Die rasante Entwicklung der künstlichen Intelligenz (KI) hat in verschiedenen Branchen zu einer Vielzahl von Experimenten geführt. Viele Unternehmen erleben jedoch eine “Proof-of-Concept-Ermüdung”, da erste Versuche nicht in einen greifbaren Geschäftswert umgesetzt werden können. Ivan Zhang, Mitbegründer von Cohere, einem führenden Unternehmen für große Sprachmodelle (LLM), sprach diese wachsende Frustration auf einem kürzlichen Web Summit an und forderte potenzielle Kunden auf, ihren Glauben an KI aufrechtzuerhalten, während er gleichzeitig die entscheidende Notwendigkeit betonte, sich auf den Return on Investment (ROI) zu konzentrieren.
Die Proof-of-Concept-Falle
Zhang hob die Ernüchterung von Unternehmen hervor, die stark in KI-Pilotprojekte investiert haben, ohne einen entsprechenden Ertrag zu sehen. Er räumte ein, dass viele Cohere-Kunden, obwohl sie erste Anwendungen entwickelt hatten, Schwierigkeiten hatten, diese in die Produktion zu überführen, und zwar aufgrund von Problemen, die von Kosten und Governance bis hin zu Datensicherheit und Datenschutz reichten. Diese Stimmung spiegelt einen breiteren Trend wider, bei dem das Versprechen von KI oft mit den praktischen Realitäten der Implementierung kollidiert.
Er wies auf die Probleme der Kosten, der Einhaltung von Vorschriften, des Datenschutzes und der Datenschutzprotokolle hin, die Cohere mit seiner neuen Workspace-Plattform North zu lösen hofft.
Das ROI-Gebot
In einem Interview betonte Zhang, dass die nächste Phase der KI-Einführung von einem nachweisbaren ROI getrieben werden muss. Unternehmen müssen eine klare finanzielle Rechtfertigung für ihre KI-Investitionen sehen, um sicherzustellen, dass der Nutzen die Kosten überwiegt. Er warnte davor, dass einige KI-Systeme so teuer im Betrieb sind, dass sie alle potenziellen Kosteneinsparungen durch die Automatisierung von Aufgaben zunichtemachen.
“Manchmal sind die Systeme, die sie am Ende bauen, die Kosten des Modells selbst teurer als die Menschen, die es tatsächlich betreiben”, sagte er.
Die wesentliche Frage, ob es eine tatsächliche Verbesserung mit KI-Implementierungen gibt, muss beantwortet werden, um die verbrannten Brücken von KI-Unternehmen zu überwinden, die Projekte in Angriff nehmen, die nie zustande kommen.
KI-Erweiterung vs. Produktivität
Zhang stellte auch Fälle fest, in denen Unternehmen versucht haben, bestehende Arbeitskräfte mit KI zu erweitern, aber keine Verbesserung der Produktivität feststellen konnten. In einigen Fällen reduzierten die Mitarbeiter einfach ihre Arbeitsbelastung, ohne den Output zu erhöhen, wodurch die Vorteile der KI zunichtegemacht wurden. Dies unterstreicht, wie wichtig es ist, sorgfältig zu prüfen, wie KI in bestehende Arbeitsabläufe integriert wird, und sicherzustellen, dass sie zu echten Effizienzsteigerungen führt.
Überwindung früher Rückschläge
Zhang geht davon aus, dass KI-Startups nun die Aufgabe haben werden, Unternehmen zurückzugewinnen, die durch Projekte, die nicht geklappt haben, “verbrannt” wurden. “Die nächste Phase der Markteinführung für diese Technologie ist: ‘Wo ist der ROI?’” Er glaubt, dass KI-Unternehmen das Vertrauen wieder aufbauen müssen, indem sie den greifbaren Wert ihrer Lösungen demonstrieren und sich auf die Erzielung messbarer Ergebnisse konzentrieren.
