Traditionelle Jobs vs. KI in der Supply Chain - Ep 155

00:00:00 Einführung der Sendung und Auswirkungen von KI auf Bürojobs
00:02:20 Einführung von Large Language Models (LLMs)
00:03:27 Joannes’ Erkenntnis über generative KI und GPT-4
00:05:44 LLMs als universelle Vorlagemaschine
00:07:05 Joannes über das Automatisierungspotenzial und den Wandel seiner Perspektive
00:10:38 Herausforderungen bei der Automatisierung der Kommunikation mit Lieferanten
00:12:24 Zusammenfassung der Auswirkungen von LLMs
00:14:11 Alltägliche Probleme bei der Automatisierung
00:15:59 Ausmaß des Aussterbeereignisses
00:17:48 KI’s Verständnis von Branchenjargon
00:19:34 Frage nach der Auswirkung von KI auf Arbeitsplätze
00:21:52 Automatisiertes Antwortsystem und Bedeutung der End-to-End-Automatisierung
00:28:08 Unternehmen automatisieren bereits Prozesse
00:30:36 Effizienzsteigerung und Wettbewerbsvorteile durch KI
00:34:28 Marktbereitschaft für KI
00:36:27 Ursprünge der KI-Entwicklung
00:38:55 Automatisierung schwieriger Teile in der Supply Chain
00:41:36 Die Gesellschaft wird durch Jobautomatisierung reicher
00:44:23 Zukunft der Erforschung der Supply Chain Science
00:46:54 Übergang zu Fragen aus dem Publikum
00:50:12 Überdenken der technologischen Roadmap von Lokad
00:52:29 Beginn der Frage- und Antwortrunde
00:55:00 Finanzieller Aspekt in der Supply Chain
00:58:46 Frage nach Preisgestaltung und Auswirkungen auf das Endergebnis
01:01:00 LLMs für kleine, alltägliche Probleme und Aufgaben
01:07:17 Allgemeine Intelligenz und Aussterbeereignisse
01:09:49 Auswirkungen von KI auf kleine und mittlere Unternehmen
01:13:02 Vorteile der Automatisierung bei Lokad
01:17:55 Vorhersage von Aussterbeereignissen für Nicht-Adoptierer
01:20:32 Paris als Beispiel für Fortschritte durch Automatisierung
01:22:20 Frage nach erfolgreicher KI und Zusammenarbeit mit Menschen
01:26:19 Grenzen der hochrangigen menschlichen Intelligenz
01:28:31 Frage nach KI in den Supply Chains kleiner Länder
01:32:25 KI als Ausgleich für Entwicklungsländer
01:34:05 Einfachheit und Auswirkungen von Nähmaschinen
01:35:31 Evolution, nicht Revolution
01:36:19 Schlussgedanken

Zusammenfassung

In einem Gespräch zwischen Conor Doherty und Joannes Vermorel von Lokad prognostiziert Vermorel, dass künstliche Intelligenz (KI) bis 2030 zu einem Massenaussterben von Bürojobs im Backoffice führen wird, viel früher als bisherige Vorhersagen. Er führt dies auf den Erfolg von Large Language Models (LLMs) zurück, von denen er glaubt, dass sie alle Bürojobs im Backoffice beeinflussen werden, insbesondere in den Supply Chains. Vermorel argumentiert, dass das Ziel die vollständige Automatisierung repetitiver Aufgaben sein sollte, um signifikante Produktivitätssteigerungen zu ermöglichen. Er prognostiziert, dass viele Unternehmen innerhalb weniger Monate damit beginnen werden, Menschen aus diesen Positionen zu entfernen. Vermorel weist darauf hin, dass Aufgaben, die hochrangige menschliche Intelligenz erfordern, wie strategische Entscheidungen, immer noch jenseits der Fähigkeiten von LLMs liegen.

Erweiterte Zusammenfassung

In einem kürzlichen Gespräch zwischen Conor Doherty, Leiter der Kommunikation bei Lokad, und Joannes Vermorel, CEO und Gründer des Unternehmens, diskutierten die beiden die Auswirkungen von künstlicher Intelligenz (KI) und Supply Chain-Optimierung. Vermorel äußerte die Überzeugung, dass KI zu einem Massenaussterben von Bürojobs im Backoffice führen wird. Er verwies auf frühere Vorhersagen, dass KI bis 2050 90% der Bürojobs im Backoffice eliminieren würde, glaubt jedoch, dass dies viel früher, bis 2030, geschehen wird.

Der Game-Changer, so Vermorel, ist der Erfolg von Large Language Models (LLMs), die alle Bürojobs im Backoffice beeinflussen werden, insbesondere diejenigen in den Supply Chains. Vermorel gab zu, dass er die Revolution der LLMs anfangs verpasst hatte und erst vor etwa 18 Monaten ihr Potenzial erkannte, als er mit generativer KI zu arbeiten begann. Er teilte seine Erfahrungen mit GPT-4, einem Modell von OpenAI, und wie es ihm das Potenzial dieser Technologie auf Produktionsniveau verdeutlichte. Er erklärte, dass GPT-4 um ein Vielfaches intelligenter ist als GPT-3.5 und dass man, sobald man versteht, wie es funktioniert, es auch mit GPT-3.5 verwenden kann.

Vermorel beschrieb LLMs als universelle Vorlagemaschine, die unglaublich leistungsstark und unempfindlich gegenüber Störungen ist. Er teilte mit, dass er vor mehr als einem Jahr die gesamte Roadmap von Lokad neu geschrieben hat und sie in den letzten 12 Monaten eine Aufgabe nach der anderen automatisiert haben. Er drückte sein Erstaunen darüber aus, was durch Automatisierung erreicht werden kann, und die Schwierigkeit, Probleme zu finden, die nicht automatisiert werden können. Er teilte mit, dass Lokad vor einem Jahrzehnt die quantitativen Entscheidungen automatisiert hat, und in den letzten 12 Monaten wurde der Rest mit Hilfe moderner LLMs automatisiert.

Vermorel erklärte, dass die Automatisierung, insbesondere bei sprachlichen Aufgaben, bereits die menschlichen Fähigkeiten und Intelligenz in Bezug auf Geschwindigkeit und Genauigkeit übertroffen hat. Er gab ein Beispiel dafür, wie Large Language Models (LLMs) gut darin sind, häufige Fehler zu vermeiden, wie zum Beispiel die falsche Interpretation der Farbe im Namen eines Produkts als tatsächliche Farbe des Produkts. Vermorel verglich LLMs mit einem Diener, der mit der Terminologie und dem Jargon jeder Branche vertraut ist und damit einem durchschnittlichen Menschen überlegen ist, der möglicherweise nicht mit spezifischen Fachbegriffen vertraut ist. Er stellte fest, dass die eigentliche Frage darin besteht, was nicht automatisiert werden kann, da bisher alles, was sie versucht haben, funktioniert hat.

Vermorel widersprach der Ansicht, dass KI als Co-Pilot fungieren wird, um Menschen bei Entscheidungen zu helfen, und argumentierte, dass das Ziel die vollständige End-to-End-Automatisierung für repetitive Aufgaben sein sollte, was erhebliche Produktivitätssteigerungen ermöglichen kann. Er erklärte, dass nicht repetitive Aufgaben überleben würden, aber viele Aufgaben, die täglich nicht repetitive erscheinen, über das Jahr gesehen tatsächlich repetitive sind. Er bestätigte, dass der Zeitrahmen für die Automatisierung sehr komprimiert sein wird und dass viele Unternehmen bereits schnell auf die Automatisierung zusteuern.

Vermorel erklärte, dass frühere technologische Revolutionen auf bestimmte Branchen beschränkt waren, aber Large Language Models auf nahezu alle Bürojobs, insbesondere Backoffice-Jobs, anwendbar sind. Er erklärte, dass der Markt langsamer als das Backoffice in Bezug auf Automatisierung sein wird, da die Erwartungen des breiteren Publikums das Tempo vorgeben. Er betonte, dass es den Kunden egal ist, ob die Produktion vollständig automatisiert oder von Angestellten erledigt wird.

Vermorel prognostizierte, dass die Automatisierung von Bürojobs eine Überraschung sein wird, wies jedoch darauf hin, dass Blaukragenjobs in den letzten 150 Jahren ähnliche Veränderungen durchlaufen haben. Er verwendete das Beispiel der Wasserkuriere in Paris, ein Beruf, der mit der Einführung von Wasserleitungen ausgestorben ist. Er erläuterte, wie die Automatisierung bereits bestimmte Aufgaben obsolet gemacht hat, wie zum Beispiel den Vergleich von Vertragsentwürfen Zeile für Zeile, eine Aufgabe, die jetzt von Microsoft Word erledigt wird. Er beschrieb das Tempo dieser Veränderungen als allmählich, bis zur Einführung von LLMs, die sich anfühlt, als würde man 20 Jahre in die Zukunft gehen, aber nur in einem Jahr.

Auf die Frage nach der Zukunft der Supply Chain Science betonte Vermorel, dass die Grundlagen, die er in seinen Supply Chain-Vorlesungen lehrt, nicht automatisiert werden. Er ermutigte dazu, sich auf diese grundlegenden Fragen zu konzentrieren und nicht auf die Belanglosigkeiten, die von LLMs automatisiert werden. Er fasste zusammen, dass LLMs ein Aussterbeereignis für Backoffice-Funktionen darstellen und prognostizierte, dass viele Unternehmen damit beginnen werden, Menschen aus diesen Positionen zu entfernen. Er beschrieb dies als eine Frage von Monaten und drängte auf schnelles Handeln.

Auf die Frage, welche Berufsbezeichnungen möglicherweise obsolet werden könnten, nannte Vermorel Supply and Demand Planner, Inventory Analyst und Category Manager. Er schlug vor, dass Berufe wie Supply Chain Scientist, die die Erstellung numerischer Rezepte und strategisches Denken beinhalten, nicht automatisiert werden. Vermorel erklärte, dass Lokad nicht nur grundlegende Entscheidungen wie Planung, Terminierung, Einkauf, Produktion, Zuweisung und Preisaktualisierung automatisiert hat, sondern auch die damit verbundenen Prozesse wie Stammdatenverwaltung, Kommunikation und Benachrichtigungen an Kunden und Lieferanten.

Auf die Frage nach Ratschlägen für junge Menschen, die in die Supply Chain einsteigen, schlug Vermorel vor, sich auf strategisches Verständnis, kritisches Denken und Programmierkenntnisse zu konzentrieren. Er glaubt, dass LLMs diese Fähigkeiten nicht ersetzen, sondern die Produktivität steigern werden. Vermorel prognostizierte, dass KI-gesteuerte Supply Chain-Lösungen eine stärkere Auswirkung auf kleinere Unternehmen als auf größere haben werden. Er erklärte, dass die hohe Produktivität dieser Tools die Automatisierung auch für kleine Unternehmen zugänglich macht und ihnen ermöglicht, mit größeren Unternehmen zu konkurrieren.

