Wenn Sie den maximalen Nutzen aus Ihren Bemühungen ziehen möchten, brauchen Sie eine besonder gut durchdachte Strategie für generative KI. Diese Strategie sollte wichtige Aspekte wie den Zweck der App, die Identifizierung der Zielbenutzer, das Verständnis der Risiken, die Einführung rechtlicher Maßnahmen und die Auswahl der Tools abdecken. Wenn Sie diese Schritte befolgen, können Sie eine robuste Strategie für die Erstellung einer effektiven und ansprechenden generativen KI-App entwickeln.
Schritt 1. Erstellen eines KI-Tigerteams
Ein KI-Tigerteam bringt Experten aus dem gesamten Unternehmen zusammen – nicht nur für die strategische Ausrichtung, sondern auch für die effiziente und effektive Bereitstellung einer qualitativ hochwertigen GenAI-App, die den Geschäftszielen und den Bedürfnissen der Nutzer entspricht. Eine Vielzahl von Rollen einzubeziehen, kann demnach für erfolgreich umgesetzte Projekte sorgen.
Das Team sollte über einen Produktmanager verfügen, der die Vision, Strategie und Roadmap der App definiert und deren Ausrichtung an den Geschäftszielen und Benutzeranforderungen sicherstellt. Es sollte Experten aus dem Unternehmen umfassen, die für den Anwendungsfall der App relevante Fachkenntnisse bereitstellen. Außerdem sollten sie dabei helfen, den Entwicklungsprozess in die richtige Richtung zu leiten und die Ergebnisse der App zu validieren. Ebenso wichtig für jedes GenAI-App-Projekt sind Anwälte und Berater, die potenzielle rechtliche und ethische Bedenken ansprechen können, wie z. B. Rechte an geistigem Eigentum, Content-Moderation und Minderung von Vorurteilen.
Das Team benötigt mindestens einen Software-Ingenieur, um die Architektur der App zu erstellen, die KI-Modelle zu integrieren und die Leistung, Wartbarkeit und Skalierbarkeit der App sicherzustellen. Außerdem wird ein UX/UI-Designer gebraucht, um intuitive und ansprechende Benutzeroberflächen zu erstellen, die nahtlose Benutzererlebnisse und eine effektive Kommunikation der generativen Ausgaben der App gewährleisten.
Ein oder mehrere KI/ML-Ingenieure und Datenwissenschaftler sind ein entscheidender Teil eines jeden KI-Tigerteams für die Entwicklung und Implementierung der KI-Modelle und -Algorithmen, die die generativen Fähigkeiten der App unterstützen. Das Team sollte auch Test- und QA-Spezialisten umfassen, um Fehler zu identifizieren und zu beheben sowie sicherzustellen, dass die App Leistungs- und Qualitätsstandards erfüllt. Zudem sollten sie die Genauigkeit und Angemessenheit der generierten Inhalte überprüfen.
Die genaue Zusammensetzung Ihres Tigerteams kann je nach Komplexität und Umfang der GenAI-App variieren. Von Bedeutung ist dabei auch, wie Sie die App entwickeln möchten. Wenn Sie z. B. Low-Code verwenden, benötigen Sie möglicherweise nicht so viele Ingenieure, Designer oder Mitarbeiter für Tests und die Qualitätssicherung.
Schritt 2. Erstellen eines GenAI Playgrounds
Die Entwicklung einer GenAI-Applikation erfordert das Erforschen und Experimentieren mit einer Vielzahl von Modellen und Techniken. Daher besteht der nächste Schritt darin, einen GenAI Playground einzurichten – d. h. einen zentralen Ort zum Vergleichen und Testen verschiedener Modelle. Playgrounds ermöglichen es Entwicklern und anderen Mitarbeitern in einem Unternehmen, generative KI zu erforschen und kennenzulernen, indem sie sich in einer praktisch ausgerichteten Lernumgebung mit verschiedenen hochmodernen Grundmodellen und Prompts auseinandersetzen.
