Grenzen von KI aufzeigen

Tom Godden:
Guten Tag. Willkommen beim Executive Insights Podcast, präsentiert von AWS. Mein Name ist Tom Godden. Ich bin Director of Enterprise Strategy hier bei AWS, und heute ist Matt Fitzpatrick bei mir zu Gast.

Matt, danke, dass Sie heute hier sind.

Matt Fitzpatrick:
Danke, dass ich dabei sein durfte.

Tom Godden:
Ich schätze es sehr. Könnten Sie uns eine kleine Einführung geben? Erklären Sie uns etwas mehr über Ihre Rolle bei McKinsey und erzählen Sie mir bitte mehr über Quantum Black Labs. Ich liebe den Namen.

Matt Fitzpatrick:
Sie können sich McKinsey Engineering im weitesten Sinne so vorstellen: Wir haben mehrere Tausend Ingenieure, die bei Kunden vor Ort sind, um Modelle und Technologien zu entwickeln, und Quantum Black Labs ist die Art von Technologieentwicklungsgruppe, die all das unterstützt.

Also egal, ob das ein Retention-Modell oder eine Empfehlungs-Engine ist. Alles, was Sie sich als Softwareschnittstelle vorstellen können, die ein Modell hat, das zu einer Entscheidung führt. Im Kontext der generativen KI könnte das so etwas wie ein Chat-Bot sein, genau das macht unser Quantum-Black-Team.

Und dann bietet Quantum Black Labs all die Tools und die Produktentwicklung, die diese fortschrittlich eingesetzten Ingenieure unterstützen.

Tom Godden:
Sie sehen also, dass gerade bei McKinsey eine Menge mit KI vor sich geht. Unsere Kunden profitieren immer sehr von den Erkenntnissen. Ich verfolge McKinsey intensiv, um Erkenntnisse zu gewinnen. Was sehen Sie gerade im KI-Bereich, was Ihnen besonders am Herzen liegt?

Matt Fitzpatrick:
Ich denke, die letzten zwei Jahre waren interessant. Offensichtlich ist KI für viele Menschen immer wichtiger geworden. Sie steht ganz oben, sie ist heutzutage die Titelseite jeder Zeitung.

Tom Godden:
Sie ist das coole Kind der Stadt.

Matt Fitzpatrick:
Aber ich denke, die Realität war schwieriger als erwartet. Ich glaube, viele Leute haben erwartet, dass es eher wie eine Software ist, bei der man ein neues ERP-System installiert und es funktioniert. Und ich denke, es geht eigentlich viel mehr ums Experimentieren und Herausfinden.

Tom Godden:
Training.

Matt Fitzpatrick:
Training. Dieser Prozess hat dazu geführt, dass viele traditionelle, nicht-technologische Unternehmen, die bisher nur Software und vielleicht hier und da ein paar Modelle verwendet haben, versucht haben, sich zu Technologieentwicklungsgruppen zu entwickeln. Das bedeutet etwas ganz anderes. Niemand wollte vor 25 Jahren maßgeschneiderte Software mit seinem eigenen Mainframe entwickeln, das wäre ziemlich schwierig gewesen. Aber wenn man in diesem Zusammenhang darüber nachdenkt, alle verschiedenen Technologien zu nutzen, die man kombinieren kann, um dann beispielsweise ein generatives KI-Modell zu nutzen, handelt es sich dabei um einen ganz anderen Prozess als bei den meisten Fortune-5000-Unternehmen, die noch nie wirklich etwas entwickelt haben. Die Daten, die wir sehen, würden besagen, dass heutzutage etwa 92 % der Modelle es nicht in die Produktion schaffen.

Tom Godden:
Wirklich?

Matt Fitzpatrick:
Also nur etwa 8 % dessen, was heute entwickelt wird, werden genutzt. Und ich denke, das war für die meisten traditionellen Unternehmen ein schwieriger Anpassungsprozess.

Tom Godden:
Lassen Sie uns kurz darauf zurückkommen, was sind einige der Hürden? Was hält die Menschen davon ab, diesen Anteil auf 80 % statt auf 8 % zu erhöhen?

