KI-Herausforderungen durch Partnerschaften ins rechte Licht rücken

Gesponserte Funktion Da die Technologie immer häufiger in vertikaleren Sektoren und Industrien eingesetzt wird, wird die Fähigkeit der künstlichen Intelligenz (KI), Geschäftsprozesse, strategische Entscheidungen und Kundenerlebnisse zu transformieren, von IT-Strategen und Wirtschaftsanalysten überschwänglich gelobt.

Sogar Geschäftsführer, die einst vorsichtig waren, wenn es darum ging, die Investition zu genehmigen, die KI braucht, um einen optimalen Wert zu liefern, erkennen nun ihr Potenzial, die betriebliche Effizienz zu verbessern und den Weg für neue Einnahmequellen zu ebnen.

Prognosen renommierter Marktbeobachter wie PwC stützen ihre Ansicht. Es ist 'Globale Studie zur künstlichen IntelligenzPwC geht davon aus, dass KI im Jahr 15.7 bis zu 2030 Billionen US-Dollar zur globalen Wirtschaft beitragen könnte. Davon könnten 6.6 Billionen US-Dollar aus Produktivitätssteigerungen und 9.1 Billionen US-Dollar aus „Konsumnebeneffekten“ stammen, behauptet PwC.

Die jüngste Einführung mehrerer generativer KI-Tools gilt als a Ausbruch Punkt für einen bis dahin hochspezialisierten und „futuristischen“ Zweig der Informatik. Im Vereinigten Königreich im Jahr 2022 das Amt für künstliche Intelligenz berichtet dass etwa 15 Prozent der Unternehmen mindestens eine KI-Technologie eingeführt haben, was 432,000 Unternehmen entspricht. Rund 2 Prozent der Unternehmen testeten KI und 10 Prozent planten, in Zukunft mindestens eine KI-Technologie einzuführen (62,000 bzw. 292,000 Unternehmen).

Es ist immer noch eine komplexe Angelegenheit

Angesichts dieser KI-Begeisterung sollten Unternehmen bedenken, dass KI noch eine relativ junge Technologie ist und es schwierig sein kann, sie zum ersten Mal einzurichten. Darüber hinaus hängt der damit verbundene Return on Investment (ROI) in hohem Maße von sehr präzise verwalteten Implementierungsverfahren und Konfigurationen ab, die häufig weniger robust gegenüber Fehlern sind als herkömmliche IT-Implementierungen.

KI stellt die IT-Teams, die beispielsweise mit der Umsetzung von Initiativen und Arbeitsbelastungen für KI/maschinelles Lernen beauftragt sind, vor wertvolle Herausforderungen, zu denen auch die Überwindung von Qualifikationsdefiziten und Recheneinschränkungen gehören kann. Sie können auch Ressourcenkompromisse mit anderen Unternehmens-Workloads beinhalten, die bereits eine gemeinsame IT-Infrastruktur nutzen.

„KI ist eine Reise, kein Ziel – es geht nicht darum, bereit für die Einführung zu sein oder Prozesse einfach für mehr Effizienz zu automatisieren“, sagt Matt Armstrong-Barnes, Chief Technology Officer für künstliche Intelligenz bei Hewlett Packard Enterprise (HPE). „Vielmehr geht es darum, einen langfristigen Wert zu realisieren, bessere Ergebnisse zu ermöglichen und zu erkennen, dass KI einen grundlegend anderen Ansatz für die IT-Bereitstellung erfordert. Für Unternehmenstechnologen ist es eine umfassende 360-Grad-Lernkurve.“

Der Standpunkt von Armstrong-Barnes wird durch Deloittes jüngstes Dokument untermauert.Status der KI im Unternehmen' Umfrage unter globalen Wirtschaftsführern. Die Befragten identifizierten eine Menge Herausforderungen, die die KI in den aufeinanderfolgenden Phasen ihrer KI-Implementierungsprojekte mit sich brachte. Der Nachweis des Geschäftswerts von KI wurde von 37 Prozent als Problem genannt – Projekte können sich als kostspielig erweisen und ein überzeugendes Geschäftsszenario kann angesichts investitionsscheuer Vorstände und C-Suite-Führungskräfte schwer zu validieren sein.

Die Ausweitung dieser KI-Projekte im Laufe der Zeit kann auf weitere identifizierte Hürden stoßen, wie z. B. die Bewältigung von KI-bezogenen Risiken (von 50 Prozent der Teilnehmer der Deloitte-Umfrage genannt), mangelnde Unterstützung durch die Geschäftsleitung (ebenfalls 50 Prozent) und fehlende Unterstützung Wartung oder laufender Support (wieder 50 Prozent).

