OpenAIs Foundry Angebot: Strategische Veränderungen und Auswirkungen auf Unternehmens-KI

OpenAIs "Foundry": Eine Analyse der strategischen Implikationen für B2B-Kunden

Die jüngsten Berichte über OpenAIs "Foundry"-Angebot und dessen geleakte Preisstruktur haben in der KI-Branche für Aufsehen gesorgt. Diese Entwicklungen geben Aufschluss über OpenAIs strategische Ausrichtung und deren potenzielle Auswirkungen auf Unternehmen, die KI-Technologien in ihre Prozesse integrieren möchten. Als Senior Specialist Journalist und Analyst für Mindverse möchten wir diese Situation neutral und präzise beleuchten, um Ihnen handlungsrelevante Einblicke zu bieten.

Foundry als Plattform für Produktive KI

OpenAI's "Foundry" wird als eine Plattform beschrieben, die die "neuesten Modelle" von OpenAI bereitstellt, kombiniert mit robusteren Optionen zur Feinabstimmung. Der Begriff "neueste Modelle" im Plural deutet darauf hin, dass es sich bei GPT-4 nicht um ein einzelnes Modell handelt, sondern um eine Klasse von Modellen, die durch den Umfang des Vortrainings und die Parameteranzahl definiert sind. Dies markiert einen Übergang von rein generativer KI hin zu dem, was als "produktive KI" bezeichnet werden könnte.

Konzeptionell ist eine Gießerei (Foundry) ein Ort, an dem Unternehmen Werkzeuge zur Herstellung ihrer physischen Produkte fertigen. Analog dazu könnte OpenAIs Foundry der Ort sein, an dem Unternehmen kognitive Aufgaben mithilfe von KI-Systemen ausführen lassen. Dies betrifft einen Großteil der heutigen Dienstleistungswirtschaft.

Die Bedeutung von Feinabstimmung und Kontextfenstern

Die geleakten Preisinformationen für Foundry, die von etwa 250.000 US-Dollar pro Jahr für "3.5-Turbo" (ChatGPT-Skala) bis zu 1,5 Millionen US-Dollar pro Jahr für "DV" mit einem 32K-Kontextfenster reichen, legen nahe, dass OpenAI die Fähigkeit von GPT-4, bedeutsame Arbeit in Unternehmensumgebungen zu leisten, überzeugend demonstrieren kann. Entscheidend hierfür sind zwei Hauptmerkmale:

• Robuste Feinabstimmung: Es wird erwartet, dass die Feinabstimmung der Modelle der wichtigste Treiber für Akzeptanz, Wertschöpfung und Transformation in naher Zukunft sein wird. Wenige Beispiele (bereits ab 20 für einfache Aufgaben) können für die Feinabstimmung ausreichen, was für Unternehmen, die über große Mengen an proprietären Daten verfügen, von großem Vorteil ist. Diese Daten, wie z.B. Call-Center-Aufzeichnungen, können für KI-Trainingszwecke genutzt werden.
• Erweiterte Kontextfenster: Das neue 32.000-Token-Kontextfenster ist ein signifikantes Merkmal. Es ermöglicht die Verarbeitung von bis zu 50 Textseiten oder einer zweistündigen Konversation. Für viele Unternehmen reicht dies aus, um vollständige Kundenprofile und -historien zu integrieren. In komplexeren Szenarien werden Strategien für Retrieval und Kontextmanagement, unterstützt durch Text-Embeddings und Vektordatenbanken, notwendig.

Die Kombination dieser technologischen Fortschritte ermöglicht es Kunden, in vielen wirtschaftlich wertvollen Aufgaben menschliche und oft übermenschliche Leistungen und Zuverlässigkeit zu erreichen.

Anwendungsfelder für maßgeschneiderte KI-Modelle in Unternehmen

Im Jahr 2023 könnten Unternehmen maßgeschneiderte Modelle für eine Vielzahl von Aufgaben trainieren, insbesondere für solche, bei denen etablierte, dokumentierte Standardarbeitsanweisungen existieren. Dazu gehören:

• Inhaltserstellung und -anpassung: Erstellung, Wiederverwendung und Lokalisierung von Inhalten, wobei Markenstandards in den Kontext integriert werden können.
• Kundeninteraktionen: Natürliche Sprach-Q&A, Terminplanung, Kontoverwaltung und technischer Support, verfügbar rund um die Uhr.
• Optimierung des Einstellungsprozesses: Personalisierung der Ansprache, Bewertung von Lebensläufen, Zusammenfassung von Profilen und Vorschläge für Interviewfragen.
• Programmierung: Codegenerierung unter Berücksichtigung privater Codebasen und unter Einhaltung spezifischer Codierungsstandards.
• Recherche: Durchführung von Recherchen unter Nutzung einer Kombination aus öffentlichen Suchdaten und privaten Datenbeständen.
• Datenanalyse und Berichterstattung: Analyse von Daten sowie Generierung, Überprüfung und Zusammenfassung von Berichten.
• Prozessausführung: Ausführung von Prozessen durch Aufrufe öffentlicher und privater APIs, wie das Versenden von E-Mails oder die Abwicklung von Transaktionen.

