Antoine Verdon begann sein Referat mit einem Zitat von Bill Gates: «Wir überschätzen immer die Veränderungen, die in den nächsten zwei Jahren eintreten werden, und unterschätzen die Veränderungen, die in den nächsten zehn Jahren stattfinden werden.» Das erläuterte Verdon anhand der Entwicklung des Smartphones. Pressefotos aus verschiedenen Jahren zeigen: Bei einer ersten Rede von Papst Benedikt hört das Publikum zu. Sechs Jahre später zücken auf dem Foto alle ihre Handys und Tablets, um ihn zu fotografieren und zu filmen. Zehn Jahre später, bei einer Rede von Hillary Clinton, machen die Leute mit iPhones Selfies mit ihr im Hintergrund. Die Fotos zeigen: Es hat sich auch unsere Kultur verändert.
Verdon spannte dann den Bogen zur KI. ChatGPT war das iPhone-Moment der KI. Will heissen: KI steht am Anfang eines neuen 10-Jahres-Zyklus. ChatGPT hat nichts anderes gemacht, als bestehende Technologien zusammenzubringen. Das wurde so gut gemacht, dass das Wachstum explodierte. Wie werden die nächsten 10 Jahre aussehen? Als Beispiel könnte die digitale Transformation dienen: Die letzte Welle der Digitalisierung brachte eine enorme Effizienz und ermöglichte ganz neue Geschäftsmodelle. WhatsApp beispielsweise wurde 2018 für 18 Mia. an Facebook verkauft. Damals beschäftigte das Unternehmen für 900 Mio. Kunden nur 50 Softwareprogrammierer.
KI-Technologien würden das nochmals beschleunigen, erklärte Verdon. Sam Altman, CEO von OpenAI und Vater von ChatGPT, sagt, dass wir bald das erste One-Person-Unicorn sehen werden, also das erste Einmann-Unternehmen, das es schafft, eine Milliarde zu erwirtschaften, weil es so viele Nutzer bedienen kann.

Digitale Transformation: 3 Dimension
Bei der digitalen Transformation gibt es, so Verdon, drei Dimensionen, die man beachten sollte:

Ziel einer Effizienzsteigerung (Bottom Line):: Es stellt sich die Frage: Wie kann ich KI einsetzen, um die Effizienz zu steigern oder um Kosten zu reduzieren? Ein Beispiel: Ein Unternehmen führt ein KI-System ein, um die Defekte der Produktion zu reduzieren oder die Anzahl der Rücksendungen von Produkten zu senken.
Ziel einer Produktinnovation (Top Line): Man nutzt die Möglichkeiten der KI, um neue Produkte anzubieten, zum Beispiel im Bereich Predictive Maintenance. Das geschieht schon, zum Beispiel bei Trenitalia, wo die Anzahl nicht fahrender Züge mithilfe von Predictive Maintenance reduziert wurde. Das könnte z.B. auch als Abo angeboten werden. Man schafft so mit KI Mehrwerte.
Paradigmenwechsel (Strategie): Es stellt sich die Frage: Wann soll ich etwas machen? Die Firmen, die passiv bleiben und nichts machen, haben längerfristig das Risiko, dass Konkurrenten plötzlich dasselbe Produkt wie sie zu günstigeren Preisen anbieten oder dass ihre Mitarbeitenden von anderen abgeworben werden, weil junge Personen in einem modernen Arbeitsumfeld mit modernen Tools bei besserem Lohn arbeiten möchten. Das sei keine unmittelbare Gefahr, aber wenn man nichts mache, rücke man nach und nach ins Hintertreffen.  

KI-Strategie: 4 Schritte
Zur Entwicklung einer KI-Strategie empfiehlt AI Bridge vier Schritte:

Als Erstes empfiehlt sich eine Standortbestimmung. Folgende Fragen sollen dabei beantwortet werden: Wie sieht das Unternehmen aus, was gibt es für Daten, die genutzt werden könnten, was für eine Expertise besteht, wie sieht die Kultur aus, was sind mögliche Use Cases?

Als Zweites folgt die Zielbestimmung. Es gilt, zu verstehen, wie KI das eigene Geschäftsmodell verändern könnte, und Use Cases zu definieren. Mögliche Fragen: Lohnt sich ein Prototypenbau? Lohnt es sich, die Prototypen auch in die Produktion zu bringen? Eine grössere Vision muss definiert werden.
Als Beispiel dafür erläutert Verdon die Vision des Biotechnologieunternehmens Moderna, die gerade realisiert wird. In einer wegweisenden Initiative bündelten Moderna und OpenAI, bekannt für innovative KI-Lösungen, ihre Kräfte. Die Partnerschaft begann Anfang 2023, als Moderna eine eigene Version von ChatGPT, genannt mChat, einführte. 3000 Mitarbeitende erhielten einen Zugang, so dass sie ihre eigenen GPT-Anwendungen entwickeln konnten, um Prozesse zu optimieren und zu automatisieren. Es gab schon bei der Einführung 750 verschiedene GPT-Versionen mit spezifischen Aufgaben. Das Ziel von Moderna: Innerhalb von fünf Jahren mindestens 15 neue Produkte unterstützt durch KI auf den Markt zu bringen.

