Das CIO-Handbuch zur Entwicklung einer wertsteigernden KI-Roadmap

Es gibt keine pauschale KI-Roadmap; Sie müssen eine KI-Roadmap erstellen, die für Ihr Unternehmen geeignet ist. Sie sollten nicht alle Aktivitäten ausprobieren, sondern diejenigen auswählen, die für Ihre KI-Strategie und Anwendungsfälle von entscheidender Bedeutung sind, und sie dann in der richtigen Reihenfolge durchführen, von den ersten bis zu den fortgeschrittenen Aktivitäten.

Gehen Sie die Zielsetzung mit einer kurzen Erklärung der Entscheidungen an, die Ihr Unternehmen treffen wird, um erfolgreich zu sein. Dies beginnt mit der Definition Ihrer KI-Ziele, d. h. der strategischen Wirkung, die Sie mit KI gemäß Ihrer Geschäftsstrategie erzielen möchten. Die anfängliche KI-Strategie bildet die Grundlage für die Einführungsziele der Roadmap und die Prioritäten für das Portfolio von Anwendungsfällen. Zu den fortgeschritteneren Aktivitäten gehört die Einführung eines Verfahrens zur Verfeinerung der Strategie, einschließlich der Messung ihres Erfolgs.

Der Wert der KI wird direkt über ein Portfolio von KI-Initiativen realisiert. In der Regel beginnen Sie mit der Festlegung von Prioritäten für die ersten Anwendungsfälle, der Durchführung von Pilotprojekten und der Verfolgung und Demonstration ihres Geschäftswerts. Zu den fortschrittlicheren Aktivitäten gehört die Erstellung eines Portfolios von KI-Produkten, bei denen der Fokus nicht auf der Durchführung einmaliger Projekte liegt, sondern auf einer kontinuierlichen Wertschöpfung, die sich ständig mit den Kundenbedürfnissen und den sich ändernden Technologien weiterentwickelt.

Erfahren Sie, wie ein Gartner Executive Partner helfen kann. Als Kunde können Sie direkt mit einem EP-Mentor zusammenarbeiten, um Ihre eigene KI-Roadmap zu entwickeln.

In dem Maße, wie KI wächst, muss sich auch Ihr Unternehmen weiterentwickeln. Zu Beginn benötigen Sie einen Personalplan, der den Anforderungen Ihrer ersten KI-Anwendungsfälle und -Strategie entspricht, einschließlich der Frage, ob Sie versuchen werden, wichtige Kompetenzlücken intern oder extern zu schließen. Intern beginnen Unternehmen in der Regel mit der Einrichtung einer Praxisgemeinschaft, die an KI interessierte Stakeholder und/oder spezielle KI-Teams zusammenbringt, die sich auf eine begrenzte Anzahl von Aktivitäten mit hoher Priorität konzentrieren. Daraus kann sich dann ein Zielbetriebsmodell entwickeln, mit dem die KI im Unternehmen weiter ausgebaut werden kann. Extern gehen Unternehmen oft zunächst eine begrenzte Anzahl von externen Partnerschaften ein und formalisieren später einen Prozess zur Verwaltung dieser Beziehungen.

KI bedeutet eine große Veränderung für die Belegschaft: Mitarbeiter müssen weitergebildet werden, einige Arbeitsplätze müssen umgestaltet werden und die Kultur muss sich anpassen. Der erste übliche Schritt besteht in der Erstellung eines Personalplans, in dem die Auswirkungen der KI auf die Talente sowie die aktuellen Talentlücken und deren Behebung aufgezeigt werden. Daraus entwickelt sich in der Regel ein Prozess zur kontinuierlichen Überprüfung der Rollen, ein Plan für das Change-Management und ein Protokoll zur Bewertung der Auswirkungen von KI auf die Belegschaft.

KI birgt viele Risiken, die von Anfang an gesteuert werden müssen. Der typische Weg beginnt mit der Identifizierung der wichtigsten KI-Risiken und der Festlegung der ersten Grundsätze, Richtlinien und Durchsetzungsprozesse zur Verwaltung und Minderung dieser Risiken, einschließlich ethischer KI-Fragen. KI-Führungskräfte können dann versuchen, eine KI-Governance-Struktur zur Definition von Entscheidungsrechten zu formalisieren und ein breiteres KI-Governance-Betriebsmodell zu etablieren. Zu den fortgeschritteneren Aktivitäten gehören die Erprobung von Governance-Tools und die Einrichtung von KI-Kompetenzprogrammen, um Mitarbeiter auf breiterer Basis über KI-Governance aufzuklären.

Sie benötigen eine solide technische Grundlage, um sicherzustellen, dass die KI Ihres Unternehmens sowohl zuverlässig als auch skalierbar ist. Zunächst müssen Unternehmen die Entwicklung-versus-Kauf-Kriterien ihrer Anwendungsfälle definieren, eine Sandbox-Umgebung zum Experimentieren einrichten und mit der Identifizierung von Entwurfsmustern und Referenzarchitekturen zur Förderung der Wiederverwendbarkeit beginnen. Außerdem müssen sie sorgfältig Anbieter zur Unterstützung der ersten Anwendungsfälle auswählen und dies dann zu einer kohärenteren KI-Anbieterstrategie weiterentwickeln. Fortgeschrittenere Aktivitäten konzentrieren sich auf die Einführung einer ModelOps-Praxis, einschließlich KI-Beobachtbarkeit, Best Practices für UI/UX und FinOps, sowie auf die Entwicklung von KI-Platform-Engineering.

Daten sind ein wesentlicher Bestandteil der meisten KI-Anwendungsfälle. KI-fähige Daten erfordern jedoch andere Fähigkeiten als herkömmliche Datenverwaltung. KI-Führungskräfte beginnen in der Regel damit, die Bereitschaft ihrer Daten für die ersten KI-Anwendungsfälle zu verstehen, die wichtigsten Anforderungen zu identifizieren und einen Plan zur Vorbereitung ihrer Daten zu implementieren. Dann suchen sie nach einem breiteren Buy-in für die längerfristigen Investitionen, die für die Weiterentwicklung ihrer Datenfähigkeiten für KI und die Anpassung ihrer Data-Governance, einschließlich Datenqualität und Metadatenpraktiken, erforderlich sind. KI erfordert auch Fähigkeiten zur Visualisierung und Analyse von Daten sowie Datenbeobachtbarkeit zur Überwachung von Daten in der Produktion.

Gartner-Kunden können (je nach Abonnement) mit dem KI-Roadmap-Tool von Gartner ihre eigene Roadmap für künstliche Intelligenz erstellen.