Die Bedeutung von künstlicher Intelligenz (KI) bzw. Generative AI in der heutigen Geschäftswelt ist unbestreitbar. Im Rahmen einer Studie von Bitkom wurden deutsche Unternehmen zu ihrer Nutzung von AI befragt. Es stellte sich heraus, dass nur 2% der befragten Unternehmen bereits künstliche Intelligenz verwenden, während 13% Pläne dafür haben.
Die größten Vorteile für den Einsatz sehen 84% der befragten Unternehmen bei Textzusammenfassungen und 70% bei Textgenerierungen – also den Einsatzgebieten, die KI bisher am besten beherrscht. 71% sehen allgemein einen Wettbewerbsvorteil für Unternehmen, die KI nutzen. Aber: wenn die positiven Seiten bekannt sind, wieso wird dann nur von 2% Generative AI aktiv genutzt?
In diesem Artikel werden wir die Grundlagen von KI / Generative AI erläutern, die vielfältigen Anwendungen von Large Language Models (LLMs) wie GPT-3 und GPT-4 in verschiedenen Geschäftsbereichen diskutieren und anhand eines Beispiels bei moveXM den Einsatz von Generative AI im Customer Experience Management (CXM) betrachten. Wir werden außerdem mögliche Risiken und die zukünftige Entwicklung von Generative AI beleuchten.
- Was hat es mit dem Begriff Generative AI (Artificial Intelligence) auf sich?
- Wo können AI und LLMs wie GPT im Arbeitsalltag unterstützen und wo sind ihre Grenzen?
- Welche Risiken birgt AI?
- AI-Workflow mit Handlungsempfehlungen am Beispiel von moveXM
- Zusammenfassung und Ausblick
1. Was bedeutet eigentlich Generative AI
Artificial Intelligence, oder künstliche Intelligenz (KI), bezeichnet die Fähigkeit von Computern, menschenähnliche Denkprozesse wie Lernen, Problemlösung und Mustererkennung auszuführen, also „intelligentes“ Verhalten zu zeigen. Dabei wird zwischen schwacher KI, bei der die Maschine nur ein Teilgebiet der Fähigkeiten replizieren kann, etwa Textgenerierung und Objekterkennung, und starker KI. Letztere zeigt eine Art von Intelligenz, die sämtliche Fähigkeiten des Menschen miteinschließt.
Generative AI ist ein Teilgebiet der künstlichen Intelligenz, das sich auf die Erzeugung von Inhalten konzentriert. Es nutzt sogenannte Deep Learning Sprachmodelle, um menschenähnliche Texte zu generieren. Diese Modelle sind riesige künstliche neuronale Netze mit Milliarden von Daten, die Texte auf der Grundlage von Wahrscheinlichkeiten erstellen. Generative AI kann demnach vielseitig eingesetzt werden, von der Textgenerierung bis zur Musik- und Bildproduktion.
2. Wo können AI und LLMs wie GPT im Arbeitsalltag unterstützen und wo sind ihre Grenzen?
Für generative AI werden Large Language Models wie GPT-3 und GPT-4 verwendet. Diese Modelle funktionieren autoregressiv, d.h., sie generieren Text schrittweise Wort für Wort auf der Grundlage des vorherigen Kontexts. Dies ermöglicht es ihnen, Texte zu erstellen, Zusammenfassungen zu schreiben, Coding-Aufgaben zu unterstützen und vieles mehr.
Prinzipiell kann man sich ein künstliches neuronales Netz wie ein echtes im Gehirn vorstellen: Konkret gibt es dabei immer einen Input, z.B. einen Text. Dieser wird erst in maschinenlesbare Form gebracht, dem sogenannten embedding. Danach wird er in die nächste Schicht an Neuronen übertragen, die miteinander verknüpft sind. Jede Verknüpfung ist nun ein "Gewicht", also ein numerischer Wert, der den Input skaliert – und entweder verstärkt oder verringert. Die ganzen Input-Werte in einem Neuron werden dann verrechnet, und eine sogenannte Aktivierungs-Funktion entscheidet darüber, ob ein Wert in die nächste Schicht weitergegeben wird – und wenn ja, wie stark. Bis schließlich der Output erfolgt, also zum Beispiel eine Antwort auf den Input-Text
Es ist jedoch wichtig zu beachten, dass LLMs nicht für alle Aufgaben geeignet sind. Sie sind keine expliziten Wissensdatenbanken, sondern basieren auf Wahrscheinlichkeiten und vorherigen Trainingsmaterial, mit dem sie "gefüttert" wurden. Möchte man zum Beispiel wissen, wie viel Einwohner Frankfurt im Jahre 1953 hatte, so sollte man nicht unbedingt darauf vertrauen, dass das Modell zufällig diese genaue Zahl sehr oft im Trainingsmaterial gelernt hat. Was es jedoch zweifelslos und fehlerfrei weiß, ist, dass Frankfurt der Sitz der EZB ist, es dort den größten Flughafen Deutschlands gibt, und der Main die Stadt teilt.