Echos aus der Forschungsgemeinschaft
Zhangs Beobachtungen werden durch Forschungsergebnisse von Organisationen wie dem National Bureau of Economic Research gestützt, die nach der Befragung von 7.000 Arbeitsplätzen, an denen KI-Chatbots eingesetzt werden, “keine signifikanten Auswirkungen auf die Einnahmen oder die erfassten Arbeitsstunden in irgendeinem Beruf” feststellten. Ebenso ergab eine Studie der Boston Consulting Group, dass nur ein Viertel der befragten Führungskräfte einen substanziellen Wert aus KI ziehen, was darauf hindeutet, dass Unternehmen ihre Investitionen oft zu dünn auf mehrere Pilotprojekte verteilen.
Geschäftsprobleme vor auffälligen Lösungen priorisieren
Zhangs Rat an Unternehmen, die LLMs in Betracht ziehen, ist, sich auf die Lösung spezifischer Geschäftsprobleme zu konzentrieren, anstatt ausgefeilte Lösungen ohne klare Anwendungsfälle zu entwickeln. Er warnte davor, sich “im Bauen von etwas zu verlieren und nach einem Problem zu suchen”, und betonte, wie wichtig es ist, KI-Investitionen an strategischen Geschäftszielen auszurichten.
KI als Werkzeug im Werkzeugkasten
Zhang argumentierte, dass KI nur als ein Werkzeug im Werkzeugkasten zur Lösung von Geschäftsproblemen und zur Schaffung von Mehrwert für die Kunden betrachtet werden sollte. Er warnte davor, das Potenzial der Technologie zur Lösung aller Probleme der Welt zu überbewerten, und betonte, dass sie am effektivsten ist, wenn sie strategisch und in Verbindung mit anderen Lösungen eingesetzt wird.
Die Halluzinations-Herausforderung
Obwohl KI große Fortschritte gemacht hat, bestehen weiterhin Herausforderungen, insbesondere im Bereich der “Halluzinationen”, bei denen LLMs falsche oder erfundene Informationen generieren. Trotz der Fortschritte in diesem Bereich sind die Halluzinationsraten von LLM hartnäckig hoch geblieben, selbst bei den neuesten Modellen führender Unternehmen. Dieses Problem unterstreicht die Bedeutung von Transparenz und der Bereitstellung von Einblicken für die Nutzer, wie KI-Modelle zu ihren Schlussfolgerungen gelangen.
Der Mitbegründer räumte gegenüber zahlreichen Fachleuten ein, dass Halluzinationen in generativer KI ein Problem bleiben. Er erklärte, dass das Unternehmen versucht habe zu helfen, indem es transparent sei, einschließlich der Anzeige des “rohen Denkens” seiner LLMs und der Werkzeuge, die seine Systeme verwenden, zusammen mit der Art und Weise und den Zitaten zu abgeleiteten Antworten.
Das Wettbewerbsumfeld
Cohere steht im KI-Bereich in einem harten Wettbewerb mit besser finanzierten Rivalen. Zhang glaubt jedoch, dass größer nicht immer besser ist, wenn es darum geht, kosteneffiziente und energieeffiziente KI-Modelle zu bauen. Er argumentierte, dass ein Modell “nur so gut ist wie die Daten und Systeme, auf die es zugreifen kann”, und betonte, wie wichtig es ist, Lösungen zu entwickeln, die vollständig in der Umgebung des Kunden laufen können. Zhang pries Cohere’s “intensives Wachstum” und sagte, dass die “relativ junge” Natur des Raums dem Unternehmen viel Raum für Expansion lässt.
Umsatzwachstum und Herausforderungen
Das Wachstum von Cohere war in letzter Zeit ein Thema, das von den Tech-Medien in den Fokus genommen wurde. Cohere erreichte diesen Monat einen annualisierten Umsatz von 100 Millionen USD (138 Millionen CAD), nachdem sich der Umsatz seit Anfang 2025 mehr als verdoppelt hat, und CEO Aidan Gomez sagte kürzlich gegenüber Bloomberg, dass das Unternehmen “nicht weit davon entfernt” sei, profitabel zu sein. The Information hat jedoch berichtet, dass dies immer noch 350 Millionen USD hinter dem liegt, was Cohere den Investoren im Jahr 2023 gesagt hat, was bis jetzt jährlich erwartet wurde. Umsatzziele und harter Wettbewerb sind nicht die einzigen Herausforderungen, mit denen Cohere zu kämpfen hat.
