5 Tipps zur Auswahl des richtigen KI -Modells für Ihr Unternehmen

Der Aufstieg generativer KI (Gen AI) wurde weitgehend durch hochkarätige große Sprachmodelle (LLMs) wie Open AI's GPT-4o, Google's Gemini und Anthropic's Claude vorangetrieben. Doch inmitten des Hypes um diese Giganten gewinnen kleine Sprachmodelle (SLMs) leise an Bedeutung. Einige Branchenexperten vermuten, dass SLMs die Zukunft der generativen KI sein könnten.

Laut dem Forschungsunternehmen Gartner haben LLMs zwar traditionell die Entwicklung von Sprachmodellen angeführt, aber SLMs bieten tragfähige Lösungen für kritische Herausforderungen wie Budgetbeschränkungen, Datenschutz, Privatsphäre und Risikominderung. Während Unternehmen die Welt der generativen KI erkunden, könnten Führungskräfte vor der Wahl zwischen diesen beiden Modelltypen stehen. Hier ist, was fünf Unternehmensführer über die Zukunft von KI-Modellen sagen.

1. Berücksichtigen Sie domänenspezifische Möglichkeiten

Claire Thompson, Group Chief Data and Analytics Officer beim Finanzdienstleister L&G, glaubt, dass sowohl kleine als auch große Modelle ihren Platz in Geschäftsprozessen finden werden. Sie stellt sich eine Zukunft vor, in der LLMs für spezifische Anwendungen optimiert werden könnten, um ihre Nützlichkeit zu steigern.

„Ich kann mir eine Situation vorstellen, in der einige der LLMs auf spezifische Themen trainiert werden, um detailliertere Ergebnisse zu erzielen, und ich sehe, dass das immer häufiger passiert“, sagte sie gegenüber ZDNET.

Obwohl es eine klare Nachfrage nach domänenspezifischen Modellen gibt, ist Thompson skeptisch, ob Unternehmen erhebliche Ressourcen in die Eigenentwicklung investieren werden.

„Ich weiß nicht, ob man sein eigenes Modell entwickeln würde“, sagte sie. „Wenn ich über den Aufbau von Modellen spreche, geht es mehr darum, bestehende Modelle intern zu nutzen und Ihre Daten in einer sicheren Umgebung einzusetzen, um Ergebnisse zu erzielen.“

Unabhängig von der Größe sieht Thompson die Zukunft in domänenspezifischen Modellen.

„Ich denke, wir werden zunehmend maßgeschneiderte Modelle sehen“, sagte sie. „Man könnte zum Beispiel sehen, wie man ein Modell für medizinische Informationen, Klimathemen und ESG sowie Vermögensmärkte anpassen könnte. Es sind diese spezifischen Anwendungsfälle, bei denen maßgeschneiderte Modelle entstehen könnten.“

2. Wählen Sie das richtige Pferd für den Kurs

Nick Woods, CIO bei der MAG Airports Group, betont, dass die Zukunft der generativen KI wahrscheinlich eine Mischung aus großen und kleinen Modellen umfasst, die auf spezifische Geschäftsanforderungen zugeschnitten sind.

„Ich denke nicht, dass es eine Einheitslösung gibt“, sagte er. „Und ich denke, welches Modell Sie wählen, hängt vom Anwendungsfall in Ihrem Unternehmen ab.“

Woods warnt davor, sich ohne klare Strategie in die KI-Entwicklung zu stürzen.

„Nein, das ist das Letzte, was wir tun sollten“, sagte er, als er gefragt wurde, ob ein KI-Programm gestartet werden solle.

Stattdessen glaubt er, dass Führungskräfte sich auf ihre umfassenderen Ziele der Geschäftstransformation konzentrieren und die Werkzeuge, einschließlich generativer KI, identifizieren sollten, die diese Ziele erreichen können.

„Zum Beispiel könnten wir ein kleines, spezifisches Modell am Rande betreiben, um einen bestimmten Anwendungsfall zu lösen, wie etwa das Erkennen, wann eine Fluggastbrücke angedockt hat“, erklärte er.

Für umfassendere, komplexere Fragen wie globale Flugverkehrsmuster und Wetterauswirkungen könnten andere Modelle erforderlich sein.

Im Wesentlichen glaubt Woods, dass die Wahl des richtigen Modells vergleichbar ist mit der Auswahl des richtigen Pferdes für den Kurs.

