Die Bedeutung von „KI-Vortäuschung“ im Allgemeinen und für Sie konkret

Einfach ausgedrückt bedeutet KI-Vortäuschung, dass manche Unternehmen oder Organisationen die Nutzung von künstlicher Intelligenz (KI) in ihren Produkten, Services und/oder Betriebsabläufen übertreiben oder ganz und gar vortäuschen, um innovativer und technisch versierter zu wirken als sie es tatsächlich sind. Dieses Vorgehen kann verschiedene Gründe haben, wie das Anwerben von Investoren, das Erhöhen des Aktienpreises, das Steigern der Produktattraktivität oder das Sichern eines Wettbewerbsvorteils.

Die Vortäuschung von KI kann Kunden, Investoren und den Markt in die Irre führen, indem suggeriert wird, dass ein Produkt oder eine Lösung KI-Funktionen nutzt, wie maschinelles Lernen (ML) oder Deep Learning, während tatsächlich – wenn überhaupt – nur ein einfacher Algorithmus zum Einsatz kommt. Dieser Mangel an Transparenz und Ehrlichkeit kann zu Bedenken bezüglich des ethischen Geschäftsverhaltens in Hinblick auf die Angabe von Technologien führen.

Warum täuschen Unternehmen derzeit oft KI vor? Wie man so schön sagt: „Folge dem Geld“. Selbst die Annahme, das KI Anwendung findet, sorgt für neue Investitionen, neue Kunden und eine höhere Bewertung des Unternehmens. Die Verlockung von KI-bezogenen Investitionen und höheren Bewertungen verleitet manche Unternehmen dazu, ihren Technologien rasch ein neues Markendesign zu verpassen, und sie tragen so zur Verbreitung von irreführenden Behauptungen auf dem Markt bei.

Der Kampf gegen KI-Vortäuschung

Glücklicherweise findet KI-Vortäuschung nicht in einem Vakuum statt. Gary Hensler, der Vorsitzende der Securities and Exchange Commission (SEC), hat Unternehmen vor der KI-Vortäuschung und dem Aufstellen falscher Behauptungen gewarnt und sogar anklingen lassen, dass Finanzmittel gestrichen werden könnten, wenn in Portfolios KI-Ressourcen angegeben werden, die gar nicht existieren. Die Federal Trade Commission (FTC) möchte dem in nichts nachstehen und richtet ihr Augenmerk ebenfalls verstärkt auf falsche Behauptung bezüglich KI, um bei Bedarf weitere Untersuchungen anzustellen.

Trotz dieser Warnungen scheinen die Fälle von KI-Vortäuschung in der Branche der Unternehmensnetzwerke in rasendem Tempo zuzunehmen. Anbieter vermarkten Ihre Lösungen gerne als „KI-fähig“, „KI-gesteuert“ oder „KI-gestützt“, können aber meist die erwarteten KI-Funktionen nicht liefern. Ihnen fehlt es ganz einfach an der Belastbarkeit und Reife, die für die Erfüllung des KI-Versprechens erforderlich sind.

Die Spreu vom Weizen trennen

Durch die Nutzung ausgereifter KI für IT-Technologie (AIOps) können die für IT und Unternehmensnetzwerke verantwortlichen Teams Fehler reduzieren, Betriebsabläufe optimieren und zuverlässige sowie sichere Erfahrungen für die Endnutzer garantieren. Wie unterscheidet man also zwischen Lösungen, die nur dem Namen nach KI nutzen, und solchen, die tatsächlich Vorteile für IT-Unternehmen und deren Kunden bieten?

Zuerst einmal muss bedacht werden, dass KI keine brandneue Technologie ist und dass Unternehmen, die tatsächlich eingehend mit der Anwendung von KI befasst sind, sicherlich schon seit Jahren mit KI gearbeitet haben. Sobald Sie Ihre Suche auf einige wenige Anbieter eingrenzen konnten, müssen Sie unbedingt ein paar grundlegende auf die Technik und die Betriebsabläufe bezogene Fragen beantwortet bekommen. Wie bei jeder Sorgfaltsprüfung („Due Dilligence“) und Beschaffungsmaßnahme kann der Detaillierungsgrad der Antworten wichtige Erkenntnisse liefern. Die Antworten können eine gewisse technische Interpretation erfordern, werden aber dennoch empfohlen, um sicherzustellen, dass die Behauptungen der Anbieter den Tatsachen entsprechen.