Matt Fitzpatrick:
Ich denke, es sind ein paar verschiedene Dinge. Ich glaube, am ausgeprägtesten sind Halluzinationen im Kontext der generativen KI. Also Machine Learning, es ist ein bisschen einfacher. Man kann sagen: „Hier ist meine abhängige Variable, ich benötige ein gewisses Maß an Genauigkeit“ und man kann sich damit vertraut machen. Wenn man sich im Kontext der generativen KI dafür entscheiden, ein Modell zu erstellen, das nicht unbedingt eine klare Definition hat, z. B. einen Chat-Bot, der Diskussionen darüber führt, welche Art von Kaffee jemand bestellen möchte. Zu definieren, was gut ist, ist eigentlich ziemlich schwierig.

Tom Godden:
Ja. Klingt einfach.

Matt Fitzpatrick:
Ich denke also, viele Unternehmen sind sich nicht sicher, was das Ziel ist, wenn sie 100 Pilotprojekte haben und sich denken: „Okay, das geht zur Produktion, das funktioniert.“ Ich denke, die Definition lautet: „Der KPI, den ich messen werde, ist dieser, und hier werde ich ihn begrenzen und testen und sicherstellen, dass ich damit zufrieden bin und kein Risiko besteht.“ Ich glaube, das war das größte Problem. Und es gab in diesem Zusammenhang einige wirklich aufsehenerregende öffentliche Probleme, bei denen Organisationen einen Chatbot veröffentlicht haben, der etwas ziemlich Peinliches getan hat. Also ich denke, das war bei weitem die Nummer eins.

Tom Godden:
Ich denke, das sorgt dafür, dass sich die Leute zu Recht Sorgen machen, aber ein bisschen überreagieren. Denn zu Recht: Sie wollen nicht das Unternehmen werden, über das in den sozialen Medien oder auf der Titelseite des Wall Street Journal gesprochen wird.

Matt Fitzpatrick:
Da stimme ich voll und ganz zu. Das Interessante daran ist übrigens, dass es Möglichkeiten gibt, dies mit einem ziemlich hohen Maß an Überzeugung zu tun, dass man das Risiko in den Griff bekommen hat. Das bedeutet, dass man den Integritätsschutz um Dinge legt, die nicht gesagt werden dürfen, um Vorurteile, um Toxizität. Man kann Integritätsschutz aufstellen und sagen: „Das ist das Ergebnis, das ich anstrebe, diese Reihe von Empfehlungen.“ Oder wenn man eine Empfehlung aussprechen muss, z. B. zum Kauf dieses Produkts oder eines Preises, kann man dies durch ein sehr überprüfbares, klares, transparentes Machine-Learning-Modell steuern lassen und dann das LLM als eine Art Konversationshülle um dieses Modell herum einsetzen.

Und in einem solchen Paradigma besteht ein sehr geringes Risiko. Man weiß, wie die Empfehlung lauten wird, und man weiß, dass man sie mit Integritätsschutz versehen kann, damit sie nicht besonders beängstigend wirkt. Aber auch hier gilt, dass es sich um Organisationen handelt, die noch nie etwas Derartiges entwickeln mussten. Deshalb denke ich, dass diese Lernkurve schwierig war.

Ich denke, die anderen Komponenten sind, dass es eine Menge organisatorischer Veränderungen erfordert, um sich mit „Testen und Lernen“ vertraut zu machen. Ich glaube, das ist der andere schwierigste Teil daran. Ich glaube, die meisten Unternehmen, die Technologien entwickeln, wollen wissen, dass sie in sechs Monaten so weit sind, dass sie mit Sicherheit wissen, wie sie funktionieren.

Tom Godden:
Und das ist einzigartig, denn als lebendiges, atmendes Ding wird es sich ständig weiterentwickeln und verändern, wenn sich die Daten, mit denen es gefüttert wird und mit denen es interagiert, verändern. Und ich denke, dass diese Denkweise, die Sie auf den Punkt gebracht haben, vielen Menschen einfach fremd ist, und das zu Recht. Ich meine, das ist verständlich, aber ich glaube, sie flippen dann ein bisschen aus und wissen nicht, wohin sie gehen sollen.

Matt Fitzpatrick:
Absolut. Ich denke, dass es nicht einfach ist, wenn man in einem Paradigma von funktionierender Software oder Modellen arbeitet, die in hohem Maße vorhersehbar sind, wie z. B. grundlegende statistische Modelle, und man dann plötzlich zum Testen und Lernen übergehen muss.

Tom Godden:
Sie werden staunen.

