Wieder und wieder geht es um Daten und ihre Konsistenz. Was bedeutet das für den Einsatz von generativer KI?
Wie bei der klassischen KI können die Modelle so gut sein, wie die Qualität der Daten, mit denen sie gefüttert werden. LLMs werden mit verschiedenen Strategien zur bestmöglichen Einspeisung und Aktualisierung dynamischer Kontextinformationen durch Retrievalsysteme und kognitive Suchen aufgefordert. Wir entwickeln Multi-Agent:innen-Lösungen für unsere Kund:innen, um LLM-Aufrufe in kognitiven Architekturen zu orchestrieren, die dem Entscheidungsprozess ähneln, den Menschen beim Abrufen und Analysieren von Daten befolgen würden. Technische Agent:innen sind dazu gedacht, Datenbanken abzufragen oder Analyseaufgaben an andere klassische KI-Systeme im Backend weiterzuleiten, während Interaktionsagent:innen in natürlicher Sprache kommunizieren, um personalisierte Antworten auf die Geschäftsfragen der Benutzer:innen zu ermöglichen.
Datenplattformen und Wissensdatenbanken sind die Voraussetzung für die Implementierung jeder datengesteuerten Lösung. Ob dabei KI oder generative KI eingesetzt werden, hängt von der Anwendung und dem zu lösenden Geschäftsproblem ab. In letzter Zeit gibt es eine Tendenz, alles, was KI und Analytik bisher geboten haben, zugunsten von generativer künstlicher Intellifgenz zu verwerfen. Das ist eine falsche Denkweise, denn jede Technologie hat ihre Stärken und Grenzen. Wir sind vielmehr der Meinung, dass bei der Entwicklung intelligenter Systeme eine angemessene Bewertung des Anwendungsfalls und der User Journey vorgenommen werden muss. Jede Art von Analytik, klassischer KI oder generativer KI kann genutzt werden, solange sie effektiv zur Wertschöpfung beiträgt, erklärbar, transparent, verantwortungsbewusst, ethisch vertretbar und konform mit den Unternehmensstandards ist.
Ein weiteres großes Thema, über das wir uns von Anfang an Gedanken machen müssen, ist die Frage, wie wir mit der Einwilligung umgehen.
Ja, die Datennutzung ist ein zentraler Punkt in der Debatte um die generative KI. LLMs brauchen riesige Datenmengen, und diese Daten helfen dem Modell zu lernen und neue Inhalte zu generieren. Aber woher kommen diese Daten? Und wenn wir ein LLM mit Unternehmens- und persönlichen Daten verfeinern, wem sind sie dann ausgesetzt?
Gen AI muss verantwortungsvoll eingesetzt werden, aber die Demokratisierung dieser Technologie trägt nicht zu ihrer Steuerung bei.
Einerseits sind wir froh, dass es verantwortungsvolle KI- und gnertive Ki Task-Forces gibt und dass das EU KI Gesetz in Kraft ist. Andererseits wissen wir, dass die Technologie schneller voranschreitet als die rechtlichen Rahmenbedingungen. Unsere derzeitige Aufgabe bei Cognizant besteht darin, die Entwicklung von generativen KI Lösungen für unsere Kund:innen so voranzutreiben, dass Compliance-Aspekte berücksichtigt werden, indem wir der aktuellen Regulierungslandschaft einen Schritt voraus sind, um zukünftige Fallstricke zu vermeiden.
Unsere strategische Partnerschaft mit Cloud-Anbieter:innen stellt sicher, dass wir bei der Definition solcher Best-Practice- und verantwortungsvollen Architekturen einen First-Mover-Vorteil haben. Die globale Bluebolt GenAI Ideation Challenge, die wir 2023 mit unserem multidisziplinären Team AIA und DX in den BeNeLux-Ländern gewonnen haben, ist ein Beispiel dafür, wie aus der Erfahrung vor Ort, die mit dem Betatest von Google Vertex AI-Funktionen auf Bankinfobots begann, ein Rahmenwerk für die verantwortungsvolle Entwicklung von den auf generativer künsticher Intelligenz basierenden Anwendungen wurde, das natürlich "über LLMs" (das ist der Name, mit dem es berühmt wurde) hinausgeht, um menschenzentrierte generative künstliche Intelligenz Lösungen durch dynamische Kontext- (d. h. Daten-) Kuration zu entwickeln.
Für mehr Informationen besuchen Sie bitte unsere weiteren Webseiten in deutscher Sprache: gen ai services, glossary page, rewire for ai, gen ai handbook, oder in englischer Sprache: gen ai services, glossary page, rewire for ai, gen ai handbook.
)