Effektive Zusammenarbeit zwischen Mensch und KI: Neue Ansätze für Entscheidungsprozesse - KI

In der heutigen Zeit wird häufig von „Zusammenarbeit“ mit Künstlicher Intelligenz (KI) gesprochen. Doch in vielen Fällen beschränkt sich dies lediglich auf das Erteilen von Befehlen und das Akzeptieren der zurückgegebenen Ergebnisse.

Einführung

Bei der Zusammenarbeit mit Datenwissenschaftlern, die sich auf Vorstellungsgespräche vorbereiten, beobachten wir oft ein einfaches Muster: Eingabe eines Befehls, Ausgabe einer Antwort, und dann geht es weiter. Eine Überprüfung der Ergebnisse findet selten statt, und es wird kaum darüber nachgedacht, warum bestimmte Entscheidungen getroffen werden.

Wie sieht es jedoch bei Unternehmen aus, die die innovativsten Projekte umsetzen? Diese haben neue Wege der Zusammenarbeit gefunden. Sie haben Umgebungen geschaffen, in denen Menschen und KI gemeinsam Entscheidungen treffen. Die KI generiert Optionen, erkennt Muster und hebt hervor, was besondere Aufmerksamkeit erfordert. Sie zeigt ihre Arbeit, sodass die Ergebnisse überprüft werden können. Menschen fügen Kontext hinzu und treffen die endgültige Entscheidung. In diesem Prozess gibt es keinen einseitigen Befehl.

Beobachtungen aus der Praxis

Diese Konzepte sind nicht nur theoretischer Natur; sie werden bereits in der Praxis umgesetzt.

Transformation in der wissenschaftlichen Forschung und im Gesundheitswesen

Ein Beispiel ist AlphaFold, das Vorhersagen über Proteinstrukturen generiert, die andernfalls Jahre an Laborforschung erforderten. Dennoch bleibt die Interpretation dieser Vorhersagen, ihre Bedeutung und die Planung der nächsten Experimente eine Aufgabe für menschliche Experten.

Das Biotech-Unternehmen Insilico Medicine hat diesen Ansatz weiterentwickelt. Die traditionelle Arzneimittelentwicklung benötigt vier bis fünf Jahre, um einen vielversprechenden Wirkstoff zu identifizieren. Insilico Medicine hat eine KI-Plattform entwickelt, die Tausende potenzieller Arzneimoleküle generiert und bewertet, um vorherzusagen, welche am wahrscheinlichsten wirksam sind. Anschließend überprüfen medizinische Chemiker die besten Kandidaten, verfeinern die Struktur und entwerfen Experimente zur Validierung. Das Ergebnis war signifikant: Die Zeit zur Entdeckung eines Leitverbindung sank um etwa 75 % – von vier oder fünf Jahren auf lediglich 18 Monate.

Ein ähnliches Muster zeigt sich in der Pathologie. PathAI analysiert Gewebeproben zur Diagnose von Krankheiten wie Krebs. Pathologen überprüfen die Ergebnisse der KI und ergänzen ihre klinische Erfahrung, um eine Diagnose zu stellen. Laut einer Studie des Beth Israel Deaconess Medical Center führte dies zu einer Genauigkeit von 99,5 % bei der Krebsdiagnose, verglichen mit 96 %, wenn die Pathologen die Folien unabhängig überprüften. Zudem verringerte sich die Zeit, die für die Überprüfung der Folien benötigt wurde, erheblich. KI erkennt Muster, die aufgrund von Ermüdung übersehen werden; Menschen liefern den klinischen Kontext.

Optimierung von Geschäftsentscheidungen

KI kann in wenigen Stunden das leisten, wofür Teams Wochen benötigten: die Überprüfung von Tausenden von Verträgen, die Analyse von Risiken auf globalen Märkten und die Identifizierung von Nutzungsmustern. All dies kann schnell durchgeführt werden, doch die Entscheidung, was mit diesen Informationen zu tun ist, bleibt eine menschliche Verantwortung.