Matt Fitzpatrick:
Und denken Sie auch an etwas, das, sagen wir, jemandem an der Front, einem Salesforce-Mitarbeiter oder einem Callcenter-Mitarbeiter, die Möglichkeit gibt, eine Entscheidung über etwas zu treffen, das vielleicht nicht sofort perfekt ist. Das ist nicht einfach. Interessant ist, dass man zu einem wirklich guten Ergebnis kommen kann, wenn man sich mit dieser Bewegung vertraut macht und das richtige Training und die Tests durchführt, bevor man sie live einsetzt, aber die meisten Unternehmen verfügen nicht über diesen Muskel.

Tom Godden:
Ich werde Sie also ein wenig zurückbringen. Wir haben über einige der Herausforderungen gesprochen, wir werden noch ein wenig mehr darüber reden, aber lassen Sie uns über die Chancen sprechen. Was sehen Sie bei den Unternehmen, die sich darauf einlassen und es tun? Was sind einige der aufregenden Dinge? Und die andere Frage, Matt, wo ist das einfache Layup? Ich meine, nennen Sie mir den Gewinn. Was ist der Gewinn?

Matt Fitzpatrick:
Ich denke, wir werden in fünf bis zehn Jahren zurückblicken und sagen, dass die ersten beiden Jahre viel schwieriger waren als erwartet, aber die Veränderung in zehn Jahren wird in vielerlei Hinsicht viel größer sein, als die Leute erwarten. Und ich denke, wenn man sich ein paar verschiedene Dimensionen anschaut, Programmieren, Softwareentwicklung, denke ich …

Tom Godden:
So ein großartiger Anwendungsfall, den man verfolgen kann.

Matt Fitzpatrick:
Ja, ich meine, sagen wir mal, vor fünf Jahren, vor acht Jahren, wenn man ein Unternehmen gründen und eine App entwickeln wollte, musste man jemanden finden, der einem eine Webseite erstellt, was wirklich schwierig war. Die Idee von Text zu HTML, Text zu SQL, all diese Dinge, wird den Zugang zur Entwicklung neuer Technologien dramatisch demokratisieren.

Und ich denke, das wird eine wirklich positive Veränderung für die Gesellschaft sein, für jeden, der ein Unternehmen gründen möchte. Aber es wird Ingenieure auch viel effektiver machen. Ich meine, wir sehen bereits, dass viele unserer Ingenieure bereits viel generative KI verwenden, wenn sie entwickeln. Es ist in vielerlei Hinsicht effizienter als nur ein Code-Repository, das man durchsuchen muss. Ich denke also, wir sehen bereits, dass wir in der Softwareentwicklung drei Punkte verbessern. Aber ich denke, das ist ein riesiges … Das wird meiner Meinung nach wahrscheinlich der Bereich sein, der in den nächsten Jahren die größten Auswirkungen haben wird.

Tom Godden:
Eines der Dinge, die ich daran mag, ist nicht nur der unmittelbare Nutzen, den man dafür erhält, sondern es bringt auch die mentalen Fähigkeiten der Entwickler in Schwung. Und während sie generative KI für Coding-Assistenten einsetzen, denken sie: „Ich frage mich, ob ich das auch im Kundenservice einsetzen kann.“ Und es zeigt auch, dass wir über die Ergänzung von Personen sprechen, nicht über deren Ersatz. Ich denke, wenn man all diese Dinge verkörpert, erhält man den Nutzen und den Wert der Codierung. Ich sage dann: „Oh mein Gott, los!“

Matt Fitzpatrick:
Hundertprozentig. Denken Sie auch an die mehreren Billionen an veralteter Software, die es auf der ganzen Welt gibt. Und denken Sie an die Probleme, die diesen Organisationen entstehen, wenn Sie ein altes System haben, das 20 Jahre alt ist und auf einer alten Codebasis geschrieben ist.

Tom Godden:
Könnte ich von dieser Version von Dotnet auf die nächste aktualisieren?

Matt Fitzpatrick:
Und es ist ein schreckliches Erlebnis für Ihre Kunden. Es ist ein schreckliches Erlebnis für Ihre Mitarbeiter. Und stellen Sie sich vor …

Tom Godden:
Und es ist nicht differenzierend, oder? Es ist nur Arbeit, die man erledigen muss, damit man zu den echten Dingen übergehen kann.

Matt Fitzpatrick:
Und das ist es, was viele Unternehmen davon abgehalten hat, in das digitale Zeitalter einzusteigen, nämlich diese riesigen Legacy-Code-Basis.

