Kleine Unternehmen, die nicht in ai investiert haben, haben wahrscheinlich nicht genug Forschung betrieben

Laut einem Bericht von Bluewolf (einem IBM-Unternehmen) haben nur 21 Prozent der kleinen Unternehmen auf künstlicher Intelligenz (KI) basierende Lösungen implementiert. Die AI Investment Gap-Umfrage befragte 177 Entscheidungsträger auf der ganzen Welt, um festzustellen, ob sie KI und Maschinelles Lernen (ML) bereits eingeführt haben und wie tief sie mit diesen Technologien vertraut sind. Obwohl 33 Prozent der kleinen Unternehmen vorhatten, in den nächsten 12 Monaten in AI zu investieren (was die Gesamtzahl der AI-Anwender im nächsten Jahr auf 54 Prozent erhöht), ist die Gesamtzahl immer noch niedriger als die der großen Unternehmen. Außerdem haben 30 Prozent der großen Unternehmen bereits in AI investiert, während 44 Prozent planen, innerhalb der nächsten 12 Monate mit den Investitionen zu beginnen. Das sind 74 Prozent oder 20 Prozent mehr als bei kleinen Unternehmen.

Laut Vanessa Thompson, Senior Vice President für Customer Experience Insights bei Bluewolf, besteht eine Wissenslücke zwischen Unternehmen, die KI-Tools eingeführt haben, und Unternehmen, die solche Tools nicht einführen möchten. Sie nennt diese Kluft "die KI-Investitionslücke" und beschreibt sie als "Diskrepanz zwischen Führungskräften auf C-Ebene, die KI verstehen, und solchen, die sie noch nicht in ihrem Unternehmen eingesetzt haben", wie es in einer schriftlichen Erklärung heißt.

Da Bluewolf KI-Werkzeuge verkauft, ist der einzige Grund, warum Menschen KI-Werkzeuge nicht kaufen, der, dass sie nichts über sie wissen. Um die Behauptung von Thompson zu überprüfen, sprach ich mit Brandon Purcell, Senior Analyst für Customer Insights bei Forrester Research, darüber, welche anderen Probleme möglicherweise die Kluft zwischen denjenigen verursachen, die AI übernommen haben, und denen, die es nicht getan haben. Purcell und Forrester Research haben ähnliche Studien zur KI-Adoption durchgeführt. Obwohl seine Gesamtzahlen mit denen von IBM vergleichbar sind - 51 Prozent der Unternehmen haben KI eingeführt oder erweitern sie - und 20 Prozent geben an, dass sie eine Einführung innerhalb der nächsten 12 Monate planen -, hat Purcell ein paar andere überzeugende Gründe gefunden, warum kleine Unternehmen möglicherweise hinterherhinken die Kurve der AI-Adoption.

Die Kosten der KI

Purcell nannte die Investitionsbeschränkungen als einen Hauptfaktor, insbesondere "da es sich um Qualifikationen handelt. Kleinunternehmen haben nicht die Ressourcen, um Datenwissenschaftler einzustellen", sagte er. Dies sind die Mitarbeiter, die Erkenntnisse aus den Daten extrahieren, die in und aus Unternehmenssoftware übertragen werden.

Sie sind auch diejenigen, die bestimmen, ob die KI Ihre Daten genau liest und aufgrund ihrer eigenen Intelligenz Maßnahmen ergreift. Das durchschnittliche Gehalt eines Data Scientists liegt laut Glassdoor bei 113.436 USD pro Jahr, was (nach dem großen Schema der Reichen) nur geringfügig unter dem durchschnittlichen Gehalt eines amerikanischen CEO liegt (166.000 USD nach PayScale). Wenn Sie also ein CEO eines kleinen Unternehmens sind, der mit hauchdünnen Gewinnspannen operiert und Ihr eigenes Gehalt nicht kürzen möchten, ist es schwierig, die Ausgaben für einen Datenwissenschaftler im sechsstelligen Bereich zu rationalisieren - und das Geld für einen Softwaresystem, das Daten in AI umwandeln kann.

Es ist jedoch nicht nur das damit verbundene Geld, das kleinere Unternehmen daran hindert, in KI-gesteuerte Software zu investieren. "In einem ähnlichen Zusammenhang gibt es einen Datenfaktor", sagte Purcell. "KI blüht auf, wenn Sie große Datenmengen haben. Kleine Unternehmen haben nicht so viele Daten, um das zu tun."

