Spanische Unternehmen auf dem Weg zur GenAI-Revolution
Das Interesse an Künstlicher Intelligenz (KI) und Generativer KI (GenAI) wächst rasant. Unternehmen aus den unterschiedlichsten Sektoren sind bestrebt, diese Technologien zur Personalisierung von Kundenerfahrungen, Effizienzsteigerung der Mitarbeiter, Optimierung der Abläufe oder zur Erstellung neuer Inhalte, wie Text, Bilder, Audio und Code, einzusetzen. GenAI verspricht vielseitige Anwendungsfälle quer durch alle Geschäftsprozesse.
In Spanien wird für den GenAI-Markt ein beeindruckendes Wachstum prognostiziert. Laut GlobalDatas GenAI-Prognose könnte das Marktpotenzial von 19 Millionen US-Dollar im Jahr 2022 auf satte 425 Millionen US-Dollar bis 2027 anwachsen – einer bemerkenswerten jährlichen Wachstumsrate von 86 Prozent. Diese Entwicklung zeigt die starke Nachfrage spanischer Unternehmen nach GenAI-Lösungen, die mit globalen Trends in der KI-Annahme einhergeht. Doch die Integration von GenAI in die Unternehmensstruktur ist herausfordernd, besonders bei der Operationalisierung der Modelle, um manuelle Aufgaben zu ersetzen und stabile Prozesse zu schaffen. Dokumentenanalysen sind hierbei ein zentraler Anwendungsfall.
Rubén Granados, Leiter des Data-Science-Teams bei Telefonica Tech, erklärt: "Wir haben bereits verschiedene GenAI-Lösungen für Dokumentenanalysen und automatisierte Texterstellungen, die Unternehmen viele Ressourcen und Zeit sparen können, während menschliche Fehler minimiert werden. Doch nur, wenn diese effektiv in den täglichen Arbeitsablauf integriert werden können." Die Implementierung ist jedoch komplexer als oft angenommen. Es gehe nicht nur darum, eine modische Lösung zu nutzen, sondern diese auch an die spezifischen Kundenbedürfnisse anzupassen.
Die Einführung von GenAI-Lösungen in Unternehmens-Dokumentenanalyse-Systeme kostet mehr Zeit und Mühe als erwartet. Ein häufiger Stolperstein ist die Unsicherheit bei der Auswahl der richtigen großen Sprachmodelle (LLMs), ein Schritt, der den Entscheidungsprozess verzögern kann. Es existieren signifikante Unterschiede zwischen den auf dem Markt verfügbaren generativen Modellen, und es ist unerlässlich, diese zu verstehen und das am besten geeignete Modell für jede Art von Anwendungsfall auszuwählen.
Die Verwendung von Open-Source-Modellen kann die Kosten senken, aber hier sind Datensicherheitsaspekte zu berücksichtigen, und Anwendungen bleiben auf spezifische Anwendungsfälle beschränkt. Mangelnde interne Expertise bei der Implementierung dieser Modelle kann ebenfalls zu Diskrepanzen, längeren Einführungszeiten und unerwarteten Kosten führen.
