In modernen Geschäftsprozessen hat die Einführung generativer KI die Phase der Werkzeugnutzung hinter sich gelassen und tritt nun in eine Phase der Systematisierung ein.
Darüber hinaus erwartet uns ein neues Zeitalter der Intelligenz, die sogenannte „Symphonische Intelligenz“.
Dieser Artikel beleuchtet den aktuellen Stand und die Zukunftsaussichten der Nutzung generativer KI aus zwei Perspektiven: der Iterationsarbeit und der Flow-Arbeit.
Iterationsarbeit
In einem früheren Artikel habe ich die Perspektiven von Iterationsarbeit und Tools sowie Flow-Arbeit und Systemen als Standpunkte für die Ermöglichung von Aufgaben durch generative KI analysiert.
Iterationsarbeit bezeichnet Aufgaben, die Menschen halb unbewusst durch die Kombination mehrerer unterschiedlicher konkreter Aufgaben ausführen und dabei auf Trial-and-Error zurückgreifen.
Für diese Iterationsarbeit sind Tools optimal. Durch die Auswahl passender Tools für verschiedene Aufgaben kann die Arbeit effizient voranschreiten. Daher ist es notwendig, das benötigte Toolkit bereitzuhalten und dessen Anwendung zu beherrschen.
Gegenwärtig wird generative KI in Unternehmen zumeist als Werkzeug eingesetzt.
Die meisten Diskussionen über die Steigerung der Geschäftseffizienz mit generativer KI beziehen sich darauf, dieses neue und leistungsstarke Werkzeug dem bestehenden Toolkit hinzuzufügen, das Menschen für ihre Iterationsarbeit verwenden.
Probleme bei der Iterationsarbeit
Andererseits sind die Effizienzgewinne durch Werkzeuge bei der Iterationsarbeit, wie bereits in einem früheren Artikel dargelegt, relativ begrenzt.
Wenn Werkzeuge effizienter werden, wird letztendlich der Mensch zum Engpass. Wir können die Grenze der menschlichen Arbeitszeit letztlich nicht überwinden.
Darüber hinaus besteht eine erhebliche Lücke in der Effizienz und Genauigkeit der Iterationsarbeit zwischen erfahrenen Mitarbeitern und Neueinstellungen, und diese Lücke zu schließen ist schwierig. Folglich kann selbst bei dem Ziel, die Arbeitslast im nächsten Monat zu verdoppeln, dies nicht ohne Personal bewältigt werden, das die Fähigkeiten eines erfahrenen Mitarbeiters besitzt.
Um das Problem des Menschen als Engpass zu lösen, wäre die ultimative Lösung, alles durch künstliche Intelligenz zu ersetzen.
Allerdings verfügt die aktuelle generative KI noch nicht über dieses Leistungsniveau.
Zudem bestehen selbst scheinbar einfache Iterationsaufgaben bei genauerer Betrachtung aus einer Vielzahl unbewusster Unteraufgaben.
Aus diesem Grund konnten diese Aufgaben nicht in herkömmliche IT-Systeme oder leicht verständliche Anleitungen zerlegt werden, sondern verließen sich stattdessen auf menschliche Kompetenz.
Solange diese zahlreichen unbewussten Aufgaben, die Kompetenz erfordern, nicht organisiert und das erforderliche Know-how für jede einzelne in Wissen kristallisiert wird, wird generative KI, egal wie sehr sich ihre Leistung verbessert, nicht in der Lage sein, Aufgaben als Ersatz für den Menschen auszuführen.
Flow-Arbeitsumwandlung und Systematisierung
Um die Ziele der Aufgabenverteilung innerhalb der aktuellen Leistungsgrenzen generativer KI sowie die Organisation unbewusster Aufgaben und die Wissenskristallisation von Know-how zu erreichen, ist es von großer Bedeutung, die iterative Trial-and-Error-Arbeit in standardisierte Flow-Arbeit zu überführen.
Standardisierte Flow-Arbeit eignet sich nicht nur gut für Tools, sondern auch für Systeme.
Innerhalb der Flow-Arbeit 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 Flow-Arbeit ausführbar.
Die Flow-Arbeitsumwandlung und Systematisierung bringen mehrere wesentliche Vorteile mit sich:
Erstens, da die generative KI für jede einzelne Aufgabe spezialisiert ist, wird die Optimierung ihrer Effizienz und Genauigkeit für jede Aufgabe klar.
Zweitens können mehrere Mitarbeiter Wissen zur generativen KI hinzufügen, und die Vorteile erstrecken sich auf alle.
Drittens wird es einfacher, die Aufteilung der Aufgaben innerhalb dieser Arbeit schrittweise auf generative KI zu verlagern.
Durch die Umwandlung der Iterationsarbeit in Flow-Arbeit und die systematische Akkumulation des von der generativen KI für jede Aufgabe benötigten Wissens nähert sich die intellektuelle Arbeit der Automatisierung, ähnlich einer Fabrikproduktionslinie.
Und durch die Einbeziehung der sich verbessernden Grundleistung der generativen KI, die sich mit der Zeit weiterentwickelt, und die Nutzung des angesammelten, auf verschiedene Aufgaben spezialisierten Wissens wird es möglich, die gesamte Flow-Arbeit zu einem automatisierten Prozess zu machen, der von generativer KI ausgeführt wird.
Virtuelle Intelligenz
Bislang erfolgte die Analyse aus den Perspektiven von Iterationsarbeit und Tools sowie Flow-Arbeit und Systemen.
