Der Weg zum generativen KI-Wert: So bringen Sie das Schwungrad Ihres Unternehmens in Bewegung

Das enorme Disruptionspotenzial, das die neuesten Versionen der generativen KI (GenAI) versprechen, hat branchenübergreifend Schockwellen ausgelöst. PwCs 27. jährliche globale CEO-Umfrage, die Anfang dieses Jahres veröffentlicht wurde, erwarten 70% der CEOs, dass GenAI die Art der Erstellung und Lieferung und Erfassung ihrer Unternehmen in den nächsten drei Jahren erheblich ändern wird. Mehr als zwei Drittel der befragten CEOs, die bereits eine Form von GenAI in ihrer Organisation implementiert haben, gaben an, in folgedessen ihre allgemeineren Technologiestrategien geändert zu haben.

Nun stellen PwC und Strategy& , ein globales Strategieberatungsunternehmen und Teil des PwC-Netzwerks, in einer separaten laufenden Studie fest, dass die potenziellen Auswirkungen je Branche und Organisation erheblich variieren.

Unsere Analyse des potenziellen prognostizierten Werts von GenAI legt darauf hin, dass Softwareunternehmen bei Anwendung der Technologie auf aktuelle Betriebsmodelle eine Steigerung ihrer Gewinnmarge um etwa 20 Prozentpunkte erzielen könnten. Selbst für Sektoren mit wesentlich geringeren prognostizierten Gewinnen, wie Transport und Logistik, ist das Potenzial einer Gewinnsteigerung um einen Prozentpunkt sicherlich eine Überlegung lohnenswert.

Natürlich basieren diese Zahlen ausschließlich auf der Aussicht, GenAI auf aktuelle Betriebsmodelle anzuwenden; sie berücksichtigen weder die Kosten für die Entwicklung und den Betrieb von GenAI-Tools noch die Möglichkeit einer Veränderung der Wettbewerbsdynamik. Dennoch könnten solche Produktivitätssteigerungen am unteren Ende des Spektrums das Potenzial für erhebliche Veränderungen der Markterwartungen freisetzen, die wiederum wahrscheinlich weitere Innovationen, Umbrüche und Neuerungen vorantreiben – und so zu völlig neuen Formen der Wertschöpfung führen.

In einigen Sektoren wird es einfacher sein, diese Transformationen in Gang zu setzen als in anderen. Um herauszufinden, wo Unternehmen ihre GenAI-Bemühungen am produktivsten konzentrieren können, haben wir uns von einem Mechanismus inspirieren lassen, der aus einer früheren Phase transformativer Veränderungen stammt: dem Schwungrad.

Schwungräder, von der ursprünglichen Töpferscheibe bis hin zum Konzept, das Amazons E-Commerce-Maschine zugrunde liegt, erfordern möglicherweise ein wenig Anstrengung, um sie in Gang zu bringen. Sobald diese positiven Kreise jedoch in Bewegung sind, steigert jede weitere Zufuhr neuer Energie ihre Dynamik, verringert den zur Beschleunigung erforderlichen Aufwand und trägt dazu bei, Energie (in Form von Geschäftswissen, Erfahrung und Fähigkeiten) sowohl zu bewahren als auch zu übertragen. Im Laufe der Zeit kann dies zu einer Senkung der Kosten für die Schaffung und Erfassung von Werten führen, während die Dynamik zunimmt.

Unternehmensleiter können die Kraft dieses Schwungrads nutzen, um die Produktivität zu steigern und ihr Unternehmen besser für eine transformative Neuerfindung zu positionieren. Dabei darf jedoch nicht vergessen werden, dass die Auswirkungen von GenAI weit über eine Steigerung des Endergebnisses hinausgehen können. verantwortungsvoller KI -Ansatz— ein Ansatz, der die Auswirkungen geschäftlicher Entscheidungen auf die Gesellschaft als Ganzes berücksichtigt — muss in jeder Phase angewendet werden.

Im Folgenden beschreiben wir, wie Unternehmensleiter jede Phase des Schwungradansatzes nutzen können, um ihre Entscheidungen zur GenAI-Implementierung zu steuern.

