In modernen Geschäftsprozessen hat die Einführung generativer KI die reine Werkzeugnutzung hinter sich gelassen und tritt nun in die Phase der systematischen Integration ein.
Darüber hinaus liegt eine neue Ära der Intelligenz: die „Symphonische Intelligenz“.
Dieser Artikel beleuchtet den aktuellen Stand und die Zukunftsperspektiven der Nutzung generativer KI aus zwei Blickwinkeln: iterative Arbeit und Fließarbeit.
Iterative Arbeit
In einem früheren Artikel haben wir die Perspektiven „iterative Arbeit und Werkzeuge“ versus „Fließarbeit und Systeme“ als Ansatzpunkte analysiert, um generative KI zur Ausführung von Geschäftsaufgaben zu befähigen.
Iterative Arbeit bezieht sich auf Aufgaben, bei denen Menschen mehrere voneinander getrennte, konkrete Aufgaben halb unbewusst kombinieren und nach dem Prinzip von Versuch und Irrtum vorgehen.
Für diese iterative Arbeit sind Werkzeuge optimal. Durch die Auswahl passender Werkzeuge für verschiedene Aufgaben kann die Arbeit effizient vorangebracht werden. Daher ist es notwendig, das erforderliche Werkzeugset zusammenzustellen und dessen Anwendung zu beherrschen.
Gegenwärtig wird generative KI in der Geschäftswelt in den meisten Fällen als Werkzeug eingesetzt.
Ein Großteil der Diskussionen über die Verbesserung der Geschäftseffizienz mit generativer KI bezieht sich fast immer darauf, dieses neue und leistungsstarke Werkzeug dem bestehenden Werkzeugset hinzuzufügen, das Menschen für iterative Arbeiten verwenden.
Das Problem der iterativen Arbeit
Andererseits sind, wie im vorherigen Artikel dargelegt, die Effizienzgewinne durch Werkzeuge bei iterativer Arbeit relativ begrenzt.
Wenn Werkzeuge effizienter werden, wird der Mensch irgendwann zum Engpass. Letztendlich kann die Grenze der menschlichen Arbeitszeit nicht überwunden werden.
Darüber hinaus gibt es eine erhebliche Lücke in der Effizienz und Genauigkeit iterativer Arbeit zwischen erfahrenen Mitarbeitern und Neueinsteigern, und diese Lücke ist schwer zu schließen. Selbst wenn Sie also die Arbeitslast im nächsten Monat verdoppeln möchten, können Sie dies ohne Personen mit Veteranenkenntnissen nicht bewältigen.
Um das Problem des Menschen als Engpass zu lösen, läuft es letztlich darauf hinaus, alles durch künstliche Intelligenz zu ersetzen.
Die aktuelle generative KI besitzt jedoch noch nicht dieses Leistungsniveau.
Darüber hinaus bestehen selbst scheinbar einfache iterative Aufgaben, bei genauerer Betrachtung, aus einer großen Anzahl unbewusster Teilaufgaben.
Aus diesem Grund konnten sie nicht auf konventionelle IT-Systeme oder Handbücher reduziert werden, die jeder befolgen könnte, und waren daher auf menschliches Geschick angewiesen.
Solange diese zahlreichen unbewussten, geschicklichkeitserfordernden Aufgaben nicht organisiert und das notwendige Know-how für jede einzelne in Wissen kodifiziert wird, kann generative KI, egal wie sehr sich ihre Leistung verbessert, die menschliche Arbeit nicht ersetzen.
Transformation in Fließarbeit und Systematisierung
Um das Ziel der Aufgabenverteilung innerhalb der aktuellen Leistungsgrenzen generativer KI und das Ziel der Organisation unbewusster Aufgaben und der Kodifizierung von Know-how zu erreichen, ist es von großer Bedeutung, die iterative Trial-and-Error-Arbeit in standardisierte Fließarbeit zu überführen.
