OpenAI geht wichtige Partnerschaft mit Thinking Machines im asiatisch-pazifischen Raum ein

Thinking Machines Data Science geht eine Partnerschaft mit OpenAI ein, um mehr Unternehmen im asiatisch-pazifischen Raum dabei zu unterstützen, künstliche Intelligenz in greifbare Geschäftsergebnisse umzuwandeln. Durch diese Zusammenarbeit wird Thinking Machines zum ersten offiziellen Servicepartner von OpenAI in der Region.

Diese Allianz kommt zum richtigen Zeitpunkt, da die Einführung von KI im asiatisch-pazifischen Raum immer schneller voranschreitet. Laut einer IBM-Studie nutzen zwar bereits 61 % der Unternehmen KI, doch viele haben Schwierigkeiten, über die Pilotphase hinauszukommen und bedeutende geschäftliche Erfolge zu erzielen. Gemeinsam werden Thinking Machines und OpenAI diese Lücke schließen, indem sie Führungskräftetrainings zu ChatGPT Enterprise, Unterstützung bei der Entwicklung maßgeschneiderter KI-Anwendungen und Beratung zur Integration von KI in den täglichen Betrieb anbieten.

Stephanie Sy, Gründerin und CEO von Thinking Machines, hob den Schwerpunkt der Partnerschaft auf den Aufbau von Kompetenzen hervor: „Unsere Mission geht über die Einführung neuer Technologien hinaus. Wir statten Unternehmen mit den wesentlichen Fähigkeiten, strategischen Rahmenbedingungen und Unterstützungssystemen aus, die für einen effektiven Einsatz von KI erforderlich sind. Wir haben es uns zur Aufgabe gemacht, die Zukunft der Arbeit durch die Zusammenarbeit zwischen Mensch und KI neu zu gestalten und sicherzustellen, dass KI einen echten Mehrwert für die Menschen im asiatisch-pazifischen Raum liefert.“

Von KI-Pilotprojekten zu greifbaren Ergebnissen mit Thinking Machines

In einem Gespräch mit AI News identifizierte Sy ein häufiges Hindernis für Unternehmen: ihre Einstellung gegenüber der Einführung von KI. Viele Unternehmen betrachten KI als einfachen Technologiekauf und nicht als grundlegende geschäftliche Transformation. Dies führt oft dazu, dass Pilotprojekte ins Stocken geraten oder nicht ausgeweitet werden.

„Das Kernproblem ist, dass Unternehmen KI häufig als Technologieanschaffung und nicht als geschäftliche Transformation betrachten“, stellte sie fest. „Dies führt zu nicht skalierbaren Pilotprojekten, da drei entscheidende Elemente fehlen: eine starke Ausrichtung der Führungskräfte auf den gewünschten Mehrwert, eine Neugestaltung der Arbeitsabläufe zur Einbettung der KI und Investitionen in die Weiterqualifizierung der Belegschaft. Wenn diese drei Säulen – Vision, Prozesse und Menschen – stimmen, entwickeln sich Pilotprojekte zu einer weitreichenden Wirkung.“

Führung im Mittelpunkt

Führungskräfte betrachten KI oft immer noch als technische Initiative und nicht als strategische Priorität. Sy betont, dass Vorstände und Führungskräfte die Richtung vorgeben müssen. Sie müssen entscheiden, ob KI ein Wachstumsmotor oder lediglich ein zu bewältigendes Risiko ist.

„Die Führung gibt den Ton an: Ist KI ein strategischer Wachstumshebel oder ein zu bewältigendes Risiko? Ihre Aufgabe ist es, vorrangige Ergebnisse zu definieren, die Risikobereitschaft festzulegen und klare Zuständigkeiten zuzuweisen“, erklärte sie. Thinking Machines beginnt oft mit Workshops für Führungskräfte, in denen diese untersuchen, wo Tools wie ChatGPT einen Mehrwert schaffen, wie sie zu steuern sind und wann sie skaliert werden sollten. „Diese Klarheit von oben nach unten ist es, die KI von einem Experiment zu einer zentralen Unternehmenskompetenz macht.“

Mensch-KI-Zusammenarbeit in der Praxis

Sy spricht häufig davon, „die Zukunft der Arbeit durch die Zusammenarbeit zwischen Mensch und KI neu zu erfinden“. In der Praxis beschreibt sie dies als ein „Human-in-Command“-Modell, bei dem sich Menschen auf Urteilsvermögen, Entscheidungsfindung und die Behandlung von Ausnahmen konzentrieren, während KI Routineaufgaben wie Datenabruf, Entwürfe oder Zusammenfassungen übernimmt.

