Als Geoffrey Hinton, ein Pionier auf dem Feld der Deep-Learning-Technologie, kürzlich bei Google kündigte, betonte er, wie sehr er über die Risiken der Künstlichen Intelligenz (KI) besorgt ist. Er ist nicht allein. Nach dem Start von ChatGPT-4 unterzeichneten Tausende von Experten für KI einen Brief, in dem sie ein Moratorium bei der Entwicklung leistungsstärkerer KI-Systeme forderten.
Andererseits ist die Begeisterung über die Möglichkeiten, die sich aus großen Sprachmodellen (LLMs) ergeben, beispiellos. Microsoft hat die neue Technologie schnell in seine Suchmaschine Bing integriert – und der Gründer des Unternehmens, Bill Gates, erklärte, dass ChatGPT „unsere Welt verändern“ werde, ohne zwangsläufig Arbeitsplätze zu gefährden.
Und wo versagt ChatGPT?
So spannend es ist, über die Zukunft von KI zu spekulieren, so dringend stellt sich eine praktischere Frage: Wie können wir die Technik schon jetzt nutzen? Darüber wird in vielen Büros auf der ganzen Welt diskutiert.
Als Unternehmensstrategen wollten wir sehen, was generative KI zu unserer Arbeit beitragen kann. Wir untersuchten diese Frage in einer Reihe von Experimenten. In jedem stellten wir ChatGPT eine realistische Frage zur Strategie, gefolgt von einem langen Hin und Her, um die ersten Antworten zu verfeinern. Unser Ziel: verstehen, wie das Tool die Ideenfindung, das Experimentieren, die Bewertung und den Aufbau von Narrativen unterstützen kann – und wo es versagt.
Aus diesen Experimenten ergaben sich drei Lehren.
1. Erwarten Sie interessanten Input, keine unfehlbaren Empfehlungen.
In einem unserer Experimente baten wir ChatGPT, einige disruptive Geschäftsideen für einen großen europäischen Transportdienstleister vorzuschlagen. Der Chatbot schlug eine personalisierte Planungs-App, einen Ride-Sharing-Dienst, Hyperloop-Transport und einen intelligenten Gepäcklieferdienst vor. Die ersten drei deckten sich zufällig mit den Ideen aus einem kürzlich durchgeführten Workshop mit einem Verkehrsdienstleister in einem anderen europäischen Land. Das Tool war auch in der Lage, Geschäftsmodelle und Kostenschätzungen für diese Ideen zu liefern.
Das ist einerseits beeindruckend. Gleichzeitig zeigt es aber auch, dass es unwahrscheinlich ist, dass das Tool auf Ideen kommt, auf die Menschen nicht kommen können, obwohl es schneller und mit weniger Aufwand arbeitet. Mehrere andere Experimente bestätigten dies.
ChatGPT: Wie die KI funktioniert und welche Einsatzgebiete es gibt
OpenAI wurde 2015 als gemeinnützige Forschungs- und Entwicklungsorganisation vom Tesla- und Twitter-Chef Elon Musk sowie dem Technologie-Investor Sam Altman gegründet. Zu den Investoren zählt außerdem der PayPal-Mitgründer Peter Thiel. Im Jahr 2019 wurde ein gewinnorientierter Ableger gegründet, um externe Investitionen einzusammeln. Auch der Software-Konzern Microsoft sicherte sich Anteile an dem Unternehmen, dass bei der jüngsten Finanzierungsrunde Insidern zufolge mit 20 Milliarden Dollar bewertet wurde.
Musk verließ den Verwaltungsrat von OpenAI 2018, lobte ChatGPT auf Twitter allerdings als "erschreckend gut". Allerdings kündigte er später an, den Zugriff von OpenAI auf die Datenbank des Kurznachrichtendienstes vorerst zu sperren. Er habe gerade erst erfahren, dass OpenAI die Daten nutze, um die KI zu trainieren.