Ein weiterer kürzlich veröffentlichter Artikel führt diese Diskussion weiter.
In diesem Artikel ging es um das Thema Orchestrierung durch virtuelle Intelligenz.
Derzeit und in sehr naher Zukunft ist generative KI aufgrund von Leistungseinschränkungen effizienter und genauer, wenn sie auf spezifische Aufgaben konzentriert wird.
Daher war, wie zuvor bei Flow-Arbeit und Systemen besprochen, ein Mechanismus ideal, der spezialisierte generative KIs für jede einzelne Aufgabe miteinander verbindet.
Selbst wenn sich die Leistung generativer KI erheblich verbessert, könnte jedoch die Aufgabenverarbeitung durch das Wechseln von Rollen und die Nutzung von Wissen innerhalb eines einzigen Prozesses, anstatt einfach verschiedene Aufgaben gleichzeitig zu bearbeiten, potenziell zu höherer Effizienz und Genauigkeit führen.
Dieser Ansatz eliminiert die Notwendigkeit eines Systems zur Verknüpfung generativer KIs. Operationen, die der Systemintegration ähneln, würden innerhalb der generativen KI selbst stattfinden.
Darüber hinaus ermöglicht er flexible Reaktionen innerhalb der generativen KI selbst und löst die Situation auf, in der Aufgaben ohne Systemänderung nicht ausgetauscht oder hinzugefügt werden können.
Dies bedeutet eine Rückführung der systematisierten Flow-Arbeit zur Iterationsarbeit.
Diese Iterationsarbeit, die jedoch die Systematisierung und Flow-Arbeitsumwandlung durchlaufen hat, befindet sich nun in einem Zustand, in dem wiederverwendbares Wissen gebildet werden kann, selbst wenn die Anzahl der generativen KIs erhöht oder Versionen geändert werden.
Dies löst die Probleme der menschlichen Iterationsarbeit und ermöglicht flexible Arbeit, die der von Menschen ähnelt.
Hier bezeichne ich die Fähigkeit generativer KI, während einer einzigen Ausführung Rollen und Wissen zu wechseln, als virtuelle Intelligenz. Dies ist analog zur virtuellen Maschine eines Computers.
So wie die Virtual-Machine-Technologie das Ausführen völlig unterschiedlicher Computer auf einer einzigen Hardware simuliert, verarbeitet eine einzelne generative KI Aufgaben, indem sie zwischen mehreren Rollen wechselt.
Die aktuelle generative KI hat diese Fähigkeit der virtuellen Intelligenz bereits auf natürliche Weise erworben. Aus diesem Grund kann generative KI Diskussionen zwischen mehreren Personen simulieren und Romane mit mehreren Charakteren generieren.
Wenn diese Fähigkeit der virtuellen Intelligenz sich verbessert und ausreichend Wissen bereitgestellt wird, wird es möglich sein, Iterationsarbeit durchzuführen.
Intelligenz-Orchestrierung
Des Weiteren bezeichne ich die Fähigkeit, auf diese Weise mehrere Rollen und Wissen 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 erweiterten Fähigkeiten zur Intelligenz-Orchestrierung – eine Fähigkeit der virtuellen Intelligenz – in der Lage sein, Iterationsarbeit flexibel durchzuführen, dabei zahlreiche Rollen und Wissen angemessen zu verwalten und Effizienz und Genauigkeit zu erhalten.
Symphonische Intelligenz
Generative KI, die dieses Stadium erreicht, kann als Symphonische Intelligenz bezeichnet werden.
So wie ein Orchester, das jedes Instrument meisterhaft beherrscht, ein einziges Musikstück aufführt, während die Musiker ihre jeweiligen Rollen erfüllen, kann die Symphonische Intelligenz eine Symphonie intellektueller Aufgaben spielen.
Diese Symphonische Intelligenz ist ein neues Konzept und stellt einen der Höhepunkte für generative KI dar.
Allerdings existiert die Symphonische Intelligenz selbst bereits.
Es ist unsere menschliche Intelligenz.
Gerade weil wir über Symphonische Intelligenz verfügen, können wir unbewusst und flexibel mehrere komplexe intellektuelle Aufgaben durch Iterationsarbeit ausführen, indem wir eine Fülle von Know-how nutzen.
Fazit: Die Form der AGI
Indem man generativer KI, die Symphonische Intelligenz simulieren kann, Flow-Arbeit und Wissensbasen für weitere Aufgaben zur Verfügung stellt, wird sie in der Lage sein, mehrere Iterationsaufgaben zu bewältigen.
Sobald sie zahlreiche verschiedene Iterationsaufgaben bewältigen kann, wird sie in der Lage sein, gemeinsame Regeln unter diesen Aufgaben und strukturelle Muster innerhalb des Wissens zu erfassen.
Zu diesem Zeitpunkt wird die KI für völlig unbekannte Iterationsaufgaben mit einer kurzen Erklärung eines Menschen das Know-how dieser Aufgabe einfach durch Beobachtung der menschlichen Ausführung erlernen können.
Dies ist wahre Symphonische Intelligenz. Sobald dieses Stadium erreicht ist, müssen Menschen keine Anstrengungen mehr auf die Umwandlung von Arbeit in Flow-Prozesse oder die Kristallisation von Know-how in Wissen verwenden.
Darüber hinaus kann das so automatisch von generativer KI angesammelte Wissen unter anderen generativen KIs geteilt werden.
Geschieht dies, wird die Lernfähigkeit generativer KI die des Menschen bei Weitem übertreffen.
Dies kann als eine Form der AGI betrachtet werden.