„Verständlicherweise müssen Unternehmensführer davon überzeugt werden, dass sich KI auszahlt“, sagt Armstrong-Barnes. „Hier hilft die Zusammenarbeit mit einem Technologiepartner, der sich seit vielen Jahren mit bewährten KI-Implementierungen beschäftigt, von Anfang an, um den Fall zu gewinnen. Seine Erfolgsbilanz wird Projektvorschlägen Glaubwürdigkeit verleihen und dazu beitragen, Führungskräfte davon zu überzeugen, dass die Risiken von KI genauso beherrschbar sind wie bei jedem anderen IT-Unternehmen.“

Und obwohl Technologie und Talent sicherlich benötigt werden, ist es ebenso wichtig, die Kultur, Struktur und Arbeitsweise eines Unternehmens so auszurichten, dass eine breite Einführung von KI unterstützt wird. nach McKinsey, wobei besondere Merkmale manchmal als Hindernisse für KI-gesteuerte Veränderungen wirken.

„Wenn ein Unternehmen Kundenbetreuer hat, die stolz darauf sind, auf die Bedürfnisse der Kunden einzugehen, lehnen sie möglicherweise die Vorstellung ab, dass eine „Maschine“ bessere Vorstellungen davon haben könnte, was Kunden wollen, und ignorieren die maßgeschneiderten Produktempfehlungen eines KI-Tools“, schlägt McKinsey vor.

„Ich spreche mich häufig mit HPE-Kollegen und HPE-Kunden über die verschiedenen Herausforderungen aus, denen sie bei der KI-Bereitstellung gegenüberstehen“, berichtet Armstrong-Barnes. „Einige gemeinsame Beweismerkmale tauchen immer wieder auf. Zum einen wird unterschätzt, wie grundlegend sich KI-Implementierungen von herkömmlichen IT-Implementierungen unterscheiden. Organisationen müssen KI grundsätzlich anders einsetzen als die IT-Projekte, die sie in der Vergangenheit umgesetzt haben. Datenmanagement und Skalierung unterscheiden sich bei KI erheblich. Das bedeutet, dass hart erkämpfte technische Erfahrungen manchmal neu erlernt werden müssen.“

Die Neigung, mit KI-Piloten zu experimentieren, bevor man sie direkt in einem realen Anwendungsfall einsetzt, der einen dringenden Geschäftsbedarf unterstützt, sollte vermieden werden, erklärt Armstrong-Barnes. „Der Ansatz „Ausprobieren vor dem Kauf“ erscheint vernünftig – KI ist komplex und investitionshungrig“, erklärt er, „aber bei KI bilden Probeläufe und Testprojekte nicht wirklich die Herausforderungen ab, denen Benutzerorganisationen bei einer tatsächlichen Implementierung gegenüberstehen.“ . Was „im Labor“ beginnt, bleibt tendenziell im Labor.“

Am anderen Ende der Akzeptanzskala sieht Armstrong-Barnes Unternehmen, die versuchen, KI überall dort einzusetzen, wo sie eingesetzt werden kann, selbst dort, wo eine Anwendung ohne KI optimal funktioniert: „Die Erkenntnis hier ist – nur weil man in der KI einen gewaltigen Hammer hat, Dann sollte man nicht alles als eine Nuss ansehen, die es zu knacken gilt.“

Menschen und Infrastruktur nicht ohne weiteres verfügbar

Selbst die fortschrittlichsten KI-Systeme haben noch keine vollständige End-to-End-Autonomie erreicht – sie müssen durch menschliches Fachwissen trainiert und verfeinert werden. Dies stellt eine weitere Herausforderung für KI-angehende Unternehmen dar: Wie kann man sich am besten die erforderlichen Fähigkeiten aneignen – vorhandenes IT-Personal umschulen? Neue Teammitglieder mit den erforderlichen KI-Kenntnissen rekrutieren? Oder Möglichkeiten prüfen, den Bedarf an KI-Expertise auf Technologiepartner zu übertragen?

McKinsey Berichte dass das Potenzial der KI durch einen Mangel an qualifizierten Talenten eingeschränkt wird. Ein typisches KI-Projekt erfordert ein hochqualifiziertes Team bestehend aus einem Datenwissenschaftler, einem Dateningenieur, einem ML-Ingenieur, einem Produktmanager und einem Designer – und es stehen einfach nicht genügend Spezialisten zur Verfügung, um alle offenen Stellen zu besetzen.

