Planview Blog

Ihr Weg zu geschäftlicher Agilität

Künstliche Intelligenz, Vision und Trends

Sollten Sie Ihre generative KI-Lösung selbst entwickeln oder kaufen?

Erkunden Sie die Vor- und Nachteile beider Seiten sowie gängige Anwendungsfälle.

Veröffentlicht am von Dr. Richard Sonnenblick
Sollten Sie Ihre generative KI-Lösung selbst entwickeln oder kaufen?

Mehr als ein Jahr nach der Enthüllung von ChatGPT führen Unternehmen vorsichtig große sprachmodellgesteuerte Anwendungen für eine Vielzahl von einstmals wunderbaren Aufgaben ein.

Die erste Frage, vor der viele Unternehmen stehen, ist, ob sie ihre eigenen generativen KI-Lösungen (GenAI) entwickeln oder Anwendungen von der Stange kaufen sollen.

In diesem Blog-Beitrag unterscheiden wir zwischen den einzelnen Verwendungszwecken von GenAI und GenAI-gesteuerten Anwendungen und listen die Vor- und Nachteile beider Seiten des "Build vs. Buy"-Arguments auf.

GenAI Anwendungsbeispiele

Bevor ein Unternehmen beschließen kann, eine GenAI-Anwendung zu erstellen oder zu kaufen, muss es die Anwendungsfälle festlegen, die es verfolgen will. Lassen Sie uns die Arten von Anwendungen zusammenfassen, die heute im Bereich der GenAI-Anwendungen verfügbar sind.

Obwohl die meisten in den letzten sechs Monaten auf den Markt gekommen sind, ist das Feld bemerkenswert vielfältig und ausgeklügelt und deckt ein breites Spektrum an unternehmensinternen Bedürfnissen ab. Diese Anwendungen wurden entwickelt, um Effizienz, Kreativität und Entscheidungsprozesse in verschiedenen Abteilungen zu verbessern.

Hier sind einige wichtige Merkmale und Anwendungsfälle.

Erstellung und Verbesserung von Inhalten

GenAI-Tools sind in der Lage, hochwertige, ansprechende Inhalte für das Marketing zu erstellen, z. B. Produktbeschreibungen, Blogbeiträge und Werbetexte, wobei interne Entwicklungsgremien und die Dokumentation des Produktmanagements als Grundlage für den Inhalt dienen.

HR-Unterstützung

In der Personalabteilung können GenAI-Anwendungen eingesetzt werden, um Dutzende von Stellenbeschreibungen und Mitarbeitergesprächen zu rationalisieren und abzugleichen und so die Konsistenz und Qualität der HR-Kommunikation zu verbessern.

Die verfügbaren Anwendungen gehen über die einfache Verwaltung und Suche von Dokumenten hinaus und nutzen GenAI, um juristische Dokumente zu prüfen und zusammenzufassen. Diese Anwendungen sind in der Lage, Hunderte von Verträgen zu durchsuchen, die wichtigsten Klauseln zu extrahieren und Bedingungen (und seltene Auslassungen) zusammenzufassen, was die Arbeitsbelastung der Rechtsteams erheblich reduziert.

Automatisierung der Kundenbetreuung

KI-gesteuerte Chatbots und Support-Tools können eine große Anzahl von Kundenanfragen bearbeiten und schnelle und präzise Antworten liefern. Diese Anwendungen nutzen historische Kunden-Support-Tickets, FAQs und interne Teamdokumentation, um jede Antwort mit dem kollektiven Wissen des gesamten Support-Teams zu untermauern. Dies verbessert nicht nur die Kundenerfahrung, sondern setzt auch menschliche Agenten frei, die sich um komplexere Probleme kümmern können.

Optimierung von Vertrieb und CRM

GenAI-Anwendungen unterstützen den Vertrieb und das Kundenbeziehungsmanagement, indem sie Kundendaten analysieren, um Erkenntnisse zu gewinnen, die Kommunikation zu personalisieren und Kundenbedürfnisse zu antizipieren und so die Effektivität von Vertriebsstrategien zu verbessern.

Unterstützung von Forschung und Entwicklung (R&D)

In der Forschung und Entwicklung&helfen GenAI-Tools bei der Verwendung interner Dokumente, um Patentanträge zu identifizieren und zu erstellen, laufende Arbeiten zu aggregieren und zusammenzufassen sowie Aufgabenbereiche und Beschreibungen zu kritisieren, um die Ergebnisse zu verbessern und so den Innovationsprozess zu beschleunigen. Kodierassistenten wie AWS CodeWhisperer und Github Copilot schlagen Funktionen und Syntaxänderungen vor, während Sie tippen, und schreiben sogar Unit-Tests, während Sie kodieren.

Die oben genannten Anwendungen reichen von relativ einfach (Zusammenfassung) bis hin zu verblüffend komplex (Echtzeit-Codierungshilfe). Warum bitten Sie nicht Ihr internes Betriebsteam, über einige Tage oder Wochen hinweg einen Prototyp zu erstellen, wenn Sie es einfacher haben wollen?

Es steht außer Frage, dass GenAI eine demokratisierende und disruptive Technologie ist.

GenAI ermöglicht mit wenig mehr als einer API Anwendungsfälle, die vor ein paar Jahren einfach nicht möglich (oder auch nur denkbar) waren. Das bedeutet aber nicht unbedingt, dass Sie Ihre eigene Anwendung entwickeln sollten. Hier sind ein paar Gedanken zu beiden Seiten der Debatte über generative KI.