Was bedeutet es nun für uns im Arbeitsalltag? Wo können LLMs unterstützen? Ein Paradebeispiel ist die Zusammenfassung von längeren Texten, Artikeln und wissenschaftlichen Aufsätzen bzw. zum Erklären von Konzepten. Ebenfalls lassen sich Emails komplett erstellen, oder zumindest „Probe lesen“, um sie gegebenenfalls ansprechender zu formulieren. Auch die reine Content-Generierung für z.B. Social Media beherrschen die meisten LLMs. Je nach Modell sind auch die Coding-Fähigkeiten sehr hilfreich bei einfacheren Anfragen, und können viele Stunden Zeit sparen. Im Privatgebrauch sind zudem weitere Aspekte von Interesse: wenn man zum Beispiel am Sonntag bemerkt, nicht eingekauft zu haben, kann man das Modell bitten, ein Rezept für die vorhandenen Lebensmittel zu schreiben.
3. Welche Risiken birgt generative AI?
Wie bei jeder bahnbrechenden Technologie sind auch hier Risiken und Herausforderungen zu beachten, die künstliche Intelligenz mit sich bringt. Laut der Bitcom-Studie sehen 85% der befragten Unternehmen ein Problem beim Thema Datenschutz. Hierbei unter anderem, da die meisten KI-Tools aus den USA stammen. Im folgenden haben wir die fünf wichtigsten Risiken, die es als Unternehmen zu beachten gilt, zusammengefasst. Unternehmen müssen diese Risiken erkennen, sorgfältig abwägen und proaktiv Maßnahmen ergreifen, um die Technologie verantwortungsvoll einzusetzen.
1. Datenschutz und der Umgang mit Input
Ein zentrales Anliegen im Kontext von KI ist der Datenschutz. Diese Modelle lernen aus großen Mengen von Textdaten, die aus verschiedenen Quellen stammen können. Es ist sicherzustellen, dass persönliche oder sensible Informationen nicht unbeabsichtigt in den generierten Texten auftauchen. Unternehmen müssen klare Richtlinien und Mechanismen zur Anonymisierung und zum Schutz von Daten implementieren, um den Datenschutz zu gewährleisten.
2. Rechtliche Aspekte und der Schutz von Trainingsmaterial
Wie oben erwähnt basiert KI auf unterschiedlichstem Trainingsmaterial. Dies wirft rechtliche Fragen auf, insbesondere in Bezug auf Urheberrechte und geistiges Eigentum. Es ist von entscheidender Bedeutung, klare rechtliche Rahmenbedingungen zu schaffen, um den Schutz von Originalwerken sicherzustellen und gleichzeitig Innovation in der AI-Forschung zu fördern.
3. Inhärenter Bias und ethische Fragen
Generative AI-Modelle können aufgrund ihrer Trainingsdaten einen inhärenten Bias aufweisen, der Vorurteile und Diskriminierung in den generierten Texten verursachen kann. Es gilt ethische Richtlinien und Mechanismen zu entwickeln, um diese Bias zu minimieren, damit Generative AI keine diskriminierenden Entscheidungen trifft.
4. Deep Fakes und Manipulationen
Die Fähigkeit von KI, täuschend realistische Texte, Bilder und Videos zu erstellen, birgt das Risiko von Manipulationen. Dies kann das Vertrauen in digitale Medien untergraben und sogar persönlichen Schaden anrichten. Die Entwicklung von Technologien zur Erkennung von Deep Fakes ist entscheidend, um diesem Risiko zu begegnen.
