- Laut einem MIT-Bericht erzielen 95 % der Unternehmen weltweit trotz der Einführung generativer KI keinen realen Ertrag
- Unternehmen haben Large Language Models wie ChatGPT und Copilot im großen Stil erprobt, doch die meisten Einsätze bleiben auf Produktivitätssteigerungen beschränkt
- Erfolg wurde nur bei 5 % der integrierten KI-Pilotprojekte festgestellt; die meisten hatten keinen Einfluss auf Umsatz oder Gewinn
- Hauptursachen sind, dass generative KI nicht gut zu realen Arbeitsabläufen passt und weder Feedback speichern noch sich an Kontexte anpassen kann
- Der Bericht weist Sorgen über einen großflächigen Arbeitsplatzabbau zurück und analysiert, dass eine Senkung externer Kosten zwar möglich ist, interne Umstrukturierungen oder Massenentlassungen jedoch vorerst wenig realistisch sind
- Fazit: KI hat ihre Stärken eher bei spezifischen Aufgaben als als Strategie, und Unternehmen sollten sich statt auf unternehmensweite Innovation auf begrenzte Bereiche mit sofort messbaren Ergebnissen konzentrieren
Investitionen von Unternehmen in generative KI und deren Rendite
- In den vergangenen drei Jahren haben Unternehmen 30 bis 40 Milliarden US-Dollar in Projekte rund um generative KI investiert
- Doch nur eine sehr kleine Zahl von Unternehmen hat tatsächliche geschäftliche Erträge erzielt
- Neue Forschungsergebnisse des MIT zeigen, dass 95 % der Unternehmen trotz KI-Einführung angaben, keinen messbaren Nutzen zu sehen
- Nur 5 % der KI-Pilotprojekte schaffen Werte in Millionenhöhe
Stand der Einführung von Large Language Models und ihre Grenzen
- Mehr als 80 % der Großunternehmen testen führende LLMs wie ChatGPT und Copilot oder betreiben sie als Pilotprojekte
- Rund 40 % der Unternehmen haben diese Systeme in gewissem Umfang eingeführt, doch meist bleibt der Einsatz auf die Steigerung der individuellen Produktivität der Mitarbeitenden beschränkt
- Auf den gesamten Umsatz oder Gewinn der Unternehmen hat das fast keinen Einfluss
Technische Grenzen generativer KI
- Generative-KI-Tools passen oft nicht gut zu realen Geschäftsprozessen
- Genannt werden vor allem instabile Workflows, fehlendes Kontextlernen und ineffiziente Einbindung in Arbeitsabläufe
- Die meisten generativen KI-Modelle können früheres Feedback nicht bewahren und Lehren nur schwer zwischen Kontexten und Aufgaben übertragen
- Dem Bericht zufolge sind die meisten GenAI-Systeme nicht in der Lage, Feedback zu behalten, sich an Kontexte anzupassen oder sich langfristig zu verbessern
- Dadurch steigen vor allem die Kosten einer langfristigen Integration im Unternehmen, während die tatsächliche Effizienzsteigerung begrenzt bleibt
Unterschied zwischen geschäftlichen Erwartungen und Realität
- Die Erwartungen an generative KI und das Investitionsvolumen waren groß, doch das führte weder zu Kostensenkungen noch zu realen Erträgen
- In der Praxis wird sie vor allem für begrenzte Aufgaben wie Kundenservice, Marketing und Dokumentenerstellung genutzt; das spart Zeit, hat aber nur geringe direkte Auswirkungen auf steigende Umsätze
Auswirkungen auf Beschäftigung und Organisationsstruktur
- Die Sorge, dass generative KI kurzfristig zu einem massiven Abbau von Arbeitsplätzen führen wird, ist nur schwach begründet
- Die Wirkung von KI dürfte sich eher auf die Optimierung externer Kosten wie geringere Outsourcing-Ausgaben als auf Veränderungen der internen Personalstruktur beschränken
- Statt sofort in großem Maßstab Personal zu ersetzen, wird sie voraussichtlich eher die Kosten für Outsourcing senken
Technische Missverständnisse und Grenzen der Weiterentwicklung
- Viele Fehlschläge entstehen, weil Unternehmen die tatsächlichen Möglichkeiten und Grenzen von KI nicht genau verstehen
- Generative KI kann zwar schnell Texte oder Code erzeugen, ihr fehlt jedoch kontinuierliches Lernen und Flexibilität wie bei Menschen
- Mitarbeitende können sich etwa an frühere Fehler oder neue Anforderungen flexibel anpassen, KI hingegen kann eine solche kontinuierliche Gedächtnisübertragung nicht leisten
Investitionen und künftige Ausrichtung
- Investoren und Führungskräfte erwarten zwar eine kontinuierliche Weiterentwicklung der KI-Technologie, kurzfristig verläuft sie jedoch langsamer als erwartet
- Der Bericht deutet an, dass es noch zu früh ist, KI sofort in allen Branchen und Workflows einzuführen
- Organisationen sollten ihre Einführung auf enge Bereiche mit sofortigen und messbaren Effekten konzentrieren
- Beispiele: Automatisierung im Kundensupport, Entwicklungswerkzeuge, Erstellung von Dokumentenentwürfen
- Eine unternehmensweite KI-Integration ist derzeit noch mit hohen Risiken und einer hohen Ausfallwahrscheinlichkeit verbunden
Fazit und Implikationen
- Die Realisierung von Unternehmenswert durch generative KI beschränkt sich auf einige wenige Erfolgsfälle
- Die meisten Unternehmen erhalten nur geringfügige Unterstützung bei alltäglichen Aufgaben
- Der Bericht betont, dass Unternehmen generative KI nicht als umfassenden Wachstumsmotor, sondern als begrenztes Werkzeug verstehen sollten
- Die Erwartungen sind hoch, doch solange heutige Systeme sich nicht wie Menschen anpassen können, werden Unternehmen mit KI kaum große Gewinne erzielen
Noch keine Kommentare.