Vermorel teilte mit, dass die Automatisierung bei Lokad die Qualität verbessert und die Produktivität gesteigert hat. Er bemerkte, dass es noch zu früh ist, um die Auswirkungen auf Abonnementraten und andere Kennzahlen aufgrund der langsamen Verkaufszyklen von Unternehmenssoftware zu sehen. Er warnte davor, sich auf Zahlen zu verlassen und verwies auf das Beispiel des Scheiterns von Kodak, sich an die digitale Fotografie anzupassen. Er prognostizierte, dass Unternehmen, die ihre Prozesse automatisieren können, agiler und zuverlässiger sein werden, während diejenigen, die dies nicht tun, nicht überleben werden. Er verglich dies mit einem Aussterbeereignis.

Vermorel betonte die Bedeutung der Befreiung von mühsamen Aufgaben für die Verbesserung der Supply Chain und des allgemeinen Unternehmenswachstums. Er glaubt, dass dies den Menschen ermöglicht, strategisch zu denken und nicht von unwichtigen Aufgaben abgelenkt zu werden. Er erklärte, dass die Zusammenarbeit zwischen Menschen und Maschinen nicht so ist, wie sie sich vorgestellt haben. Es geht eher darum, Aufgaben vollständig zu automatisieren, wie zum Beispiel die Übersetzung der Lokad-Website und die Zeitstempelung von Lokad TV-Videos, die jetzt automatisch erfolgen. Er schlug vor, dass die eigentliche Frage darin besteht, was nicht automatisiert werden kann.

Vermorel schlug vor, dass Aufgaben, die eine menschliche Intelligenz auf hohem Niveau erfordern, wie strategische Entscheidungen und makroökonomische Fragen für das Unternehmen, immer noch über die Fähigkeiten von LLMs hinausgehen. Er erklärte, dass LLMs unglaublich zugänglich sind und keine hochtalentierte Belegschaft oder eine Hochgeschwindigkeits-Internetverbindung erfordern. Er betonte, dass diese Technologie kostengünstig ist und ein großer Ausgleich für Länder mit begrenzten Ressourcen sein kann.

Vermorel stimmte Conors Vergleich zu und warnte Unternehmen davor, diese Entwicklung nicht zu verpassen. Er schlug vor, dass Unternehmen, die diese Technologie jetzt nicht übernehmen, möglicherweise in Zukunft nicht mehr aufholen können.

Vollständiges Transkript

Conor Doherty: Willkommen bei Lokad Live. Mein Name ist Conor. Ich bin der Leiter der Kommunikation bei Lokad. Und heute im Studio ist Lokad-Gründer Joannes Vermorel. Das heutige Thema könnte das ernsteste sein, das wir jemals in der Show hatten. Eine offene, emotionslose Diskussion über den wahren Stand der KI und der Supply Chain und vor allem darüber, was dies für die Menschen in diesem Bereich bedeutet. Dies soll eine interaktive Diskussion sein, also wenn Sie Fragen haben, stellen Sie sie bitte im Live-Chat und wir werden so viele wie möglich in der zur Verfügung stehenden Zeit beantworten. Also, Joannes, lassen Sie uns das Thema nicht länger verbergen. Warum sind wir hier?

Joannes Vermorel: Ich glaube, dass wir vor etwas stehen, das wahrscheinlich als ein Massenaussterben von Büroangestellten im Hintergrund bezeichnet werden wird. Vor fünf Jahren gab es viele Berater, die Studien erstellten und sagten, dass bis 2050 KI 90% der Bürojobs im Hintergrund beseitigt haben würde. Die Gründe und die Technologien, die in diesen Berichten angeführt wurden, waren völlig falsch, und es stellte sich heraus, dass der Zeitrahmen auch völlig falsch war. Aber das Einzige, was wahr war, ist die 90%. Und der Zeitrahmen, wie ich es jetzt sehe, wird stark beschleunigt sein. Es wird nicht 2050 sein, es wird 2030 sein. Was alles verändert hat, war der Erfolg von LLMs (Large Language Models). Dies wird sich auf praktisch alle Bürojobs im Hintergrund auswirken, insbesondere auf diejenigen in der Supply Chain. Der Wandel kommt super schnell, viel schneller als ich vor 18 Monaten dachte.

Conor Doherty: Sie haben zuvor auf Berater verwiesen, die über die Entwicklung oder das Aussterben spekuliert haben, wie Sie es genannt haben. Was ist genau im letzten Jahr mit dem Aufkommen von LLMs passiert, um diese Entwicklung zu beschleunigen?

Joannes Vermorel: Die eigentliche Revolution fand vor etwa drei Jahren statt. Ich habe es verpasst. Ich habe erst vor etwa 18 Monaten realisiert, was passiert. Zu dieser Zeit habe ich mit generativer KI gespielt. Wir haben vor fast anderthalb Jahren ein Interview darüber geführt. Damals habe ich mir diese Technologien angesehen. Generative KI gab es seit 20 Jahren und hat jedes Jahr Fortschritte gemacht. Ich habe angefangen zu erkennen, dass sie für Produktionszwecke verwendet werden könnte, aber das waren kleine Berührungen wie das Generieren einiger Illustrationen für Vorträge.

Dann kamen LLMs und Chatbots. Sie waren ganz nett, aber ich dachte, sie seien nur ein schickes Gadget. Ich hatte nicht wirklich erkannt, wofür sie verwendet werden könnten. Dann kam ich zur Besinnung, als ich vor etwas mehr als einem Jahr mit GPT-4, dem Beta-Modell, angefangen habe zu arbeiten. Mir wurde klar, dass diese Technologie produktionsreif ist. Es gab einen enormen Sprung. Ich habe mit GPT-4, einem Modell von OpenAI, erkannt, wie GPT-3.5, das seit mehreren Jahren existierte, verwendet werden sollte. Das Interessante ist, dass es einen zweiten Durchbruch, GPT-4, gebraucht hat, damit ich es verstehe. GPT-4 ist um eine Größenordnung intelligenter als GPT-3.5.

Aber sobald man versteht, wie es funktioniert, und das ist mit GPT-4 viel einfacher, weil GPT-4 so viel besser ist, kann man das, was funktioniert, anpassen und es so gestalten, dass es auch mit GPT-3.5 funktioniert. Die Erkenntnis war, dass das LLM unglaublich leistungsstark ist, aber wenn man es für Produktionszwecke, für Unternehmen, für Unternehmenszwecke verwenden möchte, geht es nicht darum, einen Chatbot zu haben. Das Interessante ist, dass man eine universelle Vorlagenmaschine hat. Das ist absolut unglaublich. Das ist sehr widerstandsfähig gegenüber Störungen. Vor etwas mehr als einem Jahr wurde mir klar, dass es produktionsreif ist. Wir hatten etwas verpasst, das vor 18 Monaten einen absolut beeindruckenden Durchbruch darstellte. Ich habe vor mehr als einem Jahr die gesamte Roadmap von Lokad komplett neu geschrieben. Im letzten Jahr haben wir praktisch alles frantically aufgerüstet. In Bezug auf die Kommunikation waren wir diesbezüglich ziemlich ruhig, aber im Laufe der letzten 12 Monate haben wir eine Sache nach der anderen automatisiert. Dinge, die vor ein paar Jahren fast unmöglich zu automatisieren schienen, wurden automatisiert.

Wenn ich mir Stellenangebote in der Supply Chain anschaue, sehe ich, dass das Ausmaß dessen, was komplett robotisiert werden kann, einfach atemberaubend ist. Es ist sogar schwer, heutzutage Probleme zu finden, die nicht automatisiert werden können. In der Vergangenheit war es eine Herausforderung, jede einzelne Aufgabe zu automatisieren. Bei Lokad haben wir vor einem Jahrzehnt automatisiert, was der schwierigste Teil war, nämlich diese quantitativen Entscheidungen. Die quantitativen Entscheidungen waren beispielsweise die Frage, wie viele Einheiten man kaufen oder produzieren sollte, ob man den Preis erhöhen oder senken sollte. Diese quantitativen Antworten wurden vor einem Jahrzehnt automatisiert. Aber was in den letzten 12 Monaten passiert ist, betrifft den Rest. Der Rest wurde mit diesen modernen LLMs billig, superschnell und einfach.

Conor Doherty: Ich möchte das nicht falsch verstehen, denn die nächste Frage wäre wahrscheinlich: “Welche Jobs werden verschwinden?” Aber eigentlich möchte ich einen Schritt zurückgehen. Wie Sie vor einem Jahr explizit gesagt haben, haben wir hier gesessen und Sie haben GPT-3.5 einen BS-Künstler genannt und es mit einer Katze verglichen. Also, die Frage ist, was genau hat Sie dazu veranlasst, von “es ist eine Katze” zu “wir befinden uns in einem Aussterbeereignis” zu gelangen, als Sie dieses Schwindelgefühl beschrieben haben?

Joannes Vermorel: Es ist immer noch ziemlich dumm, aber es ist nicht das, was man will. Das Ding ist, dass LLMs nicht dazu da sind, eine intelligente Diskussion zu führen. Das ist schön, und GPT-4 geht in diese Richtung ziemlich weit. Das war ziemlich beeindruckend. Aber die Stärke sind wiederum diese universellen Vorlagenmaschinen, von denen ich gesprochen habe. Nehmen wir ein Beispiel. Sie möchten eine Bestellung an einen Lieferanten schicken und stellen fest, dass Sie die MOQ nicht haben. Sie sollten dem Lieferanten eine E-Mail schreiben und fragen: “Übrigens, für diese Produkte, was ist Ihre MOQ, Ihre Mindestbestellmenge? Geben Sie mir die Zahl.” Dann wird die Person antworten und Sie müssen diesen Wert nur an einer Stelle in Ihrem System hinzufügen, damit Sie das berechnen können. Das ist Teil des Entscheidungsprozesses.

Lokad hat das automatisiert. Was wir gemacht haben, ist, wenn wir die MOQ kennen, geben wir Ihnen und allen möglichen anderen Daten die richtige Antwort, wie viel Sie kaufen sollten. Aber den Wert der MOQ selbst zu bekommen, das war wie ein Telefon, wie geht man damit um? Es ist kein schwieriges Problem. Man kann sicherlich ein automatisiertes System erstellen, bei dem man eine E-Mail-Vorlage hat und dann die Antwort übergeben muss, und die Antwort zu übergeben ist knifflig, weil der Lieferant etwas antworten könnte, das Ihnen zwei MOQs gibt. Für dieses Produkt ist es dieses, für dieses andere ist es etwas anderes. Wie geht man damit um? Das ist grundsätzlich kein schweres Problem. Das ist keine ausgefallene Berechnung. Aber das war etwas, das uns davon abgehalten hat, die gesamte Ausführung des Prozesses von Anfang bis Ende zu automatisieren.