Ich denke also, wenn es gelingt, diese effizienter zu modernisieren und das Unternehmen in erster Linie digitaler zu machen, wird das enorme Auswirkungen haben, damit sich die Unternehmen der alten Schule viel mehr wie Technologieunternehmen fühlen. Ich denke also, dass dies ein echter Schritt in positiver Weise für die Funktionsweise von Unternehmen sein wird. Denn jeder, der ein dreißig Jahre altes System hat, von dem er versucht, sein Geschäft abzuwickeln, weiß, dass es ein unglaublich schmerzhafter Prozess ist, einen Faktorwechsel durchzuführen.

Der andere Bereich, den ich für wesentlich halte, ist das Kundenerlebnis. Also alles, was mit Kundenansprache, Callcentern, ausgehenden E-Mails, ausgehenden Texten zu tun hat. Im Moment ist das ein ziemlich schmerzhafter Prozess.

Ich meine, wir haben zum Beispiel gesehen, dass die Erfahrung mit Callcentern so ist, dass die MPS-Werte in den meisten Callcentern nicht sehr gut sind. Die meisten Menschen mögen es nicht, 25 Minuten in der Warteschleife zu warten. Stellen Sie sich also eine Welt vor, in der man nicht mehr nur über die Rechnungsstellung oder den Service sprechen kann, sondern in der man ein Gespräch führen und sein Problem klären kann. Dadurch wird die Zeit, die Sie in der Warteschleife eines Callcenters verbringen, erheblich verkürzt.

Und Ihre Fähigkeit, Ihre Kunden zu erreichen und mit ihnen zu sprechen, wird eine wirklich große Veränderung darstellen. Wenn Sie heute eine ausgehende E-Mail senden, handelt es sich meist um einen Formbrief zu einer Veranstaltung. Aber stellen Sie sich vor, wenn diese ausgehende E-Mail etwas über das Konto der Person weiß, kann sie ihr wirklich ein maßgeschneidertes Angebot machen. Ich denke, das ist ein sehr wichtiger Punkt.

Das andere, was ich für sehr wichtig halte, ist das, was ich Wissensmanagement nennen würde. Stellen Sie sich also eine Organisation vor, die über enorme Datenmengen verfügt, sei es beispielsweise ein Schadensabwicklungsunternehmen oder ein Autoreparaturunternehmen, aber es enthält viele Informationen, die wirklich nicht organisiert oder strukturiert sind. Und so wird das Rad oft jedes Mal neu erfunden, wenn etwas getan wird. Und ich würde sagen, es gibt kein institutionelles Gedächtnis. Ich denke, wir sehen großes Interesse an diesem Thema, das sehr transformativ sein wird.

Tom Godden:
Auf der AWS-Website gibt es ein gutes Beispiel für ein Unternehmen – Aufzüge, Rolltreppen, solche Dinge – und sie haben darüber hinaus eine großartige KI-Lösung in AWS entwickelt, um die Historie aller Service-Datensätze zurückzuverfolgen, die angefallen sind. Wenn Sie also versuchen, diese Rolltreppe oder diesen Aufzug an einem Ort zu reparieren, anstatt das Rad neu zu erfinden: Warum gehen Sie nicht zurück zum Verlauf aller Serviceanrufe, die es jemals gegeben hat, und sagen, wie man das beurteilen kann? Und das ist nur ein Beispiel und ich denke, es gibt so viele, die man dafür nutzen kann.

Matt Fitzpatrick:
Ich denke, Serviceanrufe sind eines der besten Beispiele dafür. Ich meine, wenn man bedenkt, wie fast jedes Unternehmen auf der Welt heute mit Serviceanrufen umgeht – es sei denn, sie haben ein wirklich ausgeklügeltes Callcenter-System –, dann trifft eine Person eine Entscheidung, gibt eine Einschätzung ab, die richtig oder falsch sein kann, und dann wird das Ergebnis nicht gespeichert oder in irgendeiner Weise verwendet. Und so haben wir alle als Gesellschaft viel mehr mit falschen Diagnosen zu kämpfen, egal in welchem Bereich. Und ich denke, das wird sich auch sehr positiv auswirken.

Tom Godden:
Wir haben also in den Jahren 2023 und 2024 ein wenig von dem Hype um die generative KI miterlebt, die Aufregung, aber auch ein wenig von dem Hype, der damit einherging. Ich glaube, wir bei AWS sind der festen Überzeugung, dass wir im Laufe der Zeit wirklich fast jede Anwendung durch KI und generative KI erweitern werden. Aber wie können wir vor diesem Hintergrund den Führungskräften helfen, ihre Geschäftsfälle für generative KI zu rationalisieren, ohne den Wert zu überbewerten? Damit Sie den richtigen Wert finden. Wie rät man den Leuten, in dieser Hinsicht voranzukommen?