Stellen Sie sich das so vor: Sie wissen, wie Facebook weiß, welche Freunde Sie markieren müssen, wenn Sie ein Foto veröffentlichen? Das liegt daran, dass Facebook Informationen aus all Ihren zuvor getaggten Posts erfasst hat. Hast du dir jemals einen Film angesehen, den Netflix dir empfohlen hat? Netflix hat diesen Film basierend auf Ihrer vorherigen Auswahl empfohlen. Facebook und Netflix sind in der Lage, diese Empfehlungen auf der Grundlage von ML abzugeben, dem ersten Cousin von AI. Obwohl beide Begriffe ähnlich sind, werden sie häufig synonym (und falsch) verwendet.

Hier ist der grundlegende Unterschied zwischen den Begriffen: ML-Systeme verwenden Intelligenz, um die Leistung zu verbessern, indem sie Ihnen Empfehlungen und Möglichkeiten zur Rationalisierung von Prozessen anbieten, während Systeme, die KI verwenden, der Software Autonomie verleihen, um Aufgaben auszuführen und Entscheidungen ohne menschliches Versehen zu treffen. ML ist Netflix, der Filmempfehlungen macht, während AI ein Auto ist, mit dem Sie zur Arbeit fahren, während Sie auf dem Rücksitz ein Nickerchen machen. Als kleines Unternehmen, das gerade erst anfängt, Daten zu generieren, werden die Vorteile von KI im Vergleich zu dem, was ein Fortune 500-Unternehmen möglicherweise sieht, wenn es seine KI-Software einschaltet, winzig sein.

Ist Bluewolf falsch?

Wurde Bluewolf in seiner Umfrage mit schlechten Informationen gefüttert? Wissen kleine Unternehmen über KI Bescheid, haben aber nicht das Geld oder die Daten, um sich darüber zu freuen? Purcell glaubt nicht, dass Bluewolfs Forschung falsch ist. Tatsächlich nennt er IBM Watson den Schöpfer des Cognitive Computing, den Oberbegriff für KI, ML und andere Anwendungen, die das menschliche Gehirn imitieren.

"Sie haben eine Menge Geld ausgegeben, um diese Kategorie zu erstellen, aber sie haben große Konkurrenten auf dem Gebiet: Google, Amazon, Facebook, Microsoft", sagte Purcell. "Diese Unternehmen arbeiten auch mit riesigen Datenmengen, die zum Trainieren von KI-Systemen verwendet werden. Die Hollywood-Definition von KI ist der empfindungsfähige Roboter. Wir haben das noch nicht verwendet. Aber wenn es um die Implementierung von KI auf Unternehmensebene für die praktische KI geht.", IBM zeichnet sich durch die Erstellung dieser Tools aus."

Missverständnisse über Hollywood, KI und Roboter, die uns im Schlaf ermorden, sind wahrscheinlich ein Grund, warum kleine Unternehmen sich gescheut haben, mehr über KI-Tools zu erfahren. Wenn Sie ein T-Shirt-Verkäufer in Oklahoma sind, was nützt dann ein autonomes Auto oder ein mit einer Laserpistole bewaffneter Zukunftsroboter? In ihrem weniger bekannten Kontext sehen Purcell und Thompson jedoch praktische Anwendungsfälle für Kleinunternehmen - Anwendungsfälle, für die Kleinunternehmen noch keine Kenntnisse haben.

Mit etwas, das Thompson und Bluewolf als "Augmented Intelligence" bezeichnen, benötigen kleine Unternehmen nicht unbedingt das Daten-Know-how oder den Informationsschatz, um AI zu nutzen. Bluewolf definiert Augmented Intelligence als die Fähigkeit von Apps, Ideen selbst mit unstrukturierten Datensätzen wie Sprache und Bildern zu erfassen, abzuleiten und zu extrahieren. Augmented Intelligence-Lösungen können bereits zu Beginn der Datenerfassung eines Unternehmens lernen, unabhängig davon, wie wenig Informationen in das System eingespeist werden.

"Augmented Intelligence hilft Endbenutzern bei der Vorhersage der nächsten Schritte, indem sie ein Profil der Bedürfnisse ihrer Kunden erstellen", sagte Thompson. "Wir sehen Augmented als eine Möglichkeit, KI für Unternehmen jeder Größe Wirklichkeit werden zu lassen."

Dazu gehört die Kombination externer und interner Daten, um das Wissen zu erweitern, das die Augmented-Intelligence-Technologie für Geschäftsentscheidungen verwendet. Zum Beispiel können E-Commerce-Unternehmen durch die Kombination externer lokaler Einkaufsmuster und Wetterdaten mit proprietären Kundeneinkaufsmusterdaten hyper-personalisierte Kampagnen liefern. In diesem Szenario wäre ein Datenwissenschaftler hilfreich, aber nicht notwendig, und eine Fülle von Kundendaten würde die Kampagne noch leistungsfähiger machen. Aber es würde nicht verhindern, dass die Kampagne leistungsfähiger ist als ohne die Kombination von internen und externen Datenquellen.