• Die Plattform für Customer Relations Stars sowie CX & Service Champions

 

Podcast über analytische KI & smarte Entscheidungen

The power of LLMs: Large Language Models und ihr Einsatz in Unternehmen

Happy Birthday ChatGPT!

Die Grenzen grosser Sprachmodelle: Wegweisende Technologie ist kein Alleskönner

Erfahrungen aus dem derzeit wohl grössten Conversational AI-Projekt

Five9 startet GenAI Studie

Bucher + Suter auf der DMEA: Kundenservice der nächsten Generation für Digital Health Servicecenter

Unified Commerce-Strategie: Für mehr Kundenzentrierung im Omnichannel

Editor's Pick

Podcast über Rolle & Zukunft von Customer Service

Meike Tarabori - Chefredaktion - 5. Februar 2024

Swiss Customer Relations Award 2024: Neue Projekte, neue Chancen

Meike Tarabori - Chefredaktion - 26. Januar 2024

Management, KI, Oracle

Die AI-Welle richtig surfen

cmm360 - 15. März 2021

Eine Zusammenfassung des ai-zurich Vortrages von Natalie Kirkoroglu, ORACLE

Die Senior Solution Engineerin von ORACLE macht auf das unabdingbare aufmerksam: «You can’t stop the ‘digital’ waves, but you can learn to surf them” (Jon Kabat-Zinn). Mit ihren reichen Erfahrungswerten zeigt sie mögliche Hürden von AI in der Geschäftswelt auf. An der letzten ai-zurich Konferenz (Online, 26. März 2020) gab Natalie sechs wertvolle Tipps, wie man die digitale Welle der künstlichen Intelligenz meistert.

1.) Unsicherheit und mögliche Aufwände von unbekannten Gebieten kann zum Nichts tun verleiten – ein oft auftauchender Fehler in der Praxis. Dies birgt die Gefahr, dass die Mitbewerber an einem vorbeiziehen. Denn in dieser Zeit probieren die Konkurrenten aus, machen Fehler aber lernen auch daraus. Wer also früher beginnt, kann sich auch einen besseren Vorsprung verschaffen.

2.) Starte dein AI-Projekt klein. Viele tolle Konzepte sind an der Grösse des Projekts gescheitert. Sie empfiehlt, sich Schritt für Schritt zu entwickeln und kleinere, realistische Ziele zu setzen und diese auch zu erreichen – mit Erfolgsgefühl! Bei ORACLE unterstreicht man, dass es nicht nur um moderne Technologie geht, sondern auch um moderne Prozesse sowie die passenden Fähigkeiten und das richtige Mindset.

3.) Sie unterstreicht die Relevanz von Daten innerhalb eines AI-Projekt. Ein gewisses Volumen an Daten (je nach Use case) ist unabdingbar, um Erkenntnisse und Schlussfolgerung daraus zu ziehen. Ausserdem entscheidet die Qualität der Daten auch die Qualität des Resultats, ganz nach dem Motto: Garbage in, garbage out. Schlussendlich müssen die Daten auch aktuell sein – ansonsten ist die Empfehlung ebenso veraltet. Sie empfiehlt für jeden Use Case, für jeden potentiellen AI-AnwendungsfalI, die Daten zu bewerten. Somit sind folgende Fragen von zentraler Bedeutung:

  • Haben wir genug Daten zur Verfügung?
  • Wie ist die Qualität der Daten?
  • Wie aktuell sind die Daten?
  • Muss man die Daten noch zuerst bearbeiten und Qualitätsarbeit leisten?
  • Daten zusammenführen? Matchen? Haben die verschiedene Formate?


Die Datenbereinigung und Zusammenführung kostet Zeit, ist jedoch eine ausserordentlich wichtige Aufgabe. Speziell grössere Unternehmen arbeiten mit verschiedenen Datensilos, und zum Teil auch mit unterschiedlichen Datensysteme. Dies führt zu hohen unstrukturierten Volumen – was auch zu viel Datenmüll führt. Aus diesem Grund empfiehlt sie:

Ein Unternehmen sollte eine kleine Datenmenge für einen kleinen Use Case bereinigen. Dieses Pilotprojekt kann mit vorhandenen Daten erstellt werden oder auch mit extern eingekauften Daten. Das wichtige ist bei der Auswahl der Daten, dass sie «smart» sind - also solche die passen und morgen nicht gleich veraltet sind.

4.) Es ist wichtig sich die Frage zu stellen: «Warum AI?». In erster Linie sollten die Herausforderungen des Problems analysiert werden. Diese Analyse ist der Grundpfeiler für die Wahl der Technologie. Ein Unternehmen sollte sich bewusst sein, dass es vielleicht eine andere Technologie gibt, die das Problem besser löst als AI. Unklare Zielsetzungen und kein konkreter Businesscase führen kaum zum Erfolg. Aus diesem Grund ist es essentiell, eine Strategie auszuarbeiten, sich auf gemeinsame Ziele zu einigen sowie Meilensteine und Leistungskennzahlen (KPI’s) zu definieren und mit dem Arbeitsteam abzugleichen.

5.) Ein Problem von AI-Projekten ist oftmals die fehlende Fehlertoleranz in der Geschäftswelt. Die künstliche Intelligenz hat eine Fehlerschwelle, lernt stetig dazu und wird klüger. Ein erfolgreiches AI-Projekt braucht das richtige Mindset - und damit auch eine Fehlerkultur.

6.) Es empfiehlt sich, klein anzufangen aber immer das grosse Bild im Kopf zu behalten. Denn AI ist Unternehmenssache und nicht Abteilungssache – auch wenn es nur ein Pilotprojekt ist. Aus diesem Grund sollten Skaleneffekte und Synergieeffekte von Anfang an miteinbezogen werden. Eine gesamtheitliche Strategie fördert den Austausch zwischen den Abteilungen und erhöht die Chancen den grössten Output des AI-Projektes zu verwirklichen.

Den ganzen Talk von Natalie Kirkoroglu als Keynote der letzten ai-zurich Konferenz können Sie sich in folgendem Video anschauen: 

 

Und noch mehr spannende Keynotes gibts am 6. Mai bei der grossen ai-zurich Konferenz 2021. Die Konferenz findet online und in ausgewählten Locations in Zürich statt.

Über Natalie Kirkoroglu

Die Senior Solution Engineerin unterstützt dabei die digitale Welle zu reiten und hat dies lange bei ORACLE getan. Nun hilft sie mit Ihrer Tech Marketing Agency Unternehmen die digitalen Ziele zu verwirklichen. Sie setzt ihren breiten Erfahrungsschatz im digitalen Marketing, in der Geschäftsentwicklung, Customer Experience und weiteren Gebieten ein.

Top Event

SCRF2024-Early-Bird-extended_750x422_w
Weisser Text als Abstand
Weisser Text als Abstand

Zu den aktuellsten News Dossiers