Klage wegen Urheberrechtsverletzung
Das KI-Startup hat auch eine möglicherweise “präzedenzträchtige” Klage wegen Urheberrechtsverletzung von großen Medienunternehmen auf dem Tisch, wie ein Experte es nannte. Eine Gruppe von Medienorganisationen, darunter der Toronto Star, Condé Nast und Vox, haben behauptet, Cohere habe Medieninhalte ohne Zustimmung gescannt und verwendet, um KI-Modelle zu trainieren, in Echtzeit ohne Erlaubnis auf Inhalte zugegriffen und rechtsverletzende Ausgaben generiert. Cohere ist nur eines von vielen KI-Startups, die mit ähnlichen Klagen konfrontiert sind. Cohere hat diese Behauptungen zurückgewiesen und argumentiert, dass die klagenden Verlage sich alle Mühe gegeben hätten, einen Fall zu “fabrizieren”, und die Vorstellung bestritten, dass es zu einer praktischen Urheberrechtsverletzung gekommen sei.
Zhang lehnte es ab, sich zu der Angelegenheit zu äußern, und verwies BetaKit auf einen Blog-Beitrag, in dem Cohere’s Denken detailliert beschrieben wird. “Wir sind zuversichtlich darin”, sagte er.
Ein tieferer Einblick in die Herausforderungen der KI-Implementierung
Viele Unternehmen stürzen sich zunächst mit großem Enthusiasmus in KI-Initiativen, in dem Glauben, dass KI ihre Abläufe schnell revolutionieren und bisher ungeahnte Effizienzen schaffen wird. Viele sehen sich jedoch mit erheblichen Herausforderungen konfrontiert, die sie nicht erwartet hatten. Diese Schwierigkeiten können verschiedene Formen annehmen, von technischer Komplexität bis hin zu Widerstand innerhalb der Organisation. Das Verständnis dieser Herausforderungen ist für Unternehmen, die KI erfolgreich implementieren und einen positiven Return on Investment erzielen möchten, von entscheidender Bedeutung.
Technische Komplexität und Datenanforderungen
Eine der ersten Hürden, auf die Unternehmen häufig stoßen, ist die technische Komplexität von KI-Systemen. KI-Modelle, insbesondere solche, die auf Deep Learning basieren, sind rechenintensiv und erfordern Spezialkenntnisse, um sie zu erstellen, zu trainieren und bereitzustellen. Auch Daten sind erforderlich. Die Qualität und Quantität der Trainingsdaten hat einen wesentlichen Einfluss auf die Leistung von KI-Modellen. Das Sammeln und Vorbereiten riesiger Datensätze kann ein zeitaufwändiger und ressourcenintensiver Prozess sein. KI-Projekte können durch einen Mangel an hochwertigen, beschrifteten Daten behindert werden, was zu ungenauen oder voreingenommenen Modellen führt.
Darüber hinaus führt die Gewährleistung der Interoperabilität von KI-Systemen mit der bestehenden IT-Infrastruktur zu weiterer Komplexität. Verschiedene KI-Plattformen und -Frameworks sind möglicherweise nicht mit Legacy-Systemen kompatibel, was erhebliche Änderungen an bestehenden Arbeitsabläufen und Architekturen erforderlich macht. Die Integration von KI in komplizierte Organisationsumgebungen erfordert oft beträchtliche Erfahrung und ein fundiertes Verständnis sowohl der KI-Technologien als auch der zugrunde liegenden Geschäftsabläufe.
Organisatorische und kulturelle Barrieren
Neben technischen Hindernissen können Organisationen auf erhebliche organisatorische und kulturelle Hürden bei der KI-Einführung stoßen. Ein weit verbreitetes Problem ist die Zurückhaltung der Mitarbeiter, KI-gesteuerte Veränderungen anzunehmen. Mitarbeiter befürchten möglicherweise den Verlust von Arbeitsplätzen sowie die Notwendigkeit, neue Talente zu erlernen und sich an neue Arbeitsmethoden anzupassen. Der Widerstand der Mitarbeiter kann KI-Initiativen behindern und die Realisierung erwarteter Vorteile verhindern.