Wir konnten den Entscheidungsprozess automatisieren, aber nicht die Ausführung von Anfang bis Ende unter Berücksichtigung dessen, was vor dem Entscheidungsprozess und nach dem Entscheidungsprozess geschehen muss. Jetzt mit LLMs, wo Sie diese universellen Vorlagenmaschinen haben, können Sie, wenn Sie eine E-Mail erhalten, sagen, was war die MOQ, die vom Lieferanten gemeldet wurde, blah, blah, blah, und Sie können diese Dinge buchstäblich super, super schnell automatisieren.

Wenn Sie also GPT, ein LLM, bitten, Dinge zu erfinden, werden sie halluzinieren. Das ist es, was sie tun. Aber wenn Sie sie richtig verwenden und sie richtig verwenden, sagen Sie, ich habe eine Eingabe, ich möchte eine Transformation, und ich erhalte die Informationen aus der transformierten Eingabe, dann erhalten Sie etwas, das unglaublich robust und produktionsfähig ist. Das ist einfach so, und es stellt sich heraus, dass Büroangestellte, Angestellte im Büro, kleine Informationshäppchen hier und da abrufen. Das ist wie 90% ihrer Zeit, die sie damit verbringen, ein bisschen Smalltalk mit der Umgebung zu machen. Und jetzt haben Sie eine universelle Maschine, um das alles zu automatisieren, und es ist sehr, sehr einfach und günstig.

Conor Doherty: Um das bis zu diesem Punkt zusammenzufassen, und Lokad macht das schon seit Jahren, der quantitativere Teil der Entscheidungsfindung wurde mithilfe anderer Formen von KI automatisiert. Heute sprechen Sie über die qualitativeren zwischenmenschlichen Elemente, die ebenfalls durch LLMs automatisiert werden können.

Joannes Vermorel: Ja, stellen Sie sich vor, Sie möchten Ihre Bestellungen weitergeben. Es geht darum, die Menge zu berechnen, das ist es, was Lokad seit mehr als einem Jahrzehnt tut. Aber dann gibt es allerlei kleine Dinge, die passieren müssen. Was ist, wenn es zwei Produkte gibt, die Duplikate sind? Sie haben also zwei Produkte, es handelt sich um die gleiche Referenz. Wie sehen Sie das? Die Antwort war in der Vergangenheit kompliziert. Sie könnten ein bisschen maschinelles Lernen und ein bisschen spezialisierte NLP, Natural Language Processing-Techniken, einsetzen, um Ihren Katalog automatisch zu deduplizieren. Ja, es würde in der Vergangenheit etwa 50 Stunden Softwareentwicklung dauern, um etwas zu bekommen, das funktioniert.

Jetzt mit LLM ist diese Deduplizierung, von der ich spreche, buchstäblich 20 Minuten Arbeit, und dann haben Sie eine produktionsfähige Lösung zur Deduplizierung. Sie sehen, das Ausmaß ist absolut beeindruckend. Und Sie haben all diese kleinen Dinge, die im Weg standen, und deshalb müssen Unternehmen all diese Leute haben, weil es nicht das große Problem ist, das viel Zeit in Anspruch nimmt. Das große Problem wie die Berechnung dieser Menge war bereits mechanisiert, aber es waren die kleinen, super alltäglichen Probleme, die im Weg standen, kleine Datenqualitätsprobleme, duplizierte Dinge, ein fehlender Datenpunkt wie eine MOQ.

Einige Lieferanten sind spät dran, Sie möchten eine E-Mail senden, um eine überarbeitete voraussichtliche Ankunftszeit zu erhalten, und dann die Antwort erhalten. Solche Dinge sind nicht super kompliziert, aber bevor sie automatisiert wurden, kostete jede einzelne Frage und Mikroaufgabe wie diese etwa 50 Stunden Ingenieursarbeit, um sie zu lösen, und das ist viel, denn wenn Sie 100 davon haben, sprechen wir von Tausenden von Mannstunden, und dann haben Sie am Ende ein Projekt, über das ich in den Vorlesungen gesprochen habe, nämlich dass die Kosten für die Verwaltung eines Softwareprodukts nicht linear, sondern superlinear sind.

Also, wenn Sie die Komplexität verdoppeln, neigen Sie dazu, die Kosten für die Wartung dieser Sache nicht um das Zweifache, sondern um das Vierfache zu multiplizieren. Durch das Hinzufügen all dieser Dinge haben Sie eine Art Monster-Software geschaffen, die sehr schwer zu verwalten, zu aktualisieren und zu erweitern ist. Wenn Sie jedoch als Baustein etwas wie LLMs haben, bei dem diese Dinge zentralisiert sind, können nicht nur diese Aufgaben in etwa 20 Minuten gelöst werden, sondern auch die Gesamtkomplexität Ihres Softwareprodukts wächst viel langsamer als zuvor, weil es immer noch ein sehr einfaches Produkt ist. Und es ist der gleiche Trick, dieser LLM, der bei jedem Schritt verwendet wird, um all diese kleinen Unfälle zu lösen, die Ihnen auf dem Weg passieren.

Conor Doherty: Was ist dann das Ausmaß, wenn Sie von einem Ereignis auf Aussterben-Ebene sprechen? Können Sie die Auswirkungen erläutern?

Joannes Vermorel: Ich habe mit LLMs gearbeitet und wir haben Aufgaben automatisiert, links und rechts. Ich sehe auch andere Unternehmen, die das tun, insbesondere wenn es um sprachliche Aufgaben geht, wie die Umordnung von Informationen, die Zusammenfassung von Informationen, die Extraktion von Informationen aus einer E-Mail usw. Das Unglaubliche ist, dass wir bereits über menschliche Fähigkeiten, über menschliche Intelligenz hinaus sind.

Wenn ich sage, dass wir über menschliche Intelligenz hinaus sind, meine ich innerhalb einer begrenzten Zeitspanne. Wenn ich Ihnen eine E-Mail als Eingabe gebe und Sie bitte, die wichtigsten Informationen in 20 Sekunden zu extrahieren, werden Sie als Mensch manchmal falsch liegen. Wenn ich Ihnen tausend E-Mails gebe und Sie bitte, die wichtigsten Informationen aus jeder in 20-30 Sekunden zu extrahieren, haben Sie eine Trefferquote von vielleicht 98% und manchmal liegen Sie falsch.

Die LLMs hingegen erledigen dies nicht nur in einer Sekunde anstelle von 30 Sekunden, sondern ihre Genauigkeit liegt weit über dem, was eine durchschnittliche Person tun würde, selbst wenn sie geschult ist. Deshalb sage ich, dass wir buchstäblich übermenschlich sind.

Für viele Dinge, wie das Vermeiden von Anfängerfehlern, sind LLMs unglaublich gut. Wenn zum Beispiel in einem Produktnamen eine Farbe vorkommt, bedeutet die Farbe vielleicht nicht, dass das Produkt diese Farbe hat. Vielleicht handelt es sich um ein Gerät zur Überprüfung und die Farbe im Namen hat nichts mit der tatsächlichen Farbe des Produkts zu tun. Das sind die Arten von Dingen, bei denen LLMs tatsächlich unglaublich gut sind.

Es ist, als hätte man einen Diener, der mit der Terminologie und dem Jargon praktisch jeder Branche auf der Erde sehr vertraut ist. Plötzlich haben Sie etwas, das ein wenig übermenschlich ist, denn wenn Sie eine zufällige Person nehmen, ist diese Person einfach nicht mit den spezifischen Fachbegriffen Ihrer Branche vertraut, und diese Person wird wahrscheinlich monatelang, wenn nicht jahrelang, aus Unwissenheit Fehler machen und nicht wissen, dass dieser Begriff irreführend ist und zum Beispiel eine Farbe bezeichnet, aber in diesem Zusammenhang nicht auf eine Farbe verweist. Es handelt sich eher um eine Eigenschaft des Produkts oder Ähnliches, und die Beispiele gehen weiter und weiter.

Und bei Lokad haben wir buchstäblich Tonnen von Dingen mechanisiert, und die eigentliche Frage lautet buchstäblich: “Was können wir nicht automatisieren?” Und das ist eine schwierige Frage, denn bisher hat praktisch alles, was wir versucht haben, praktisch sofort funktioniert. Das ist das Erstaunliche, dass Sie, sobald Sie verstehen, wofür diese LLMs sind, so viel automatisieren können, so viel.

Conor Doherty: Um die Position eines potenziellen Nörglers einzunehmen, wenn Sie weiße Kragen- und blaue Kragen-Jobs gegenüberstellen, wird seit Jahrzehnten darüber gesprochen, wie Roboter, Maschinen und andere Formen von Technologie den Werkzeugen der Mechaniker die Arbeit wegnehmen werden. Doch in vielen Bereichen wie zum Beispiel in der Instandhaltung, gibt es Teile der Welt, in denen ein kritischer Mangel an Technikern besteht, die an Flugzeugen arbeiten. Dieses Aussterbeereignis war falsch. Wie zuversichtlich sind Sie in dem, was Sie heute sagen, im Zusammenhang mit ähnlichen Behauptungen, die Menschen gemacht haben? Was macht Sie so sicher?

Joannes Vermorel: Ich meine, zunächst einmal macht mich zuversichtlich und sicher, dass wir dies seit einem Jahr tun und buchstäblich, ich meine, um Ihnen ein Beispiel für die Dinge zu geben, die wir bei Lokad mechanisiert haben, RFPs, Sie wissen schon, Anfragen für Angebote. Wir erhalten gigantische Excel-Dokumente von großen Unternehmen mit einer wahnsinnigen Anzahl von Fragen, wie zum Beispiel 600 Fragen. Und Anfang dieses Jahres, ich glaube, es war im Mai oder so, sagte ich: “Okay, wir haben wieder eine 600-Fragen-RFP. Es dauert buchstäblich eine Woche, 10 Tage, volle Tage, um das alles zu beantworten. Ich meine, es ist so mühsam, diese massiven Dokumente durchzugehen.” Entschuldigung.