Es gibt Playgrounds von AWS, OpenAI, Github, NVIDIA, Hugging Face, Quora und anderen. Diese Playgrounds sind webbasiert und einige von ihnen bieten APIs, die die Integration von Bestandteilen in einige Entwicklungsplattformen ermöglichen. Bei einigen müssen Entwickler jedoch Daten importieren, was problematisch sein kann, wenn es sich bei den Daten nicht um Testdaten handelt. Um Mitarbeitern ein sicheres Experimentieren mit GenAI zu ermöglichen, haben bekannte Unternehmen wie Walmart und CBRE ihre eigenen sicheren internen Playgrounds aufgebaut. Hier können Entwickler, IT und das Unternehmen praktische GenAI-Erfahrungen sammeln, ohne sich dabei um das Risiko von Datenlecks oder Offenlegungen sorgen zu müssen. Wenn Ihnen das zusagt, können Sie die folgenden Schritte befolgen.
Definieren Sie Ihre Ziele
Bestimmen Sie, was Sie mit Ihrem KI Playground erreichen möchten. Möchten Sie Texte, Bilder oder Musik erstellen? Benötigen Sie Übersetzungsfunktionen? Werden Sie generative KI in Ihre Applikationen einbetten oder erstellen Sie eine GenAI-Applikation? Ihre Ziele bestimmen die Auswahl der Tools und Modelle.
Wählen Sie Ihre KI-Modelle und -Tools
Wählen Sie die generativen KI-Modelle aus, mit denen Sie experimentieren möchten. Für die Textgenerierung eignen sich Modelle wie GPT von OpenAI oder Claude von Anthropic. Für die Bilderzeugung sollten Sie DALL-E oder ähnliche Modelle in Betracht ziehen. Zu den beliebten Frameworks gehören TensorFlow, PyTorch und die Transformers-Bibliothek von Hugging Face.
Richten Sie Ihre Umgebung ein
Stellen Sie sicher, dass Sie über eine robuste Entwicklungsumgebung verfügen. Sie benötigen einen Hostcomputer mit einer guten GPU oder Zugriff auf cloudbasierte Dienste wie AWS, Google Cloud oder Azure. Sie sollten Python auf Ihrem System installieren, da die meisten KI-Bibliotheken auf Python und Tools für virtuelle Umgebungen wie virtualenv oder conda basieren, um Abhängigkeiten zu verwalten.
Installieren Sie die erforderlichen Bibliotheken und erhalten Sie API-Zugriff
Installieren Sie die Bibliotheken, die für Ihre ausgewählten Modelle erforderlich sind. Für einige Modelle, wie GPT-4, DALL-E und Claude, müssen Sie möglicherweise API-Schlüssel abrufen.
Schreiben, testen und verfeinern Sie Ihren Playground-Code
Erstellen Sie Skripte, um mit den KI-Modellen zu interagieren. Wenn Sie damit fertig sind, testen Sie Ihren Playground kontinuierlich, verfeinern Sie die Modelle und optimieren Sie den Code, um die Qualität der generierten Inhalte zu verbessern.
Wenn Sie diese Schritte befolgen, kann Ihr Unternehmen einen generativen KI-Playground einrichten, der auf Ihre Bedürfnisse zugeschnitten ist, und damit beginnen, die Fähigkeiten verschiedener KI-Modelle zu erkunden. Wenn Sie eine Low-Code-Plattform verwenden, können Sie einige dieser Schritte überspringen. Unabhängig davon, wie Sie Ihren Playground zur Verfügung stellen, wird er Ihre wertvollste Ressource zum Erlernen und Verfeinern von GenAI-Fähigkeiten sein. Zudem bietet er einen Ort für die Erkundung von Anwendungsfällen.
„Durch die Kraft der Neugier und des Spiels haben die Entwickler gelernt, was sie für eine Integration tun mussten. Wir haben unser Team weder personell erweitert, noch jemanden zur Schulung geschickt. Wir konnten schnell skalieren, ohne das Engineering-Team selbst skalieren zu müssen. Außerdem haben wir den Playground für Geschäftsmitarbeiter, Business-Technologen und alle anderen freigegeben, die Dinge ausprobieren und lernen wollten.“
Joanne Markow, Vice President, Digital Transformation, OutSystems
Schritt 3. Entdecken möglicher Anwendungsfälle
Es gibt zahlreiche potenzielle Anwendungsfälle für GenAI in Ihrem Unternehmen und in Ihrer Branche. Die spezifische Applikation, die Sie erstellen, hängt von Faktoren wie Unternehmenszielen, Zielgruppe und der Art Ihrer Produkte oder Dienstleistungen ab. Um die relevantesten und wertvollsten Anwendungsfälle für Ihr Unternehmen zu ermitteln, sollte das Tigerteam eng zusammenarbeiten, um Chancen zu identifizieren und zu priorisieren.