„Ich denke, Sie werden viele kleine Modelle sehen, die in großem Maßstab für spezifische Anwendungsfälle am Rande eingesetzt werden“, sagte er. „Das ist fast unvermeidlich. Ich denke jedoch, dass einige große Modelle weiterhin bestehen werden.“

3. Berücksichtigen Sie den Kontext

Gabriela Vogel, Senior Director Analyst in der Praxis für Führungskräfte im digitalen Geschäft bei Gartner, hebt das wachsende Interesse von CIOs an kleinen, domänenspezifischen Modellen hervor.

„Die Kunden, mit denen ich spreche, versuchen, Modelle zu finden und zu erstellen, die auf einen spezifischen Kontext angewendet werden“, sagte sie. „Es handelt sich nicht unbedingt um große, allgemeine Modelle, sondern um solche, die speziell an kleine Datenbanken für eine bestimmte Anwendung gebunden sind.“

Vogel bemerkt, dass Unternehmen zunehmend von der Erkundungsphase zum Einsatz generativer KI-Dienste mit SLMs übergehen.

„Sie machen diesen Wandel, weil sie viel getestet haben“, sagte sie. „Sie haben gesehen, was bei größeren Modellen funktioniert und was nicht, und dann versuchen sie, spezifischer zu werden und diesen Ansatz anzuwenden. Das habe ich persönlich bei meinen Kunden beobachtet.“

4. Gehe klein, um Halluzinationen zu reduzieren

Ollie Wildeman, der die Kundenzufriedenheit bei Big Bus Tours leitet, glaubt, dass die Wahl zwischen SLMs und LLMs vom spezifischen Anwendungsfall abhängt, wobei viele Unternehmen wahrscheinlich kleinere Modelle wählen werden.

Big Bus Tours nutzt die Freshworks Customer Service Suite, die KI-gestützte Chatbots und Ticketing umfasst, sowie einen virtuellen Assistenten von Satisfi Labs, der einfache Kundenanfragen bearbeitet.

„Die KI-Technologie von Satisfi verwendet nur Daten von den spezifischen Unternehmen, mit denen sie arbeiten“, erklärte Wildeman. „Die Technologie des Unternehmens ist nicht mit großen KI-Systemen wie ChatGPT oder anderen Tools verbunden – sie machen es selbst.“

Dieser fokussierte Ansatz bietet laut Wildeman erhebliche geschäftliche Vorteile, indem er sicherstellt, dass Daten verantwortungsvoll genutzt werden und das Risiko von KI-„Halluzinationen“ reduziert wird.

„Auf diese Weise sind Ihre Daten sicherer, weil Sie wissen, woher sie kommen und welche Prozesse verwendet werden“, sagte er. „Außerdem gibt es weniger Halluzinationen, weil Sie wissen, dass das Modell, das Sie verwenden, für die Art von Geschäft, in dem Sie tätig sind, entwickelt wurde.“

Wildeman schlussfolgert, dass kleinere, domänenspezifische Modelle eine entscheidende Rolle in den KI-Strategien von Unternehmen spielen werden.

„Ich denke, für Unternehmen wird die Wahl des Modells spezifischer sein, während für den allgemeinen Nutzer wahrscheinlich diese weit verbreiteten, großen, kostenlosen Modelle beliebt sein werden.“

5. Fokussiere auf deine eigenen Daten

Rahul Todkar, Leiter von Daten und KI bei Tripadvisor, glaubt, dass das ideale Modell für ein Unternehmen nicht nur von der Größe abhängt, sondern von der Anpassung.

Experten mögen mit großen und kleinen Modellen experimentieren, aber Todkar sieht die Zukunft in speziell entwickelten und angepassten Modellen.

„Nehmen Sie zum Beispiel Mistral 7B, ein relativ kleines Modell im Vergleich zu anderen LLMs, aber es funktioniert hervorragend bei spezifischen Aufgaben“, sagte er. „Für mich liegt die Zukunft in anpassbaren Modellen.“

Todkar betont die Bedeutung, die eigenen Daten eines Unternehmens effektiv zu nutzen.

„Es geht nicht um die Trainingsgröße oder die Funktionen im Modell, sondern darum, dieses Modell zu nehmen und es in Ihrem Kontext mit Ihren eigenen Daten anzuwenden“, sagte er. „Dann gehen Sie über Standardmodelle hinaus und können die Erkenntnisse aus Ihren Daten nutzen. Die Antwort liegt also irgendwo in der Mitte.“