Vorteile der Entwicklung von GenAI-Anwendungen im eigenen Haus

Entwicklung von Fertigkeiten

Der Aufbau eigener Lösungen beschleunigt das Lernen und die Expertise in GenAI. Es ist von Vorteil, wenn das Unternehmen GenAI-Produkte oder -Funktionen für seine eigenen Kunden entwickelt.

Agilität und Anpassungsfähigkeit

Die interne Entwicklung kann flexibler sein, ermöglicht die Anpassung an spezifische Geschäftsanforderungen und vermeidet die langwierigen Beschaffungsprozesse, die oft mit externen Anbietern verbunden sind, insbesondere wenn es um Fragen der Datenverarbeitung und Sicherheit geht.

Langfristige Stabilität

Wenn Sie sich auf interne Lösungen verlassen, vermeiden Sie das Risiko einer Störung durch neue Anbieter, die eine langfristige Marktkonsolidierung möglicherweise nicht überleben. Die Ankündigung der Funktionen von OpenAI auf dem Entwicklertag Anfang November zwang viele Startups dazu, ihre Geschäftsmodelle schnell zu überdenken.

Nachteile der Entwicklung von GenAI-Anwendungen im eigenen Haus

Ressourcenintensiv

Die Entwicklung und Pflege von Inhouse-Lösungen kann erhebliche Ressourcen erfordern, einschließlich eines engagierten Teams von Ingenieuren.

Rasch wechselnde Landschaft

Mit den rasanten Fortschritten (z.B. Verbesserungen der Modelltechnologie und Kostensenkungen bei zunehmendem Wettbewerb) in der GenAI-Technologie Schritt zu halten, kann eine Herausforderung sein und möglicherweise zu veralteten Lösungen führen.

Vorteile des Kaufs von GenAI-Anwendungen von der Stange

Kosten-Wirksamkeit

Obwohl sie teuer erscheinen, können Lösungen von der Stange auf lange Sicht kosteneffizienter sein als die kontinuierliche Investition in Ressourcen, die für die interne Entwicklung erforderlich ist.

Spezialisiertes Fachwissen

Anbieter, die sich auf GenAI spezialisiert haben, können fortschrittlichere Lösungen anbieten, indem sie ihr Know-how und ihre Größenvorteile nutzen und das Feedback von Tausenden von Kunden einbeziehen.

Zukunftssicher

Bei externen Anbietern ist es wahrscheinlicher, dass sie ihr Angebot ständig aktualisieren und verbessern, um mit den technologischen Fortschritten Schritt zu halten.

Nachteile des Kaufs von GenAI-Anwendungen von der Stange

Mögliche Bindung an einen Anbieter

Die Abhängigkeit von einem bestimmten Anbieter kann zu Problemen führen, wenn der Anbieter die Richtung ändert oder den Markt verlässt.

Datenverarbeitung und Sicherheitsbedenken

Wie bei jeder Anwendung eines Drittanbieters müssen Sie die Datenverarbeitung und die Sicherheitsrichtlinien des Anbieters mit der gebotenen Sorgfalt prüfen. Wenn sie Foundation LLMs verwenden, die von anderen Anbietern wie OpenAI oder AWS verwaltet werden, müssen Sie die Richtlinien dieser Anbieter in Bezug auf die Speicherung von Kundenprompts und die Verwendung von Kundenprompts in der nachfolgenden Modellschulung überprüfen.

Weniger Anpassungen

Lösungen von der Stange sind möglicherweise nicht perfekt auf die individuellen Geschäftsanforderungen abgestimmt oder erfordern Kompromisse bei der Funktionalität oder Integration.

Alles zusammenbringen

Die Entscheidung, GenAI-Anwendungen herzustellen oder zu kaufen, hängt von der Abwägung zwischen der Agilität und Anpassungsfähigkeit der internen Entwicklung und der Kosteneffizienz, dem Fachwissen und der potenziellen Zukunftssicherheit externer Anbieter ab.

Unternehmen müssen ihre internen Fähigkeiten, Opportunitätskosten, langfristigen strategischen Ziele und die spezifischen Bedürfnisse ihrer internen Teams bewerten, um in dieser dynamischen technologischen Landschaft eine fundierte Entscheidung zu treffen.

Und natürlich kann es sein, dass die heute getroffene Entscheidung überdacht werden muss, wenn die GenAI-Technologien immer ausgefeilter und kostengünstiger werden.

Lesen Sie mehr über KI im Unternehmen:

Ähnliche Beiträge

Geschrieben von Dr. Richard Sonnenblick Chief Data Scientist

Dr. Sonnenblick, Chief Data Scientist bei Planview, verfügt über langjährige Erfahrung in der Zusammenarbeit mit einigen der größten Pharma- und Biowissenschaftsunternehmen der Welt. Dank des im Rahmen seiner Arbeit gewonnenen Wissens hat er erfolgreich aufschlussreiche Priorisierungs- und Portfoliobewertungsprozesse, Scoring-Systeme sowie finanzielle Bewertungs- und Prognosemethoden zur Verbesserung von Produktprognosen und Portfolioanalysen entwickelt. Dr. Sonnenblick hat einen Ph.D. und einen Master in Engineering and Public Policy von der Carnegie Mellon University sowie einen Bachelor in Physik von der University of California Santa Cruz.