PHASE 1|Erstellen Sie Ihre Werthypothese

Die Werthypothese ist Ihre erste strategische Einschätzung sowohl des potenziellen Geschäftswerts als auch der wahrscheinlichen Schwierigkeit der Implementierung bestimmter GenAI-Anwendungen. Sie muss von Faktoren wie Zweck und Werten der Organisation, ihrer aktuellen Bilanz, ihren Geschäftstätigkeiten, dem erweiterten Geschäftsökosystem sowie dem Wettbewerbs- und Regulierungsumfeld beeinflusst werden. Die Hypothese kann dann mit einer Analyse der potenziellen langfristigen Wertsteigerung für die Branche verglichen werden, um einen groben Maßstab zur Beurteilung des Fortschritts zu schaffen.

Die Hypothese des unmittelbaren kurzfristigen Werts von GenAI basiert auf der Effizienz. Die CEO-Umfrage von PwC ergab, dass bis zu 40 % der Zeit, die für Routineaufgaben – wie Besprechungen und E-Mails – aufgewendet wird, als ineffizient angesehen werden. Der Einsatz von GenAI zur Steigerung der Produktivität ist sowohl taktisch als auch strategisch sinnvoll. Bei der Betrachtung der Werthypothese muss jedoch das größere Ziel im Auge behalten werden: eine umfassende Neuerfindung, die mehr Zeit und Ressourcen erfordert.

Vor einem Jahrhundert soll Henry Ford gesagt haben, dass er seinen Kunden, wenn sie „schnellere Pferde“ wollten, das Modell T gab. Heute konzentrieren sich frühe Anwendungsfälle generativer KI eher auf die Verbesserung der Effizienz bestehender Lösungen und Arbeitsweisen – das Äquivalent schnellerer Pferde. Und obwohl das Schwungrad-Framework bei diesem Ansatz dabei helfen kann, den Wert zu steigern, darf man nicht vergessen, dass es einen größeren Preis gibt.

Anstatt ihre ganze Aufmerksamkeit auf marginale Verbesserungen zu richten, werden die meisten Unternehmen ihre beste Lösung angesichts der ihnen zur Verfügung stehenden neuen Optionen komplett neu überdenken wollen. Um zu vermeiden, dass sie in den nächsten zwei bis drei Jahren schlafwandelnd in ein großes Technologie- und Prozessschuldenproblem geraten, ist es notwendig, bei der Bewertung des zukünftigen Werts und der Entwicklung Ihrer Strategie das längerfristige Potenzial für erhebliche Störungen und Neuerungen im Auge zu behalten. Frühphasen-GenAI-Strategie.

PHASE 2 | Wichtige Anwendungsfälle priorisieren

Mit Ihrer Werthypothese als Leitfaden sollte es einfacher werden, die GenAI-Anwendungsfälle zu identifizieren, die das größte Potenzial haben, den maximalen Nutzen entlang der gesamten Wertschöpfungskette zu erzielen. Dadurch lässt sich nicht nur der Return on Investment leichter nachweisen, sondern es kann auch zu einem Proof of Concept beitragen und so die Akzeptanz wichtiger Stakeholder für zukünftige Initiativen verbessern.

Wir haben Hunderte von GenAI-Anwendungsfällen in verschiedenen Branchen identifiziert – und jede Organisation in unserer Analyse verfügt über spezifische Nischenvarianten, Herausforderungen und Chancen, darunter möglicherweise differenzierte Ansätze, je nachdem, wie ihre Daten zum Trainieren der GenAI-Tools verwendet werden. Unsere erste Analyse zeigt, dass branchenübergreifend die fünf wichtigsten GenAI-Anwendungsfälle 50 bis 80 Prozent des Gesamtwerts erzeugen können, der aus der Technologie gewonnen wird. Es ist also sinnvoll, diese zu identifizieren und sich auf sie zu konzentrieren.

Im Luxusgütersektor beispielsweise, wo die Personalisierung des Kundenerlebnisses im großen Maßstab schon lange der heilige Gral ist, ist die Fähigkeit von GenAI, Käufern von Luxusartikeln hyperpersonalisiertes Marketing zu bieten – basierend auf einer Mustererkennungsanalyse ihrer Kaufhistorie, Inhaltspräferenzen und bevorzugten Anredeformen – könnte ein Differenzierungsmerkmal bei der Bereitstellung von Kundenservice und ein erheblicher Umsatztreiber sein. In der Softwareentwicklung steigern GenAI-Codierassistenten bereits jetzt die Produktivität und den Gewinn, indem sie es menschlichen Programmierern ermöglichen, sich auf die Bereitstellung von Anleitung und Qualitätskontrolle zu konzentrieren, während GenAI den Großteil des Codes selbst erstellt.