Darüber hinaus erfordert der KI-Einsatz eine erhebliche Zusammenarbeit zwischen Abteilungen und Teams. Datenwissenschaftler, IT-Experten, Geschäftsanalysten und Fachexperten müssen zusammenarbeiten, um Probleme zu definieren, KI-Lösungen zu erstellen und diese in die Produktion zu überführen. Silos und mangelnde Kommunikation können die Zusammenarbeit behindern und die effektive Integration von KI in Geschäftsabläufe verhindern. Die Überwindung dieser organisatorischen und kulturellen Hindernisse erfordert eine starke Führung, effektive Kommunikation und die Bereitschaft zum Change Management.
Ethische und Governance-Bedenken
Da KI immer weiter verbreitet wird, werden ethische und Governance-Fragen immer wichtiger. KI-Systeme haben die Fähigkeit, Vorurteile zu perpetuieren, unfaire Urteile zu fällen und in die Privatsphäre von Menschen einzugreifen. Organisationen müssen diese Bedenken ausräumen, indem sie robuste ethische Richtlinien und Governance-Verfahren für KI-Design, -Entwicklung und -Einsatz entwickeln. Transparenz, Rechenschaftspflicht und Fairness sind wichtige Prinzipien für verantwortungsvolle KI.
Der Datenschutz ist ein wichtiges Thema, das es zu berücksichtigen gilt. Datenschutzbestimmungen müssen beim Aufbau von KI-Systemen eingehalten werden, zusammen mit Vorkehrungen zum Schutz sensibler Daten vor unerwünschtem Zugriff oder Missbrauch. Organisationen müssen die Zustimmung der Nutzer zur Datenerfassung und -nutzung einholen und Transparenz darüber schaffen, wie KI-Modelle Entscheidungen treffen. Darüber hinaus sollten Organisationen Mechanismen zur Überwachung und Prüfung von KI-Systemen einrichten, um ethische Risiken oder unerwünschte Folgen zu erkennen und zu mindern.
Messung und Demonstration des ROI
Letztendlich hängt der Erfolg eines jeden KI-Projekts von seiner Fähigkeit ab, einen quantifizierbaren Return on Investment (ROI) zu erzielen. Es kann jedoch schwierig sein, den ROI von KI-Projekten zu bestimmen, insbesondere wenn die Vorteile immateriell oder langfristig sind. Organisationen müssen klare Ziele und Indikatoren für ihre KI-Initiativen festlegen sowie den Fortschritt verfolgen und die Ergebnisse regelmäßig messen. Dies erfordert ein gründliches Verständnis des Geschäftswerts, den KI voraussichtlich liefern wird, sowie der Ressourcen, die zur Erreichung dieses Werts erforderlich sind.
Darüber hinaus ist die Kommunikation der Vorteile von KI an die Beteiligten entscheidend, um Unterstützung zu gewinnen und Vertrauen in KI-Investitionen aufzubauen. Dies kann die Präsentation von Anwendungsfällen, die Präsentation früher Erfolge und die Quantifizierung der Auswirkungen von KI auf wesentliche Geschäftsindikatoren beinhalten. Um den ROI von KI erfolgreich zu quantifizieren und darzustellen, müssen Unternehmen einen definierten Rahmen für die Leistungsmessung schaffen und den Stakeholdern die Wertversprechen klar vermitteln.
Die Zukunft der KI-Einführung: Eine ausgewogene Perspektive
Ivan Zhangs Erkenntnisse unterstreichen die Bedeutung eines ausgewogenen Ansatzes bei der KI-Einführung, der das Potenzial der Technologie anerkennt, aber in der praktischen Realität verankert bleibt. Da sich KI ständig weiterentwickelt, müssen sich Unternehmen darauf konzentrieren, Lösungen zu entwickeln, die einen greifbaren ROI liefern, ethische Bedenken ausräumen und sich nahtlos in bestehende Arbeitsabläufe integrieren lassen. Indem sie Geschäftsprobleme gegenüber auffälligen Lösungen priorisieren und KI als Werkzeug im Werkzeugkasten betrachten, können Unternehmen das wahre Potenzial von KI ausschöpfen und sinnvolle Geschäftsergebnisse erzielen.