Standardisierte Fließarbeit passt nicht nur zu Werkzeugen, sondern auch zu Systemen.
Innerhalb der Fließarbeit gibt es Aufgaben, die von generativer KI ausgeführt werden, und Aufgaben, die von Menschen ausgeführt werden. Durch die Verbindung dieser Aufgaben mit einem System wird die gesamte Fließarbeit ausführbar.
Die Transformation in Fließarbeit und Systematisierung führt zu mehreren signifikanten Effekten.
Erstens wird die generative KI für einzelne Aufgaben spezialisiert, wodurch klar wird, wie die Effizienz und Genauigkeit der generativen KI für jede Aufgabe optimiert werden kann.
Zweitens können mehrere Mitarbeiter Wissen zur generativen KI hinzufügen, und die Vorteile erstrecken sich auf alle.
Drittens wird es einfach, die Aufgabenverteilung innerhalb dieser Arbeit schrittweise auf generative KI zu verlagern.
Auf diese Weise, durch die Transformation iterativer Arbeit in Fließarbeit und die Akkumulation des für generative KI notwendigen Wissens für jede Aufgabe als System, nähert sich intellektuelle Arbeit der Automatisierung wie eine Fabrikationslinie.
Und durch die Einbeziehung der sich mit der Zeit entwickelnden Verbesserungen der grundlegenden Leistungsfähigkeit generativer KI und die Nutzung des akkumulierten, für verschiedene Aufgaben spezialisierten Wissens wird es möglich sein, die gesamte Fließarbeit zu einem automatisierten Prozess zu machen, der von generativer KI gesteuert wird.
Virtuelle Intelligenz
Damit ist die Analyse aus der Perspektive iterativer Arbeit und Werkzeuge sowie Fließarbeit und Systemen abgeschlossen.
Ein weiterer Artikel, den ich kürzlich verfasst habe, führt diese Diskussion weiter aus.
In diesem Artikel habe ich das Thema der Orchestrierung durch virtuelle Intelligenz angesprochen.
Gegenwärtig und in naher Zukunft erzielt generative KI aufgrund von Leistungseinschränkungen eine bessere Effizienz und Genauigkeit, wenn sie sich auf spezifische Aufgaben konzentriert.
Daher war, wie zuvor bei der Fließarbeit und den Systemen besprochen, ein idealer Mechanismus, spezialisierte generative KIs für jede einzelne Aufgabe über ein System zu verbinden.
Doch selbst wenn sich die Leistung generativer KI erheblich verbessert, könnte es effizienter und genauer sein, die Verarbeitung durch Rollenwechsel und die Nutzung unterschiedlichen Wissens innerhalb eines einzigen Verarbeitungsvorgangs durchzuführen, anstatt einfach verschiedene Aufgaben parallel zu verarbeiten.
Diese Methode würde die Notwendigkeit eines Systems zur Verknüpfung generativer KIs eliminieren. Operationen, die der Systemintegration ähneln, würden innerhalb der generativen KI selbst stattfinden.
Darüber hinaus wird die generative KI selbst in der Lage sein, flexibel zu reagieren, während zuvor Aufgaben neu angeordnet oder hinzugefügt werden konnten, nur wenn Systemänderungen vorgenommen wurden.
Dies bedeutet, die als Fließarbeit ausgeführten und systematisierten Aufgaben wieder in iterative Arbeit zurückzuführen.
Die iterative Arbeit, die nach diesem Fließarbeits- und Systematisierungsprozess zurückkehrt, wird jedoch in einem Zustand sein, in dem wiederverwendbares Wissen gebildet wurde, selbst wenn die Anzahl der generativen KIs erhöht oder ihre Versionen geändert werden.
Dies löst die Probleme der menschlichen iterativen Arbeit und ermöglicht die Ausführung flexibler Aufgaben, die denen von Menschen ähneln.
Hier bezeichne ich die Fähigkeit generativer KI, während einer einzigen Ausführung Rollen und Wissen zu wechseln, als „virtuelle Intelligenz“. Dies ist analog zu einer virtuellen Maschine eines Computers.
