Künstliche Intelligenz (KI) – wie ein paar Jahre zuvor Cloud Computing – bereichert die Informationstechnologiewirtschaft. KI hat in vielerlei Hinsicht die Macht, Technologie effizienter zu machen. Die Herausforderung besteht jedoch darin, der Gesellschaft und den Organisationen dabei zu helfen, die nächste Stufe zu erreichen und sich an die neue KI-Realität anzupassen.
Ich hatte die Gelegenheit, über die Entwicklung der Shared Technology Economy zu diskutieren Dr. Susan Atheyder kürzlich zum wissenschaftlichen Chefberater von Keystone Strategy ernannt wurde. Athey ist außerdem Professor für Wirtschaftswissenschaften an der Stanford University und ehemaliger Chefökonom bei Microsoft.
Außerdem: Überraschenderweise schlägt Meta im Innovationskampf plötzlich Apple
„Es ist schwierig, die Vorteile einer größeren Agilität und der Möglichkeit, mehr Funktionen hinzuzufügen, mehr Projekte durchzuführen und Experimente und Innovationen durchzuführen, die man vorher vielleicht noch nicht gemacht hat, quantitativ zu erfassen“, sagte Athey. Er sieht Chancen für die Zukunft, wenn sich Gemeinden und Organisationen gut vorbereitet haben.
„Der Aufbau und die Implementierung KI-gesteuerter Systeme ist schwierig und teuer, aber das Endergebnis ist, dass Technologieinfrastruktur und Anwendungen schneller und effizienter laufen können. „Die Bedienung des Systems wird wahrscheinlich etwas einfacher sein, sobald es betriebsbereit ist“, sagte er. „Im Vergleich zum maschinellen Lernen, das ich in den letzten 16 bis 17 Jahren in der Branche durchgeführt habe, ist diese neueste Runde einfacher zu verwalten und erfordert weniger komplexe Codierung.“
Insgesamt fuhr er fort: „Ich habe das Gefühl, dass wir eine Konvergenz erleben und endlich die Rendite vieler Investitionen sehen, die wir gemeinsam als Branche im Laufe der Zeit getätigt haben.“ Die Menschen haben gelernt, modular zu programmieren. Sie haben viele Optimierungen gelernt, die einst sehr komplex waren und heute sehr leistungsstarke Allzweck-Optimierungsroutinen sind. Die neuesten Algorithmen können direkt in diese Optimierungsroutinen integriert werden.“
Aufgrund dieser Transformation müssen Technologieexperten laut Athey ihre Rollen und Karrieren überdenken. „Ich denke, das Codieren ist einfacher geworden. Meine Studenten in Stanford schreiben wahrscheinlich 80 % ihres Codes mit Copilot“, sagte er. „Es ist gut darin, Syntaxfehler zu finden und langwierigen Code zu schreiben. Eine bestimmte Sprache zu beherrschen ist nicht so wichtig. Ich programmiere seit Beginn meiner Karriere in 10 verschiedenen Sprachen.“
Außerdem: 3 Möglichkeiten, wie Sie Ihren Mitarbeitern helfen können, generative KI sicher und produktiv einzusetzen
Aber während die Technologie bei einfacheren Codierungsprozessen hilft, sind laut Athey für Technologieprojekte hochrangige architektonische Fähigkeiten – „Struktur und wie Dinge erledigt werden sollten“ – erforderlich. Darüber hinaus erfordert die KI-Ökonomie auch Bewertungs- und logische Denkfähigkeiten.
„Wir schicken jedes Jahr Tausende von Informatik- und Ingenieurstudenten nach Stanford. Sie sind alle sehr gut darin, Datensätze aus dem Internet herunterzuladen und damit Dinge zu tun. Dinge trainieren, Dinge optimieren, Dinge vorhersagen, Dinge klassifizieren, Modell A mit Modell B vergleichen und deren Leistung vergleichen. Allerdings haben sie wenig Erfahrung darin, zu fragen: „Was bedeutet das?“ Woher wissen Sie, wann oder warum die Dinge gut laufen? reparieren?‘“
Die Herausforderung bei KI-Modellen besteht darin, dass „sie oft die falsche Antwort geben“, sagte Athey. „Wir verfügen nicht über die Wissenschaft, um zu wissen, wann sie die falsche und wann die richtige Antwort gibt. Möglicherweise enthält Ihr Datensatz nicht genügend junge Menschen. Sie versuchen, mehr über sie zu halluzinieren. Aber es kann Ihnen tatsächlich dabei helfen, mehr über junge Menschen zu erfahren, oder auch nicht. Ich musste feststellen, dass ich nicht nur die Merkmale der Jugend halluzinierte. Und es ist nicht drin. Und das Modell weiß es nicht – das wird nicht passieren, sag es dir. Das Modell hat keine Möglichkeit, das direkt zu wissen.“
Außerdem: Wie Ihr Unternehmen KI am besten nutzen kann: Teilen Sie Ihrem Vorstand diese vier Dinge mit
Laut Athey ist das Endergebnis, dass die Technologieexperten von heute und morgen die Daten verarbeiten und kanalisieren werden, die KI-gesteuerte Unternehmen antreiben. „Durch den Einsatz neuer Arten von KI lernt man ein wenig über den Wert Ihrer Daten. Welchen Wert haben externe Datenquellen? Welche Initiativen haben Sie bereits ausprobiert oder waren diese erfolglos, weil Ihnen nicht genügend Daten zur Verfügung standen? Gibt es Initiativen, die Sie jetzt noch einmal versuchen können?“ Er sagte, eine Herausforderung bestehe darin, dass KI-Modelle möglicherweise „unstrukturierte und chaotische historische Daten“ verwenden müssten.
Führungskräfte und Fachleute müssen „die nächste Ebene der Analyse verstehen, die viel logisches Denken erfordert“. Dies erfordert ein Verständnis von Statistiken und bedingten Erwartungen. Sie benötigen einen mathematischen Rahmen. Zu fragen: „Was bedeutet es, dass das wahr ist?“ Und auch genaue Antworten zu geben?‘“ Und derzeit seien dieses Maß an kritischem Denken und die Werkzeuge, um es zu unterstützen, begrenzt, sagte Athey.