Ein Beispiel ist JPMorgan Chase, dessen Rechtsteams jährlich 360.000 Stunden mit der manuellen Überprüfung von Verträgen verbringen – ein langsamer, kostspieliger und fehleranfälliger Prozess. Sie entwickelten eine Lösung namens COiN, eine KI-Plattform, die in der Lage ist, juristische Dokumente mithilfe von natürlicher Sprachverarbeitung (NLP) und maschinellem Lernen zu lesen. COiN kann wichtige Punkte in rechtlichen Dokumenten extrahieren, ungewöhnliche oder fragwürdige Klauseln identifizieren und Bestimmungen innerhalb von Sekunden kategorisieren. Dennoch überprüfen Juristen die von der KI hervorgehobenen Punkte. Dadurch kann JPMorgan Verträge deutlich schneller bearbeiten, die Compliance-Fehler um 80 % reduzieren und seinen Anwälten ermöglichen, sich auf Verhandlungen und strategische Entwicklungen zu konzentrieren, anstatt ständig Verträge zu lesen.

Ein weiteres Beispiel ist BlackRock, der größte Vermögensverwalter der Welt, der Vermögenswerte im Gesamtwert von 21,6 Billionen US-Dollar für institutionelle Kunden und Privatanleger verwaltet. In diesem Umfang muss BlackRock Millionen von Risikoszenarien über mehrere globale Märkte hinweg analysieren, was manuell nicht möglich ist. Um dieses Problem zu lösen, entwickelte BlackRock Aladdin (Asset, Liability, Debt, and Derivatives Investment Network), eine KI-basierte Plattform zur Erfassung und Verarbeitung großer Mengen von Marktdaten, um potenzielle Risiken frühzeitig zu identifizieren. Auch hier bleibt ein menschlicher Aspekt: Die Portfoliomanager von BlackRock überprüfen die Analysen von Aladdin und treffen alle Allokationen. Die Ergebnisse zeigen, dass die Risikoanalyse, die zuvor Tage in Anspruch nahm, nun in Echtzeit durchgeführt wird. Darüber hinaus haben die Portfolios von BlackRock, die unter Verwendung der Analysen von Aladdin in Kombination mit menschlichem Urteil erstellt wurden, sowohl rein algorithmische als auch rein menschliche Ansätze übertroffen. Derzeit lizenzieren über 200 Finanzinstitute die Aladdin-Plattform für ihre eigenen Operationen.

Überprüfung kollaborativer KI-Tools

Nicht alle KI-Tools sind für die Zusammenarbeit konzipiert. Einige liefern Ergebnisse als „Black Box“, während andere darauf ausgelegt sind, mit Ihnen zu kooperieren. Die folgende Liste hebt Tools hervor, die die Zusammenarbeit unterstützen:

Allgemeine Assistenzsysteme

Claude / ChatGPT: Diese konversationalen KIs bieten Feedback zu Ihrem Denken, kennzeichnen Unklarheiten und teilen mit, wenn sie unsicher sind. Sie repräsentieren die am nächsten kommenden Werkzeuge zur tatsächlichen Zusammenarbeit.

Forschung und Analyse durchführen

Elicit: Dieses Tool durchsucht wissenschaftliche Arbeiten und extrahiert Ergebnisse, sodass Sie die Beweise hinter den Behauptungen sehen können, um zu entscheiden, ob Sie die Informationen akzeptieren möchten.
Consensus: Diese Plattform synthetisiert wissenschaftliche Literatur und zeigt Bereiche der Übereinstimmung und Meinungsverschiedenheit unter Forschern, sodass Sie alle Aspekte einer Diskussion einsehen können.
Perplexity: Dies liefert Suchergebnisse mit Zitaten. Jede Behauptung ist mit einer verifizierten Quelle verlinkt.

Optimierung von Programmierung und Entwicklung

GitHub Copilot: Dieses Tool schlägt Codevervollständigungen vor. Sie überprüfen, akzeptieren oder ändern; nichts wird ausgeführt, es sei denn, Sie genehmigen es.
Cursor: Dies ist ein KI-natives Code-Editor-Tool. Es zeigt Unterschiede zu vorgeschlagenen Änderungen an, sodass Sie genau sehen, was die KI ändern möchte, bevor es geschieht.
Replit: Dies bietet Erklärungen für Code, schlägt Korrekturen vor und hilft beim Debugging. Sie behalten die Kontrolle über das, was bereitgestellt wird.