Und dann habe ich beschlossen: “Okay, ich werde das einfach mechanisieren und das gesamte Wissensbasis, das wir bereits bei Lokad hatten, wiederverwenden und eine Antwortmaschine erstellen.” Sie wissen schon, eine Antwortmaschine. Also, wir haben bereits die Dokumente, wir haben bereits Tonnen von Dingen, und die Aufgabe der Maschine war einfach: “Schreiben Sie eine Antwort auf die Frage, genau wie Lokad es tun würde. Verwenden Sie die Wissensbasis, die wir haben. Und wenn es eine Lücke in der Wissensbasis gibt, antworten Sie einfach mit ‘Fehler’, und dann werden wir es tatsächlich manuell machen.”

Und buchstäblich hat es mehr als eine Woche gedauert, eine RFP zu bearbeiten, und die Automatisierung der RFP-Sache hat mich eine Woche gekostet. Also buchstäblich, als ich die Roboter entwickelt hatte, hatte ich bereits eine positive Amortisation. Sie wissen schon, als ich meine Automatisierung abgeschlossen hatte, habe ich die Antworten und die Sache mit weniger als 10% der Fragen regeneriert, bei denen ich sie immer noch manuell machen musste und die Wissensbasis von Lokad erweitern musste.

Aber das Interessante war, als wir unsere Antworten online eingereicht haben, hatten wir sozusagen einen Online-Einreichungsprozess, Sie reichen ein und dann haben Sie zum Beispiel 600 Fragen, und Sie hatten eine automatisierte Antwort, die auf Ihren Antworten und den angekreuzten Kästchen basierte. Hier sind 100 weitere Fragen, die generiert wurden. Und so haben wir uns erneut beworben. Also dachten wir, oh, wir haben 600 Fragen beantwortet.

Übrigens waren es am Ende mehr als 100 Seiten mit Antworten, also war es ein sehr, sehr langes Dokument, das eingereicht wurde. Und dann reichen Sie das ein und dann meldet sich das System, das den RFP-Prozess verwaltet, mit 100 weiteren Fragen bei Ihnen. Und wieder haben wir die Tools wiederverwendet und innerhalb weniger Stunden waren wir endlich fertig. Und seitdem haben wir alle RFPs, die wir gemacht haben, einfach dieses Tool verwendet, und das ist nur ein Beispiel von buchstäblich Dutzenden.

Conor Doherty: Es gibt jedoch Unternehmen, die eine sehr unterschiedliche Haltung haben als Sie. Sie glauben, dass generative KI, die großen Sprachmodelle, von denen wir sprechen, im Grunde genommen zu einer Art Co-Pilot für diejenigen werden, die sich derzeit in diesem Bereich befinden, wie Nachfrageplaner und Supply-Chain-Experten. Sie glauben, dass Sie nicht von KI ersetzt werden, sondern dass sie Sie unterstützen wird, dass sie ein Co-Pilot sein wird, der Ihnen bei allen Entscheidungen, sowohl quantitativen als auch qualitativen, hilft, von denen Sie sagen, dass sie verschwinden werden. Warum ist das falsch?

Joannes Vermorel: Das war übrigens das, was ich mir vor meiner Erleuchtung vor 18 Monaten vorgestellt habe. Wenn Sie so denken, werden LLMs totaler Mist sein. Sie werden ein Spielzeug sein und Sie verstehen den Punkt überhaupt nicht. Sie verstehen den Punkt überhaupt nicht. Warum? Nun, das ist die Sache. Wenn Sie zuerst eine konversationsbasierte Benutzeroberfläche haben möchten, ist das ein Spielzeug. Es ist nicht, ich meine, es ist schön, GPT als Ersatz für Ihre Suchmaschine zu haben, das ist in Ordnung. Aber wenn Sie eine repetitive Aufgabe erledigen möchten, möchten Sie einfach eine vollständige End-to-End-Automatisierung.

Also muss in diesem Fall LLM zu einer programmatischen Komponente Ihrer Software werden. Und wie gesagt, kehren wir einfach zu dieser automatisierten RFP-Antwortmaschine zurück. Das Ziel ist nicht, einen Co-Piloten zu haben, der mit uns chattet, um diese 600 Fragen des RFP zu beantworten. Was wir wollten, war eine Maschine, die das Dokument aufnimmt, alle Fragen herausfiltert und fertig ist. Und dann haben wir eine kurze Liste von Fragen, bei denen das FAQ erweitert werden muss, und fertig. Es geht nicht darum, einen Co-Piloten zu haben, mit dem Sie interagieren können und so weiter. Das ist eine totale Zeitverschwendung. Das ist nicht das, worum es bei echter Automatisierung geht.

Meiner Meinung nach denken diejenigen, die so denken, nicht klar. Sie denken nur in inkrementellen Begriffen. Sie denken nur daran, eine neue Technologie hinzuzufügen, um die Art und Weise, wie es gemacht wird, ein wenig zu verbessern, anstatt darüber nachzudenken, wie es vollständig neu gemacht werden kann und dabei eine 100-fache Produktivitätssteigerung im Prozess zu erreichen.

Conor Doherty: Welche Jobs würden Ihrer Meinung nach das Aussterbeereignis überleben, von dem Sie sprechen? Was bleibt übrig, wenn das Quantitative weg ist, das Qualitative weg ist und alles automatisiert ist?

Joannes Vermorel: Was übrig bleibt, ist alles, was streng nicht wiederholend ist, okay. Aber auf einer höheren Ebene, denn wenn Sie sich einen Backoffice-Mitarbeiter ansehen, einen Angestellten im Büro, wie die Leute sagen würden, “Oh, es ist nicht wiederholend. Schauen Sie, ich muss eine E-Mail dorthin schicken, ich muss einen Kollegen dort fragen, ich muss viele Dinge tun, die ein wenig heterogen sind.” Ja, aber im Laufe eines Jahres wiederholt sich immer dasselbe immer wieder. Und in der Vergangenheit, und übrigens war das immer in Aussicht. Ich meine, in den letzten vier Jahrzehnten war die Softwareindustrie, und ich war immer überzeugt, dass es nicht darum geht, ob, sondern wann all diese banalen Dinge automatisiert werden würden.

Und in den 80er Jahren gab es mehrere KI-Winter, in denen die Leute großartige Behauptungen aufstellten und es sich mit Expertensystemen, mit Data Mining nicht bewährte. Expertensysteme waren Ende der 80er, Anfang der 90er Jahre, Data Mining war das Jahr 2000, usw. Es gab also eine Reihe von Wellen, aber der Unterschied besteht darin, dass es jetzt funktioniert. Ich meine, es funktioniert und buchstäblich, Lokad ist ein Jahr weiter und wir haben Dinge automatisiert, von denen ich nicht gedacht hätte, dass sie so einfach und so schnell erledigt werden können. Und ich habe auch andere Unternehmen gesehen, die es ebenfalls tun, und das Ergebnis ist absolut beeindruckend und es funktioniert. Und außerdem funktioniert es ohne, würde ich sagen, dass viel spezialisiertes Wissen oder viel technischer Overhead erforderlich ist. Diese Technologien sind auch LLMs sehr einfach zu übernehmen.

Conor Doherty: Ich möchte nur einen Satz klären, den Sie gerade gesagt haben. Sie sagten, Sie haben gesehen, dass so viele Unternehmen das tun. Deuten Sie damit an, dass dies bereits im Hintergrund geschieht?

Joannes Vermorel: Ja, und deshalb glaube ich, dass der Zeitrahmen sehr komprimiert sein wird. Deshalb habe ich 2030 als Endspiel genannt, nicht 2050. Schon jetzt bewegen sich einige Unternehmen mit Höchstgeschwindigkeit darauf zu. Wenn Sie den Nachrichten folgen, werden Sie sehen, dass einige Unternehmen ankündigen, dass hier und da 5.000 Mitarbeiter entlassen werden. Das geschieht sehr schnell und die Geschwindigkeit des Marktes wird nicht von der Geschwindigkeit des üblichen Unternehmens oder des Durchschnittsunternehmens definiert, sondern von der schnellsten. Denn sehen Sie, die Einsparungen sind so groß, dass Sie, wenn Sie zu spät kommen, diese technologische Wende beenden wird.

Und ich glaube, dass KI in Bezug auf technologische Errungenschaften weniger bedeutend ist als das Internet selbst. Das Internet selbst ist größer. Aber in Bezug auf Wettbewerbsfähigkeit hat das Internet etwa zwei Jahrzehnte gebraucht, um aufgebaut zu werden. Sie wissen schon, es war ein langsamer Prozess, bei dem Kabel verlegt wurden, überall schnelle, zuverlässige Internetverbindungen hergestellt wurden, allmählich alles aktualisiert wurde, das Betriebssystem, das Beste aus E-Mails gemacht wurde, usw.

Also war es ein langsamer Prozess, bei dem selbst wenn Sie ein Nachzügler waren, nicht klar war, dass es sofortige Produktivitätsgewinne gab. Wenn Sie also spät zur Internetparty kamen und anstelle von E-Mails im Jahr 1995 erst im Jahr 2002 E-Mails eingeführt haben, waren Sie sieben Jahre zu spät, aber das war irgendwie in Ordnung. Ihre Konkurrenten hatten ihre Kosten nicht um den Faktor 10x dank des Internets gesenkt.

Und übrigens hat das Internet auch viele Bürokratien geschaffen, weil Sie viele Systemadministratoren benötigten. Es hat tonnenweise Probleme geschaffen. Also hat es buchstäblich zwei Jahrzehnte gedauert, bis Unternehmen es verdaut und wirklich besser damit umgehen konnten. Hier ist es anders, um besser damit umzugehen, dauert es nur wenige Monate. Und Sie können die Anzahl der Mitarbeiter, die Sie für viele Aufgaben benötigen, reduzieren, und ich würde sagen, dass dies für praktisch jede einzelne Backoffice-Aufgabe, einschließlich der Supply Chains, in wenigen Monaten der Fall sein wird. Und das ist der Punkt, an dem es diesmal meiner Meinung nach sehr unterschiedlich sein wird.

Conor Doherty: Wenn Sie sagen, dass es verschiedene Abteilungen gibt, schließen Sie IT nicht ein, sondern konzentrieren Sie sich speziell auf supply chain-zentrierte Aktivitäten?

Joannes Vermorel: Jede Abteilung benötigt ihre eigene Diskussion. IT wird zum großen Teil schwieriger zu automatisieren sein. Erstens, weil die Robotisierung des Systemadministrators potenzielle Sicherheitsprobleme schafft. Es wird schwierig sein. Es wird kommen, aber ich vermute, es wird mehr Zeit in Anspruch nehmen. Und die meisten Entscheidungen, die von der IT getroffen werden, sind bereits ziemlich kompliziert. Also würde ich sagen, dass es bei der IT Produktivitätseinsparungen in der Größenordnung von 50% geben wird. Und hier wird es so etwas wie der Co-Pilot sein. Übrigens ist das das, was bei Lokad passiert.

