Von Pilotprojekten zu echten Lösungen: Generative AI in der Praxis

Dein Update zur Digitalisierung der
Versicherungsbranche.


In dieser Folge des Digital Insurance Podcast spreche ich über
die Grenzen von Generative AI und wie sich das Maximum aus der
Technologie herausholen lässt.


Das ist beileibe nicht der erste Podcast zu Generative AI. Dieses
Mal möchte ich darüber sprechen, welche Limitierungen die
Technologie mit sich bringt und welche Use Cases realistisch
sind.


Für eine gut funktionierende Gen AI braucht es Daten. Bei Daten
handelt es sich um allgemein verfügbares Wissen der Unternehmen.
Sie müssen zu jedem Zeitpunkt relevant, up-to-date, bereinigt und
vollständig sein. Außerdem ist es wichtig, dass sie sich leicht
von einem System in ein anderes exportieren lassen.


Use Cases gibt es für Gen AI viele. Geht es um das Schreiben von
Texten, macht die Technologie bereits einen guten Job. Anders
sieht es bei Bildern, Videos und Audio aus. Hier ist die
Technologie noch nicht ausgereift. Mithilfe von Gen AI lassen
sich synthetische Datensätze erschaffen. Beispielsweise können
Fragen von Kunden, die im Callcenter aufkommen können, generiert
werden. Diese werden anschließend in ein KI-Modell gespeist, um
dessen Antworten zu verbessern. Allerdings ist wichtig zu
verstehen, dass beim Generieren von synthetischen Daten kein
neues Know-how entsteht.


Um die Modernisierung schneller voranzutreiben, wären erhöhte
Investitionen in KI vonnöten. Viele Aktionäre und Gesellschafter
scheinen leider nicht bereit, diesen Schritt mitzugehen. In der
Organisation ist wichtig, dass Grundkenntnisse über die
Möglichkeiten und Limitierungen von KI vorherrschen.


Links in dieser Ausgabe
Zur Homepage von Jonas Piela
Zum LinkedIn-Profil von Jonas Piela