Fortschritt in Datenwissenschafts-Workflows

Julius: Dieses Tool analysiert Daten und erstellt Visualisierungen. Es zeigt den Code, der zur Erstellung der Visualisierung verwendet wurde, sodass Sie die Methodik überprüfen können.
Hex: Dies ist ein kollaborativer Datenarbeitsbereich mit KI-Unterstützung, der für Teams entwickelt wurde, in denen Menschen und KI gemeinsam an Analysen arbeiten.
DataRobot: Dies ist eine automatisierte Plattform für maschinelles Lernen (AutoML), die Erklärungen zu Modellentscheidungen bietet. Sie zeigt die Wichtigkeit von Merkmalen und die Vorhersagesicherheit an, sodass Sie die zugrunde liegende Logik verstehen.

Verbesserung von Schreiben und Kommunikation

Notion AI: Dieses Tool ist in Ihren Arbeitsbereich integriert für Entwürfe, Zusammenfassungen und Brainstorming, aber Sie entscheiden, was bleibt.
Grammarly: Dies bietet vorgeschlagene Änderungen mit Erklärungen. Sie akzeptieren oder lehnen jede einzelne Änderung ab.

Was diese Tools kollaborativ macht, ist, dass sie ihre Arbeit zeigen. Sie ermöglichen es Ihnen, ihre Ergebnisse zu überprüfen und verlangen nicht, dass Sie ihre Ausgaben akzeptieren. Das ist der Unterschied zwischen einem Werkzeug und einem Partner.

Messung des kollaborativen Erfolgs

Drei Arten von Kennzahlen helfen Ihnen zu bewerten, ob die Zusammenarbeit zwischen Mensch und KI tatsächlich funktioniert:

Ergebniskennzahlen sind leicht nachzuvollziehen. Sehen Sie bessere Ergebnisse? Schnellere Bearbeitungszeiten? Weniger Fehler? Diese sollten Sie verfolgen.
Prozesskennzahlen sind noch bedeutender. Wenn Sie niemals KI-Ausgaben ablehnen, ist das kein Zeichen für hochwertige KI; es ist ein Zeichen dafür, dass Sie aufgehört haben, nachzudenken.
Menschliche Erfahrung ist ebenfalls wichtig. Können Sie diese Ergebnisse ohne KI erzielen? Verstehen Sie wirklich, warum die KI das gewählt hat, was sie tat, oder gehen Sie einfach mit, weil es intelligent klingt?

Ein guter Prüfstein: Wenn Sie immer das erste Ergebnis akzeptieren, ist das näher am Abnicken als an der Zusammenarbeit. Gelegentlich ohne KI zu arbeiten, hilft Ihnen, eine Basislinie zu erhalten, sodass Sie wissen, was Ihre Arbeit ist und was die des Werkzeugs.

Umsetzung effektiver Praktiken

Teams, die dies richtig machen, befolgen häufig einige gemeinsame Praktiken:

Klare Rollen festlegen: Bestimmen Sie, welche Rolle Sie und welche Rolle die KI spielen. Ein gängiges Setup besteht darin, dass die KI Optionen generiert, während Sie die beste auswählen. Dies ermöglicht es Ihnen, die Fähigkeit der KI zur Erkundung vieler Möglichkeiten zu nutzen, während die endgültige Entscheidung bei Ihnen bleibt.
Kontrollpunkte einbauen: Lassen Sie KI-Ausgaben nicht direkt zur nächsten Phase übergehen, ohne eine kurze Pause einzulegen. Sie benötigen keine formelle Genehmigung, aber Sie sollten sich eine Minute Zeit nehmen, um darüber nachzudenken, warum die KI das gewählt hat, was sie tat. Wenn Sie den Grund nicht artikulieren können, akzeptieren Sie das Ergebnis nicht.
Transparenz fordern: Verwenden Sie Tools, die ihre Arbeit zeigen, einschließlich des Codes, den sie generiert haben, der Quellen, die sie verwendet haben, und der vorgeschlagenen Änderungen. Wenn Sie nicht sehen können, wie die KI zu ihrem Ergebnis gelangt ist, können Sie es nicht überprüfen.
Schärfe bewahren: Arbeiten Sie gelegentlich ohne KI. Dies ist keine Aussage des Widerstands, sondern ein Standard zum Vergleich. Sie möchten wissen, wie Ihre unassisted Arbeit aussieht, und in der Lage sein, zu funktionieren, falls die Werkzeuge ausfallen.