„Wir sehen, dass Unternehmenstechnologen ihre Fähigkeiten im Allgemeinen in fünf Schlüsselaspekten verbessern müssen“, sagt Armstrong-Barnes. „Im Wesentlichen liegen sie in den Bereichen KI-Expertise, IT-Infrastruktur, Datenmanagement, Komplexitätsmanagement und in geringerem Maße in den oben genannten kulturellen Barrieren. Keine dieser Herausforderungen ist mit dem richtigen Ansatz und der richtigen Partnerschaftsunterstützung unüberwindbar.“

KI mag auch superstarke Hardware, auf der sie läuft. Die Bereitstellung leistungsstarker Rechenplattformen bleibt eine ständige Herausforderung, da nur wenige Unternehmen die notwendigen Investitionen in ihre Serverbestände ohne nachweisbare Steigerung der ROI-Verhältnisse tätigen wollen oder können.

„Bei der Planung von KI-Implementierungen müssen IT-Planer in einem sehr frühen Stadium einige wichtige Entscheidungen hinsichtlich der Kerntechnologie treffen“, sagt Armstrong-Barnes. „Wirst du es zum Beispiel kaufen, bauen – oder einen hybriden Ansatz wählen, der Elemente von beidem umfasst?“

Die nächste wichtige Entscheidung betrifft Partnerschaften. Eine entscheidende Voraussetzung für eine erfolgreiche KI-Bereitstellung ist, dass niemand es alleine schaffen kann, betont Armstrong-Barnes: „Sie brauchen die Unterstützung von Technologiepartnern, und der beste Weg, diese Partnerschaften aufzubauen, ist ein KI-Ökosystem.“ Stellen Sie sich ein KI-Ökosystem als ein unterstützendes Fachkonsortium vor, das Ihnen durch die Zusammenführung Zugriff auf das richtige Know-how, die richtigen Daten, KI-Tools, die richtige Technologie und die richtige Wirtschaftlichkeit verschafft, um Ihre KI-Bemühungen zu entwickeln und umzusetzen.“

Armstrong-Barnes fügt hinzu: „Kunden fragen sich manchmal, wie es dazu kam, dass HPE so viel Erfahrung mit KI-Anwendungsfällen hat – haben wir die Auswirkungen schon vor Jahren vorhergesehen und rechtzeitig vor dem Markt mit der Vorbereitung begonnen?“ Tatsache ist, dass wir den Einfluss von KI nicht erst vor Jahren, sondern vor Jahrzehnten gesehen haben, seit langem KI-Kompetenzzentren und -Ökosysteme aufbauen und strategische Akquisitionen tätigen, um unsere bestehende Expertise im Einklang mit Kundenanforderungen und Wachstumschancen zu erweitern.“

Kein Training, kein Gewinn

Eine dieser Erweiterungen ist Determined AI, das 2021 Teil des HPC- und KI-Lösungsangebots von HPE wurde. Die Open-Source-Software von Determined AI trägt der Tatsache Rechnung, dass das Erstellen und Trainieren optimierter Modelle im großen Maßstab eine anspruchsvolle und kritische Phase der ML-Entwicklung ist – eine Phase, die immer wichtiger wird erfordert, dass Nicht-Technologen wie Analysten, Forscher und Wissenschaftler sich den Herausforderungen des HPC stellen.

Zu diesen Herausforderungen gehört die Einrichtung und Verwaltung eines hochparallelen Software-Stacks und einer Infrastruktur, die spezialisierte Rechenbereitstellung, Datenspeicherung, Rechenstruktur und Beschleunigerkarten umfasst.

„Darüber hinaus müssen ML-Anwender ihre Modelle effizient programmieren, planen und trainieren, um die Nutzung der von ihnen eingerichteten spezialisierten Infrastruktur zu maximieren“, sagt Armstrong-Barnes, „was zu Komplexität führen und die Produktivität verlangsamen kann.“

Diese Aufgaben müssen natürlich mit einem hohen Maß an Kompetenz erledigt werden, was selbst mit der Unterstützung überlasteter interner IT-Teams nicht leicht zu gewährleisten ist.

Die Open-Source-Plattform von Determined AI für das ML-Modelltraining soll diese Ressourcenlücke schließen und das Einrichten, Konfigurieren, Verwalten und Teilen von Workstations oder AI-Clustern, die vor Ort oder in der Cloud ausgeführt werden, einfach machen. Und zusätzlich zum Premium-Support umfasst es Funktionen wie erweiterte Sicherheits-, Überwachungs- und Observability-Tools – alles unterstützt durch das Fachwissen von HPE.

