KI (Künstliche Intelligenz) für KMUs

Diesen Blogpost habe ich geschrieben, um meine Erfahrungen aus der Arbeit und dem Gespräch mit KMUs (Kleine und mittlere Unternehmen) in der Schweiz zum Thema "Wie man eine KI-getriebene Organisation wird" zu teilen. Das Ziel dieses Blogs ist es, Menschen dazu zu bringen, die richtigen Fragen zu stellen, wenn sie über Künstliche Intelligenz nachdenken. In der Branche gibt es eine Menge Schwindler, die versuchen, schnelles Geld zu verdienen. Dies indem sie sich wie E-Mail-Spam-Betrüger verhalten, unter dem Motto: gib uns dein Geld und wir werden dich retten. Bevor du weitermachst, wähle mit Bedacht.

In diesem Artikel werden KMUs mit 0 - 100 Mitarbeitern, sowie 100 - 999 Mitarbeitern angesprochen, mit einem Fokus auf KI-Passive [1]. Wie in meinem letzten Blog Post erläutert, sind KI-Passive Unternehmen, welche wenig bis gar kein Verständnis von KI haben.

Die erste und einzige Frage, auf die sich solche Unternehmen konzentrieren sollten, lautet: Warum Künstliche Intelligenz? Warum glauben sie, dass sie KI brauchen? Liegt es daran, dass der Wettbewerb durch KI einen Vorteil erlangt hat, oder liegt es daran, dass das Management durch die Einführung von KI Teil des Hype sein will, oder liegt es daran, dass es auf der Managementebene ein tiefes Verständnis dafür gibt, was KI tun kann und was nicht. Wenn du in eine andere Gruppe als die letzte fällst (das Management weiss, warum und wie KI helfen kann?), solltest du vielleicht nicht mit KI beginnen, denn ich versichere dir, du wirst scheitern. Eine andere Möglichkeit, um sicher zu sein, dass du auf dem richtigen Weg bist, ist ein KI-Bewusstseins-Training für das Management-Team (und andere Entscheidungsträger) zu Themen rund um die KI-Strategie.
 

Die erste und wichtigste Person, die du an Bord haben solltest, um wirklich KI-getrieben zu werden, ist ein Chief Data/Decision/Analytics Officer. Diese Person hat idealerweise ein gutes Verständnis für dein Geschäft und KI (KI eher auf der angewandten Seite als auf der Seite der Algorithmen).

Diese Person muss nicht von aussen eingestellt werden (es gibt sie nicht, das versichere ich dir), sondern jemand aus dem internen Management, der bereit ist, in kurzer Zeit etwas über Daten und KI zu lernen, sollte in dieser Rolle weitergebildet werden. Ohne jemanden, der abteilungsübergreifend die Führung übernimmt, den Mitarbeitern bei der Auswahl der Anwendungsfälle, der Priorisierung und der Lieferung der Daten hilft, wird die Datenreise höchstwahrscheinlich scheitern. Man kann auch Projekte abteilungsübergreifend starten, ohne einen KI-Führer an Bord zu haben. Ein solcher Ansatz könnte kurzfristig funktionieren. Aber wenn du dich wirklich darauf konzentrieren willst, eine KI-getriebene Organisation zu werden, solltest du von Anfang an über diesen Titel nachdenken.
 

Sobald du davon überzeugt bist, dass Künstliche Intelligenz der Weg in die Zukunft ist (was ich glaube, wenn du genau hinsiehst), sollte sich das Unternehmen auf die Identifizierung von Anwendungsfällen konzentrieren, die wirklich datengetrieben sind. Die Konzentration auf Anwendungsfälle ist sehr wichtig, da die meisten Unternehmen dazu neigen, sich in der Technologie zu verlieren und das Geschäft zu vergessen. Wenn du nicht sicher bist, wie du Anwendungsfälle identifizieren kannst, empfehle ich dringend, eine Schulung für Analyse-Übersetzer zu absolvieren, die Geschäftsleuten hilft, Anwendungsfälle zu identifizieren und zu definieren (wende dich diesbezüglich gerne an mich). Die Auswahl der Anwendungsfälle sollte sich darauf konzentrieren, ROI und Implementierungskosten im Auge zu behalten. Die einfachsten Fälle sollten zuerst angepeilt werden, wobei das langfristige Ziel im Auge behalten werden sollte, d.h. datengesteuert zu werden.


 

Dies ist eine Frage, die mir von mehreren Personen gestellt wurde: Was wäre, wenn wir in der Lage wären, eine vorgefertigte Lösung für unser Problem zu finden? Sollten wir sie kaufen? Die Antwort auf diese Frage liegt in der Tatsache, was diese Lösung für dich tun wird (im Wesentlichen der ROI, den diese Lösung bringen wird) und wie lange es dauern könnte, eine solche Lösung zu implementieren. Wenn die Lösung sofort einen hohen ROI generieren kann (wobei die Integration und die wiederkehrenden Kosten niedrig gehalten werden) und die Implementierung, wenn sie intern durchgeführt wird, viel Zeit in Anspruch nehmen könnte, dann solltest du sie kaufen. Wenn die Lösung einen hohen ROI generiert und weniger Zeit für die Implementierung benötigt, solltest du sie selbst implementieren lassen - entweder intern oder mit einem externen Dienstleister.