Bestimmen Sie zunächst, ob Sie eine GenAI-App für einen der Anwendungsfälle erstellen sollten. Die gängigen branchenübergreifenden Anwendungsfälle, die im Abschnitt „Wo GenAI-Apps den größten Impact erzielen“ beschrieben werden, können dabei helfen, festzustellen, ob Sie einen Bereich Ihres Unternehmens verbessern möchten. Vielleicht möchten Sie aber auch einen Anwendungsfall angehen, der für Ihre Branche spezifisch ist. GenAI-Applikationen werden in den meisten großen Branchen erfolgreich eingesetzt. Hier sind einige Beispiele.
Generative KI-Anwendungsfälle in der Finanzdienstleistungsbranche
In der Finanzwelt gibt es mehrere Anwendungsfälle für GenAI. Beispielsweise kann eine GenAI-Applikation zur Betrugserkennung Warnungen überprüfen und gefälschte Benachrichtigungen entfernen. GenAI-gesteuerte Chatbots können Kundenanfragen kompetent bearbeiten und schnelle und präzise Antworten auf Mobile-Banking-Apps bereitstellen. Es gibt persönliche GenAI-Assistenten, die Banking-Kunden dabei helfen, Ausgaben zu verwalten, für die Zukunft zu planen und die Budgetierung zu vereinfachen.
GenAI-Anwendungsfälle in der Versicherungsbranche
Für Versicherungen schreibt GenAI das Underwriting-Playbook neu und bewertet Risiken mit Genauigkeit und Fairness. Die Erklärungen erfolgen in natürlicher Sprache. Die Schadenbearbeitung, die einst manuell und sehr aufwendig war, ist dank GenAI-Automatisierung nun schnell gelöst. Versicherer implementieren bereits generative KI in mobilen Apps, damit Kunden mithilfe von Prompts und natürlicher Sprache anstelle „vorgefertigter“ Bot-Fragen Angebote einholen, Ansprüche geltend machen und den Status von Policen nachverfolgen können.
Kundenstory: GenAI beschleunigt Schadenprozesse
Ricoh ist ein führender Anbieter von digitalen Services, Informationsmanagement, Druck- und Imaging-Lösungen für Kunden in rund 200 Ländern. Mit einer Low-Code-Plattform hat Ricoh eine Claims-Management-Applikation entwickelt, die Document Imaging, GenAI, ML, Natural Language Processing und RPA nutzt, um die Aufnahme, Validierung und Lösung von Ansprüchen zu beschleunigen. Das Ergebnis: eine verbesserte Kundenzufriedenheit und eine stärkere Kundenbindung.
Anwendungsfälle für generative KI in der Fertigungsindustrie
Die Fertigung hat viele Prozesse und Aktivitäten, die viel Raum für GenAI-Applikationen lassen. So können z. B. Produktmanager in einer App ihre Vorstellung für ein bestimmtes Produkt beschreiben und die App erstellt verschiedene Designs und Funktionen zur Auswahl. Eine andere könnte vorhersagen, wie viel Lagerbestand auf der Grundlage von Produktionsplänen und Verkaufsprognosen gehalten werden muss, und wann der beste Zeitpunkt ist, um weitere Artikel einzulagern, um Ausfälle oder Überbestände zu vermeiden.
Anwendungsfälle für generative KI in Behörden
Auch Behörden eröffnet GenAI etliche Möglichkeiten. Sie könnten eine GenAI-App erstellen, die realistische 3D-Modelle und Berichte über die Auswirkungen verschiedener Entwürfe liefert, um Stadtplanern dabei zu helfen, lebenswertere, nachhaltigere und gerechtere Gemeinschaften zu schaffen. Eine weitere Möglichkeit sind GenAI-Systeme, die Echtzeitdaten von Notfall-Anrufen, Verkehrskameras, Wettersensoren, Social-Media-Feeds und mehr verwenden, um Vorhersagemodelle und Empfehlungen für die Ressourcenzuweisung, Evakuierungsrouten und Behandlungsprioritäten zu generieren.
Schritt 4: Risiken identifizieren
Es gibt potenzielle GenAI-Fallstricke, die sich auf die Zuverlässigkeit, Sicherheit und Ethik Ihrer Apps auswirken können: Voreingenommenheit, Halluzinationen, Cyberbedrohungen, Urheberrechtsverletzungen und Undurchsichtigkeit. Hier erfahren Sie, worauf Sie achten sollten und was Sie tun können, um diese Probleme zu vermeiden.