Diese Entwicklung deutet auf eine Transformation hin, bei der KI nicht ganze Arbeitsplätze ersetzt, sondern spezifische Aufgaben innerhalb von Arbeitsabläufen übernimmt. Die Struktur der Arbeit kann sich ändern, um die Vorteile der KI optimal zu nutzen.

Die "Große Implementierung" und ihre Auswirkungen auf die Arbeitswelt

Die "Große Implementierung" beschreibt eine Verschiebung des Paradigmas, bei der KI-Systeme direkt für die Erledigung von Aufgaben verantwortlich sind und Menschen eine überwachende Rolle einnehmen. Dies ist vergleichbar mit der industriellen Revolution, die die Fertigung durch Standardisierung und Fließbänder revolutionierte. Im Dienstleistungssektor, der stark durch Sprache und die Schwierigkeit, Konversationen in standardisierte Aktionen zu überführen, geprägt ist, steht eine ähnliche Transformation bevor.

Die Kernkompetenzen, die für die Entwicklung und den Einsatz feinabgestimmter GPT-4-Modelle in Unternehmen erforderlich sind, umfassen:

• Problemdefinition: Die Fähigkeit, Ziele als Text-Prompts zu strukturieren und die notwendigen Informationen für die KI bereitzustellen.
• Beispielkuradierung und -erstellung: Die Definition dessen, was eine gut erledigte Aufgabe ausmacht, und die Aufbereitung relevanter Daten.
• Validierung, Fehlerbehandlung und Red Teaming: Vergleich der Modellleistung mit menschlicher Leistung, Erkennung von Fehlern und Sicherstellung der Vermeidung unerwünschter Verhaltensweisen.

Diese Fähigkeiten sind erlernbar, und Beratungsunternehmen wie Bain, die eine globale Dienstleistungsallianz mit OpenAI eingegangen sind, spielen eine Schlüsselrolle bei der Unterstützung von Unternehmen bei dieser organisatorischen Veränderung.

Strategische Gründe hinter der Preisgestaltung

Die Abkehr von einem rein nutzungsbasierten "API-first"-Preismodell hin zu einem "Foundry"-Angebot mit höheren Einstiegspreisen, die bei 250.000 US-Dollar beginnen, kann aus zwei Hauptgründen interpretiert werden:

1. Sicherheit und Kontrolle: OpenAI hat betont, GPT-4 erst dann einzusetzen, wenn sie von dessen Sicherheit überzeugt sind. Ein hoher Einstiegspreis könnte auf einen "Know Your Customer"-Ansatz hindeuten, der eine strengere Überprüfung der Kunden, eine Bewertung der Anwendungsfälle und technischen Support umfasst. Dies würde es OpenAI ermöglichen, die Nutzung ihrer leistungsfähigsten Modelle besser zu kontrollieren und potenzielle Risiken zu minimieren.
2. Wirtschaftliche Absicherung: Die Preisstrategie könnte auch dazu dienen, OpenAIs Geschäft im unteren Segment vor günstigeren oder Open-Source-Alternativen zu schützen und interne Unternehmensinvestitionen in KI bis zu einem gewissen Grad zu entmutigen oder zu verdrängen. Indem Kunden hohe Summen für dedizierte Rechenkapazitäten ausgeben, könnte die Motivation sinken, kostengünstigere Alternativen für alltägliche Anwendungsfälle zu verfolgen.

Diese strategische Neuausrichtung unterstreicht die Überzeugung, dass ökonomisch transformative KI nicht nur existiert, sondern bereits führenden Unternehmen angeboten wird. Die vollständige Wirkung wird sich entfalten, sobald die Modelle feinabgestimmt und in bestehende Systeme integriert sind. Die "Große Implementierung" wird voraussichtlich über Jahre andauern und die Art und Weise, wie Unternehmen arbeiten, nachhaltig verändern.

Wir bei Mindverse beobachten diese Entwicklungen weiterhin genau und werden Sie über die relevantesten Erkenntnisse und deren praktische Implikationen auf dem Laufenden halten.

Bibliography

1. The Cognitive Revolution. (2023, February 27). *OpenAI's Foundry leaked pricing says a lot – if you know how to read it*. Substack. Retrieved from https://cognitiverevolution.substack.com/p/openais-foundry-leaked-pricing-says