Matt Fitzpatrick:
Das ist ein bisschen der Grund, warum es gerade nur 8 % schaffen. Und ich denke, dass die Ungewissheit über den Erfolg ein heikler Punkt im Prozess der Entwicklung des Geschäftsfalls ist. Was ich damit meine, ist, dass Sie beispielsweise ein neues Softwaresystem installieren möchten, um Prozesse wie die Ausgabenverwaltung abzuwickeln, richtig? Im Moment würde man einen Geschäftsfall erstellen und genau wissen, welchen Arbeitsablauf er ausführen wird, und man hätte ein sehr hohes Selbstvertrauen. Es ist also ein sehr einfacher Prozess, einen Geschäftsfall dafür zu erstellen. Aber stellen Sie sich vor, dass Ihr Geschäftsfall auf 12 verschiedenen Dingen beruht, bei denen Sie Ihre Organisation einsetzen könnten.

Tom Godden:
Nach N auflösen, genau.

Matt Fitzpatrick:
Wo fünf von den Dingen funktionieren könnten und sieben von ihnen möglicherweise nicht funktionieren. Und ich glaube, dass man die Art und Weise, wie die Entwicklung von Geschäftsfällen abläuft, so ändern muss, dass sie viel mehr wie Risikokapital aussieht. Ich glaube nicht, dass das bedeutet, dass nur einer der zehn Dinge funktioniert. Ich glaube, es bedeutet, dass man keine Probleme damit haben darf, zu experimentieren und 10, 12, 14 verschiedene Dinge auszuprobieren. Mit der Zeit wird man in der ersten Charge fünf Dinge finden, die funktionieren. Und bei der nächsten Charge hat man 10 Dinge, die funktionieren. Man wird auch keine großen Summen investieren, um jedes einzelne zu entwickeln.

Nehmen wir das Wissensmanagement: Die gleichen Daten, die Sie zum Beispiel für einen Serviceanruf verwenden, können Sie wahrscheinlich auch für Kontaktzentren nutzen, für die Erstellung von Dokumenten über den Verlauf des Anrufs und all diese Dinge. Und so haben Sie am Ende 5, 6, 7 Anwendungsfälle, die mit dem von Ihnen erstellten verknüpft sind und der funktioniert hat.

Tom Godden:
Das gefällt mir. Und ich rate den Leuten ständig dazu, diesen Anwendungsfall der Dokumentenzusammenfassung vielleicht zum Laufen zu bringen, aber dann in der Personalabteilung oder im Finanzwesen zu verwenden. Man muss es anpassen und das Modell ein wenig trainieren, aber man hat 80 % oder 90 % des Weges hinter sich.

Matt Fitzpatrick:
Das war das Schwierige an Geschäftsfällen. Man verfolgt kein Paradigma, bei dem man zwei Jahre braucht und am Ende ein monolithischer Geschäftsfall fertig ist. Eigentlich vertritt man eher das Paradigma „Ich brauche für diesen Anwendungsfall vier verschiedene Datenkomponenten.“ Alle diese Datenkomponenten sind modular, ich kann sie für vier andere Anwendungsfälle verwenden. Mein Geschäftsfall lautet also: „Lohnt es sich, genügend Fähigkeiten zu entwickeln, um den Einstieg zu rechtfertigen, weil es immer wieder von Nutzen sein wird?“ Und über einen Zeitraum von drei bis fünf Jahren wird man ein Vielfaches der Investition einnehmen. Es muss nur nicht gleich beim ersten Mal sein.

Tom Godden:
Also Matt, tun wir mal so, als wäre ich ein CIO, als ehemaliger CIO ist das nicht so schwer. Angenommen, ich möchte etwas Einzigartiges, das auf mich zugeschnitten ist, das aber auch preiswert sein soll, nicht wahr? Ist das nicht immer das Paradigma? Wie geht McKinsey vor, wenn es darum geht, Menschen zu beraten, ob sie etwas selbst entwickeln oder kaufen sollen? Wenn man es entwickelt, kann man es anpassen. Es kostet viel mehr. Wenn man es kauft, ist es theoretisch günstiger, weniger maßgeschneidert. Ich als CIO stecke jetzt mittendrin fest. Helfen Sie mir weiter. Welchen Rat geben Sie mir?