Rechtliche Risiken
GenAI-Modelle können Inhalte generieren, die bestehenden Werken wie Artikeln, Bildern oder Code sehr ähnlich sind. Diese Inhalte können Rechte an geistigem Eigentum verletzen oder geistiges Eigentum darstellen. Wenn Ihre Applikation Inhalte generiert, die urheberrechtlich geschütztem Material zu ähnlich sind, könnten rechtliche Anfechtungen und Geldstrafen auf Sie zukommen. Wie können Sie dies verhindern? Verwenden Sie Techniken, die potenziell problematische Inhalte erkennen und herausfiltern – und stellen Sie sicher, dass Sie über die erforderlichen Lizenzen und Berechtigungen verfügen.
Datenschutz- und Sicherheitsrisiken
GenAI-Modelle werden mit riesigen Datensätzen trainiert, von denen viele sensible oder persönliche Informationen enthalten. Dies kann zu Datenschutzverletzungen führen. Darüber hinaus sind GenAI-Modelle anfällig für Black Hats, die Eingabedaten böswillig verwalten, um irreführende oder schädliche Ausgaben zu generieren. Die Implementierung robuster Datenschutzmaßnahmen wie Verschlüsselung, Zugriffskontrollen und Data-Governance-Richtlinien sowie angriffsbezogene Schulungs- und Erkennungstechniken können Daten schützen.
Governance-Risiken
GenAI-Apps sind in der Lage, unzutreffende Inhalte zu generieren (Halluzinationen) und voreingenommene oder unfaire Entscheidungen zu treffen. Beispielsweise kann ein KI-Modell, das mit einem medizinischen Bilddatensatz trainiert wurde, lernen, Krebszellen zu identifizieren. Doch wenn es keine Bilder von gesundem Gewebe gibt, kann das KI-Modell dieses Gewebe fälschlicherweise als krebsartig identifizieren. Da GenAI-Tools wie ChatGPT, Claude, Sora und DALL-E 2 frei verfügbar sind, können sie auf unbeabsichtigte Weise verwendet werden, z. B. indem private Unternehmensdaten öffentlich gemacht machen – entweder über die Tools selbst oder in Webinhalten.
Aufgrund dieser Risiken ist es wichtig, dass alle Personen, die an der Entwicklung und Nutzung von KI beteiligt sind, auf dem gleichen Stand sind und Best Practices befolgen. Planen Sie den Einsatz von Faktenprüfungsmechanismen, menschlicher Aufsicht oder Vertrauensbewertung, um unzuverlässige Ergebnisse herauszufiltern und Halluzinationen zu verhindern.
Ethische Risiken
Wenn ein KI-Modell auf Daten mit Vorurteilen wie Geschlechter-, Rassen- oder Kulturstereotypen trainiert wird, kann es Inhalte generieren, die diese Vorstellungen aufrechterhalten. Dies kann zu diskriminierenden oder beleidigenden Ergebnissen führen, die Ihren Nutzern schaden und Ihrer Marke schaden können. Ein Beispiel ist die KI-Software eines Tech-Giganten für Bewerbungsverfahren. Sie sortierte alle Bewerbungen von Ingenieurinnen aus, die ihren Abschluss an einer Frauenuniversität erworben hatten, weil das Modell mit den Lebensläufen des rein männlichen Teams trainiert worden war. Vielfältige und unvoreingenommene Trainingsdaten und Techniken wie die Erkennung und Korrektur von Verzerrungen können dieses Risiko mindern.
Risiken für die Transparenz
GenAI-Modelle sind komplex und undurchsichtig. Dadurch kann es schwierig sein, nachzuvollziehen, wie sie zu ihren Ergebnissen gelangen. Dies ist problematisch für rechtliche, finanzielle oder medizinische Applikationen, die Audits und Rückverfolgbarkeit erfordern. Um diesem Risiko zu begegnen, sollten Sie erklärbare KI-Techniken entwickeln, eine Überwachung durch Menschen implementieren und klare Rahmenbedingungen für die Verantwortlichkeit einrichten.
Wenn Sie diese Risiken kennen und die hier beschriebenen Mechanismen, Werkzeuge und Techniken anwenden, kann Ihr Entwicklerteam dabei helfen, unvoreingenommene, zutreffende, sichere, originelle und erklärbare GenAI-Applikationen zu erstellen – für alle Arten von Anwendungsfällen in allen möglichen Branchen.
