Mit zunehmender Kompetenz und wachsendem Verständnis – und immer häufiger öffentlich gemachten Fehlschlägen – fällt der Vorhang für die öffentliche Wahrnehmung von künstlicher Intelligenz als mysteriöse, unbeherrschbare oder sich unabhängig entwickelnde Intelligenz. Wir beginnen ein neues Kapitel, in dem wir – als Einzelpersonen und Unternehmen – unsere unveräußerliche Rolle als Architekten der Zukunft der KI entschlossen anerkennen und annehmen.
Indem wir diese Gestaltungsmacht annehmen, wird der menschliche Faktor zentral dafür werden, wie und wo Unternehmen über den Einsatz von KI nachdenken. In diesem Sinne folgen vier menschenzentrierte Prognosen dazu, was 2022 von der KI zu erwarten ist.
Siehe auch: Top-KI-Software
1) Die menschliche Erfahrung erobert das Feld
Während sich die Fähigkeiten der KI unaufhaltsam weiterentwickeln, überdenken Organisationen weiterhin die Einbindung von Mitarbeitenden und Kunden. Infolgedessen wird ein Fokus auf menschenzentriertes Design beziehungsweise Human Experience (HX) in allen Bereichen an Bedeutung gewinnen.
HX verbindet traditionelle Elemente von Decision Intelligence sowie CX- und UX-Methoden mit Design Thinking. Zugleich erweitert HX den Blickwinkel, sodass sowohl der Mensch (als Individuum) als auch die Menschheit (als Gesellschaft insgesamt) berücksichtigt werden.
Gestützt auf die im digitalen Bereich gewonnenen Erkenntnisse und die zahlreichen öffentlichkeitswirksamen Fehlschläge der KI erfordert eine HX-Ausrichtung außerdem – wie von der Strategin Kate O’Neill treffend formuliert – nicht nur die Berücksichtigung möglicher Fehlschläge, sondern auch spektakulärer Erfolge. Dadurch werden strategische Instrumente wie die Szenarioplanung über den Sitzungssaal des Vorstands hinausgeführt.
Skeptiker werden HX als Umbenennung bestehender Konzepte bezeichnen. Damit liegen sie teilweise richtig. Diese Interpretation verkennt jedoch den Wandel der Denkweise und die Komplexität, die darin liegen, diese Disziplinen zusammenzuführen, um langfristige transformative Veränderungen zu bewirken. Veränderungen, bei denen Technologie nicht zur Nutzung durch oder im Namen passiver Empfänger (also Nutzer beziehungsweise Kunden) eingesetzt wird, sondern für Menschen. Menschen, die als Individuen und als Kollektiv eigenständige Akteure sind – mit all der Gestaltungsmacht und dem Engagement, die damit einhergehen.
Siehe auch: Was ist maschinelles Lernen?
2) Neue Wertschätzung für Wissensarbeiter
Während KI weiterhin eingesetzt wird, um Muster zu erkennen und bislang unbekannte Zusammenhänge aufzudecken, wird man anerkennen, dass sachkundige Menschen erforderlich sind, um die Ergebnisse der Algorithmen wirklich zu verstehen. Die Wertschätzung für die Leistungsfähigkeit der KI wird wachsen – noch wichtiger ist jedoch das Bewusstsein für die sehr realen Grenzen von KI-Algorithmen, wie die jüngsten Erfahrungen mit GPT-3 eindrucksvoll gezeigt haben.
Dies wird Organisationen davon abbringen, KI zur Automatisierung von Wissensarbeit einzusetzen, und sie stattdessen dazu bewegen, mit KI das den Experten zur Verfügung stehende Wissen zu erweitern. Daher wird sich die Automatisierung von Aufgaben mit einem hohen Maß an Variabilität oder kontextueller Feinheit in Richtung Unterstützung verschieben. Beispiele reichen von Beschäftigten im Gesundheitswesen über Rechtsanwaltsgehilfen bis hin zu Ingenieuren in der Produktion. Weniger kontextabhängige, unveränderliche und routinemäßige Aufgaben werden weiterhin zügig automatisiert.
3) Zusammenarbeit und kontinuierliches Lernen – für Menschen und KI-Algorithmen
In einem verwandten, aber eigenständigen Trend wird eine verbesserte KI-Kompetenz im gesamten Unternehmen zu einer weiteren Entwicklung hin zu kollaborativen, multidisziplinären Teammodellen führen. Dadurch wird man sich verstärkt darauf konzentrieren, potenzielle Fallstricke zu erkennen, operative Leitplanken einzuführen und KI-gestützte Prozesse parallel zu bestehenden Prozessen zu testen.
Dies wird wesentlich dazu beitragen, realistische Erwartungen zu schaffen, indem KI-Modelle – und die Menschen, die sie einsetzen – über die Zeit hinweg lernen und sich verbessern können. Im Gegensatz dazu erwarten Entscheidungsträger heute oft, dass KI bestehende Systeme (menschliche oder analytische) unmittelbar nach dem Training mit minimalen Fehlern übertrifft.
Dies wird zu robusteren, widerstandsfähigeren und verantwortungsvolleren KI-Lösungen führen. Paradoxerweise und zugleich erfreulicherweise wird dies auch zu intelligenteren Entscheidungen darüber führen, wann diese Lösungen nicht den Anforderungen genügen.
4) Ethische KI: Eine bedeutsame Pause
Da sich das rechtliche und regulatorische Umfeld verschärft, könnten Initiativen zur KI-Ethik eine bedeutsame Pause einlegen, während Organisationen die Richtung, Tragweite und Umsetzbarkeit aufkommender Vorschriften bewerten.
In dieser Zeit werden Organisationen, die noch keine eigenständigen Programme für verantwortungsvolle KI eingerichtet haben, einen pragmatischen Ansatz verfolgen und bestehende Governance- und Risikomanagementpraktiken als erste Verteidigungslinie nutzen. Dazu können Data Governance, Datenqualität, Cybersicherheit, Risikomanagement und Prüfverfahren gehören. Die konkreten Maßnahmen werden von der Branche und dem Reifegrad abhängen. Sie werden etablierte bioethische und sicherheitstechnische Bewertungen im Gesundheitswesen, Modellprüfungen und Compliance im Finanzdienstleistungssektor sowie Verfahren des Sicherheits-Engineerings in der Fertigung nutzen.
Auf der menschlichen Ebene werden Organisationen beginnen, risikoorientierte und auf Compliance ausgerichtete Ansätze mit rechtebasierten Reaktionen und Initiativen zur unternehmerischen Verantwortung in Einklang zu bringen, die an aufkommenden ESG-Prioritäten ausgerichtet sind.
Siehe auch: KI und Ethik: Experten sprechen über Herausforderungen und mögliche Wege
Über die Autorin:
Kimberly Nevala ist Strategic Advisor für KI bei SAS