So wie die Technologie der virtuellen Maschine völlig unterschiedliche Computer simuliert, die auf einer einzigen Hardware laufen, verarbeitet eine einzelne generative KI, indem sie zwischen mehreren Rollen wechselt.
Generative KI hat diese Fähigkeit zur virtuellen Intelligenz bereits natürlich erworben. Aus diesem Grund kann generative KI Diskussionen mit mehreren Personen simulieren oder Romane mit mehreren Charakteren generieren.
Wenn sich diese Fähigkeit zur virtuellen Intelligenz verbessert und sie mit ausreichendem Wissen versorgt wird, wird es möglich sein, iterative Arbeit auszuführen.
Intelligenz-Orchestrierung
Des Weiteren bezeichne ich die Fähigkeit, mehrere Rollen und Wissensbereiche frei zu kombinieren, um Aufgaben auszuführen, als „Intelligenz-Orchestrierung“.
Dies ähnelt der Orchestrierungstechnologie, die mehrere virtuelle Maschinen verwaltet.
So wie die Orchestrierungstechnologie Systeme effizient betreibt, indem sie bei Bedarf die notwendigen virtuellen Maschinen startet, wird eine generative KI mit verbesserten Intelligenz-Orchestrierungsfähigkeiten – einer Fähigkeit der virtuellen Intelligenz – in der Lage sein, iterative Aufgaben flexibel auszuführen, dabei Effizienz und Genauigkeit aufrechtzuerhalten und gleichzeitig zahlreiche Rollen und Wissensbereiche angemessen zu nutzen.
Symphonische Intelligenz
Generative KI, die dieses Stadium erreicht, kann als Symphonische Intelligenz bezeichnet werden.
So wie ein Orchester, in dem jeder Musiker sein Instrument meisterhaft beherrscht, ein einziges Musikstück spielt, während er seine jeweilige Rolle erfüllt, kann Symphonische Intelligenz eine Symphonie intellektueller Arbeit spielen.
Diese Symphonische Intelligenz ist ein neues Konzept, das einen Endpunkt für generative KI darstellt.
Die Symphonische Intelligenz selbst existiert jedoch bereits.
Es ist unsere menschliche Intelligenz.
Gerade weil wir Symphonische Intelligenz besitzen, können wir komplexe intellektuelle Aufgaben flexibel durch iterative Arbeit unbewusst ausführen und dabei eine Vielzahl von Know-how nutzen.
Fazit: Die Form der AGI
Indem man generativer KI, die in der Lage ist, Symphonische Intelligenz zu simulieren, Fließarbeitsprozesse und Wissensdatenbanken für andere Aufgaben zur Verfügung stellt, wird sie in der Lage sein, mehrere iterative Aufgaben zu bewältigen.
Wenn sie in der Lage ist, eine Vielzahl unterschiedlicher iterativer Aufgaben zu bearbeiten, wird sie wahrscheinlich gemeinsame Prinzipien und strukturelle Muster im Wissen über diese Aufgaben hinweg erfassen.
An diesem Punkt wird sie für völlig unbekannte iterative Aufgaben, mit nur einer einfachen Erklärung von einem Menschen, in der Lage sein, das Know-how dieser Aufgabe einfach durch Beobachtung der menschlichen Ausführung zu lernen.
Dies ist wahre Symphonische Intelligenz. Sobald dieses Stadium erreicht ist, müssen Menschen keine Anstrengungen mehr für die Fließarbeitsgestaltung oder die Kodifizierung von Know-how aufwenden.
Darüber hinaus kann das so automatisch von generativer KI angesammelte Wissen unter den generativen KIs selbst geteilt werden.
Wenn das geschieht, wird die Lernfähigkeit der generativen KI die des Menschen weit übertreffen.
Dies kann als eine Form der AGI (Allgemeine Künstliche Intelligenz) angesehen werden.