Schritt 5: Bewertung der Bereitschaft
Niemand sollte sich direkt in ein Entwicklungsprojekt für eine GenAI-Applikation stürzen, ohne sich vorher anzusehen, was genau benötigt wird. Um die Bereitschaft Ihres Unternehmens für die Entwicklung von GenAI-Applikationen zu bewerten, sollte Ihr Tigerteam zunächst Fragen zu Ihrem aktuellen Talent-, Technologie- und Lernstatus stellen, nach Lücken suchen und ermitteln, wie diese geschlossen werden können.
Ermitteln der Bereitschaft seitens IT und Business
Verfügt Ihre IT-Organisation über die richtigen Fähigkeiten und Erfahrungen in den Bereichen KI, ML und Software-Entwicklung? Die entsprechenden Rollen sind entscheidend für das Entwerfen, Erstellen und Warten von GenAI-Systemen. Wie sieht es mit der Fachkompetenz aus? In den Bereichen, in denen Sie GenAI implementieren möchten, sollten Sie auch über das entsprechende geschäftliche Wissen verfügen.
Überprüfen Sie Ihre Technologie- und Datenstacks
Wie sieht es mit der notwendigen Rechenleistung und Infrastruktur aus? GenAI kann ressourcenintensiv sein. Sie sollten über die erforderlichen Hardware und die Cloud-Dienste verfügen und diese bei Bedarf skalieren können.
Sind Ihre Datenbestände in gutem Zustand – vielfältig, qualitativ hochwertig und gut organisiert? GenAI ist stark auf Daten angewiesen. Daher ist ein robuster und relevanter Datensatz unerlässlich. Überprüfen Sie sowohl die Quantität als auch die Qualität Ihrer Daten und ob eine Vielzahl von Szenarien und Grenzfällen abgedeckt werden. All dies sind wichtige Voraussetzungen für erfolgreiche GenAI-Projekte.
Lücken identifizieren
Was könnte Ihr Projekt nun noch aufhalten? Möglicherweise müssen Sie in Schulungen oder Einstellungen investieren, um das Fachwissen Ihres Teams in GenAI-Technologien und Best Practices aufzubauen. Suchen Sie nach Möglichkeiten zur Zusammenarbeit mit akademischen Einrichtungen oder Industriepartnern, um zusätzliches Wissen und weitere Ressourcen zu erschließen.
Eventuell müssen Ihre Daten noch überarbeitet werden – mit einer Bereinigung, Labeling und der Gewährleistung, dass eine Vielzahl von Szenarien abgedeckt werden. Dies kann ein zeitaufwändiger Prozess sein, den Sie entsprechend einplanen sollten. Zudem könnte es sein, dass Sie Ihren Tech-Stack upgraden müssen, um den Anforderungen von GenAI gerecht zu werden, wie z. B. High-Performance-Computing oder spezialisierte Software-Tools. Überlegen Sie, ob Sie über das Budget und die Ressourcen für entsprechende Investitionen verfügen.
Beziehen Sie auch Governance und ethische Überlegungen mit ein. Ein großes Manko kann darin bestehen, dass es keine Richtlinien gibt, die eine verantwortungsvolle und unvoreingenommene GenAI-Entwicklung gewährleisten. Vor allen weiteren Schritten sollte diese Lücke geschlossen werden. Jedes ihrer Teammitglieder sollte Ihre Prinzipien kennen und danach handeln. Seien Sie ehrlich in Bezug auf Ihren Nachholbedarf und arbeiten Sie einen Plan aus, um Ihr Unternehmen auf GenAI vorzubereiten. Mit der richtigen Vorbereitung und Einstellung sind Sie auf dem besten Weg, die Leistungsfähigkeit von GenAI für Ihr Unternehmen mit genau der richtigen App zu nutzen.
Schritt 6: Identifizieren eines Pilotprojekts
Genauso wie Sie sich nicht in ein GenAI-Projekt stürzen sollten, ohne Ihre Bereitschaft zu bewerten, sollten Sie sich auch nicht zu viel auf einmal vornehmen. Daher sollten Sie mit einem Pilotprojekt starten. Hier kommt es allerdings auf die richtige Ausrichtung an. Dann die Wahl eines passenden Pilotprojekts ist entscheidend für das Testen Ihrer GenAI-Lösung. Das Pilotprojekt muss ein klares Geschäftsziel haben und mit Ihrer Technologie umsetzbar sein. Hier sind weitere wichtige Kriterien, die Ihnen helfen können, ein geeignetes Pilotprojekt zu finden.