Matt Fitzpatrick:
Ja, wissen Sie, ich bin der Ansicht, dass die Definition von Entwickeln versus Kaufen in der Art und Weise, wie wir es als Technologieunternehmen betrachten, sehr verzerrt ist. Damit meine ich Folgendes. Vor 10 Jahren war die Definition von Entwickeln versus Kaufen folgendermaßen. Kaufen: Ich nehme etwas vom Regal und es funktioniert und es hat mich einen bestimmten Betrag gekostet. Und im Falle des Entwickeln müsste ich zum Enwickeln buchstäblich einen Großrechner aufstellen. Ich muss meinen gesamten Code größtenteils von Grund auf neu erstellen, oft in, vielleicht ist das 15 Jahre her, aber …

Tom Godden:
Alles entwickeln.

Matt Fitzpatrick:
Man entwickelt wirklich etwas von Grund auf neu und die Investition wird enorm sein.

Tom Godden:
Wir wissen es zu schätzen, dass Sie das sagen, denn das ist ein bisschen die Strategie von AWS. Dabei helfen, diese undifferenzierte Last zu bewältigen.

Matt Fitzpatrick:
Nun, wenn ich es ganz allgemein und nicht mit einem bestimmten Technologieanbieter betrachte, dann bedeutet „entwickeln“ heute, dass ich eine Cloud-Instance aufbaue. Ich verwende verschiedene modulare Komponenten. Ich rufe GitHub-Code ab, Code-Repositorys mit Informationen. Ich greife auf sechs oder sieben verschiedene Standardkomponenten zurück, mit denen ich etwas für einen Bruchteil der Kosten, die wir vor 10 Jahren verwendet haben, etwas anbieten kann, das wirklich nützlich und auf mein Unternehmen zugeschnitten ist.

Also habe ich vor drei Jahren mit einem Unternehmen zusammengearbeitet, das über den Kauf eines handelsüblichen Unternehmens debattierte. Es war ein großer Vermögensverwalter, der sein Kreditsystem neu entwickeln musste. Und ihre Debatte war: Kaufe ich eine handelsübliche Kreditplattform oder entwickle ich eine? Und nein, das ist kein Technologieunternehmen. Vor 10 Jahren wäre die Idee, eine Kreditplattform zu entwickeln, absolut verrückt erschienen.

Tom Godden:
Die Alarmglocken läuten.

Matt Fitzpatrick:
Als sie es jedoch durchgingen, wurde ihnen klar: „Okay, wenn ich das kaufe, ist eine erhebliche Investition nötig, um das Datenschema so anzupassen, dass es zur Standardkreditplattform passt.“ Und dann brauche ich Bildschirme, die aussehen wie … Sie hatten ein selbst entwickeltes System, das sie zu ersetzen versuchten, als sie das gemacht haben. Es würde eine Menge Investitionen erfordern, das Standardsystem so anzupassen, dass es so aussieht, wie sie es wollten. Es würde eine Menge Investitionen erfordern, um die Daten darauf abzubilden. Und als sie fertig waren…

Tom Godden:
Was ist das Ergebnis?

Matt Fitzpatrick:
Sie entwickelten im Grunde genommen ein neues System auf einem solchen Standardsystem. Ihre andere Option bestand also darin, all die modernen Tools, die es gibt, moderne Datentools, Cloud-Infrastruktur und all das zu nutzen und einfach ein System einzurichten. Und das war tatsächlich verrückt genug, weil es nicht teurer war, als es zu benutzen.

Und das beobachten wir immer mehr. Ich denke, generative KI wird das wirklich beschleunigen, denn eines der Dinge, die ich am generativen KI-Ökosystem geliebt habe, ist die Interoperabilität all der verschiedenen Anwendungen. Niemand entwickelt das, um zu sagen: „Du kannst nur unseres benutzen.“ Jeder sagt, dass man die Best-of-Breed-Strategie nutzen kann. Und so wird man mit jeder neuen Technologie, die herauskommt, daran teilnehmen können. Es stellt sich also die Frage: Wenn man heute einen neuen Kreditantrag erstellt und etwas kauft und dann ein neues, interessantes KI-Tool auf den Markt kommt, kann man dieses nicht verwenden. Tatsächlich hat man durch die Verwendung der zehn Jahre alten Standardkreditplattform mehr technische Schulden, als wenn man einen modernen, interoperablen Evergreen-Stack erstellen würden, der einem die Verwendung aller modernen Komponenten ermöglicht.