Hier finden Sie einige Fragen, die Sie vor der Auswahl stellen sollten:

1. Kann die AIOps-Lösung die Benutzererfahrung über das gesamte Netzwerk hinweg vorhersagen?
2. Verwendet der Kundendienst des Anbieters dessen eigene AIOps-Lösung?
3. Arbeiten die für Data Science und Kundenbetreuung verantwortlichen Teams zusammen?
4. Gibt es Beispiele für tatsächliche Kunden, die mit der AIOps die Anzahl an Support-Tickets verringern und die Benutzererfahrung verbessern konnten?
5. Wird die AIOps-Lösung von einer Microservices-Cloud-Architektur unterstützt, die häufige und agile Produktoffensiven ohne Serviceunterbrechungen bewältigen kann?

Außerdem sollten die folgenden drei zentralen Elemente bei der Bewertung einer AIOps-Lösung berücksichtigt werden:

Die richtigen Daten: Genau so, wie ein hervorragender Wein mit einer guten Traubenernte beginnt, beruht erstklassige KI auf den richtigen Daten. Die richtigen Daten (sowohl was Quantität als auch Qualität angeht) sind erforderlich, um Antworten auf die richtigen Fragen zu erhalten. Andernfalls liefert die KI ineffektive oder ungenaue Antworten. „Erklärbare KI” (Explainable AI, XAI) liefert Erkenntnisse zur Nutzung von Daten sowie Nachweise für ihre Ergebnisse.

Die richtigen Antworten in Echtzeit: Wenn die richtigen Daten und Data Science-Algorithmen verwendet werden, sollte ausgereifte KI die korrekten Antworten in Echtzeit bereitstellen. Für IT-Teams, die bei der Behebung von Netzwerkproblemen ständig unter Druck stehen, haben verzögerte Antworten oder Fehlalarme aufgrund von Lösungen mit vorgetäuschter KI unerwünschte Auswirkungen, wie eingeschränkte Produktivität und verlorengegangenes Geld bei der Investition in KI.

Die richtige Infrastruktur: Für das Erstellen einer AIOps-Lösung, die Probleme in Echtzeit beheben und große Deep Learning-Modelle für eine genaue Prognose der Benutzererfahrung ausführen kann, benötigen Sie eine geeignete Cloud-native Architektur. Wenn eine KI-Lösung nicht in der Cloud entwickelt wurde, kann sie vermutlich bei Bedarf nicht mit dem Unternehmen mitwachsen.

Mist Systems von Juniper basiert auf echter KI

Seit 2015 nutzt unsere Mist AI™ Engine eine Kombination aus KI-, ML- und Data Science-Methoden zur Erstellung einer Lösung, die Unternehmenswerke genauso schnell oder sogar schneller bereitstellen und betreiben kann als IT-Fachleute und weltweit die Benutzererfahrung mit diesen Netzwerken priorisiert. ServiceNow konnte beispielsweise mithilfe von Mist AI Netzwerk-Support-Tickets um 90 % reduzieren. Der Bekleidungshersteller Gap, Inc. verzeichnet 85 % weniger Besuche von Technikern in seinen Filialen seit Mist AI eingesetzt wird, um IT-Probleme eigenständig zu lösen.

Mit der branchenweit ersten KI-nativen Netzwerkplattform weiten wir KI auf unser gesamtes Portfolio aus, um die bestmögliche Endnutzer- und Betreibererfahrung zu gewährleisten und gleichzeitig den Betrieb in allen Netzwerkbereichen durchgängig zu vereinfachen.

Weitere Informationen zur Bedeutung eines KI-nativen Betriebs und zu den Problemen aufgrund von KI-Vortäuschung finden Sie in diesem Blog-Beitrag von Rami Rahim, CEO von Juniper, sowie in unserer kürzlich abgehaltenen virtuellen Veranstaltung AI-Native Now On-Demand.