Natürlich sind die wertvollsten Anwendungsfälle nicht für alle gleich, nicht einmal innerhalb der gleichen Branche. Bei der Bewertung des potenziellen Werts von GenAI für Ihr Unternehmen sollten Sie sich auf die Wahrscheinlichkeit konzentrieren, dass ein Anwendungsfall sieben wichtige Arten von Überlegungen beeinflusst – und von ihnen beeinflusst wird –, wie in der folgenden Grafik dargestellt.

PHASE 3 | Suchen Sie nach Mustern, um die Skalierung voranzutreiben

Um einen maximalen Nutzen zu erzielen, muss GenAI normalerweise verfeinert und fokussiert werden. Ein sofort einsatzbereites Modell kann für einige Anwendungsfälle möglicherweise solide Ergebnisse liefern, aber das Hinzufügen der Daten Ihres eigenen Unternehmens, mit zusätzlichen Leitplanken, um Fokus und Sicherheit zu gewährleisten, oder zusätzlichen Plug-ins, um die Funktionen und Genauigkeit des Kerntools zu verbessern – wie es PwC mit seinem internen Tool ChatPwC GenAI getan hat – kann eine weitaus relevantere und wirkungsvollere Unterstützung bieten.

Sobald diese erste Phase der Modellverfeinerung abgeschlossen ist, können GenAI-Tools häufig schnell für ähnliche Zwecke umfunktioniert werden. Wir nennen dies Muster. Sie können Technologiestrategen und anderen Unternehmensleitern dabei helfen, querzudenken und Bereiche zu erkennen, in denen sich vorhandene GenAI-Bereitstellungen durch geringe zusätzliche Anstrengungen an andere Anwendungsfälle anpassen und im gesamten Unternehmen skalieren lassen.

Nicht alle Muster bergen das gleiche Potenzial. Unsere Ergebnisse legen nahe, dass durch Netto-Neuentwicklungen und -Erweiterungen mehr als 50 % des Gesamtwerts von GenAI generiert werden könnten. Diese Gewinne könnten sich jedoch langsamer realisieren, da sie höhere Vorabinvestitionen in Daten und Integration sowie unterstützende Geschäfts- oder Prozessänderungen erfordern. Nur etwa 15 % des potenziellen GenAI-Werts liegen in den Zusammenfassungs- und Dialogmustern (Q&A-Chatbot), für die frühe GenAI-Dienste bekannt geworden sind.

Die Mustererkennung kann sehr hilfreich sein, um zu entscheiden, worauf Sie Ihre Bemühungen konzentrieren sollten, um einen maximalen Nutzen zu erzielen. Die Rechtsabteilung eines großen Kommunikationsdienstleisters wusste, dass das Potenzial bestand, die umfassenden Abfragefunktionen von GenAI zu nutzen, um wichtige Informationen in Tausenden nicht standardisierter Verträge zu identifizieren und so die Vertragsgestaltung künftig zu rationalisieren. Die Bemühungen konzentrierten sich zunächst auf die Funktion des kommerziellen Vertragsabschlusses, bei der der Wert wahrscheinlich viel schneller erfasst werden konnte.

Nachdem das unternehmensspezifische GenAI-Modell zur Vertragsanalyse entwickelt worden war, konnte es für den Einsatz in Beschaffungs-, Immobilien- und Arbeitsverträgen angepasst werden – so wurde der Wert bei minimalem Zusatzaufwand maximiert.

PHASE 4|Wählen Sie Ihre grundlegenden GenAI-Tools aus

Nachdem Sie Anwendungsfälle und Muster zur Skalierung identifiziert haben, können Sie mit der Bewertung und Auswahl der am besten geeigneten GenAI-Basistechnologien beginnen. Ziel ist es, potenzielle zukünftige Technologieschulden vorherzusehen und zu vermeiden – die Kosten für Änderungen, die letztendlich aufgrund längerfristiger Beschränkungen von Technologieinvestitionen zur Deckung unmittelbarer Anforderungen erforderlich sein könnten – beispielsweise aufgrund der Ineffizienz mehrerer getrennter GenAI-Tools für verschiedene Prozesse. Das wichtigste Bedürfnis besteht darin, die Robustheit der Technologie mit der Anwendbarkeit und Anpassungsfähigkeit in Einklang zu bringen, um sowohl Skalierung zu ermöglichen als auch nachhaltige Geschäftsergebnisse zu erzielen.