Schlussfolgerungen

Die Zusammenarbeit zwischen Mensch und KI stellt einen echten Wandel dar. Wir lernen, mit Systemen zu interagieren, die Input liefern, anstatt nur Befehle auszuführen.

Um dies erfolgreich zu gestalten, sind neue Fähigkeiten erforderlich, wie zu wissen, wann man sich auf KI verlassen und wann man sie in Frage stellen sollte. Es geht darum, Prozesse zu bewerten, um zu wissen, ob sie Ergebnisse liefern oder einfach nur produktiv erscheinen. Am wichtigsten ist, dass es erforderlich ist, scharf genug zu bleiben, um Fehler zu erkennen, wenn sie auftreten.

Teams, die Wege entwickeln, um mit KI zusammenzuarbeiten, erzielen bessere Ergebnisse. Sie identifizieren Fehler früher und ziehen Optionen in Betracht, die sie sonst nicht in Betracht gezogen hätten. Teams, die diese Fähigkeiten nicht entwickeln, neigen dazu, KI entweder so eingeschränkt zu nutzen, dass sie die potenziellen Vorteile verpassen, oder sie werden so abhängig, dass sie ohne sie nicht mehr funktionieren können.

Antworten auf häufige Fragen

Was ist der Unterschied zwischen der Nutzung von KI als Werkzeug und der Zusammenarbeit mit ihr?

Die Nutzung eines Werkzeugs beinhaltet das Erteilen eines Befehls an die KI, die diesen ausführt, während Sie das Ergebnis akzeptieren. Zusammenarbeit bedeutet, dass die KI ihre Arbeit zeigt, sodass Sie überprüfen und entscheiden können. Sie können die Quellen, den Code und die Argumentation sehen und dann wählen, ob Sie das Ergebnis akzeptieren, anpassen oder ablehnen. Wenn Sie nicht sehen können, wie die KI zu ihrem Schluss gekommen ist, können Sie nicht wirklich zusammenarbeiten.

Wie kann ich vermeiden, zu abhängig von KI zu werden?

Arbeiten Sie gelegentlich ohne KI und verfolgen Sie, ob Sie artikulieren können, warum die KI das Ergebnis präsentiert hat, das sie tat. Wenn Sie feststellen, dass Sie routinemäßig das erste Ergebnis akzeptieren oder dass Ihre Leistung erheblich leidet, wenn Sie ohne KI arbeiten, sind Sie wahrscheinlich zu abhängig von ihr.

Bewerten Unternehmen dies in Vorstellungsgesprächen?

Ja. Interviewer beobachten jetzt, wie Kandidaten mit KI interagieren. Diejenigen, die jeden Vorschlag ohne Fragen akzeptieren, zeigen schlechtes Urteilsvermögen, während diejenigen, die KI-Ausgaben überprüfen, in Frage stellen und anpassen, gutes Urteilsvermögen demonstrieren.

Nate Rosidi ist Datenwissenschaftler und in der Produktstrategie tätig. Er ist auch Dozent für Analytik und Gründer von StrataScratch, einer Plattform, die Datenwissenschaftlern hilft, sich auf ihre Vorstellungsgespräche mit echten Fragen von Top-Unternehmen vorzubereiten. Nate schreibt über die neuesten Trends auf dem Arbeitsmarkt, gibt Vorstellungsgespräche-Tipps, teilt Projekte aus der Datenwissenschaft und behandelt alles rund um SQL.

Abonnieren Sie den kostenlosen E-Book ‚KDnuggets Artificial Intelligence Pocket Dictionary‘ zusammen mit dem führenden Newsletter zu Data Science, Machine Learning, KI & Analytics direkt in Ihr Postfach.