MIT Sloan-Forschung zu künstlicher Intelligenz und maschinellem Lernen

Jan 19, 2024

Warum generative KI eine kreative menschliche Note braucht

CEO von Blue Bottle Coffee über Hafermilch und Innovation

HubSpot-CEO: 6 Berufswahlmöglichkeiten, die an die Spitze führen

Bildnachweis: Jennifer Tapias Derch

Ideen, die zur Tat werden

Künstliche Intelligenz

26. Okt. 2022

Ein KI-Produktivitätsboom steht bevor. Hier erfahren Sie, was Manager wissen müssen, um intelligente Technologien einzuführen, die ethisch und mitarbeiterorientiert sind.

Es steht außer Frage, dass künstliche Intelligenz und maschinelles Lernen eine immer wichtigere Rolle bei Geschäftsentscheidungen spielen. Eine Umfrage von NewVantage Partners unter leitenden Daten- und Technologiemanagern aus dem Jahr 2022 ergab, dass 92 % der großen Unternehmen angaben, mit ihren Daten- und KI-Investitionen Renditen zu erzielen – ein Anstieg gegenüber 48 % im Jahr 2017.

Doch wenn diese Technologien in den Mainstream vordringen, entstehen neue Fragen: Wie werden sie die Art des Arbeitsablaufs und der Arbeitsplatzanbindung verändern? Werden sie ethisch genutzt? Werden sie den Menschen ersetzen?

Dies ist laut MIT-Sloan-Forschern, Gastwissenschaftlern und Branchenexperten zu beachten, wenn KI und maschinelles Lernen allgegenwärtig werden.

Künstliche Intelligenz verändert die meisten Berufe, ersetzt den Menschen jedoch bei weitem nicht, heißt es in einem Buch, das die Ergebnisse der MIT Task Force on the Work of the Future untersucht.

Etwa 92 % der großen Unternehmen geben an, dass sie mit ihren Investitionen in Daten und künstliche Intelligenz eine Rendite erzielen.

Die MIT-Forscher David Autor, David Mindell und Elisabeth B. Reynolds argumentieren, dass es wichtig ist, die Fähigkeiten und Grenzen künstlicher Intelligenz zu verstehen, wenn wir darüber nachdenken, wie sie sich auf Arbeitsplätze auswirken wird.

Die heutigen KI-Herausforderungen konzentrieren sich auf körperliche Geschicklichkeit, soziale Interaktion und Urteilsvermögen. Stellen Sie sich einen häuslichen Gesundheitshelfer vor, zu dessen Aufgaben es gehört, einem gebrechlichen Menschen körperliche Hilfe zu leisten, sein Verhalten zu beobachten und mit Familie und Ärzten zu kommunizieren. Erst wenn die Automatisierung dieses Niveau erreicht hat, kann sie wirklich als das betrachtet werden, was Wissenschaftler als „künstliche allgemeine Intelligenz“ bezeichnen.

Es ist möglich, KI zu nutzen, um eine gerechtere Zukunft zu schaffen. In allen Branchen befürchten Arbeitnehmer, dass Automatisierung und künstliche Intelligenz ihre Arbeitsplätze stehlen könnten. Thomas Kochan, Professor für Management am MIT Sloan, teilt diese Bedenken, sieht aber auch ein „enormes“ innovatives Potenzial in neuen Technologien, um „eine produktive und gerechtere Zukunft“ zu schaffen.

In seinem Online-Fortbildungskurs für Führungskräfte „Leading the Future of Work“ stellt Kochan einen viergleisigen Fahrplan für die Arbeit der Zukunft vor:

Ein KI-gestützter Produktivitätsboom steht bevor. Denken Sie an das Internet: Seine grundlegenden Technologien entstanden in den 1960er und 1970er Jahren, wurden jedoch erst Mitte der 1990er Jahre kommerzialisiert. Erik Brynjolfsson von der Stanford University, Mitglied der MIT Task Force on the Work of the Future, nennt dieses Phänomen eine „J-Kurve“, bei der die technologische Akzeptanz „zunächst langsam und inkrementell erfolgt, sich dann beschleunigt, um eine breite Akzeptanz zu erreichen“.

Jetzt sollten sich Unternehmen auf eine KI-gestützte J-Kurve vorbereiten, wenn die Technologie auf dem Vormarsch ist. Unternehmen sollten sich darauf konzentrieren, künstliche Intelligenz und maschinelles Lernen in Arbeitsprozesse zu integrieren und ihre Mitarbeiter vorzubereiten, sagte Brynjolfsson auf einer EmTech Next-Konferenz, während politische Entscheidungsträger dafür sorgen sollten, dass die Einführung nicht zur Ungleichheit beiträgt.

