Wo sich große Sprachmodelle im Unternehmen bezahlt machen

Ein Unternehmen kauft für alle Mitarbeitenden Lizenzen für einen Chat-Assistenten. Sechs Monate später ist das Bild gemischt. Manche nutzen ihn täglich für E-Mails und Besprechungsnotizen. Die meisten haben ihn ein paarmal ausprobiert und dann aufgehört. Jemand in den Finanzen hat ihn gebeten, zwei Konten abzustimmen, und selbstbewusste, sauber formatierte, falsche Zahlen bekommen. Als die Verlängerung ansteht, kann niemand sagen, was sich geändert hat, und die Entscheidung fällt nach Anekdoten.

Die Lizenzen waren nicht der Fehler. Der Fehler war, ein großes Sprachmodell als Universalwerkzeug für alle einzuführen, statt es an bestimmten Stellen in bestimmten Prozessen einzusetzen, an denen seine Stärken zur Arbeit passen.

Diese Stärken sind echt und eng umrissen. Ein Sprachmodell ist gut in Sprache: unstrukturierte Eingaben lesen, Struktur daraus gewinnen, Texte entwerfen, zusammenfassen, klassifizieren und übersetzen zwischen der Art, wie ein Mensch fragt, und der Art, wie ein System abgefragt werden muss. Schwach ist es bei exakter Arithmetik, beim Erinnern von Fakten, die es nicht erhalten hat, beim Halten eines konsistenten Zustands über einen langen Prozess und darin, für eine Entscheidung geradezustehen.

Wo sie sich bezahlt machen

Lesen, was unstrukturiert ankommt. E-Mails, Eingangsrechnungen, Lieferscheine, Reklamationen und Bestellungen als Anhang. Das Modell macht daraus strukturierte Felder, jedes mit der Passage, aus der es stammt, sodass ein Mensch es in Sekunden prüfen kann. Das ist der Anfang des Prozesses für Eingangsrechnungen im Modul Finanzen von Hurukan: erfasst, kontiert, freigegeben, exportiert.

Entwerfen, damit ein Mensch versendet. Antworten an Kunden, erste Fassungen von Angeboten, Zusammenfassungen einer Fallhistorie vor einem Anruf. Der Mensch bearbeitet und versendet; das Modell erspart das leere Blatt. Das Modul Kundenservice folgt genau dieser Regel: Agenten entwerfen, ein Mensch versendet.

Fragen in Abfragen übersetzen. Eine Führungskraft fragt, warum Lieferungen in eine Region zu spät kommen. Das Modell übersetzt das in eine Abfrage gegen ein definiertes Modell des Geschäfts und liefert die Antwort mit der sichtbaren Abfrage.

Klassifizieren und weiterleiten. Welches Team, welche Priorität, welche Vorlage. Eng, wiederkehrend und leicht zu prüfen – damit auch ein guter Kandidat für ein kleineres Modell.

Einen Datensatz erklären. Warum ist dieser Auftrag gesperrt? Das Modell liest die Historie des Datensatzes und schreibt drei Sätze, mit denen ein Mensch handeln kann.

Änderungen am System selbst schreiben. Ein neues Feld, eine neue Regel, ein neuer Bericht, von einem Agenten als Änderung entworfen, die ein Mensch prüft. So soll Hurukan erweitert werden: beschrieben, von einem Agenten geschrieben, von einem Menschen freigegeben, protokolliert.

Wo nicht

Arithmetik und Abstimmung. Nutzen Sie Code. Ein Modell kann den Code schreiben oder aufrufen, der die Summe bildet, sollte die Summe aber nicht im Kopf rechnen.

Fakten, die es nicht erhalten hat. Ohne Verankerung in den Daten des Unternehmens erzeugt ein Modell plausiblen Text. Worin es verankert ist, zählt so viel wie das Modell selbst, wie in Suche in der Ontologie dargelegt.

Zahlenprognosen. Prognosen zu Nachfrage, Liquidität und Kapazität sind eine Aufgabe für klassische statistische Modelle und Modelle des maschinellen Lernens mit Backtest, wie in bei der Bedarfsprognose schlägt klassisches ML noch immer ein LLM erklärt.

Endgültige Entscheidungen mit Folgen. Zahlungen, Preiszusagen, Vertragsbedingungen, alles, was das Arbeitsverhältnis von Menschen betrifft. Das Modell bereitet vor; ein Mensch entscheidet.

Alles, was Sie nicht prüfen können. Lässt sich eine Ausgabe nicht günstig überprüfen, bleiben die Kosten ihrer Fehler verborgen, bis sie groß sind.

Wie man sie einsetzt

Stellen Sie für jeden möglichen Einsatz vier Fragen. Ist die Eingabe überwiegend Text? Kann die Person, die das Ergebnis erhält, es schnell prüfen? Lässt sich ein Fehler rückgängig machen? Wer gibt frei, bevor etwas das Unternehmen verlässt oder einen Datensatz ändert? Gute Einsätze haben Text als Eingabe, ein schnell prüfbares Ergebnis und umkehrbare Fehler – mit einer Freigabe überall dort, wo die letzte Bedingung nicht erfüllt ist.

Leiten Sie dann jede Aufgabe an das Modell weiter, das zu ihr passt. Die Ebene Superintelligenz von Hurukan ist darauf ausgelegt, das je Aufgabe zu tun – zwischen Frontier-Modellen und Modellen auf der eigenen Hardware des Unternehmens, nach Regeln zu Qualität, Kosten und dazu, wohin Daten gelangen dürfen. Integrationen mit Microsoft 365 Copilot, Claude und ChatGPT sind geplant, nicht live.

Ein Test, den Sie heute machen können

Listen Sie die zehn Aufgaben auf, die in einer Abteilung jede Woche die meiste Zeit kosten. Markieren Sie zu jeder drei Dinge:

1. Die Eingabe ist überwiegend Text. Ja oder nein.
2. Das Ergebnis lässt sich in unter einer Minute prüfen. Ja oder nein.
3. Ein Fehler lässt sich rückgängig machen. Ja oder nein.

Aufgaben mit dreimal Ja sind die, bei denen sich ein Sprachmodell am ehesten bezahlt macht. Aufgaben mit einem Nein in der letzten Spalte brauchen vor allem anderen einen gestalteten Freigabeschritt. Aufgaben mit einem Nein in der zweiten Spalte brauchen einen Weg, die Ausgabe zu prüfen, bevor sie überhaupt ein Modell brauchen.