5. Auswirkungen auf den Arbeitsmarkt
Generative AI und LLMs werden den Arbeitsmarkt verändern, indem sie bestimmte Aufgaben automatisieren. Dies kann sowohl auf Makro- als auch auf Mikroebene Auswirkungen haben. Die Gesellschaft muss Strategien entwickeln, um Menschen bei der Anpassung an diese Veränderungen zu unterstützen und neue Chancen zu schaffen.
4. AI-Workflow mit Handlungsempfehlungen am Beispiel von moveXM
Im Customer Experience Management (CXM) spielt Künstliche Intelligenz eine wichtige Rolle. Einer der wichtigsten Punkte im CXM ist der korrekte Umgang mit unzufriedenen Kunden. Nicht nur können diese als Kunden verloren werden, sondern es könnte auch sein, dass es zu negativen Weiterempfehlungen kommt – und somit weitere prospektive Kunden verloren werden. Daher sollte negatives Feedback geschätzt werden, um darauf basierend Maßnahmen umzusetzen, so dass es diese Beschwerde in Zukunft nie mehr geben wird. Eine Herausforderungen besteht also darin, unzufriedene Kunden effektiv zu behandeln.
Bei moveXM haben wir Funktionen entwickelt, die auf KI basieren und Unternehmen dabei helfen, Maßnahmen zur Verbesserung der Kundenerfahrung zu identifizieren und sogar Entschuldigungs- oder Dankes-E-Mails automatisch zu generieren. Dabei kann man zuerst auswählen, um welche Kommentare eines Interviews es sich handelt, und die KI reichert weitere Meta-Daten wie Kunden-Domaine, Touchpoint an. Vorschläge können etwa spezifische Mitarbeiterschulungen, angepasste Prozesse, klarere Kommunikation und vieles mehr sein.
Im nächsten Schritt muss ein unzufriedener Kunde direkt angegangen werden. Aber wie schreibt man etwa das perfekte Entschuldigungsschreiben, ohne sich von den eigenen Emotionen leiten zu lassen? Und das Ganze auch noch in kurzer Zeit, ohne, dass es ein zu großer Zeitfresser wird? Hierfür hat moveXM ein weiteres Feature mit Hilfe von LLMs entwickelt, dass mit einem Mausklick eine maßgeschneiderte E-Mail automatisch erstellt. Das Ganze funktioniert nicht nur als Entschuldigung für einen unzufriedenen Kunden, sondern kann auch Danksagungen formuliert werden – damit der Kunde sich wertgeschätzt fühlt, und weiterhin der Marke treu bleibt.
Aber auch hier gilt: etwas zu wissen, ist nur der erste Schritt. Daher gibt es weiterführend ein Feature, das konkrete Vorschläge für die einzelnen Maßnahmen vorbereitet und auf die Domäne, Touchpoint, und z.B. Textanalyse angepasst. Dabei sollte man sich nicht nur negative Kritik anschauen, sondern auch positive – damit die Stärken des Produktes bzw. des gesamten Unternehmens weiterhin erhalten bleiben.
Die Zukunft von Generative AI und KI im Allgemeinen verspricht aufregend zu sein. Bei moveXM arbeiten wir kontinuierlich an der Verbesserung unserer Software. In Zukunft planen wir eine noch bessere Integration intelligenter Maßnahmenvorschlägen in unser Action-Center, eine Impact-Analyse, domain-spezifisches Fachwissen und eine KI-gestützte Churn-Analyse, um Kundenverluste frühzeitig zu erkennen und verhindern zu können.
5. Zusammenfassung und Ausblick
Abschließend lässt sich sagen, dass Generative AI und KI im Allgemeinen das Potenzial haben, die Art und Weise, wie Unternehmen Customer Experience Management betreiben, zu transformieren. Es liegt an den Unternehmen, diese Technologie verantwortungsvoll zu nutzen und die Chancen zu ergreifen, die sie bietet, um ihre Wettbewerbsfähigkeit zu steigern und die Kundenerfahrung zu verbessern.
Insgesamt bietet die Welt der künstlichen Intelligenz spannende Möglichkeiten für Unternehmen, ihre Kunden besser zu verstehen und deren Erfahrungen kontinuierlich zu verbessern. Unternehmen sollten diese Möglichkeiten nutzen und gleichzeitig die damit verbundenen Herausforderungen und Risiken im Blick behalten, um verantwortungsbewusst von den Vorteilen dieser Technologien zu profitieren.