Beginnen Sie mit der Auswahl geeigneter GenAI-Grundlagenmodelle und unterstützende Technologien, Cloud-Plattformen sowie Dienstanbieter und Partner. Für einige Anwendungsfälle sind öffentlich und allgemein zugängliche GenAI-Modelle wie ChatGPT von OpenAI, Gemini von Google oder Claude von Anthropic ausreichend. Für sensiblere Geschäftsinformationen kann eine sicherere, private Version eines dieser Modelle erforderlich sein, die in einer kontrollierten Umgebung gehostet wird.

Speziellere Anwendungen – wie etwa Erstellung von Rechtsdokumenten oder RFPs (Requests for Proposals), die auf detaillierten Kenntnissen über die besonderen Leistungen Ihres Unternehmens basieren; die Anbietung personalisierter Dienste , die Zugriff auf private Daten erfordern; oder die Unterstützung bei Produkt- und Dienstleistungsinnovationen erfordern die Anwendung einzigartigen Unternehmens- und Domänenwissens.

Dies kann innerhalb Ihres Basismodells durch Retrieval-Augmented Generation (RAG) oder durch Feinabstimmung dieser Modelle bei Bedarf erfolgen. In einigen Fällen, insbesondere bei der pharmazeutischen und chemischen Forschung und Entwicklung, kann es sogar erforderlich sein, Ihre eigenen maßgeschneiderten Modelle von Grund auf zu trainieren, um die gewünschten Ergebnisse zu erzielen.

PHASE 5|Lösungen definieren, die den vorhandenen Wert maximieren

Der nächste Schritt besteht darin zu identifizieren, was zu den grundlegenden Tools hinzugefügt werden muss, um spezifischere Lösungen zu liefern und den Wert maximieren zu können. Für viele Organisationen führen die Tools selbst nicht zu einer Marktdifferenzierung, so dass die Einbeziehung proprietärer Daten der Schlüssel zum Erfolg ist. Doch diese Art der Datennutzung wird wiederum zusätzliche Herausforderungen in der Unternehmensführung und im Risikomanagement mit sich bringen, die zu erheblichen Steigerungen der Entwicklungs- und Implementierungskosten führen könnten und dadurch potenziell den Gesamtwert ansonsten vielversprechender Lösungen vermindern.

Um die Lösungen zu identifizieren, die bei minimalem Aufwand den maximalen Nutzen bieten, ist es wichtig, querzudenken und die Muster zu berücksichtigen. Das klassische Beispiel hierfür sind GenAI-Chatbots. Nachdem Sie einen Chatbot entwickelt haben, der Sie bei automatisierten Kundendienstanfragen auf Grundlage einer Analyse der Produkt- und Servicedokumentation Ihres Unternehmens unterstützt, können Sie durch eine kleine Änderung eine verfeinerte Version erstellen, die Ihre Mitarbeiter bei persönlichen Kundeninteraktionen unterstützt.

Von dort aus ist es kein allzu großer Schritt mehr, interne GenAI-Assistenten für Vertriebsteams, Schulungen und Produktentwicklung zu entwickeln. Einzeln betrachtet haben diese zusätzlichen Anwendungsfälle möglicherweise keinen großen Einfluss auf Ihr Endergebnis. Durch das Hinzufügen solcher inkrementellen GenAI-Lösungen können Sie jedoch von der Dynamik profitieren.

PHASE 6|Bewerten Sie die Kosten und den CO2-Ausstoß

Sobald ein potenzieller Weg zur Wertschöpfung ausgearbeitet wurde, ist es an der Zeit, die Kosten für Entwicklung und Bereitstellung zu ermitteln und zu entscheiden, ob fortgefahren werden soll. Bei vielen Unternehmen liegt der Schwerpunkt bei den anfänglichen, auf Produktivität ausgerichteten Anwendungsfällen auf Kosteneffizienz – Verbesserung der Margen durch Automatisierung und Erweiterung bestehender Arbeitsweisen. Die Bewertung der Kosten und Auswirkungen der GenAI-Anwendungsfälle mit dem größten Potenzial zur langfristigen Generierung neuer Nettoumsätze – durch eine umfassendere Geschäftstransformation, Innovation oder Neuerfindung – dürfte sich als schwieriger erweisen.

