Aber das ist erst der Anfang. Wir werden erstaunt sein, was diese Technologien in den kommenden Jahren für uns tun können. Das Wichtigste ist, dass diese Technologien in kürzester Zeit vom experimentellen zum alltäglichen Gebrauch in unserem Leben und Unternehmen werden. Diese Technologien sind nicht hier, um uns zu ersetzen, sondern um uns bei langweiligen und sich wiederholenden Aufgaben zu helfen. Aufgaben, bei denen der Mensch kognitive Aktivitäten ausführt, die für uns keine Anstrengung bedeuten, aber in unserem täglichen Leben und Geschäft präsent sind. All dies ergibt eine Vielzahl von Möglichkeiten, für die vollständige Digitalisierung von Unternehmen und kann folglich zu großen Einsparungen und Optimierungen von Geschäftsprozessen führen [18], [19]. Jüngste Studien zeigen zum Beispiel, dass KI-gestützte Anrufagenten in den nächsten drei Jahren die Menschen in 15 % der Kundenkommunikation ersetzen werden, was einer geschätzten Einsparung von 80 Milliarden US-Dollar entspricht [20]. Viele der oben genannten KI-Technologien werden bereits als Cognitive Services in der Cloud, über die REST-API oder auf andere Weise genutzt. Sie werden schnell zu Gebrauchsgegenständen und können von normalen Menschen und Unternehmen genutzt werden.
Doch wie kann ich diese KI-Technologien in meinem Unternehmen einbinden? Wie können mir all diese kognitiven Dienste und KI in meinem Geschäft, bei neuen Kundenbedürfnissen und bei der Prozessoptimierung helfen? Die Antwort ist, dass viele Unternehmen bereits über die Daten und den Zugang zu den notwendigen Technologien verfügen, um diese kognitiven KI-Dienste zur Unterstützung ihrer Geschäfte zu nutzen. Viele Unternehmen haben vor langer Zeit damit begonnen, Daten zu sammeln und Big-Data-Technologien einzusetzen. Viele dieser Daten bleiben in Data Lakes oder ähnlichen digitalen Speichern gespeichert, ohne dass sie erforscht oder genutzt werden. In diesen Quellen steckt ein großes Potenzial, wenn Big Data Analytics und AI Cognitive Services-Technologien verwendet werden. Eine einzige Quelle oder eine Kombination aus mehreren reicht aus, um viele Anwendungsfälle durchzuführen und Prozesse zu optimieren. Beispielsweise könnte dasselbe Streaming-Video von Kameras vor Ort unterschiedlichen Zwecken dienen. Es kann für die automatische Erkennung von Eindringlingen, die Sicherheit von Personen in gefährlichen Umgebungen, die automatische Berichterstattung über industrielle Aktivitäten und Bestände, die Produktionssichtung und die Fehlererkennung wiederverwendet werden. In diesen Fällen würden die kognitiven Dienste des maschinellen Sehens die meisten Aufgaben übernehmen. Als weiteres Beispiel kann eine einzelne Quelle von Dokumenten, Texten oder schriftlichen Mitteilungen für die automatische Dokumentenklassifizierung, Dokumentenzuordnung, Zusammenfassung und Extraktion wichtiger Ideen oder Schlüsselwörter verwendet werden. Es kann auch als Informationsquelle bei intelligenten Suchen verwendet werden. In all diesen Fällen werden kognitive KI-Dienste für Sprache eine große Hilfe bei der Entwicklung von Lösungen sein.
Und wie gut stehen Unternehmen heute in Bezug auf KI-Technologien und Cognitive Services da? Nutzen Unternehmen all diese Technologien, um ihr Geschäft und ihre Kundenbeziehungen wirklich zu verbessern? Die Realität ist, dass vielen Unternehmen eine konsistente Vision und Strategie in Bezug auf die Nutzung von Big Data Analytics, KI und Cognitive Services fehlt. Viele Firmen sind schlichtweg gescheitert oder kämpfen jetzt darum, den Einsatz solcher Technologien in ihrem Geschäft aufrechtzuerhalten [21], [22], [23]. Die Gründe, warum viele Unternehmen beim Einsatz von KI- und Big-Data-Technologien nicht erfolgreich sind, sind vielfältig. Eine der Erklärungen ist, dass sich viele Unternehmen auf die Lösung von Einzelfällen oder höchstens mehreren ähnlichen Fällen konzentrieren. Unternehmen entwickeln Datenpipelines und KI-Modelle von Grund auf neu und in den meisten Fällen unter Verwendung von Open-Source-Technologien. Daher ist der Aufwand, ihr Framework an neue KI-Technologien oder neue Daten anzupassen, KI-Modelle zu aktualisieren und die Infrastruktur zu warten, so groß, dass es auf lange Sicht nicht tragbar ist. Andere Ursachen haben damit zu tun, dass in vielen Fällen weder die Daten noch die Datenvorverarbeitung dem Business Case angemessen waren. Neuere Studien zeigen auch, dass mehr als die Hälfte der Unternehmen (58 %) sich auf die Lösung der sogenannten „Need-to-Do“-Fälle konzentrieren und nur 46 % der Unternehmen die „Must-dos“ ausführen, die großen Nutzen bei wenig Komplexität bringen [24].