Unternehmen investieren in künstliche Intelligenz, als wäre sie die Wunderlösung, doch die Daten zeigen eine unbequeme Realität: Von jedem ausgegebenen Dollar generieren gerade einmal 18 Cent echten Wert. Der Rest wird für die Korrektur von Fehlern, die Fütterung unbrauchbarer Daten oder Aufgaben, die niemand verlangt hat, verbraucht. Bei Amazon griffen Mitarbeiter auf KI zurück, um ihre Arbeit mit trivialen Projekten zu rechtfertigen, was die Kosten in die Höhe trieb, ohne greifbaren Nutzen. Die Bürgerschaft zahlt am Ende die Rechnung, ohne Verbesserungen bei den Dienstleistungen zu sehen.
Die versteckten Kosten der Automatisierung des Unnötigen 💸
Aus technischer Sicht ist nicht die KI das Problem, sondern ihre Implementierung ohne Kriterien. Sprachmodelle wie GPT oder Computer-Vision-Systeme benötigen saubere Daten und klare Ziele. Wenn ein Unternehmen einen Algorithmus trainiert, um Muster in internen E-Mails zu erkennen, die nichts beitragen, ist das Ergebnis ein Modell, das GPU-Ressourcen, Strom und Wartungsstunden verbraucht. Jede Korrektur eines Fehlers kostet mehr, als eingespart wird. Der Schlüssel liegt darin, vor dem Start eines jeden Machine-Learning-Projekts Renditekennzahlen zu definieren.
Die KI, die sie nutzten, um den Morgenkaffee zu rechtfertigen ☕
Bei Amazon erstellten einige Teams KI-Assistenten für Aufgaben wie das Organisieren von Musik-Playlists im Büro oder das Erinnern an Geburtstage von Kollegen. Das Ergebnis: Ausgaben für AWS-Server, die das Gehalt eines menschlichen Assistenten überstiegen. Währenddessen warteten die Kunden weiterhin auf verspätete Pakete. Die Moral ist einfach: Wenn dein Chef dich um ein KI-Projekt bittet, stelle sicher, dass es nicht nur dazu dient, den Anschein zu erwecken, du würdest etwas tun, während er einen weiteren Kaffee trinkt.