Betrachten Sie die Kosten im weitesten Sinne – nicht nur in finanzieller, sondern auch in ökologischer und sogar in puncto Ruf. Beispielsweise ist es zwar möglich, Kosten durch die Reduzierung des Arbeitsaufwands zu senken, indem man GenAI zur Ausführung einiger Aufgaben einsetzt, doch das unbedachte Ersetzen von Menschen durch Bots könnte zu einer destruktiven oder markenschädigenden Gegenreaktion führen. Gleichzeitig wird die menschliche Aufsicht und Validierung der GenAI-Ausgabe reduziert, was die Risikoexposition erhöhen könnte.

Da es noch früh ist, ist es möglich, dass einige der allgemein bekannten Risiken, wie etwa der Energieverbrauch von GenAI, übertrieben dargestellt werden. Analyse der Kohlenstoffauswirkungen des GenAI-Einsatzes– durch die Bewertung einer Kombination aus Zeitaufwand, Anzahl der verwendeten Prozessoren, Stromverbrauch pro Prozessor und Emissionsfaktor in Tonnen Kohlendioxidäquivalent – zeigt, dass der routinemäßige Einsatz von GenAI energieintensiv sein kann, durch umfassendere Effizienzsteigerungen aber auch die Emissionen aus anderen Quellen reduzieren kann.

PHASE 7|Entwickeln, bereitstellen, testen und lernen

Bei einer Technologie, die sich so schnell weiterentwickelt wie generative KI, sind Testen und Lernen unerlässlich. Jede Bereitstellung, die mit definierten Kontrollen und Erfolgsmetriken ausgerollt wird, ist eine Gelegenheit zum Lernen. Diese Lektionen werden Ihnen wiederum dabei helfen, Verbesserungen zu erkennen – auch hinsichtlich Ihres Verständnisses, wie Wert erfasst werden kann und wie Sie zukünftige Erfolge messen sollten – sowie Risiken und Governance neu zu bewerten, bevor Sie die Tools und Lösungen an andere Teile Ihrer Organisation anpassen und skalieren.

Diesen Ansatz verfolgte PwC im vergangenen Jahr, in dem sich das Unternehmen als „Kunde Null“ betrachtete. Im Frühjahr 2023 Wir haben uns mit dem GenAI-Startup Harvey zusammengetan Um die Effektivität von Lösungen für die Bereiche Steuern, Recht und HR zu entwickeln und zu testen, hat Harvey begonnen, auf dem ChatGPT-Grundmodell von OpenAI aufzubauen. Schon in der ersten Testphase erkannten unsere internen Teams die Vorteile der tiefen Abruf- und Zusammenfassungsfunktionen des Tools und identifizierten effektive Arbeitsweisen, die dann genutzt wurden, um das Tool durch weitere Verfeinerungen zu erweitern.

Die Bereitstellung entwickelte sich von einer hilfreichen Zeitersparnis zu einem fortlaufenden Experiment zur Neuerfindung seit langem etablierter Betriebsmodelle.

PHASE 8 | Anpassung an die Bereitstellung eines angrenzenden Maßstabs

Im letzten Abschnitt des Schwungrads können Sie das umfangreiche Wissen und die Erfahrung nutzen, die Sie durch Bewertung, Entwicklung und Tests erworben haben, um die notwendigen Anpassungen vorzunehmen, damit GenAI-Tools für breitere Anwendungen umfunktioniert werden können. In einigen Fällen müssen die von Ihnen ermittelten Lösungen möglicherweise für bestimmte zusätzliche Anwendungen weiter angepasst werden. Der Proof of Concept und die Erkenntnisse aus den ersten Bereitstellungen sollten jedoch dazu führen, dass die Akzeptanz sowie die Schulung und Einführung dank Ihres Erwerbs institutionellen Wissens schneller erfolgen.