Es ist immer verlockend, vorgefertigte Lösungen zu kaufen. Und wenn du dich für diesen Weg entscheidest, empfehle ich dir, dich nur auf eine Frage zu konzentrieren - Sollte ich weiterhin für jedes Datenproblem, mit dem ich konfrontiert bin, einen Technologie Stack kaufen oder sollte ich über eine KI-Strategie für mein Unternehmen nachdenken?

Wichtige Warnung - Daten ändern sich von Zeit zu Zeit. Was passiert mit einer solchen Lösung, wenn sich die verwendeten Daten geändert haben?
 

Dies ist die zweitwichtigste Frage, die ich von KMUs höre. Sollten wir jemanden einstellen, oder sollten wir einen Dienstleister beauftragen?

Meine Antwort ist die gleiche wie bei der Kauf vs. Bau-Lösung mit einem besonderen Augenmerk auf die obige Warnung. Da dieser Blog für passive KI-Organisationen gedacht ist, ist die Suche nach externer Starthilfe vielleicht keine schlechte Idee. KMUs sollten jedoch wirklich den Anwendungsfall festlegen, den sie lösen wollen. Sobald sie die Anwendungsfälle identifiziert haben, folgen sie dem in Kauf vs. Bau definierten Ansatz.
 

Wenn das Ziel eines KMUs wirklich darin besteht, KI-getrieben zu werden und KI als Teil seiner Zukunftsstrategie zu haben, dann sollte es die richtigen Leute einstellen. Wer eingestellt wird, hängt vom aktuellen Stand der Daten ab. Wenn Daten, die mit einem Problem zusammenhängen, das ihr zu lösen versuchen, in Silos liegen, dann solltest du möglicherweise einen Dateningenieur und Datenwissenschaftler einstellen. Der Data Engineer sollte sich hier auf den Aufbau eines Data Warehouse konzentrieren. Der Schwerpunkt sollte darauf liegen, klar definierte Projekte im Auge zu behalten. Ein unternehmensweites Daten Architekturprojekt ohne ROI im Auge zu behalten, ist zum Scheitern verurteilt (ich habe das immer wieder erlebt). Wenn die meisten Daten, die sich auf deine Projekte beziehen, leicht verfügbar sind, dann brauchst du für den Anfang keinen Dateningenieur einzustellen, sondern nur einen Datenwissenschaftler (ein solcher Datenwissenschaftler sollte die Grundlagen der Datentechnik kennen).

Ein grosses Problem, das ich oft bemerke, ist, dass die meisten KMU in der Schweiz im Bereich der Identifizierung von Anwendungsfällen und der Übersetzung von Geschäftsfällen tätig sind (Analytik Übersetzer). Obwohl ein grosses Interesse an der KI besteht, fehlt das Wissen darüber, was KI ist und was man braucht, um datengesteuert zu werden - sowohl im Vorstand als auch in der Geschäftsleitung. Ich empfehle ein KI-Sensibilisierungstraining für Vorstandsmitglieder und Führungskräfte, ein Analytik Übersetzer Training für Leute, die über Datenwissenschaft nachdenken, und ein KI für Manager-Training für Kandidaten, die den Aufbau von KI-Teams planen.
 

Künstliche Intelligenz hat ein enormes Wachstumspotenzial für jede Art von Unternehmen. Die meisten Unternehmen haben Schwierigkeiten, mit Hilfe der KI etwas zu bewirken, und zwar nicht wegen des Mangels an Talenten, sondern wegen eines klaren Mangels an Strategie auf der Managementebene. Die hier genannten Punkte sind keineswegs das einzige Rezept, um eine KI-gesteuerte Organisation zu werden, sondern lediglich Denkanstösse, wenn man über KI nachdenkt. Es ist sehr leicht, sich von einer Vielzahl von Dienstleistungs- und vorgefertigten Lösungsanbietern verführen zu lassen. Wenn du diesen Weg gehts, behalte jedoch die oben genannten Punkte im Auge. Wenn du dir nicht sicher bist, wende dich an verschiedene Experten (ich bin gerne bereit, dir eine kostenlose Beratung anzubieten). Bei der künstlichen Intelligenz geht es nicht um die Technologie, es geht um den Systemansatz, den Organisationen verfolgen müssen, wobei sie Daten, Menschen (Human Centric AI) und eine langfristige Strategie im Auge behalten müssen, um wirklich eine KI-getriebene Organisation zu werden. ES IST EINE IDEOLOGIE! Nicht zuletzt ist KI für die meisten Unternehmen ein unerforschtes Gebiet und fast alle haben damit zu kämpfen: DU BIST NICHT ALLEIN!