„Ein Human-in-Command-Ansatz bedeutet, die Arbeit so umzugestalten, dass sich die Menschen auf Urteilsvermögen und Ausnahmen konzentrieren, während die KI das Abrufen, Entwerfen und routinemäßige Schritte übernimmt – alles mit Transparenz durch Prüfpfade und Quellenlinks“, erklärte sie. Die Vorteile lassen sich in Zeitersparnis und Qualitätssteigerung messen.

In den Workshops von Thinking Machines gewinnen Fachleute, die ChatGPT nutzen, oft ein bis zwei Stunden Zeit pro Tag zurück. Dies wird durch Forschungsergebnisse gestützt: Sy zitierte eine MIT-Studie, die eine Produktivitätssteigerung von 14 % für Contact-Center-Mitarbeiter zeigt, wobei die größten Gewinne bei weniger erfahrenen Mitarbeitern zu verzeichnen sind. „Dies ist ein klarer Beweis dafür, dass KI menschliche Talente ergänzen kann, anstatt sie zu ersetzen”, fügte sie hinzu.

Agentische KI mit integrierten Sicherheitsvorkehrungen

Ein weiterer Schwerpunkt von Thinking Machines ist die agentenbasierte KI, die mehrstufige Prozesse über einzelne Anfragen hinaus verwaltet. Anstatt nur eine Frage zu beantworten, können agentenbasierte Systeme Recherchen koordinieren, Formulare ausfüllen und API-Aufrufe durchführen und so ganze Arbeitsabläufe orchestrieren, während der Mensch die Kontrolle behält.

„Agentische Systeme heben die Arbeit von einfachen Fragen und Antworten auf eine mehrstufige Ausführung: Sie koordinieren Recherchen, das Durchsuchen von Daten, das Ausfüllen von Formularen und API-Aufrufe, sodass Teams schneller arbeiten können, während ein Mensch den Prozess überwacht“, sagte Sy. Das Versprechen lautet zwar mehr Geschwindigkeit und Produktivität, aber die Risiken sind real. „Die Grundsätze der menschlichen Aufsicht und Überprüfbarkeit bleiben entscheidend, um einen Mangel an geeigneten Sicherheitsvorkehrungen zu verhindern. Unser Ansatz integriert Unternehmenskontrollen und Überprüfbarkeit mit Agentenfunktionen und stellt sicher, dass alle Aktionen vor der Skalierung nachvollziehbar, reversibel und mit den Richtlinien vereinbar sind.“

Governance, die Vertrauen schafft

Während die Einführung von KI voranschreitet, hinkt die Governance oft hinterher. Sy warnte, dass Governance versagt, wenn sie als reine Papierarbeit behandelt wird, anstatt in die tägliche Arbeit integriert zu werden.

„Wir behalten die Kontrolle in menschlicher Hand und machen Governance im täglichen Betrieb sichtbar: durch die Verwendung genehmigter Datenquellen, die Durchsetzung rollenbasierter Zugriffsrechte, die Pflege von Prüfpfaden und die Forderung nach menschlicher Genehmigung für sensible Aktionen“, erklärte sie. Thinking Machines wendet außerdem ein „Kontrolle + Zuverlässigkeit“-Framework an, das den Abruf auf vertrauenswürdige Inhalte beschränkt und Antworten mit Quellenangaben liefert. Die Arbeitsabläufe werden dann an die lokalen Vorschriften in Bereichen wie Finanzen, Regierung und Gesundheitswesen angepasst.

Für Sy wird der Erfolg nicht an der Anzahl der Richtlinien gemessen, sondern an der Überprüfbarkeit und niedrigen Ausnahmeraten. „Eine effektive Governance beschleunigt tatsächlich die Akzeptanz, weil die Teams dem vertrauen, was sie einsetzen“, sagte sie.

Lokaler Kontext, regionale Dimension

Die kulturelle und sprachliche Vielfalt im asiatisch-pazifischen Raum stellt die Skalierung von KI vor einzigartige Herausforderungen. Ein universelles Modell funktioniert selten. Sy betonte, dass die bewährte Strategie darin besteht, Lösungen zunächst lokal zu entwickeln und sie dann bewusst zu skalieren.

„Globale Vorlagen scheitern, wenn sie lokale Arbeitsabläufe ignorieren. Der richtige Ansatz besteht darin, lokal zu entwickeln und bewusst zu skalieren: Passen Sie die KI an die lokale Sprache, Formulare, Richtlinien und Eskalationspfade an und standardisieren Sie dann die Elemente, die sich gut übertragen lassen, wie Ihr Governance-Framework, Datenkonnektoren und Wirkungsmetriken“, erklärte sie.

Dies ist der Ansatz, den Thinking Machines in Singapur, auf den Philippinen und in Thailand verfolgt hat – zunächst den Wert mit lokalen Teams demonstrieren und dann regional expandieren. Das Ziel ist kein einheitlicher Chatbot, sondern ein zuverlässiges, wiederholbares Muster, das den lokalen Kontext respektiert und gleichzeitig Skalierbarkeit gewährleistet.