KI erfordert die Zustimmung der Stakeholder. Werkzeuge des maschinellen Lernens werden in verschiedenen Bereichen eingesetzt. Aber die Einführung von Technologie am Arbeitsplatz ist nur ein Schritt – diese Tools sind nur dann erfolgreich, wenn sie in Arbeitsabläufe integriert sind und wenn die Menschen ihnen genug vertrauen, um sich auf sie zu verlassen.

Laut einer Studie der Mitautorin der MIT-Sloan-Professorin Kate Kelloggand ist ein kontinuierlicher Dialog zwischen Technologieentwicklern und Endbenutzern ein Schlüssel für eine erfolgreiche Einführung.

„Manager und Entwickler müssen sich auf einen Hin- und Her-Prozess einlassen, um die Tools zu entwickeln, zu bewerten und zu verfeinern, damit sie in der Praxis nützlich sind“, sagte Kellogg.

Darüber hinaus müssen die Beteiligten davon überzeugt sein, dass KI-Programme korrekt und vertrauenswürdig sind. Die Erklärbarkeit durch künstliche Intelligenz kann helfen. Forscher des MIT Center for Information Systems Research definieren KI-Erklärbarkeit als „die Fähigkeit, KI-Initiativen so zu verwalten, dass sichergestellt wird, dass Modelle wertschöpfend, konform, repräsentativ und zuverlässig sind.“

Die Erklärbarkeit künstlicher Intelligenz sei ein aufstrebendes Feld, geben die Forscher zu. Sie empfehlen Unternehmen, zunächst Einheiten und Organisationen zu identifizieren, die bereits wirksame KI-Erklärungen erstellen, und Praktiken zu identifizieren, die die eigenen KI-Projektteams der Organisation bereits übernommen haben.

KI und maschinelles Lernen verändern das digitale Marketing.Die meisten Vermarkter machen sich Sorgen um Kundenbindung und Umsatz, aber ohne gute Prognosen können Entscheidungen über effektive Marketinginterventionen willkürlich sein, sagte Dean Eckles, Leiter der Forschungsgruppe für soziale und digitale Experimente bei der MIT Initiative on the Digital Economy.

Maschinelles Lernen wird das ändern und dabei helfen, das Kundenverhalten vorherzusagen und Kundenbedürfnisse zu verstehen.

„Die Anwendung statistischen maschinellen Lernens zur Vorhersage langfristiger und schwer messbarer Ergebnisse ist von großem Wert“, sagte Eckles.

Unternehmen wie Wayfair und Spotify nutzen maschinelles Lernen für maßgeschneiderte Kundenerlebnisse, von maßgeschneiderten Suchergebnissen für Möbel bis hin zu personalisierten Playlist-Vorschlägen. Und als sich COVID-19 ausbreitete, nutzte Moderna seine seit langem etablierten automatisierten Prozesse und KI-Algorithmen, um die Anzahl der für die Durchführung klinischer Experimente erforderlichen kleinen Boten-RNA (mRNA) zu erhöhen. Diese Grundlagenarbeit trug dazu bei, dass Moderna in den frühen Tagen der Pandemie einen der ersten COVID-19-Impfstoffe (unter Verwendung von mRNA) auf den Markt brachte.

Gute Daten sorgen für eine gute KI.Fünf wesentliche Datenkompetenzen wie Datenwissenschaftler und eine Datenplattform helfen Unternehmen beim Aufbau erfolgreicher Programme für künstliche Intelligenz.

Laut Forschern des MIT CISR liegt der Schlüssel darin, eine Unternehmens- und nicht eine lokale Perspektive einzunehmen, während KI-Projektteams lernen und reifen. Wenn Unternehmen das Fachwissen und die Praktiken ihrer KI-Teams identifizieren und bündeln, können sie wiederverwendbare und verfeinerbare Praktiken entwickeln und Fähigkeiten aufbauen. Dies beschleunigt neue KI-Projekte und bereitet diese zukünftigen Teams auf den Erfolg vor.

Wichtig ist auch die Einführung datenzentrierter KI. Dies ist „die Disziplin der systematischen Entwicklung der Daten, die zum Aufbau eines erfolgreichen KI-Systems erforderlich sind“, so Andrew Ng, SM '98, Gründer des Google Brain-Forschungslabors und ehemaliger Chefwissenschaftler bei Baidu.

Die Konzentration auf qualitativ hochwertige Daten, die konsistent gekennzeichnet sind, könnte den Wert von KI für Sektoren wie das Gesundheitswesen, die Regierungstechnologie und die Fertigung erschließen, sagte Ng auf einer EmTech Digital-Konferenz.

Und selbst wenn KI nicht alle Probleme der Welt lösen kann – und vielleicht sogar einige neue auf dem Weg dorthin verursacht –, kann sie die Lösung von Wordle zumindest ein wenig erleichtern.

Lesen Sie weiter: Gary Gensler von der SEC darüber, wie KI das Finanzwesen verändert