Intermezzo 3 🇩🇪 Trial, Error, Pay, Repeat
Tja, so einfach isses net, das war der Tenor des
- Intros KI: Einfach in der Nutzung – komplex in der Einführung
- und der Erstausgabe Episode 10 - The Turing effect and the simplicity trap
von "it's promp.td". Die unbesonnene Integration von KI-Tools im Unternehmen kann schnell zur Bauchlandung führen, wenn man sich vom Hype treiben lässt und in die "Simplicity Trap" fällt.
Jetzt kamen sogar die McKinseyaner* drauf:
"Growth in the generative AI era looks like a classic case of “two steps forward, one step back.” As companies come to grips with the unique complexities of gen AI, initial progress leads to reversals and redos, in some cases threatening to stop development altogether.
There are many sources of frustration and delay, from a lack of sufficient talent to ongoing data quality issues. But our experience working closely with more than 150 companies on their gen AI programs over the course of two years reveals that two hurdles along the building journey almost always surface:
- Failure to innovate: Process constraints, lack of focus, and cycles of rework that quash innovation. Teams that could be solving valuable problems are stuck re-creating experiments or waiting on compliance teams, who themselves are struggling to keep up with the pace of development. In our experience, roughly 30 to 50 percent of a team’s “innovation” time with gen AI is spent on making the solution compliant or waiting for their organizations’ compliance requirements to solidify and be practical. Teams work on problems that don’t matter, duplicate work, and create one-off solutions that can’t be reused and often fail to unlock real value.
- Failure to scale: Risk concerns and cost overruns that choke off scale. For the few solutions that show real value potential, enterprises largely fail to cross the chasm from prototype to production. Security and risk concerns (including reputational risk) when scaling gen AI applications are handled individually and become too large and expensive to overcome."
Ich weiss nicht wie viel Honorar McKinsey für diese Erkenntnisse erhalten hat, ich hätt' gerne nur 1% davon 😀 - Na gut, mit Trial, Error and Repeat kommt man vermutlich auch voran, aber braucht man dafür wirklich eine so kostspielige Beratung? Sollte eine gute Beratung die Lernkurve nicht ersparen oder auf ein Minimum minimieren?
Noch besser ist deren "proven strategies for overcoming them":
Geht's noch? Wieder so ne schlimme Beratergeschwurbelgrafik (der Text ist genauso konfus wie die Grafik), die alles Mögliche durcheinanderwirft und vermutlich nicht mal der Erzeuger noch versteht.
Nun, genug des Bashings, es ist wirklich nicht so einfach, diese technologische Innovation zu integrieren. Sie ist einfach anders als die IT-Tools, die man schon länger kennt und benutzt. Um ein gewisses Mass an "Trial&Error" kommt man nicht herum. Wenn man es aber richtig angeht, kann man die Lernkurve schneller erklimmen und Wettbewerbsvorteile erzielen. Ein paar Empfehlungen dazu gibt es in Episode 10.6 - Generate or delegate?
*Hier das Paper, vielleicht habt ihr mehr Spaß damit als ich es hatte: Overcoming two issues that are sinking gen AI programs
Live long and prosper 😉🖖