Jetzt haben Sie eine Frage zu etwas wie einer obskuren Software. Früher haben Sie eine halbe Stunde im Internet verbracht, um die technische Dokumentation des Anbieters zu durchsuchen. Jetzt können Sie das mit ChatGPT tun, aber viel schneller. Gut, das ist die Art von Co-Pilot-Assistent, von dem wir sprechen. Ja, das wird die IT sein. Aber ich glaube, dass es für andere Funktionen viel schneller und in einem viel größeren Maßstab sein kann.

Conor Doherty: Also, im Grunde genommen klingt es so, als ob der ROI für die Nutzung der Technologie jetzt der Unterschied zwischen tatsächlichem Return on Investment und praktischem Aussterben ist.

Joannes Vermorel: Ja, genau. Ich denke, es handelt sich um eine scharfe technologische Wende. Ich glaube, es ist wirklich ein Fehler, ROI zu denken, weil der ROI so groß ist, dass wenn Sie diese Wende nicht machen, werden Ihre Konkurrenten Sie auslöschen. Also sehen Sie, es geht darum, aufzuhören zu denken. Denken Sie einfach daran, dass Sie in der Bekleidungsindustrie sind und jemand gerade die Nähmaschine erfunden hat. Das ist also, Sie haben Leute, die mit Nadeln arbeiten und ein Hemd drei Tage lang machen. Und dann haben Sie jemanden, der eine Nähmaschine erfindet und ein Hemd in 5 Minuten macht. Das ist der Unterschied im Maßstab. Also, was ist der ROI der Nähmaschine? Die Antwort ist entweder Sie haben eine Nähmaschine oder Sie sind pleite. Das ist es.

Conor Doherty: Sie haben zuvor Beispiele über Kodak in Lokad TV gegeben. Sie haben explizit Kodak erwähnt. Sie haben die digitale Kamera erfunden und sie nicht angenommen und sind pleite gegangen.

Joannes Vermorel: Ja, und das Ding war, diese Revolutionen waren irgendwie auf eine vertikale Branche beschränkt. Sie wissen schon, es gab die digitale Kamera, ja, viele, ich meine, 90% der Akteure in diesem Markt für analoge Fotoausrüstung sind pleite gegangen. Aber das war wiederum eine Art vertikales Ereignis. Es war ein Aussterbeereignis, aber auf eine bestimmte Branche beschränkt.

Jetzt ist das Interessante an LLMs, dass sie sich im Grunde genommen auf so ziemlich alle Bürojobs und insbesondere auf die Back-Office-Jobs anwenden lassen. Denn sehen Sie, im Front Office, wenn Sie mit jemandem sprechen, wenn Sie diese persönliche Note und so weiter brauchen, selbst wenn Sie es theoretisch mechanisieren könnten, ist es nicht klar, dass der Markt dazu bereit ist.

Zum Beispiel konnte man bei Amazon im Jahr 2000 technisch gesehen Möbel online kaufen. Aber die Leute waren noch nicht bereit dazu. E-Commerce war immer noch, sie vertrauten E-Commerce nicht genug, um ein 3.000-Dollar-Sofa online zu kaufen. Es dauerte ein Jahrzehnt später. Also, ein Jahrzehnt später ist es jetzt Teil der Kultur, würde ich sagen, ja, die Leute sagen, ja, man kann ein Sofa online kaufen. Man kann sogar ein Auto online kaufen. Es ist Teil der Kultur geworden.

Technisch gesehen hätte man im Jahr 2000 Autos und Möbel online verkaufen können. Es war kein technisches Problem. Es war eher so, ob die Leute schon bereit dazu sind oder ob es Zeit braucht. Also, ich würde sagen, für das Front Office wird es etwas langsamer passieren, weil selbst wenn Sie es robotisieren könnten, so wie Amazon im Jahr 2000 Möbel hätte verkaufen können, hat dieses Segment erst ein Jahrzehnt später Fahrt aufgenommen.

Der Markt wird sich, würde ich sagen, langsamer bewegen, weil er sich dem Tempo der Erwartungen des breiteren Publikums anpassen wird. Es wird also etwas langsamer sein. Aber für das Back Office gibt es absolut keine solche Begrenzung. Es ist niemandem im Geringsten wichtig, ob Ihre Produktion und Ihr Produktionsplan vollständig automatisiert sind oder ob Sie eine Armee von Angestellten dafür haben. Ihre Kunden interessiert das nicht, niemanden interessiert das, außer intern.

Conor Doherty: Außer den Angestellten, die Ihrer Meinung nach überflüssig gemacht werden.

Joannes Vermorel: Nochmals, Lokad war nicht derjenige, der LLM erfunden hat. Es wurde von anderen Leuten gemacht. Ich glaube, es wurde von Leuten wie OpenAI erfunden. Sie sind da hineingegangen, sie wussten übrigens nicht, was sie taten. Es ist sehr lustig, weil es Interviews mit Sam Altman gibt, der jetzt sagt, nun ja, wenn wir gewusst hätten, hätten wir OpenAI nicht als gemeinnützige Organisation gegründet. Wir hätten nicht jeden einzelnen Trick veröffentlicht, den wir auf dem Weg entdeckt haben.

Also sehen Sie, sie waren wirklich von dieser Idee eines LLM begeistert. Es war nur eine Fortsetzung der Sequenz. Sie haben einen Textabschnitt und setzen ihn fort. Ich glaube, ich werde darüber einen Vortrag halten. Es gab eine Reihe von Innovationen, die das LLM zu dem wahrhaftigen, ich würde sagen, technologischen Wunderwerk unserer Zeit gemacht haben. Aber das Fazit ist, dass es, glaube ich, selbst für die Unternehmen, die das erfunden haben, unerwartet war. Die Transformer-Architektur stammt von Google, aber Google war nicht das Unternehmen, das das entschlüsselt hat, das war ein anderes Unternehmen. Also, das Fazit ist, es war ein kleiner Unfall. Natürlich passieren Chancen Menschen, die gut vorbereitet sind. Es gab Menschen, die wirklich kluge Dinge getan haben, die in die richtige Richtung geschaut haben. Aber die Konsequenzen waren unglaublich überraschend.

Es ist sehr interessant, denn selbst KI-Forscher wie zum Beispiel Yann LeCun bei Facebook sind sehr skeptisch gegenüber der Leistungsfähigkeit von LLM. Meine eigene Erfahrung mit ihrer Verwendung zeigt jedoch, dass es sich um ein echtes Ding handelt. Das ist sehr interessant. Es war so eine Überraschung, dass selbst die Menschen, die das Feld maßgeblich vorangetrieben haben, die Bedeutung, die sie darstellen, nicht erkennen.

Conor Doherty: Es ist wichtig, an dieser Stelle einen Pin fallen zu lassen, denn Lokads Rolle dabei ist nur die eines Beobachters. Wie Sie beschrieben haben, haben wir KI auf beiden Seiten genutzt, sowohl für die quantitative als auch für die qualitative Seite.

Joannes Vermorel: Lokad betreibt keine Forschung zur Verbesserung von LMS. Es ist ein sehr spezialisiertes Thema und es gibt Unternehmen, die das sehr gut machen.

In Frankreich haben wir zum Beispiel Mistral AI, ein sehr starkes Team, das das macht, und sie konkurrieren jetzt mit OpenAI. Also ja, gut, ich möchte viel Wettbewerb in diesem Bereich sehen. Aber für Lokad hat das viele Konsequenzen. Wir haben den schwierigen Teil in der Supply Chain automatisiert, die quantitativen Entscheidungen: Prognosen, Bestellungen, Zuweisungen, Preisgestaltung, all die quantitativen Dinge. Aber jetzt die end-to-end Ausführung davon, mit all den kleinen Dingen, die Sie davor tun müssen, um die fehlenden Informationen zu beschaffen, ein paar Dinge, die fehlen, die Sie nachschlagen müssen, entweder eine E-Mail schreiben, online nachschlagen usw., usw., Sie wissen schon, viele kleine Aufgaben.

Früher haben wir zu Kunden gesagt, nun ja, wenn Sie dieses Problem haben, tun Sie es bitte. Wir konnten das automatisieren, und manchmal haben wir es auch getan, aber es war ziemlich teuer. Jetzt können wir das wirklich automatisieren, und dasselbe gilt für das, was nach der Entscheidung passiert, wie zum Beispiel die Nachverfolgung bei Lieferanten, die Nachverfolgung kleiner Probleme und so weiter, all diese Art von banalen, wiederholenden Dingen, die ebenfalls automatisiert werden können.

Aufgrund der Tatsache, dass es bereits da draußen ist, können wir es uns nicht leisten, es nicht zu tun. Das ist es, was unsere sehr dringenden Kunden von uns verlangen. Denn nochmal, wenn Sie eine Nähmaschine haben, ist es keine Option, sie nicht zu benutzen. Sie können nicht einfach sagen, wissen Sie was, wir tun so, als hätten wir noch nie von Nähmaschinen gehört, und wir werden weiterhin Hemden mit Nadeln nähen. Nein, Sie müssen sie benutzen.

Conor Doherty: Sie sprechen darüber, es ist ein Überlebenskampf auf jeder Ebene. Es betrifft Mitarbeiter, Unternehmen, die gesamte Branche, den Marktsektor, alles. Was automatisiert werden kann, wird automatisiert.

Joannes Vermorel: Ja, und übrigens wird das eine Überraschung sein, denke ich, für die Angestellten im Büro. Aber wenn man sich die Arbeiter in den letzten 150 Jahren ansieht, haben sie eine Revolution nach der anderen erlebt. Die Einführung von Elektrizität war ein Massenaussterben. Es gab tausend verschiedene Dinge, die plötzlich automatisiert wurden. Vor 150 Jahren war in Paris der häufigste Beruf, der fast 10% der Bevölkerung ausmachte, das Wassertragen. Also hatten etwa 10% der Menschen Eimer und trugen Wasser, und das war der wichtigste Beruf, der dann ausstarb.

Die positive Seite ist natürlich, dass jedes Mal, wenn man diese Jobs eliminiert, die Gesellschaft insgesamt reicher wird, weil es bedeutet, dass die Menschen interessantere und wertvollere Dinge tun und sich die Dinge einfach regeln. Die Dinge werden sich genauso regeln wie in den letzten 150 Jahren bei allen industriellen Revolutionen. Das Einzige, was überraschend ist, ist, dass es eine Gruppe von Menschen betrifft, nämlich die Angestellten im Büro, die bisher relativ geschützt waren. Also jetzt ist es passiert, aber es wird wieder passieren.

