier lösen könnte. Die Person und die KI können externe Hilfsmittel (Datenbanken, Internetzugang, laufender Code) verwenden, müssen aber die Anweisungen zuerst aufschreiben und sie dann an jemanden weitergeben, der sie verstehen kann. Wenn Sie sich einen Problemlösungsprozess vorstellen können, der in einem solchen begrenzten Rahmen effektiv ist, sind Sie vielleicht bereit, KI einzusetzen, und es besteht die Chance, dass Sie gute Ergebnisse erzielen. Wenn Sie sich andererseits nicht vorstellen können, wie eine Person, die nur mit einem Topf und Papier ausgestattet ist, das tun könnte, was Sie brauchen, wird KI höchstwahrscheinlich ebenfalls scheitern.

Denken Sie auch daran, dass Interaktionen mit externen Systemen immer fehleranfällig sind, und dass zu viele davon die Antworten der KI verschlechtern werden. Nehmen wir an, Ihre Idee erfordert den Einsatz von KI als Koordinator, der Informationen von Software abfragt, Aufgaben an Menschen weitergibt und überprüft, ob diese sie erledigt haben. In diesem Fall müssen Sie entweder die KI für jeden Schritt separat einsetzen, ohne einen globalen Koordinator zu haben, oder den Prozess vereinfachen.

Achten Sie darauf, bei welchen Aufgaben die KI am ehesten versagt. Anweisungen mit Negationen werden mit größerer Wahrscheinlichkeit missverstanden als Anweisungen, die als positive Aussagen formuliert sind. Wenn Sie ein bestimmtes Verhalten unterbinden wollen, sagen Sie “Vermeiden Sie X” statt “Tun Sie X nicht”. Das Problem des Ignorierens von Negationen ist in GPT-4 vielleicht weniger häufig, aber frühere Versionen und Open-Source-Modelle erfordern oft eine Umformulierung der Aufforderung. Bei grafikgenerierenden Modellen ist es am besten, nicht zu erwähnen, was man nicht will.

Nicht zuletzt würde die KI lieber halluzinieren und Ihnen völligen Unsinn erzählen, als zu sagen, dass sie etwas nicht weiß oder nicht in der Lage ist, die von Ihnen gewünschte Aufgabe zu erledigen. Wir alle kennen solche Menschen und wissen, wie wir uns ihnen gegenüber verhalten müssen. Die gleichen Fähigkeiten brauchen wir auch für KI. Wenn Sie KI einsetzen, um ein relevantes Zitat in einem Artikel zu finden, geben Sie ihr einige Textbeispiele mit und ohne relevante Informationen und die Antwort, die Sie in all diesen Fällen erwarten. Diese Aufforderungstechnik wird als In-Context-Lernen bezeichnet, und je nach Anzahl der Beispiele kann man sagen, dass es sich um ein One-Shot (ein Beispiel) oder ein few-show (2+) In-Context-Lernen handelt. Die Angabe von Beispielen für den Umgang mit fehlenden Daten zeigt der KI, dass die Rückgabe von “Nicht genügend Informationen” eine der akzeptablen Optionen ist.

Die meisten bezahlten KI-Dienste können von einem durchschnittlichen Programmierer in 2 Wochen nachgebaut werden.

Eine Woche, wenn der Programmierer KI zum Schreiben von Code verwendet.

Viele KI-basierte Dienste, die im letzten Jahr entwickelt wurden, sind einfache Wrapper um die OpenAI API. Diese Anwendungen fügen der Eingabeaufforderung ein paar Anweisungen hinzu und wandeln manchmal die Ausgabe um. Und das ist gut so! Wir befinden uns in einem frühen Stadium der Nutzung generativer KI. Die Anwendungen, die wir jetzt entwickeln, sind das Äquivalent zu den frühen iPhone- oder Android-Apps. Die frühen App-Stores waren voll von Weckern, Timern, Taschenlampen, Kalendern und anderen einfachen Anwendungen, die die integrierten Funktionen des mobilen Betriebssystems mit einigen winzigen Anpassungen replizierten. KI-basierte Anwendungen befinden sich derzeit in einem ähnlichen Stadium.

Was bedeutet das für Ihr Unternehmen? Ich denke, es bedeutet zwei Dinge. Erstens können Sie nicht davon ausgehen, dass eine dieser Anwendungen in einem Jahr noch existiert, weil die Entwickler sich vielleicht für etwas anderes entscheiden oder der Betrieb der Anwendung viel mehr kostet, als sie jemals verdienen können. Zweitens können Sie Ihre KI-basierten Anwendungen entwickeln, weil die aktuellen Implementierungen noch relativ einfach sind. Verstehen Sie mich nicht falsch. Die zugrundeliegende Technologie ist super komplex, aber Sie müssen sie nicht verstehen, wenn Sie nur ein paar vorgefertigte Elemente zusammensetzen und Code schreiben, damit sie funktioniert. Der Programmierer, den Sie bereits eingestellt haben, kann dies tun, oder wenn Sie keinen Programmierer in Ihrem Team haben, können Sie einen Berater beauftragen, die Automatisierung für Sie zu erstellen. Die schwierigste und zeitaufwändigste Aufgabe besteht darin, die Website ansprechend zu gestalten (wenn Sie mit der KI über eine Website interagieren möchten).

In vielen Fällen brauchen Sie nicht einmal einen Programmierer. Automatisierungsplattformen ohne Code wie Zappier, Make.com oder Automatish können ebenfalls mit OpenAI interagieren. Ich habe zum Beispiel eine Make.com-Pipeline zum Auffinden relevanter Informationen in vielen Newslettern erstellt, die ich abonniere und die eine Zusammenfassung direkt an meinen Kindle sendet, damit ich mich nicht mit E-Mails beschäftigen muss.