Ein großes globales Getränkeunternehmen verfolgt diesen adaptiven Ansatz um den Einsatz von GenAI zu skalieren. Nachdem es zunächst auf die vorausschauende Wartung in Fabriken konzentriert wurde, indem es das Tool anwies, Muster zu erkennen, die zu Teileausfällen führen könnten, konnte das Unternehmen dieselben Muster übernehmen und den Ansatz für das Transport- und Logistikmanagement anpassen. In nachfolgenden Anwendungen wurden sogar neue Lösungen entwickelt, um die Effizienz der Pflanzenproduktion durch GenAI-gestützte Präzisionslandwirtschaft zu verbessern.

Dies wiederum ermöglichte eine systemweite Ansicht, bei der ähnliche, auf GenAI basierende Tools und Lösungen für prädiktive Analysen angepasst und kombiniert wurden, um durchgängige Supply-Chain-Planungsfunktionen in einem Umfang bereitzustellen, für den früher jahrelange Entwicklung erforderlich gewesen wäre. Die zugrunde liegenden Muster waren die Durchgehend gleich, mit Lösungen, die auf dem gleichen Tool aufbauen. Dies hat dazu geführt, dass jedes zusätzliche Projekt weit schneller und günstiger ausgeliefert werden kann als in der Vergangenheit, da das Unternehmen die Dynamik seines Schwungradansatzes nutzt, um aus früheren Bereitstellungen zu lernen und Abkürzungen zu finden zu immer größerem Wert.

Die GenAI-Chance nutzen

Obwohl das Schwungrad dabei helfen kann, den Wert zu erkennen und ihn zu maximieren, werden manche Wertquellen leichter zu realisieren sein als andere. Der Hauptvorteil des Schwungradansatzes für alle Organisationen besteht in der Schaffung eines positiven Kreislaufs aus kontinuierlichem Lernen und kumulativer Wertschöpfung, der die gesamte Organisation auf den Weg zu neuen, durch GenAI ermöglichten Arbeitsweisen bringen kann.

Natürlich beeinflussen eine Vielzahl von Faktoren – darunter vorhandene Technologie-Stacks, die Unternehmenskultur, das lokale Regulierungsumfeld und die Aktivitäten der Konkurrenz – die Erfolgschancen einzelner Organisationen. Einer der wichtigsten Faktoren, den wir in einer kommenden Arbeit ausführlicher besprechen werden, hat damit zu tun, in welcher Branche Sie tätig sind.

GenAI-Anwendungen können für einige Geschäftsfunktionen branchenübergreifend funktionieren, doch die ersten Ergebnisse unserer laufenden Analyse deuten darauf hin, dass die größten Wertschöpfungschancen branchen- und geschäftsspezifisch sein werden und von einer Kombination aus der Einfachheit der Einführung der Technologie und dem Ausmaß der potenziellen Umbrüche abhängen, die sie mit sich bringt.

Einige Branchen mit hohem disruptivem Potenzial und wenigen Hindernissen für die Einführung von GenAI sind bereits auf einem fortgeschrittenen Niveau bei Implementierung, Wertschöpfung und Neuerfindung. Andere Branchen mit geringerem Risiko größerer Disruptionen werden möglicherweise feststellen, dass GenAI bedeutende Vorteile bringen kann, die ihnen einen entscheidenden Vorsprung gegenüber langsameren Wettbewerbern verschaffen könnten.

Unabhängig von der Branche oder dem Entwicklungsstand können Unternehmen das Schwungrad anzapfen, um schnell die GenAI-Anwendungen zu identifizieren, die den Wert in ihrer Organisation am effektivsten steigern können, und um diese schneller und effektiver skalieren, indem sie auf der Dynamik erfolgreicher Implementierungen aufbauen.

Erhalten Sie die neuesten Erkenntnisse von PWC direkt in Ihren Posteingang. Jetzt anmelden!

Über die Autoren: Bret Greenstein ist ein Vordenker im Bereich Daten und Analysen sowie generative KI und Principal bei PwC US. Colin Light ist Strategieleiter für EMEA und UK und Partner bei PwC UK. Scott Likens ist PwCs globaler Leiter für KI und Innovationstechnologie und Principal bei PwC US.

Dieser Artikel ist eine Zusammenarbeit zwischenPwC und G/O Media Studios. Er wurde ursprünglich veröffentlicht am Strategy + Business: Eine PwC Publikation im 2024.