Ich würde sagen, dass die Zahl der Unternehmen, die sich mit dem entwickeln, wie man es heute nennen könnte, vertraut gemacht haben, ist viel höher als vor fünf Jahren. Und es sind all die Investitionen in Cloud und Infrastruktur, die es so viel schneller machen.

Tom Godden:
Also Matt, Sie haben viele Transformationen gemacht, Sie haben viel geführt und viel gesehen. McKinsey spricht viel über die Umstellung von Organisationen, um dies tun zu können. Was sind Ihrer Meinung nach erfolgreiche Modelle dafür, wie Menschen diesen kulturellen Aspekt angehen, um beim Übergang zu dieser generativen KI zum Erfolg zu verhelfen?

Matt Fitzpatrick:
Ich denke, ein paar verschiedene Dinge waren dafür entscheidend. Zum einen geht es darum, sich darüber im Klaren zu sein, welche Anwendungsfälle tatsächlich wichtig sind und welche den Ausschlag geben können. Ich denke, wenn man die Situation von vor 10 Jahren betrachtet, in der die technische Organisation nicht wirklich mit der geschäftlichen Organisation gesprochen hat, ist das ein todsicherer Misserfolg. Man braucht eine klare Vorstellung davon, was meine Vision ist. Was sind die 10 Anwendungsfälle, die ich ausprobieren werde, wie werden meine Tech-Teams und Geschäftsteams zusammenarbeiten, um zu testen und zu lernen? Dieser ganze Prozess ist ein neuer Muskel. Ich denke, die Fähigkeiten, an denen wir derzeit am meisten interessiert sind, sind die Fähigkeiten eines Übersetzers oder jemand, der sich mit digitalen Kenntnissen auskennt, aber auch das Geschäft versteht. Ich habe zum Beispiel mit einer Reihe von Immobilienkunden zusammengearbeitet, und jemand, der sowohl Technologie als auch die Immobilienbranche versteht, ist viel wertvoller als jemand, der nur das eine oder das andere versteht.

Ich denke, man braucht die Verbindung zwischen der Technologieabteilung und den Geschäftsteams, damit das, was entwickelt wird, praktikabel ist und den Wünschen der Geschäftsanwender entspricht. Ich denke also, dass die Fähigkeiten des Übersetzers wirklich wichtig werden.

Ich denke auch, dass man viel über Umschulungen oder zumindest über die technischen Fähigkeiten der technischen Organisation nachdenken muss. Wenn man beispielsweise eine technische Organisation hat, die nicht weiß, wie man Python verwendet, oder sogar Dinge wie Rust, die etwas neuer sind, wird es schwieriger sein, viele der modernen generativen KI-Tools zu nutzen. Dies kann zu Umschulungen, Weiterbildungen und dergleichen oder zu Neueinstellungen führen, aber man muss die traditionelle technische Organisation erweitern.

Tom Godden:
Sie haben vorhin gesagt, dass wir in etwa 10 Jahren etwas genauer auf diese ersten beiden Jahre zurückblicken werden. Wo stehen wir in 10 Jahren? Wohin bewegen wir uns?

Matt Fitzpatrick:
Hier ist eine positive Sichtweise, bei der es meiner Meinung nach offensichtlich in mancher Hinsicht große Kontroversen darüber gab, wie die Situation in 10 Jahren aussehen könnte, aber ich gebe Ihnen eine positive Sichtweise.

Wir alle verbringen gerade eine Menge Zeit an unseren Handys. Wenn man bedenkt, wie viel Zeit man an seinem Handy verbringt und wie viele Berichte und Dokumente jeder im Laufe seines Lebens liest, ist das enorm, oder? Jeder hat tausende Kundenberichte, Tabellen und dergleichen zu erledigen, und das bei ein bis zwei Stunden Bildschirmzeit pro Tag, bei denen der Blick meist nach unten und nicht auf die reale Welt gerichtet ist. Stellen Sie sich nun eine Welt vor, in der das ersetzt wird. Und übrigens hängt vieles davon mit der Verbreitung verschiedener Apps oder Tools zusammen, die Sie zur Verwaltung von Flugbuchungen oder in anderen Bereichen Ihres Lebens verwenden. Sie haben dafür eine andere App.