Suchen Sie sich ein klares Problem
Starten Sie nicht, ohne ein bestimmtes Geschäftsergebnis zu verfolgen. Wählen Sie ein klar definiertes Problem aus. Ihr Problem sollte nicht zu komplex sein, aber dennoch wichtig genug, um das Potenzial von GenAI zu demonstrieren. Vielleicht ist es die Automatisierung einer repetitiven Aufgabe, wie z. B. das Generieren von Produktbeschreibungen oder Antworten des Kundendienstes. Oder vielleicht geht es um die Erstellung neuer Inhalte, wie Social-Media-Posts oder Marketingtexte. Der Schlüssel liegt darin, einen Anwendungsfall zu finden, der für Ihr Unternehmen relevant ist und über klare Erfolgskennzahlen verfügt. Letztlich soll das Problem den Wert – und den ROI – Ihrer Lösung demonstrieren.
Definieren Sie messbare Ergebnisse
Vor allen weiteren Schritten sollten Sie sich darüber im Klaren sein, wie Sie den Erfolg messen können. Identifizieren Sie dazu die Key Performance Indicators (KPIs), die für Ihr Unternehmen am wichtigsten sind. Dies können Dinge wie Zeitersparnis, Content-Qualität oder Benutzerbindung sein. Legen Sie als Nächstes spezifische, quantifizierbare Ziele für jeden KPI fest, z. B. „Reduzieren der Zeit für die Erstellung von Inhalten um 30%“ oder „Erhöhen der Klickraten um 10%“. Zuletzt sollten Sie sicherstellen, dass Sie über die Tools und Prozesse verfügen, um diese Metriken während des gesamten Pilotprojekts zu verfolgen und Berichte darüber zu erstellen.
Sicherer Zugriff auf relevante Daten
Jedes Pilotprojekt braucht einen guten Datensatz für das Training. Der Datensatz sollte vielfältig und repräsentativ für die realen Szenarien sein, die Ihre GenAI-Applikation abdecken wird. Möglicherweise sind auch noch Schritte der Datenerfassung und -pflege erforderlich, bevor Sie beginnen können. Auch die Datenqualität ist zu gewährleisten. Ihre Daten müssen sauber, konsistent und ordnungsgemäß gekennzeichnet sein.
Berücksichtigen Sie die Benutzererlebnisse
Die Gestaltung einer reibungslosen und intuitiven UX ist der Schlüssel, um die Zustimmung Ihrer Benutzer und Stakeholder zu gewinnen. Überlegen Sie, wer die Applikation verwenden wird und was von ihr erwartet wird. Versetzen Sie sich in die Lage der Anwender. Überlegen Sie, wie Nutzer mit den KI-generierten Inhalten oder Ergebnissen interagieren werden und was sie in Bezug auf Qualität, Relevanz und Benutzerfreundlichkeit erwarten. Stellen Sie sicher, dass sich die GenAI-Funktionen in bestehende Tools und Workflows integrieren lassen, und geben Sie klare Anleitungen für die Nutzung. Denken Sie an den menschlichen Faktor und bieten Sie Benutzern die Möglichkeit, Feedback zu geben und bei Bedarf Unterstützung zu erhalten.
Schritt 7: Technologien auswählen
Kapitel 2 und Kapitel 3 dieses E-Books gehen auf die Tools ein, die für die Entwicklung, Bereitstellung, Wartung und Aktualisierung traditioneller GenAI-Apps erforderlich sind und zeigen auf, welchen Unterschied Low-Code machen kann. Um die Technologien für Ihr Pilotprojekt und Ihre vollständige GenAI-gestützte Applikation auszuwählen, sollte Ihr GenAI-Tigerteam all diese Informationen eingehend überprüfen und selbst nach Lösungen suchen.
Bei der Recherche sollte auch die Zukunft dieser Tools, Plattformen und Funktionen berücksichtigt werden. Die Welt der GenAI-Applikationsentwicklung ist noch im Wandel. Schauen Sie also nach Lösungen, die Bestand zu haben scheinen. Dies wird Ihnen dabei helfen, den richtigen Weg für die GenAI-Entwicklung in Ihrem Unternehmen zu finden.