Conor Doherty: Man muss nicht einmal 150 Jahre zurückgehen. Ich meine, in den letzten Jahrzehnten haben die meisten Menschen in bestimmten Bereichen einige Aussterbeereignisse erlebt, wie zum Beispiel VHS, das durch DVDs überflüssig wurde, oder E-Mail, die das Faxgerät überflüssig gemacht hat.

Joannes Vermorel: Zum Beispiel meine Eltern, die vor mehr als 40 Jahren bei Procter & Gamble angefangen haben, aber was sie mir erzählt haben, als sie als Einsteiger beschäftigt waren, war zum Beispiel, dass sie einen jungen Mitarbeiter damit beauftragt haben, bei Vertragsverhandlungen die beiden Dokumente, den Entwurf und den Gegenentwurf des Lieferanten, Partners oder was auch immer, Zeile für Zeile zu vergleichen und mit einem Stift die Unterschiede zu markieren. Und das hat Stunden gedauert.

Und so haben sie viele Leute bezahlt, nur um die Unterschiede zu finden. Und jetzt macht Microsoft Word einfach einen Unterschied zwischen den Dokumenten, oder man verwendet die Funktion “Änderungen nachverfolgen”, und schon ist es erledigt. Es gab also schon einige Aufgaben, die ausgestorben sind. Aber das geschah, würde ich sagen, allmählich. Das Interessante an LLMs ist, dass es ein ziemlicher Schritt ist, und das ist ein Schritt, bei dem wir buchstäblich in einem Jahr 20 Jahre in die Zukunft gegangen sind. So fühlt es sich an, nachdem wir diese Technologien im letzten Jahr in die Produktion gebracht haben.

Conor Doherty: Lokad arbeitet oft mit Universitäten zusammen und bildet Menschen für den Einstieg in die Supply Chain aus. Bedeutet das, dass wir das alles aufgeben werden? Ist es Zeitverschwendung, Supply Chain Science zu studieren, weil es verschwindet?

Joannes Vermorel: Nein, das glaube ich nicht. Das, was wir lehren, sind nicht die alltäglichen Aufgaben, wie zum Beispiel eine E-Mail an einen Lieferanten zu schicken, um die neueste Mindestbestellmenge zu erhalten. Wenn man sich den Inhalt der Vorlesung ansieht, geht es eher darum, die Kosten eines Lagerbestands in Dollar zu verstehen und darüber nachzudenken.

Wenn Sie eine Antwort von Chat GPT wollen, werden sie Unsinn halluzinieren. Selbst wenn es GPT-4 ist, sind wir noch nicht so weit, noch nicht ganz. Die Art von Dingen, über die ich in den Vorlesungen spreche, sind nicht die Dinge, die automatisiert werden. Aber wenn ich mir Supply Chain Unternehmen anschaue, ist der Anteil der Zeit, die die Mitarbeiter in der Supply Chain damit verbringen, über grundlegende Fragen wie die Bedeutung von Servicequalität aus Sicht unserer Kunden nachzudenken, sehr gering.

Das meiste, was ich in meinen Vorlesungen behandele, sind grundlegende Fragen, die oft trügerisch einfach sind, wie zum Beispiel: Was bedeutet das Wort Zukunft? Was bedeutet es, die Zukunft richtig oder angemessen vorherzusagen? Das sind wirklich schwierige Fragen, und wenn Sie über diese Fragen nachdenken und in der Lage sind, relevante Antworten für Ihr Unternehmen zu liefern, sind Sie nicht kurz davor, automatisiert zu werden. Deshalb sage ich, und ich stehe immer noch zu dieser Position, dass die LLMs immer noch unglaubliche Schwätzer sind.

Wenn Sie also dieses Verständnisniveau erreichen wollen, sind wir noch nicht so weit. Sie werden Halluzinationen haben und so weiter. Aber wenn Sie das Alltägliche automatisch erledigen wollen, dann ist das erledigt. Deshalb sage ich, konzentrieren Sie sich auf die Grundlagen, konzentrieren Sie sich auf die Fragen, die Sie zum Nachdenken bringen. Das verschwindet nicht. Was verschwindet, ist das Hintergrundrauschen, die endlosen Banalitäten. Das wird mit Large Language Models (LLMs) gelöst werden.

Conor Doherty: Nun gut, es gibt einige Fragen aus dem Publikum, und wir sind schon 50 Minuten dabei. Viele dieser Fragen behandeln tatsächlich das, worüber ich abschließen wollte. Bevor wir zu den Fragen aus dem Publikum kommen, möchte ich, wenn möglich, eine Zusammenfassung auf Führungsebene für alle geben, die die ersten Minuten verpasst haben. Und ich denke, was noch wichtiger ist, Ihren Handlungsaufforderung für alle Bereiche, nun ja, also wieder Menschen, die im Hinterzimmer arbeiten, CEOs, einfach über alle Sektoren hinweg.

Joannes Vermorel: Die kurze Antwort lautet LLMs, Large Language Models, stellen ein Aussterbeereignis für Backoffice-Funktionen in Unternehmen dar, die nur für Büroangestellte arbeiten, bei denen Menschen einfach Daten aufnehmen, umwandeln, umsortieren und weitergeben. Schauen Sie sich Ihre Organisation auf allen Ebenen an. Sie haben buchstäblich Armeen von Menschen, die genau das tun. Sie nehmen einige E-Mails und vielleicht 20 verschiedene kleine, unterschiedliche heterogene Datenquellen, sie machen ein bisschen Crunching, und sie bewegen die Dinge einen Schritt weiter.

Die Botschaft ist, dass all das bereits automatisiert werden kann. Und ziemlich viele Unternehmen sind bereits dabei, dies mit voller Geschwindigkeit umzusetzen. Sie können bereits in den Nachrichten sehen, dass sie nicht nur in Produktion sind, sondern bereits begonnen haben, Menschen aus diesen Positionen zu entfernen. Und ich spreche nicht von ein paar Leuten hier und da. Ich spreche von großen Unternehmen, die Ankündigungen machen wie: “Wir hatten 6.000 Mitarbeiter dafür, jetzt haben wir 50.” Und es gab eine riesige Entlassung. Und sie gehen mit voller Geschwindigkeit voran, und ich erwarte, dass sich diese Dinge nur noch intensivieren werden.

Nochmals, Backoffice-Bürojobs, das wird das Ziel sein. Die Supply Chain ist eine dieser Funktionen. Ich vermute, es gibt noch ein halbes Dutzend andere Dinge, die das auch betreffen werden. Die Buchhaltung wird wahrscheinlich auch massiv betroffen sein, denn in der Buchhaltung gibt es das kluge, superkluge hochrangige Denken, wie Sie Ihre Buchhaltungsstruktur organisieren möchten und so weiter. Aber es gibt auch das Alltägliche. Jemand schickt mir ein PDF, ich muss ein halbes Dutzend relevanter Informationen extrahieren, um den Buchungssatz zu generieren, der diesem PDF-Dokument entspricht. Okay, das ist erledigt. Das kann vollständig automatisiert werden.

All das wird sehr schnell verschwinden. Und für einige Unternehmen ist es nicht einmal die Zukunft, es ist bereits geschehen. Es ist bereits der heutige Tag. Und wir reden von Monaten. Also, die Zusammenfassung lautet: Aussterbeereignis, es ist eine Frage von Monaten. Ja, Sie müssen schnell handeln. Und übrigens, Lokad, ich meine, als mir das klar wurde, habe ich die ersten drei Monate des Jahres 2023 damit verbracht, die gesamte technologische Roadmap von Lokad neu zu überdenken, weil alles, was ich zuvor vorgestellt hatte, hinfällig war.

Für uns war das also eine ziemlich drastische Wende. Intern bei Lokad haben wir eine ganze Reihe von Dingen automatisiert. Und buchstäblich waren wir so beschäftigt, dass wir nicht so viel darüber kommuniziert haben. Aber das war mein täglicher Zeitplan für ein Jahr jetzt.

Conor Doherty: Bevor wir zu den Fragen des Publikums übergehen, ist es wirklich erwähnenswert, dass wir traditionell viel über probabilistische Vorhersage, stochastische Optimierung und all das gesprochen haben. Das war jedoch nicht Teil dieses Gesprächs, weil das bereits erledigt ist. Das ist seit Jahren der Stand der Technik. Diese quantitativen Entscheidungen, die es wert sind, hervorgehoben zu werden, Lagerbestand, Bestellungen, Zuweisung, Preisgestaltung, zumindest was Lokad betrifft, das wurde vor Jahren erledigt. Das war bereits erledigt. Die Leute sind sich zumindest halb oder latent dessen bewusst. Der Schwerpunkt heute liegt auf allem anderen, was übrig geblieben ist.

Joannes Vermorel: Ja, genau. Das Alltägliche, das Rauschen, die kleinen Umstände, all diese tausend kleinen Unfälle, bei denen Sie nicht 10 Jahre in der Supply Chain benötigen. Denken Sie noch einmal daran, eine zufällige Frage an einen Partner, einen Transporteur, einen Lieferanten und so weiter zu stellen. Und übrigens haben Unternehmen routinemäßig Hunderte von Personen mit nur einem Monat Training eingestellt. Diese Personen konnten arbeiten. Aber denken Sie an alles, was weniger als sechs Monate Training erfordert, höchstwahrscheinlich etwas, das ein LLM automatisieren kann.

Sie wissen schon, wenn es etwas ist, bei dem jemand es in nur wenigen Monaten versteht, okay, das kann automatisiert werden. Wenn es jedoch zehn Jahre, Fähigkeiten, Hingabe und Geduld erfordert, nein. Aber die einfachen Dinge, die wahrscheinlich sowieso strategischer sind, das ist der Unterschied. Ja.

Conor Doherty: In Ordnung. Ich empfehle, einen Schluck Wasser zu nehmen, denn es gibt einige Fragen zu beantworten. Also vielen Dank an alle für Ihre Fragen. Unser Produzent hat die Fragen gesammelt. Ich habe keinen Zugriff auf den YouTube-Chat, also weiß ich nicht, wie viele gestellt wurden, aber ähnliche Fragen wurden zusammengefasst. Fragen, die wir heute nicht beantworten, werden wir entweder in einem Folgevideo oder auf LinkedIn ausführlicher beantworten.

Die erste Frage stammt von Constantine. Er fragt: “Welche Berufsbezeichnungen könnten überflüssig werden? Gibt es eine Zukunft für Prognose- und Planungsrollen?”