Mögliche Anwendungsbereiche für das Programm sind Digital-Marketing oder die Beantwortung von Kunden-Anfragen. Einige Nutzer habe ChatGPT sogar dafür genutzt, Software-Code auf Fehler zu prüfen.
OpenAI zufolge kann ChatGPT einen menschlichen Dialog simulieren, Nachfragen beantworten, Fehler eingestehen, falsche Annahmen revidieren und unangemessene Anfragen zurückweisen. Trainiert werde die Künstliche Intelligenz nach der Methode "Reinforcement Learning from Human Feedback (RLHF)". Dabei bewerten Menschen Schlussfolgerungen, die die Software zieht, um künftige Ergebnisse zu verbessern.
ChatGPT versucht Fragen von Nutzern zu verstehen und in einer schriftlichen Konversation so zu beantworten, wie es ein Mensch täte.
OpenAI hat eingeräumt, dass ChatGPT die Tendenz hat, „plausibel klingende, aber falsche oder sinnlose Antworten" zu liefern. Die Behebung dieses Problems sei schwierig. Außerdem können durch KI Vorurteile zu ethnischer Zugehörigkeit, Geschlecht oder Kultur weiterverbreitet werden. Auch Google und Amazon hatten mit ethisch fragwürdigen Entscheidungen ihrer jeweiligen KI-Projekte zu kämpfen. Bei anderen Unternehmen mussten Menschen eingreifen, um ein durch die Software verursachtes Chaos einzudämmen.
In einem anderen Experiment zeigte sich, dass Menschen besser darin sind, Ideen in Aktionen umzusetzen. Als wir ChatGPT zum Beispiel baten, eine Idee für einen neuen Streaming-Dienst zu entwickeln, enthielt die Liste der Vorschläge einen Dienst mit Schwerpunkt auf Bildung. Als wir fragten, was nötig wäre, um eine solche Idee zu verwirklichen, schlug ChatGPT eine Partnerschaft mit einer Universität oder einem etablierten Beratungsunternehmen vor. Das machte zwar Sinn, aber die Vorschläge von ChatGPT, wie man solche Partner gewinnen könnte, waren nicht konkret und realistisch genug. Die aktuelle Version des Tools, die auf öffentlich zugänglichen Trainingsdaten basiert, ist nicht in der Lage, die Nuancen der jeweiligen Unternehmensrealität zu erfassen.
Dennoch können LLMs im Strategieprozess aus einigen wichtigen Gründen hilfreich sein:
Sie sind schnell und einfach zu verwenden. Sie können den ganzen logistischen Aufwand vermeiden, der erforderlich ist, um die richtigen Leute zur gleichen Zeit in den Raum zu bekommen.
Die Tendenz zu konventionellem Denken kann durch die richtigen Folgefragen abgeschwächt werden. Als wir zum Beispiel nach einem innovativen neuen Konzept für eine Bäckerei fragten, schlug ChatGPT zunächst vor, nur herzhafte Produkte anzubieten. Als wir dann nach kreativeren Ideen fragten, bekamen wir den Vorschlag zu einer Bäckerei mit Roboterassistenten, Essen in der Schwerelosigkeit und Lebensmittel aus dem 3-D-Drucker, der aber in der Umsetzung zu teuer gewesen wäre. In einem dritten Anlauf wurden die Ideen interessanter – zum Beispiel eine Bäckerei, die mithilfe Künstlicher Intelligenz Daten über Kundenvorlieben und Lebensmitteltrends analysiert, um einzigartige Geschmackskombinationen für Backwaren zu entwickeln und zu gestalten. Von da an konnten wir uns Gedanken darüber machen, wie wir mit der Umsetzung dieser Idee beginnen könnten.
Unsere Erkenntnis: Die interessantesten Ideen waren mit unplausiblen, unpraktischen und ungetesteten vermischt. Nur wenn man die Ideen sorgfältig sichtet, kann man besser verstehen, was tatsächlich funktionieren könnte.