Als dritter Schritt folgt die Use-Case-Findung: Wenn man entschieden hat, KI im Unternehmen anzuwenden, muss man sich fragen: Was kann ich konkret mit KI machen? Was kann ich kaufen, und was sind Möglichkeiten, ein Upgrade zu bekommen, um effizienter zu arbeiten, wie z.B. Co-Pilots im Projektmanagement? Was sind Machine-Learning-Projekte, die man beginnen könnte? Letzteres sind grössere Projekte, bei denen man auf den USP des Unternehmens fokussieren sollte. Es bringe einem KMU nichts, 20 Projekte gleichzeitig zu beginnen. Man sollte sich hingegen fragen: Wie kann KI durch Custom Machine Learning einen wichtigen Teil der Firma beschleunigen oder die Kosten senken, z.B. in der Produktion die Anzahl Defekte halbieren?

Als vierter Schritt kann man beginnen, die Organisation anzupassen und die Projekte auszuführen.
AI Bridge arbeitet sehr oft mit Quick Prototyping: Statt sehr langen Projekten, die Wochen oder Monate dauern, machte man gute Erfahrungen mit sehr kurzen, fokussierten, intensiven, 12- bis 36-stündigen Projekten, in denen sehr viele Use Cases bearbeitet und am Ende die Ergebnisse gezeigt wurden. Es sei erstaunlich, wie viel man in so kurzer Zeit schaffen könne, schilderte Verdon. Man erlange zwar keine fertigen Produkte, aber doch Prototypen, die zeigen, wohin der Weg gehen könnte, was die Vorteile und was die Risiken sind.

Low Hanging Fruits als Training
Wenn man so weit sei, die Prototypen in die Produktion zu bringen, müsse man sich bewusst sein, dass in 85 Prozent der KI-Projekte dieser Schritt scheitere. Das heisst, so viele Prototypen schaffen den Schritt nicht in die Produktion. Dafür gebe es viele Gründe, z.B. wenn die Mitarbeitenden in der Firma nicht die notwendigen Skills mitbringen oder wenn die Prozesse über die Firma hinaus nicht richtig funktionieren.
Das seien Skills, die nach und nach aufgebaut werden müssen. Bei der Use-Cases-Findung versuche man deshalb, die möglichen Use Cases nach der Einfachheit ihrer Umsetzung zu klassifizieren und so die sogenannten Low Hanging Fruits zu finden, die sich für einen Start gut eignen. Sie können als Schulungsprojekte dienen, um die Skills der Mitarbeitenden auszubauen und Vertrauen gegenüber den Neuerungen zu schaffen. Major Projects schaffen zwar sehr viel Wert, sind aber auch am komplexesten umzusetzen. Wenn man damit beginne, sei die Wahrscheinlichkeit gross, dass das Projekt scheitere.

Weitere Voraussetzungen
Damit ein KI-Projekt funktioniert, muss es eine klare Sponsorship geben: KI sei ein sehr strategisches Thema, so Verdon. Es muss von der Geschäftsleitung und dem Verwaltungsrat verstanden werden, es muss ein Budget für die ersten Schritte zur Verfügung stehen. Es braucht eine klare Strategie, eine Vision, wie das Unternehmen mit KI verändert werden kann und sollte. Diese Strategie sollte zwei Dimensionen berücksichtigen: einerseits das Business, andererseits auch die technologischen Möglichkeiten. Es gebe zu oft Spannungen zwischen diesen zwei, und das führe zu Blockaden und zum Scheitern. Wichtig sei zudem: Ein KI-Projekt ist ein Transformationsprojekt. Es gehe nicht nur darum, etwas zu programmieren, sondern auch die Fähigkeiten der Mitarbeitenden zu entwickeln. AI Bridge empfiehlt, das Budget 50 zu 50 aufzuteilen zwischen der technischen Entwicklung und der Schulung der Mitarbeitenden. Wenn es ein einfaches Projekt sei, empfehle man Productive-Skills-Schulungen für Co-Pilots, damit die
Mitarbeitenden mit den neuen Tools effizienter arbeiten können. Bei einem umfangreicheren Projekt empfehle man ein KI-Management-Training, damit die Mitarbeitenden die Methodologie kennen und Projekte erfolgreich durchführen können.