Joannes Vermorel: Berufe wie Supply and Demand Planner, Bestandsanalyst, Category Manager, all das würde ich sagen, ist vorbei. Es ist buchstäblich schon vorbei. Die Zuschauer mögen anderer Meinung sein, aber Sie berichten nur. Der Prognoseteil zum Beispiel hat Lokad vor fast einem Jahrzehnt automatisiert. Das, was normalerweise nicht automatisiert wurde, waren die kleinen Datenunfälle wie doppelte Produkte oder die Identifizierung, welches Produkt der Nachfolger eines anderen Produkts ist. Zum Beispiel nehmen Sie zwei Produktbeschreibungen und sagen, oh, dies ist nur die vierte Generation eines Geräts und das ist die fünfte Generation. Also ist dieses hier einfach so ähnlich, ein bisschen besser. Das ist genau das, was ein LLM definitiv automatisieren kann. Also, all das ist vollständig automatisierbar und das ist vorbei.

Was nicht automatisiert werden kann, wäre etwas Ähnliches wie ein Supply Chain Scientist, bei dem Sie die numerischen Rezepte erstellen, die alles automatisieren, was nicht automatisierbar ist. Sie können die Arbeit automatisieren, aber Sie können noch nicht das Erstellen der numerischen Rezepte automatisieren und Sie können noch nicht das strategische Denken automatisieren, das erforderlich ist, um alles in Fehlerdollar, Gewinndollar umzuwandeln. Sie müssen in der Lage sein, diese finanzielle Perspektive zu haben, die ein LLM nicht leisten kann. Aber all diese banalen Managementjobs, bei denen Sie viele repetitive Aufgaben haben, sind bereits vorbei. Und für die Prognose ist es dasselbe. Das ist die Position von Lokad in den letzten zehn Jahren. Also meine ich, es gibt nichts Neues.

Conor Doherty: Nun, ich bin sicher, dass jeder mit dieser Antwort zufrieden sein wird. Gehen wir zur nächsten Frage über. Danke. Gehen wir zur nächsten Frage von Sherar. “Joannes, könnten Sie bitte die Vorteile von KI und Supply Chain anhand von Echtzeitbeispielen erläutern?”

Joannes Vermorel: Zuerst definieren wir Echtzeit. In der Supply Chain sprechen wir nicht von Echtzeit im gleichen Sinne wie bei einem fliegenden Flugzeug, das Millisekunden Reaktionszeit erfordert. In der Supply Chain ist es nicht so schlimm, wenn Sie einem LKW-Fahrer Anweisungen geben, den Verkehr zu lenken und es eine Minute dauert. Echtzeit in der Supply Chain wäre ein Roboter in einem Lager, der automatisches Picking durchführt. Die meisten Probleme in der Supply Chain sind nicht in Echtzeit. Die überwiegende Mehrheit der Probleme kann eine Stunde Verzögerung verkraften. Es gibt sehr wenige Fragen in der Supply Chain, die eine Antwort innerhalb von weniger als einer Stunde benötigen.

Also nochmal, mit LLMs möchten Sie Informationen abrufen, eine Websuche durchführen, die Ergebnisse abrufen, zurückgeben. Sie möchten die Adresse eines Lieferanten wissen und automatisch abrufen. Es ist sehr einfach, einige Logiken zu haben, die dies automatisch erledigen. Es ist einfach. Wir sprechen über alle grundlegenden Entscheidungen, alles, was wie Planung, Terminplanung, Einkauf, Produktion, Zuweisung, Preisgestaltung, Aktualisierung war. Und dann haben wir all das Drumherum hinzugefügt, wo das sogenannte Master Data Management, die Kommunikation mit dem Netzwerk, die Benachrichtigung von Kunden über Verzögerungen, die Benachrichtigung von Lieferanten über Probleme und so weiter, jetzt alles automatisiert werden kann. Es ist nicht super intelligent, aber das ist eine zweite Ebene, die ebenfalls automatisiert werden kann.

Conor Doherty: Aber der Punkt ist, dass es kein laterales Denken erfordert. Wenn es nur, der von Ihnen verwendete Begriff war Vorlagen, wenn es nur “Suche nach diesem Typ” ist, ist es fast boolesch. Wenn dies, dann.

Joannes Vermorel: Ja, genau. Und der große Unterschied zu den Expertensystemen der 90er Jahre ist, dass, wenn ich sage, dass LLMs universelle Vorlagenmaschinen sind, die unempfindlich gegenüber Störungen sind, es nicht darauf ankommt, ob die E-Mail schlecht formuliert ist. Es spielt keine Rolle. Es spielt nicht einmal eine Rolle, ob die E-Mail auf Russisch oder Japanisch ist. Diese Dinge können praktisch jede Sprache lesen. Es sei denn, jemand sendet Ihnen eine Nachricht, die in einer seltenen Sprache wie einem Zulu-Dialekt geschrieben wurde. Wenn sie in einer Sprache geschrieben ist, die von weltweit 100 Millionen Menschen gesprochen wird, ist es erledigt. Und ich würde sagen, 100 Millionen ist hoch. Jede Sprache, die von mindestens 10 Millionen Menschen weltweit gesprochen wird, ist in Ordnung.

Conor Doherty: Die nächste Frage stammt von Tamit. “Ist der Preis selbst repräsentativ für den wahrgenommenen Einfluss auf das Endergebnis, insbesondere der Preis von Chat GPT im Vergleich zu Gurobi oder CPLEX?”

Joannes Vermorel: Gurobi und CPLEX sind mathematische Solver, daher gehören sie nicht einmal zur gleichen Produktkategorie. Es handelt sich um völlig unterschiedliche Werkzeuge, die nicht annähernd dasselbe adressieren. Es sind mathematische Solver. Also, Gurobi und CPLEX sind für das Publikum gedacht, bei dem Sie ein Problem als Liste von Einschränkungen und einer Zielfunktion angeben und dann die Antwort erhalten. Es handelt sich um eine mathematische Komponente.

Und ich bin mir nicht sicher, ob die Episode bereits veröffentlicht wurde, aber wir haben gerade eine über stochastische Optimierung gedreht. Nein, sie kommt bald. Der Grund, warum Gurobi und CPLEX für die Supply Chain sozusagen nicht in Frage kommen, ist, dass sie nicht mit der Stochastizität umgehen. Das werden wir in einer anderen Episode besprechen, aber es handelt sich um eine völlig andere Art von Werkzeugen. LLMs dagegen handeln von der Textvorlagenbildung und führen verschiedene Arten von Textumformungen, Extraktionen und schnellen Analysen von Textdaten durch. Und wenn ich von Text spreche, meine ich einfachen Text, eine Sequenz von Buchstaben, Zahlen und Zeichen. Es handelt sich also um völlig unterschiedliche Probleme, die nicht annähernd dasselbe adressieren.

Conor Doherty: Wie mein vorheriger Versuch, eine Flagge zu pflanzen, verstehen viele Menschen AI’s Auswirkungen immer noch nicht vollständig. Es handelt sich um ein Ereignis auf Aussterben-Niveau für fast alle Arbeitsplätze, außer für diejenigen auf sehr hoher Ebene.

Joannes Vermorel: Der Grund, warum zum Beispiel Gurobi und CPLEX sozusagen keine Rolle spielen, ist, dass diese Dinge seit etwa vier Jahrzehnten existieren und das Problem ist, dass sie, wie gesagt, in einer anderen Episode besprochen werden, die frontale stochastische Komponente nicht lösen oder adressieren. Das ist also keine Option. Und selbst wenn sie es tun würden, bräuchten Sie immer noch jemanden wie einen Supply Chain Scientist, um sie zu verwenden. Es ist also kein schneller Erfolg. Es ist nichts, was in Stunden passieren kann. LLMs hingegen sind für die Art von banalen, kleinen Problemen gedacht, bei denen Sie Lösungen buchstäblich innerhalb von Minuten erhalten können.

Conor Doherty: Könnte die zunehmende Anzahl von Gerichtsverfahren wegen Lizenzgebühren oder finanzieller Entschädigung von Personen, deren Daten zum Training von LLMs beigetragen haben, den Fortschritt und die Akzeptanz behindern, indem sie die Preise in die Höhe treiben?

Joannes Vermorel: Vergessen Sie es. Einige Unternehmen zeigen, dass sie LLMs haben können, die in ihrer Leistungsfähigkeit Open AI nahekommen, indem sie nur das Wikipedia-Korpus verwenden. Die Antwort lautet also nein. Wir sprechen nicht von gen AI für Bilder, die das geistige Eigentum von Disney oder anderen verletzen könnten. Wir sprechen von Dingen, die super banal sind, wie zum Beispiel hier ist ein Textstück, gib mir, wer die E-Mail gesendet hat, was ist die Mindestbestellmenge, gibt diese Person eine definitive Antwort oder eine vage Antwort oder ist diese Person zuversichtlich in die Genauigkeit der gegebenen Antwort. Das sind die Arten von Dingen, bei denen Sie die Antwort automatisch aus einer E-Mail erhalten können. Darum geht es. Das wird kein Problem sein.

Selbst wenn die Leute ihre LLMs neu trainieren müssen, weil sie 3% der Eingabedatenbank verwerfen müssen, ist das in Ordnung. Das hat Mistral, dieses französische Unternehmen, bewiesen, dass Sie ein LLM der Produktionsqualität, sagen wir auf Open AI-Niveau, mit nur ein paar hunderttausend Euro neu trainieren können. Das ist bereits erledigt. Es gibt kein Zurück mehr. Es gibt Lösungen für diese Probleme, die bestenfalls ein kleines Rauschen sein werden, aber es ist bereits beschlossene Sache und wird nichts ändern.

Conor Doherty: Und letztendlich verwenden Sie es als eine Art Vorlagenmaschine. Sie sagen ihm genau, was Sie finden möchten, und geben ihm die Eingabe wie “Finden Sie in dieser E-Mail die Informationen”.

Joannes Vermorel: Und nochmals, wir sprechen von Backoffice-Jobs. Wir sprechen nicht davon, den nächsten Harry Potter zu schreiben und von den Anwälten von J.K. Rowling verklagt zu werden, weil Ihr Zeug nur eine halluzinierte Kopie von Harry Potter ist. Darum geht es nicht. Wir sprechen nur von E-Mails, denken Sie nur an die letzten 100 E-Mails, die Sie geschrieben haben, und wie viel Einfallsreichtum, Originalität und absolute, ich würde sagen, menschenähnliche Intelligenz darin stecken. Und die Chancen stehen gut, nicht so viel. Ich meine, selbst wenn ich mir anschaue, was ich täglich schreibe, ist das meiste davon nicht so, wissen Sie, es ist sehr banal. Und das ist es, was superschnell automatisiert wird.

Conor Doherty: Es ist erwähnenswert, dass, wenn der Eindruck entstanden ist, dass es hier um Chat GPT selbst geht, nein, wir sprechen von LLMs als einer Technologie an sich, nicht speziell bei der Interaktion online.

