Der tatsächliche Nutzen von ChatGPT und generativer KI ist durch den allgegenwärtigen Hype schwer zu erkennen. Was funktioniert und was nicht? Hier sind einige echte Use Cases an denen wir in den letzten 3 Monaten gearbeitet habe sowie unsere Einschätzung:
👍 Hoher Mehrwert, kosteneffiziente Implementierung:
- Coachingflows mit Phasenzielen – Ein interaktiver Chat, der dich durch verschiedene Lern- und Anwendungsherausforderungen führt. Der Clou ist, dass ein zweites Sprachmodell kontinuierlich prüft ob das Ziel für Phase 1 erreicht ist und dich erst danach in Phase 2 bringt. Damit können vom Lerntransfer bis zur Kreditkartenregistrierung viele Prozess stark vereinfacht werden, da wir bei der Entwicklung nur die Phasenziele und nicht jede Antwort ausarbeiten müssen.
- Der allwissende Kollege (bzw. Retrieval Augmented LLM mit Chat UI) – ChatGPT mit Zugriff auf firmeninternes Wissen wie Skripte, Handbücher oder Arbeitsanweisungen eingebettet in deiner Webseite oder deiner App.
- Semantische Suche als KillerApp für komplexe Anfragen– Bei der Suche nach dem richtigen Partner, dem richtigen Gutachten oder einem wirklich interessanten Artikel mussten wir bisher Stunden in Recherche investieren. Eine semantische Suche nutzt den Vektorraum von Sprachmodellen wie GPT4 um direkt den passenden Artikel zu deiner Anfrage zu finden und kann diesen dann auch noch kurz im Hinblick auf deine Frage zusammenfassen, genau wie ein persönlicher Assistent.
🚀👀 Spannende KI-Use Cases, die wir gerne bauen möchten:
- GPT4 Plug-In Entwicklung – Seit 2 Wochen hat OpenAI den Entwicklerzugang für GPT4 PlugIns freigegeben, sodass wir Plug-Ins entwickeln können, die dann direkt über ChatGPT Plus verfügbar sind.
- Reisebegleitung und -coaching – Wir glauben, dass wir die Konzepte die wir in Branchen wie Immobilenverkauf und Steuerberatung entwickelt haben, sehr gut auf Reiseplanung und Reisezusammenstellung anwenden können und suchen noch nach Unternehmen, die hier generative KI ausprobieren wollen.
- Fortbildung oder MVP-Software für die Versicherungsbranche – Basiswissen für neue Mitarbeiter in der Versicherungsbranche lässt sich sehr gut mit generativer KI aufbereiten und liefert sofort einen Mehrwert.
👎 Geringer Mehrwert, hohe Kosten
- Model Finetuning basierend auf eigenen Daten – Finetuning ist deutlich aufwendiger und kostspieliger als automatisiertes Prompting. Bei der aktuellen Entwicklung der Sprachmodelle macht es Sinn zuerst den Promptengineering Pfad voll auszureizen bevor man in ein Finetuning investiert. Wir empfehlen trotzdem bereits jetzt mit dem Anlegen eines Finetuning Datensets zu beginnen, da dies meist Zeit kostet und Infrastrukturanpassungen benötigt.
- Autonome Agentensystem, wie AutoGPT oder BabyAGI – Was sich auf dem Papier sehr mächtig anhört, ist für produktive Implementierungen aktuell noch zu komplex und zu fehleranfällig. Der Gedanke, dass mehrere Sprachmodelle als Agenten eingesetzt werden um sich gegenseitig zu prüfen ist ein Standardmuster in fast allen unsere Implementierung und funktioniert sehr gut. Ein Framework wie AutoGPT braucht es dafür aber zur Zeit noch nicht.
Das sind natürlich nur einige Beispiele, jede Woche lernen wir neue Ideen für Anwendungen kennen während sich parallel die Technologie weiterentwickelt.
#KI #KünstlicheIntelligenz #ChatGPT #GPT4 #SemantischeSuche #UseCases #KIAnwendung #KIEntwicklung #Coachingflows #Unternehmen #Innovation #KIInnovation #MachineLearning #DeepLearning #Deyan7 #KIConsulting #KIImplementierung #OpenAI #AIPlugins #Fortbildung #Versicherungsmakler #Reiseplanung #Finetuning #AutonomeAgenten #TechnologieTrends #BusinessIntelligence #Digitalisierung