Fähigkeiten statt Tools

Auf die Frage nach den wichtigsten Fähigkeiten für einen KI-fähigen Arbeitsplatz erklärte Sy, dass nachhaltige Skalierbarkeit von Fähigkeiten abhängt, nicht nur von Software. Sie skizzierte drei Schlüsselkategorien:

• Führungskompetenz: Die Fähigkeit von Führungskräften, Ergebnisse zu definieren, Leitplanken zu setzen und zu wissen, wann und wo KI skaliert werden muss.
• Workflow-Design: Neugestaltung der Übergaben zwischen Mensch und KI, Klärung, wer Entwürfe erstellt, wer sie genehmigt und wie Ausnahmen eskaliert werden.
• Praktische Fähigkeiten: Effektives Auffordern, Bewerten und Abrufen von Informationen aus vertrauenswürdigen Quellen, um sicherzustellen, dass Antworten nicht nur plausibel, sondern auch überprüfbar sind.

„Wenn Führungskräfte und Teams dieses grundlegende Verständnis teilen, entwickelt sich die Einführung von einem Experiment zu wiederholbaren Ergebnissen auf Produktionsebene“, sagte sie. In den Programmen von Thinking Machines berichten viele Fachleute, dass sie nach nur einem eintägigen Workshop täglich ein bis zwei Stunden Zeit sparen. Bis heute wurden über 10.000 Menschen in verschiedenen Funktionen geschult, wobei sich ein einheitliches Muster abzeichnet: „Fähigkeiten + Governance erschließen Skalierbarkeit.“

Branchenwandel steht bevor

Mit Blick auf die nächsten fünf Jahre sieht Sy eine Entwicklung der KI von einer Entwurfshilfe hin zur vollständigen Ausführung kritischer Geschäftsfunktionen. Sie erwartet erhebliche Fortschritte in den Bereichen Softwareentwicklung, Marketing, Servicebetrieb und Lieferkettenmanagement.

„Für die nächste Welle sehen wir drei konkrete Muster: politikbewusste Assistenten im Finanzwesen, Co-Piloten für die Lieferkette in der Fertigung und personalisierte, aber konforme Kundenerlebnisse im Einzelhandel – jeweils mit menschlichen Kontrollpunkten und überprüfbaren Quellen, damit Führungskräfte mit Zuversicht skalieren können“, prognostiziert sie.

Ein praktisches Beispiel ist BEAi, ein System, das Thinking Machines gemeinsam mit der Bank of the Philippine Islands entwickelt hat. Dieses RAG-System (Retrieval-Augmented Generation) unterstützt Englisch, Filipino und Taglish, liefert Antworten mit Verweisen auf Quellen und Seitenzahlen und versteht Richtlinienaktualisierungen, wodurch komplexe Dokumente in praktische Anleitungen für Mitarbeiter umgewandelt werden. „So sieht ‚KI-nativ‘ in der Praxis aus“, bemerkte Sy.

Thinking Machines erweitert KI in der APAC-Region

Die Partnerschaft mit OpenAI wird zunächst über die Niederlassungen von Thinking Machines in Singapur, den Philippinen und Thailand gestartet, bevor sie auf den gesamten asiatisch-pazifischen Raum ausgeweitet wird. Zu den Zukunftsplänen gehören maßgeschneiderte Dienstleistungen für Branchen wie Finanzen, Einzelhandel und Fertigung, in denen KI spezifische Herausforderungen lösen und neue Möglichkeiten eröffnen kann.

Für Sy ist das Ziel klar: „Bei der Einführung von KI geht es nicht nur darum, mit neuen Tools zu experimentieren. Es geht darum, eine Vision, Prozesse und Fähigkeiten zu entwickeln, die es Unternehmen ermöglichen, von Pilotprojekten zu dauerhaften Erfolgen zu gelangen. Wenn Führung, Teams und Technologie aufeinander abgestimmt sind, liefert KI einen dauerhaften Mehrwert.“

Siehe auch: X und xAI verklagen Apple und OpenAI wegen KI-Monopolvorwürfen

Möchten Sie mehr über KI und Big Data von Branchenführern erfahren? Besuchen Sie die AI & Big Data Expo in Amsterdam, Kalifornien und London. Diese umfassende Veranstaltung findet zusammen mit anderen führenden Technologieveranstaltungen unter dem Dach von TechEx statt. Klicken Sie hier für weitere Informationen.

AI News wird von TechForge Media betrieben. Entdecken Sie hier weitere bevorstehende Veranstaltungen und Webinare zum Thema Unternehmenstechnologie.