Viele KI-Initiativen in Unternehmen scheitern nicht, weil die Technologie fehlerhaft ist, sondern weil sie in die „Pilotfalle“ tappen. Unternehmen starten oft Dutzende unzusammenhängender Experimente – ein Phänomen, das als „Pilot-Sprawl“ bekannt ist –, die nie in einen tatsächlichen Geschäftswert umschlagen.
Aktuelle Erkenntnisse von Technologieführern bei MassMutual und Mass General Brigham (MGB) zeigen, wie Unternehmen diese Hürde überwinden. Indem sie unkoordiniertes Experimentieren durch strenge Governance, klare Kennzahlen und strategische Integration ersetzen, verwandeln diese Unternehmen das KI-Potenzial in messbare Produktivität.
MassMutual: Der wissenschaftliche Ansatz zum Wert
Für MassMutual, ein 175 Jahre altes Finanzdienstleistungsinstitut, ist KI kein Experiment mehr; es ist eine Produktionsrealität. Das Unternehmen hat KI erfolgreich in Underwriting, Schadensregulierung, Kundenservice und IT integriert. Die Ergebnisse sind frappierend:
– Die Produktivität der Entwickler ist um 30 % gestiegen.
– Die Lösungszeiten für den IT-Helpdesk sanken von 11 Minuten auf nur eine Minute.
– Die Dauer von Kundendienstanrufen wurde von 15 Minuten auf etwa zwei Minuten verkürzt.
Erfolg durch Metriken definieren
Sears Merritt, Leiter Unternehmenstechnologie und Erfahrung bei MassMutual, betont, dass jedes KI-Projekt mit einer Hypothese beginnen muss. Anstatt Trends hinterherzujagen, fragt das Team: Welches Problem lösen wir und wie werden wir es beweisen?
Um die Reibung ständiger Neuanpassungen zu vermeiden, schreibt MassMutual vor, dass der „Erfolg“ von den Geschäftspartnern definiert werden muss, bevor ein Werkzeug jemals in Produktion geht. Dadurch wird sichergestellt, dass die technische Umsetzung den tatsächlichen Anforderungen der Abteilung entspricht.
Bauen für Flexibilität
Eine Schlüsselstrategie für MassMutual besteht darin, eine „Anbieterbindung“ zu vermeiden. Da sich die KI-Landschaft so schnell verändert, verfügt das Unternehmen über eine äußerst heterogene Umgebung. Sie haben gemeinsame Serviceschichten und APIs erstellt, die zwischen ihren KI-Modellen und ihren Kernsystemen (einschließlich älterer Mainframes) liegen.
Diese Architektur ermöglicht es ihnen, ein „Best-of-Breed“-Modell gegen ein neueres, besseres Modell auszutauschen, ohne ihre gesamte Infrastruktur von Grund auf neu aufbauen zu müssen.
Mass General Brigham: Die „Tausend Blumen“ beschneiden
Während sich MassMutual auf strenge Messungen konzentrierte, musste Mass General Brigham (MGB) einen Konsolidierungsprozess durchlaufen. Jahrelang nutzten die 15.000 Forscher des MGB verschiedene Tools für maschinelles Lernen, was zu einer fragmentierten Landschaft nicht verwalteter Pilotprojekte führte.
Übergang von Zersiedelung zu Strategie
CTO Nallan „Sri“ Sriraman beschreibt ihren ursprünglichen Ansatz als eine „Tausend Blumen blühen“-Methodik, bei der im Wesentlichen jeder frei experimentieren kann. Er erkannte jedoch, dass sie nicht tausend Blumen hatten; Sie hatten ein paar Dutzend unzusammenhängende Versuche, denen es an Richtung mangelte.
Um dieses Problem zu beheben, wandte sich MGB einer stärker zentralisierten Strategie zu:
– Nutzung vorhandener Plattformen: Anstatt interne Tools zu entwickeln, begann MGB, KI-Funktionen zu priorisieren, die bereits von seinen Hauptanbietern (wie Epic, Microsoft und ServiceNow) eingeführt wurden.
– Strategische „Planung“: Anstatt irgendjemanden experimentieren zu lassen, „pflanzen und nähren“ sie jetzt KI-Initiativen sorgfältig, indem sie KI-Champions in bestimmte Unternehmensgruppen einbetten.
– Kontrollierte Umgebungen: Sie nutzen „kleine Landezonen“, um anspruchsvolle Produkte sicher zu testen, was ein kontrolliertes Testen der Token-Nutzung und des Modellverhaltens ermöglicht.
Die nicht verhandelbaren Leitplanken
Im Gesundheitswesen ist die Gefahr von KI-Fehlern lebensverändernd. MGB hat strenge „Human-in-the-Loop“-Protokolle implementiert. Während KI beispielsweise bei der Erstellung radiologischer Berichte hilfreich sein kann, muss ein Arzt die endgültige Entscheidung immer überprüfen und abzeichnen.
Darüber hinaus sind die technischen Sicherheitsvorkehrungen absolut:
– Datenschutz: Strenge Regeln verhindern, dass geschützte Gesundheitsinformationen (PHI) in öffentliche KI-Tools eingegeben werden.
– Der „Kill Switch“: Jedes betriebsbereite KI-System muss über einen „großen roten Knopf“ verfügen, um es bei Fehlfunktionen sofort abzuschalten.
– Beobachtbarkeit: Echtzeit-Dashboards überwachen die „Modelldrift“ (wenn die Genauigkeit einer KI mit der Zeit nachlässt), um Sicherheit und Zuverlässigkeit zu gewährleisten.
Das Fazit
Der Übergang vom KI-Experiment zur KI-Produktion erfordert eine Änderung der Denkweise: von „Können wir das schaffen?“ zu „Wie treibt dies den Wert voran und wie steuern wir ihn?“
Ob durch die wissenschaftliche Genauigkeit von MassMutual oder die disziplinierte Konsolidierung von MGB, die Lektion ist klar: Bei erfolgreicher Unternehmens-KI geht es nicht um die Anzahl der Pilotprojekte, die Sie durchführen, sondern um die Disziplin, mit der Sie sie skalieren.