„Bei entschlossener KI geht es darum, Hindernisse für Unternehmen zu beseitigen, ML-Modelle in großem Umfang und mit hoher Geschwindigkeit zu erstellen und zu trainieren, um mit dem neuen HPE Machine Learning Development System in kürzerer Zeit einen größeren Wert zu erzielen“, erklärt Armstrong-Barnes. „Zu diesen Funktionen gehören ziemlich technische Dinge, die zur Optimierung von KI-/Maschinenlern-Workloads erforderlich sind, wie Beschleunigerplanung, Fehlertoleranz, paralleles und verteiltes Hochgeschwindigkeitstraining von Modellen, erweiterte Hyperparameteroptimierung und Suche nach neuronalen Architekturen.“

„Dazu kommen noch Disziplinaraufgaben wie reproduzierbare Zusammenarbeit und die Nachverfolgung von Kennzahlen – das ist eine Menge, die man im Auge behalten muss. Mit der Hilfe von Determined AI können sich Projektspezialisten auf Innovationen konzentrieren und ihre Zeit bis zur Lieferung verkürzen.“

Mehr HPC-Ressourcen und Regulierung spielen eine Rolle

Die Leistungsfähigkeit von HPC wird zunehmend auch zum Trainieren und Optimieren von KI-Modellen genutzt, zusätzlich zur Kombination mit KI, um Arbeitslasten wie Modellierung und Simulation zu steigern – seit langem etablierte Werkzeuge, um die Zeit bis zur Entdeckung in Sektoren der gesamten Fertigungsindustrie zu verkürzen.

Für den Rest der 2020er Jahre wird der globale HPC-Markt voraussichtlich voraussichtlich wachsen. Mordor-Geheimdienst Schätzungen Sein Wert liegt im Jahr 56.98 bei 2023 Milliarden US-Dollar und es wird erwartet, dass er bis 96.79 2028 Milliarden US-Dollar erreichen wird – eine jährliche Wachstumsrate von 11.18 Prozent im Prognosezeitraum.

„HPE baut seit langem HPC-Infrastrukturen auf und verfügt nun über ein HPC-Portfolio, das Exascale-Supercomputer und dichteoptimierte Rechenplattformen umfasst. Einige der größten HPC-Cluster basieren auf HPE-Innovationen“, sagt Armstrong-Barnes. „HPE verfügt über unübertroffene Expertise bei Hochleistungs-Hardwareplattformen.“

Mit der Einführung von HPE GreenLake für große Sprachmodelle Anfang dieses Jahres (2023) können Unternehmen – vom Start-up bis zum Fortune 500 – mithilfe einer nachhaltigen Supercomputing-Plattform, die die KI-Software von HPE und die fortschrittlichsten Supercomputer kombiniert, groß angelegte KI trainieren, optimieren und einsetzen.

Natürlich stellt die Einführung von KI für Unternehmen jeder Größe eine Herausforderung dar, aber es geht nicht nur um die Technologie, betont Armstrong-Barnes: „Alle KI-Anwender müssen zunehmend über neue KI-Vorschriften und -Compliances auf dem Laufenden bleiben. Gesetze wie die US-amerikanische AI ​​Bill of Rights, das EU AI Act und die bevorstehenden Regulierungsvorschläge im KI-Weißbuch der britischen Regierung – von denen allgemein erwartet wird, dass sie einen konformitätsbereiten KI-Rahmen liefern – sind immanente Beispiele dafür.“

Für international tätige Unternehmen scheint dies eine weitere Hürde zu sein, die mit bürokratischem Aufwand verbunden ist, aber Armstrong-Barnes weist darauf hin, dass die Einhaltung gesetzlicher Vorschriften möglicherweise nicht so mühsam ist, wie sie scheinen – mit ein wenig Hilfe durch ein gut ausgestattetes KI-Partnerschafts-Ökosystem.

„Überprüfen Sie, ob Ihre KI-Ökosystempartner Ihnen auch bei der Einhaltung von Vorschriften helfen könnten – wenn Sie sich bereits in einem stark regulierten Geschäftsumfeld befinden, kann es durchaus sein, dass Sie mit den bestehenden Vorschriften bereits die Hälfte geschafft haben.“

Gesponsert von HPE.

• SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
• PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
• PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
• PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
• PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
• Quelle: https://go.theregister.com/feed/www.theregister.com/2023/10/25/putting_ai_challenges_in_perspective/