Große Sprachmodelle: 3 Problemstellungen, die sie lösen können

Große Sprachmodelle (LLMs) sind in aller Munde, was durch die Veröffentlichung von OpenAIs ChatGPT Ende 2022 angeheizt wurde, das ursprünglich auf dem LLM GPT-3 aufbaute. Aber abgesehen von dem Medienrummel, was können LLMs tatsächlich für Ihr Unternehmen tun? Hier sehen wir uns drei Beispiele für Probleme an, die sie lösen können. Doch zunächst eine kurze Definition von LLMs.

Laut Gartner® ist „ein großes Sprachmodell (LLM) eine besondere Art der künstlichen Intelligenz (KI), die mit riesigen Textmengen trainiert wurde, um bestehende Inhalte zu verstehen und neue Inhalte zu generieren.“¹

Je nachdem, wie Sie ein LLM durch die Kombination mit anderen Technologien erweitern, können Sie eine Vielzahl von Inhaltstypen wie Audio, Bilder, Designs und wahrscheinlich bald eine unerschöpfliche Liste anderer Arten von Inhalten produzieren. Aber derzeit entdecken die Unternehmen, wie hilfreich LLMs allein für die Erstellung textbasierter Artefakte sein können.

In einem Bericht von Gartner® heißt es: „Erstellung von Artefakten – Die Beschleunigung von großen Sprachmodellen (LLMs) und Basismodellen im Allgemeinen hat dazu geführt, dass der Einsatz von KI-Techniken ein neues Ausmaß erreicht hat, und zwar bei einer Vielzahl von Inhalten (z. B. Text, Audio/Video, Programmierung und Daten-Assets, Designs und Lernmethoden).“²

Hier sind drei Beispiele für Artefakte, mit denen Ihr Unternehmen wesentliche Probleme lösen kann.

Viele Unternehmen erhalten unablässig Kundensupport-Nachrichten, auf die sie reagieren müssen. Ein LLM ist, insbesondere wenn es in einen Prozess eingebunden ist, ein perfekter Co-Pilot, der die Mitarbeiter des Kundensupports bei der Erstellung von Antworten auf diese Nachrichten unterstützt. In Appian, einer KI-Plattform für die Prozessautomatisierung, muss ein Anwendungsentwickler lediglich einen Konnektor zum Plugin der Azure OpenAI-Plattform in der Anwendung platzieren. Dieses Plugin verwendet die E-Mail-Nachricht des Kunden als Eingabeaufforderung und erzeugt eine erste Antwort, die der Mitarbeiter bei Bedarf bearbeiten kann. Der Anwendungsentwickler kann Anforderungen an den Ton, die Länge, die Sprache, den Typ und vieles mehr festlegen, um schnell eine aussagekräftige E-Mail-Kommunikation sowohl intern als auch extern zu erstellen.

Wie bei den anderen Artefakten, die von LLMs hervorgebracht werden, sollte der Mensch die Kontrolle behalten. So sollten Experten beispielsweise auf „Halluzinationen“ der künstlichen Intelligenz achten und sicherstellen, dass der Umgangston mit den Standards des Unternehmens übereinstimmt.

Jedes Unternehmen mit einem großen Datenbestand könnte aus einem LLM für Wissensmanagement Nutzen ziehen. Da LLMs Abfragen in natürlicher Sprache verstehen, könnten Mitarbeiter theoretisch etwas eingeben wie: „Wie hoch ist der Mindestbestellwert für kostenlosen Versand?“ und eine Antwort erhalten. Der springende Punkt ist jedoch, dass das LLM mit den Daten Ihres Unternehmens trainiert werden muss und nicht mit einem öffentlichen Modell wie ChatGPT, das auf öffentliche Daten zurückgreift. Dieses Konzept der privaten KI wird ständig weiterentwickelt und verbessert, ist aber vielversprechend für Unternehmen, die die Vorteile der KI nutzen möchten, ohne ihre Daten zu gefährden.

Entwickler können LLMs verwenden, um Code zu schreiben. Die Entwicklung ist traditionell ein langwieriger, teurer Prozess und diese produktivitätssteigernden LLMs bieten den Entwicklern eine Möglichkeit, schneller voranzukommen. Und es sind nicht nur die üblichen Sprachen wie HTML oder JavaScript, die LLMs schreiben können. Selbst Plattformen wie Appian nutzen in einigen Fällen generative KI, um mit SAIL, unserem Low-Code-Designsystem und Benutzeroberflächen-Framework, Anwendungsdesigns zu erstellen.

All diese Beispiele von LLMs, die Probleme lösen, zeigen, dass sie eine Menge für die Produktivität tun können. Und wir stehen erst am Anfang dieser Revolution. Um Sie jedoch zu schützen, finden Sie hier zwei Vorschläge, die Ihr Unternehmen später vor kostspieligen Problemen bewahren können.

KI kann ein Risiko darstellen. Mit unserem Rat sind Sie immer auf der sicheren Seite:

• Schützen Sie Ihre Daten. Hüten Sie sich vor KI-Modellen, die Ihre Daten nicht vertraulich behandeln oder Ihre Daten zum Trainieren ihres eigenen Datenbestands verwenden. Die Vorteile scheinen sich jetzt zu lohnen, aber es gibt auch private KI-Optionen, die Ihre Daten und die Daten Ihrer Kunden schützen, sodass Sie für die Zukunft nichts riskieren.
• Setzen Sie KI nur wegen der Effizienz ein, nicht um ihrer selbst willen. Setzen Sie KI nicht um ihrer selbst willen ein (es sei denn, es ist das Kerngeschäft Ihres Unternehmens), sondern wegen ihrer Effizienz. So kommen Sie der echten Operationalisierung von KI näher, anstatt in eine Sackgasse zu geraten. Wie könnte das aussehen? Wählen Sie eine Software, die KI bereits in alle ihre Funktionen integriert hat.