Es mag kompliziert erscheinen, aber Sie konfigurieren die Pipeline, indem Sie auf einer Website angezeigte Symbole verschieben, ohne Code zu schreiben. Trotzdem müssen Sie nicht alles selbst machen. Warum delegieren Sie die Aufgabe nicht an Ihre Mitarbeiter oder beauftragen einen Freiberufler, der die KI-Automatisierung am Laufen hält und sie aktualisiert, wenn Sie Änderungen benötigen?

Schnelle Erfolge werden übersehen

Ich habe Ihnen gesagt, dass wir nach Möglichkeiten suchen sollten, KI-Lösungen zu entwickeln, die uns bei der Arbeit unterstützen und nicht ersetzen. Was können wir schnell und kostengünstig tun?

Verbringen Ihre Vertriebsmitarbeiter viel Zeit damit, Zusammenfassungen von Telefongesprächen aufzuschreiben und sie in Ihr CRM einzufügen? Und warum? Die meisten, wenn nicht sogar alle, Videokonferenzsoftwares verfügen inzwischen über eine Transkriptionsfunktion, oder Sie können ein Plugin installieren. Warum senden Sie nicht eine Abschrift des Gesprächs an AI und lassen die Zusammenfassung automatisch in das CRM einfügen? Wenn die Vertriebsmitarbeiter täglich 30 Minuten einsparen, können sie ein weiteres Gespräch führen. Wie viele Vertriebsmitarbeiter haben Sie in Ihrem Team? Wie viele potenzielle Kunden können sie in einem Monat anrufen, wenn jeder täglich ein Gespräch mehr führen kann?

Sucht Ihr Supportteam nach ähnlichen Supportfällen in der Vergangenheit, um eine bewährte Lösung zu finden, anstatt zu versuchen, sie von Grund auf neu zu entwickeln? Wussten Sie, dass KI den Text in der Problembeschreibung Ihres Kunden verstehen und frühere Supportfälle finden kann, die dem aktuellen ähnlich sind? Danach kann die KI eine Schritt-für-Schritt-Anleitung auf der Grundlage der bisherigen Antworten Ihres Support-Teams erstellen. Würde eine solche Automatisierung die Arbeit beschleunigen? Wäre der Kunde zufrieden, wenn er schneller eine hilfreiche Antwort erhalten würde? Würden sie öfter bei Ihnen kaufen?

Im Newsletter von Greg Kamradt wurde ein Gespräch mit Rex Harris, Chief Product Officer bei Bryte, erwähnt, der sagte, dass das Unternehmen das KI-Modell Claude 2.1 verwendet, um Informationen aus Umfragen zu extrahieren. Dabei werden Hunderte von Umfrageantworten in die KI hochgeladen und die KI angewiesen, Themen und Korrelationen herauszufiltern, die mehrere Antworten umfassen. Dem Newsletter zufolge spart die Automatisierung 20 Stunden Arbeit pro Umfrage.

Was noch? Um Ideen zu finden, sollten Sie nach Aufgaben suchen, die die Suche nach Informationen in großen Mengen oder relativ kurzen Texten, aber mehrmals am Tag erfordern. Auch die bereits erwähnte automatische E-Mail-Weiterleitung kann Ihnen Zeit sparen. Es mag nur eine Minute pro Nachricht sein, aber wie viele solcher Nachrichten müssen monatlich weitergeleitet werden?

Wie Sie KI im Geschäftsleben einsetzen können, ohne Ihren Verstand und Ihr Geld zu verlieren

Fangen Sie klein an. Automatisieren Sie einfache, wiederkehrende Aufgaben und konzentrieren Sie sich auf die kumulierte Zeitersparnis. Verbringen Sie nicht einen Monat damit, die verfügbaren Optionen zu analysieren, sondern konzentrieren Sie sich auf Learning by Doing.

Halten Sie die Menschen auf dem Laufenden. Lassen Sie keine unumkehrbare Aktion ohne menschliche Zustimmung zu. Es ist in Ordnung, KI-generierte Informationen automatisch in einem CRM oder einer Datenbank zu speichern, wenn ein Mensch sie sich ansehen muss, bevor Sie sie zur Entscheidungsfindung verwenden. Wenn Sie KI eine Entscheidung treffen lassen, sollten Sie diese erst dann endgültig treffen, wenn eine Person, die kompetent genug ist, die Entscheidung zu beurteilen, die Entscheidung der KI sieht. Lassen Sie KI niemals direkt mit Ihren Kunden sprechen. Sie ist dafür noch nicht bereit. KI kann zwar einen E-Mail-Entwurf erstellen, sendet die Nachricht aber erst, wenn jemand den Inhalt genehmigt hat.

Wenn Sie KI-Daten vorbereiten, werfen Sie nicht einfach jede Datei, die Sie finden können, in die Eingabeaufforderung oder eine Datenbank. Bereinigen Sie die Daten zunächst, indem Sie irrelevante Informationen entfernen und die Daten, die Sie der KI zur Verfügung stellen oder in den von der KI verwendeten Datenbanken speichern, mit Bedacht auswählen.

Am wichtigsten ist, dass Sie Ruhe bewahren. Wir stehen noch am Anfang. Ihre Konkurrenz wird Sie nicht abhängen. Jeder, der das behauptet, versucht, Ihnen einen überteuerten Online-Kurs zu verkaufen.

Wenn Sie Inspiration brauchen, lesen Sie meine anderen Artikel oder schreiben Sie mir. Ich helfe Ihnen gerne.

Do you need help building KI-gestützte Anwendungen for your business?
You can hire me!