Stellen Sie sich jetzt eine Welt vor, in der Sie nicht tausend Apps oder Tabellenkalkulationen benötigen. Sie haben beispielsweise eine Art Brille oder ähnliches, mit der Sie in der realen Welt herumlaufen und auf der Sie Warnmeldungen sehen. Übrigens, die gibt es schon, also sage ich eigentlich nichts wirklich Revolutionäres, aber dann wird das mit dem virtuellen Assistenten in Ihrem Ohr kombiniert. Und jetzt nehmen wir an, Sie sind ein CEO in dieser Welt. Anstatt jeden Tag 17 verschiedene Berichte durchzugehen, die verschiedene Dinge zeigen, fragen Sie einfach Ihren Assistenten.

Tom Godden:
Fassen Sie es zusammen. Geben Sie mir einen Überblick.

Matt Fitzpatrick:
Sie sagen: „Zeig mir meine Verkäufe in Europa und wie sie sich nach Kunden und diesen fünf Bereichen aufteilen.“ Und Sie sehen das in Ihrer Brille und dann laufen Sie vorbei und sagen: „Oh, das ist eine interessante Anzeige. Wer hat das gemacht?“ Sie können tatsächlich anfangen, mit der Welt zu interagieren. Science-Fiction ist oft der beste Indikator dafür, und es gibt verschiedene Hinweise darauf, die man in der Science-Fiction-Welt sieht.

Tom Godden:
Das oder die Simpsons, nicht wahr?

Matt Fitzpatrick:
Das sehe ich auch so. Das sehe ich auch so. Aber in der Science-Fiction gibt es verschiedene Arten von Bibliothekaren oder Charakteren, mit denen Sie interagieren und die Ihnen die Informationen, die Sie benötigen, sagen, wann immer Sie sie benötigen. Ich denke, das ist die optimistische Sichtweise, die uns allen viel mehr Zeit am Tag verschafft. Stellen Sie sich vor, Sie nehmen sich die ganze Zeit, die Sie gerade im Verkehr verbringen, und Sie sitzen in einem fahrerlosen Auto und bewegen sich in einer Welt, in der Sie nach allen Informationen fragen können, die Sie wollen. Das eröffnet jede Menge Möglichkeiten, neue Unternehmen zu gründen, neue Produkte zu entwickeln, und ich denke, das wird wirklich aufregend.

Tom Godden:
Und zum Abschluss: Was ist Ihr Ratschlag für jemanden, der diese Reise antritt? Sie haben viel Erfahrung in diesem Bereich. Was ist die eine Erkenntnis, die Sie ihnen mitgeben?

Matt Fitzpatrick:
Ich habe einen ganz bestimmten Ratschlag. Es gibt also eine interessante Studie, die ich kürzlich gelesen habe, dass mit dem Aufkommen der generativen KI das Interesse an Informatik tatsächlich gesunken ist. Sie haben einen interessanten Anstieg erlebt, bei dem die Informatik ab 2006 im Grunde genommen richtig angestiegen ist. Und dann gab es einen gewissen Pessimismus, dass daran weniger Interesse bestehen wird, weil generative KI das alles ablösen würde. Ich denke, das ist am weitesten von der Wahrheit entfernt. Ich bin tatsächlich davon überzeugt, dass ein Ingenieur Hunderte von Möglichkeiten finden wird, dies zu nutzen. Also mein Rat an alle …

Tom Godden:
Meine Frau wird sich darüber freuen.

Matt Fitzpatrick:
Mein Rat an alle, die darüber nachdenken, lautet: Über Möglichkeiten nachdenken, mehr darüber zu lernen und zu studieren.

Unabhängig davon, ob Sie bereits seit 20 Jahren arbeiten und darüber nachdenken, in einem höheren Alter noch einmal eine weiterführende Ausbildung zu absolvieren, oder ob Sie bereits studieren – ich denke, dass in all diesen Fällen technische Fähigkeiten ein wesentlicher Bestandteil von allem werden. Und Ihre Fähigkeit, daraus wirklich etwas zu erschaffen, wird sich mit der Zeit enorm weiterentwickeln, auch wenn Sie nicht immer derjenige sind, der praktische Schlüssel schreibt und codiert. Das wäre also mein Hauptkommentar.

Tom Godden:
Ich mache das sehr gern, weil ich dabei immer etwas Neues lerne. Ich habe heute hier viel von Ihnen gelernt. Matt, vielen Dank, dass Sie heute bei mir sind. Ich weiß es zu schätzen.

Matt Fitzpatrick:
Vielen Dank, Tom, dass Sie mich eingeladen haben.

Jetzt anhören

Jetzt anhören

Jetzt anhören