Künstliche Intelligenz und maschinelles Lernen

Sep 03, 2023

Management-Tools

Künstliche Intelligenz (KI) ist eine Reihe von Analysetechniken, die es einem Computer ermöglichen, Zusammenhänge zu erkennen, Ergebnisse vorherzusagen und häufig auf der Grundlage von Datenmustern zu handeln, ohne dass er explizit dafür programmiert werden muss.

Knapp

Künstliche Intelligenz (KI) ist eine Reihe von Analysetechniken, die es einem Computer ermöglichen, Zusammenhänge zu erkennen, Ergebnisse vorherzusagen und häufig auf der Grundlage von Datenmustern zu handeln, ohne dass er explizit dafür programmiert werden muss. Maschinelles Lernen ist eine Technologie, die Algorithmen verwendet, die auf der Grundlage von Erfahrung lernen und sich verbessern, und ist ein wichtiger Teilbereich der KI. Gemeinsam können KI und maschinelles Lernen leistungsstarke Werkzeuge für Unternehmen sein, die es ihnen ermöglichen, manuelle Prozesse zu automatisieren, Kundenempfehlungen zu optimieren und innovative Produkte zu entwickeln.

Verschiedene Teilbereiche des maschinellen Lernens und der KI ermöglichen Innovationen in kreativen Bereichen, Naturwissenschaften, Ingenieurwesen und anderen Bereichen. Deep Learning ahmt beispielsweise menschliches Lernen nach und ist ein wichtiger Wegbereiter für Computer Vision, Verarbeitung natürlicher Sprache, Robotik und andere. Die Einführung von KI und maschinellem Lernen kann zwar neue Möglichkeiten und Erkenntnisse eröffnen, Kosten senken und Prozesse verbessern, ist jedoch nicht ohne Herausforderungen. Eine wachsende Sorge sind die ethischen Implikationen von KI, beispielsweise das Risiko, dass Datensätze, die zum Trainieren von KI verwendet werden, Voreingenommenheit und Diskriminierung in der realen Welt widerspiegeln könnten. Gleichzeitig verringern Enabler wie Cloud-Plattformen für maschinelles Lernen, Rechenbeschleuniger und verwaltete KI-Dienste die technologische Hürde für Unternehmen, KI-Produkte zu nutzen.

Um künstliche Intelligenz und maschinelles Lernen anzuwenden, sollten Unternehmen:

Automatisierung

Data Mining

Tiefes Lernen

Operationen des maschinellen Lernens

Prädiktive Analytik

Robotik

Unternehmen nutzen in der Regel künstliche Intelligenz und maschinelles Lernen, um:

Blackman, Reid. „Warum Sie eine KI-Ethikkommission brauchen“, Harvard Business Review, Juli–August 2022.

Brock, Jürgen Kai-Uwe und Florian von Wangenheim. „Entmystifizierung der KI: Was Ihnen Führungskräfte im Bereich der digitalen Transformation über realistische künstliche Intelligenz beibringen können“, California Management Review, Bd. 61(4) 110–134, 2019.

Daugherty, Paul R. und H. James Wilson. Mensch + Maschine: Arbeit im Zeitalter der KI neu denken. Harvard Business Review Press, 2018.

Goodfellow, Ian, Yoshua Bengio und Aaron Courville. Tiefes Lernen. Die MIT Press, 2016.

Hänlein, Michael und Andreas Kaplan. „Eine kurze Geschichte der künstlichen Intelligenz: Zur Vergangenheit, Gegenwart und Zukunft der künstlichen Intelligenz“, California Management Review, Bd. 61(4) 5–14, 2019.

James, Gareth et al. Eine Einführung in das statistische Lernen: mit Anwendungen in R. Springer, 2021.

Murphy, Kevin. Probabilistisches maschinelles Lernen: Eine Einführung. Die MIT Press, 2022.

Overgoor, Gijs, Manuel Chica, William Rand und Anthony Weishampel. „Den Computern die Macht überlassen: Mit KI Marketingprobleme lösen“, California Management Review, Bd. 61(4) 156–185, 2019.

Russell, Stuart und Peter Norvig. Künstliche Intelligenz: Ein moderner Ansatz. Pearson Education Limited, 2022.

Tambe, Prasanna, Peter Cappelli und Valery Yakubovich. „Künstliche Intelligenz im Personalmanagement: Herausforderungen und ein Weg nach vorne“, California Management Review, Bd. 61(4) 15–42, 2019.

Yao, Mariya, Marlene Jia und Adelyn Zhou. Angewandte künstliche Intelligenz: Ein Handbuch für Unternehmensleiter. TOPBOTS Inc., 2018.

Zum 30. Jahrestag unserer Umfrage scheinen die Manager überraschend optimistisch zu sein.

Digitale Transformation ist eine Möglichkeit, digitale Technologien in die Strategie und den Betrieb eines Unternehmens zu integrieren.

Szenarioanalyse und Notfallplanung ist ein Prozess, der es Führungskräften ermöglicht, mehrere alternative Zukunftsszenarien zu erkunden und sich darauf vorzubereiten.

Ein Engine-2-Geschäft kann Wachstumsoptionen schaffen, und sieben Neobanken im Besitz traditioneller Banken zeigen, was zum Erfolg nötig ist.

Dynamische strategische Planung und Budgetierung ist eine Methode, die Unternehmen in Zeiten großer Unsicherheit bei der Planung und Investition unterstützt.

Mit einem Customer Experience Management (CXM)-Programm überwacht ein Unternehmen seine Interaktionen mit Kunden.