Joannes Vermorel: Und genauer gesagt, LLMs als Programmierkomponente. Genauso wie Sie eine relationale Datenbank haben, haben Sie Teilsysteme in Ihrer Software, haben Sie Teilsysteme der Transaktionsdatenbank, des Webservers usw., und hier haben Sie eines, das LLM ist, und das ist nur eine Möglichkeit, bestimmte Schritte in Ihrem Programm auszuführen. Denken Sie nicht an LLMs als etwas, das mit einer Chat-Schnittstelle geliefert wird. Fast alles, was ich im letzten Jahr automatisiert habe, hat keine Schnittstelle. Es ist buchstäblich ein Skript, das etwas von Anfang bis Ende erledigt, keine Benutzeroberfläche. Es ist ein Element eines Gesamtstapels, mit anderen Worten.

Conor Doherty: James fragt, welche Ratschläge würden Sie einer jungen Person geben, die in die Lieferkette einsteigen möchte, um sich selbst zu qualifizieren, und wie können sie diese Fähigkeit im Kontext des von Ihnen beschriebenen Aussterbens am besten verkaufen?

Joannes Vermorel: LLMs zwingen Sie dazu, Ihr strategisches Verständnis zu verbessern. Das Beherrschen von dummen Rezepten wie ABC-Analyse oder ähnlichem ist ein Non-Starter. Rüsten Sie sich mit den endgültigen Instrumenten aus, die GPT-4 noch fehlen, wie der Fähigkeit, tiefgehendes Denken durchzuführen. Denken Sie lange und intensiv über Probleme nach und kommen Sie zu Schlussfolgerungen, die im Allgemeinen korrekt sind. Seien Sie in der Lage, eine Synthese über ein Problem zu erstellen, die der von GPT-4 erstellten überlegen ist. Das sind sehr wertvolle Fähigkeiten, die dort bleiben werden, wo Sie wirklich Ihre intellektuellen Fähigkeiten auf höherer Ebene einsetzen, die über die Maschine hinausgehen.

Und das sind die Art von Fähigkeiten, von denen ich glaube, dass wir sie noch nicht automatisiert haben. Selbst wenn Sie zum Beispiel auf Stimmen in der Forschungsgemeinschaft schauen, die sehr kritisch sind, könnten Sie zum Beispiel sehen, was Yann LeCun sagt. Er sagt, ja, LLMs, wissen Sie, das ist nicht die Antwort auf allgemeine Intelligenz, und in dieser Hinsicht stimme ich mit Yann LeCun überein. Wo ich anderer Meinung bin, ist, dass ich glaube, dass wir keine allgemeine Intelligenz brauchen, um immer noch einem Aussterben von Backoffice-Jobs gegenüberzustehen. Wir brauchen nur LLMs und LLMs sind eine niedrigere Form von Intelligenz, aber es reicht völlig aus, um etwa 90% der Arbeitskräfte zu ersetzen, und das wird ziemlich radikal sein. Für die verbleibenden 10% werden wir sehen.

Also für eine junge Person, die in die Karriere einsteigt, gehen Sie zum Beispiel zu meinen Vorlesungen, Sie werden sehen, dass das meiste nicht trivial ist, es geht nicht um Alltägliches, es geht nicht um kleine Details, es geht um grundlegende Fragen wie “Was sind im Grunde die Probleme, die wir überhaupt zu lösen versuchen?” Dazu habe ich ein ganzes Kapitel über Personas, es ist schwierig, welche Probleme versuchen wir für diese Lieferkette zu lösen und die Antwort variiert von Branche zu Branche. Das ist schwierig.

Welche Programmierparadigmen sind relevant? Denn wie gesagt, LLMs können viele Dinge automatisieren, aber die numerischen Rezepte schreiben sie nicht von selbst. Ja, LLM kann helfen, aber ihnen fehlt das höhere Urteilsvermögen, um die Angemessenheit zu erkennen. Die Angemessenheit, selbst wenn der Code mit Hilfe einer Maschine geschrieben wird, benötigt man immer noch zu einem großen Teil und ich denke, das wird so bleiben, ein Urteilsvermögen auf menschlicher Ebene, um wirklich zu sehen, ob es wirklich angemessen ist.

Also werden LLMs hier eine Unterstützung sein, aber sie werden die Programmierkenntnisse nicht ersetzen. Wenn Sie Programmierkenntnisse haben, werden Ihre Fähigkeiten noch wertvoller sein, denn jetzt werden Sie mit LLM-Technologien tatsächlich noch produktiver sein. Also liegt mein Fokus auf Grundlagen, kritischem Denken, strategischer Analyse auf höherer Ebene und dann auf allen Hardcore-Themen wie Programmierparadigmen und sogar relevanten mathematischen Instrumenten. Zum Beispiel erfordert eine probabilistische Prognose immer noch, wenn Sie korrekt darüber argumentieren wollen, dass Sie ein qualitativ hochwertiges Verständnis dieser mathematischen Instrumente haben müssen und das wird nicht verschwinden. Das GPT-4 automatisiert das nicht.

Conor Doherty: Lionel fragt, wie sich KI-gesteuerte Lösungen für die Lieferkette auf kleine und mittlere Unternehmen im Vergleich zu größeren Unternehmen oder Konzernen auswirken?

Joannes Vermorel: Ich glaube, dass der Effekt für kleinere Unternehmen noch stärker sein wird. Warum? Weil große Unternehmen sich große spezialisierte Bürokratien leisten können, kleine Unternehmen nicht. Kleine Unternehmen wussten, dass sie mit den großen Unternehmen nicht konkurrieren konnten, weil sie keine Abteilung mit 200 Mitarbeitern und 10 verschiedenen Spezialisierungen und so weiter haben konnten.

Aber das Interessante ist, dass die Produktivität mit diesen Tools so hoch ist, dass plötzlich eine Automatisierung in großem Umfang auch für kleine Unternehmen super zugänglich wird. Und übrigens, Lokad, wir sind jetzt ein Unternehmen mit 60 Mitarbeitern und ich habe tonnenweise Dinge automatisiert, links und rechts, und das kann super schnell erledigt werden.

Das Interessante ist, dass es kein Projekt mit 20 Softwareingenieuren braucht, um Dinge zu erledigen. Es können, die Art von Leistungen, die Sie innerhalb weniger Stunden erzielen können, ist erstaunlich, wenn Sie es richtig machen.

Also meine Meinung ist, dass mittelgroße Unternehmen, vielleicht nicht ganz so kleine, aber sagen wir mal mittelgroße Unternehmen, jedes Unternehmen, das 50 Millionen Dollar und mehr wert ist, in einem unglaublichen Tempo Dinge mechanisieren können und mit dem, was große Unternehmen tun, konkurrieren können, weil das einzige, was schnell zum Engpass wird, die LLMs sein wird und Sie Zugang zu genau denselben LLMs haben wie zum Beispiel Samsung oder Apple oder wen auch immer Sie im Sinn haben.

Sie haben Zugang zu den gleichen Tools. Also konkurrieren Sie buchstäblich in Bezug auf Analysten. Ja, Apple hat wahrscheinlich deutlich talentiertere Nachfrageanalysten als Sie, aber sie haben Zugang zu genau denselben LLMs wie Sie. Es ist also eine Art großer Gleichmacher in Bezug auf die Automatisierungsfähigkeit.

Conor Doherty: Nächste Frage von Nick, wie hat sich die Nutzung von LLMs, als eine der bahnbrechenden Methoden bei Lokad, auf die Leistungskennzahlen Ihres Unternehmens wie Kündigungsrate, neue Abonnements und Kundenzufriedenheit ausgewirkt?

Joannes Vermorel: Insgesamt würde ich sagen, dass wir immer noch 12 Monate in die Produktion eingestiegen sind. Was wir jetzt automatisiert haben, hat eine Qualität, die über menschliche Fähigkeiten hinausgeht. Sie können buchstäblich sehen, welche Art von Dingen wir automatisiert haben. Es wird besser gemacht als zuvor und sehr häufig mit 100-mal weniger Arbeitskräften als zuvor.

Für das Publikum, das nicht vertraut ist, bei Lokad, als Anbieter von Unternehmenssoftware, sprechen wir von langen Verkaufszyklen. Ich würde gerne in drei Wochen Geschäfte mit Kunden abschließen können, aber leider dauert es eher drei Jahre. Es tut mir leid, mit einem 18-monatigen RFP-Prozess, der mich verrückt gemacht hat. Das ist mit KI, und das ist mit KI, um das RFP zu erledigen. Also, ich meine, es ist langsam. Aber nochmals, deshalb sage ich, dass das Front-End wie Vertrieb und so weiter. Es ist langsam, aber das Feedback unserer Kunden war unglaublich positiv.

Es können einfach banale Dinge sein, wie zum Beispiel automatisch einen Bericht für eine zweistündige Diskussion mit einem Kunden zu generieren. Der Bericht ist sehr gut organisiert und erfasst alle wichtigen besprochenen Punkte. Wir haben unsere eigene interne Technologie, wie man diese qualitativ hochwertigen Memos nach einem Meeting erstellt. Es funktioniert wunderbar und wir haben sehr positives Feedback von unseren Kunden dazu erhalten.

Meine Wahrnehmung ist, dass die Aufgaben, die wir automatisiert haben, besser erledigt werden als zuvor und dass wir mindestens eine 20-fache Produktivität erreicht haben. Das ist absolut beeindruckend.

Was die Abonnementrate und andere Kennzahlen betrifft, ist es noch zu früh, um etwas zu sagen. Als Anbieter von Unternehmenssoftware sind meine Verkaufszyklen unmöglich langsam. Darüber werden wir in ein paar Jahren sprechen.

Ich glaube, es ist falsch, den Zahlen zu folgen. Die Zahlen kommen zu spät. Denken Sie nur an Kodak. Als die digitale Fotografie noch nichts war, bis sie alles war. Wenn Kodak wie der Mann wäre, der im freien Fall ist und sagt, bisher ist alles in Ordnung, nein, du bist im freien Fall, du wirst hart auf den Boden aufschlagen. Du hast nicht recht.

Bis die Leute die Zahlen sehen, werden Unternehmen robotisierte Armeen haben. Meine Vorhersage ist, dass es Unternehmen geben wird, die sich in diese Richtung bewegen, und ich sehe diese Unternehmen als das Amazon des nächsten Jahrzehnts.

Also, das Fazit ist, dass sie mit voller Geschwindigkeit vorankommen, und wenn ich fünf Jahre in die Zukunft denke, kann ich bereits sehen, dass diese Unternehmen in der Lage sein werden, all ihre Konkurrenten mit Preisen zu übertreffen, mit denen ihre Wettbewerber einfach nicht mithalten können. Und dann in Bezug auf Agilität, das Problem, wenn man eine Armee von Menschen hat, ist, dass man per Definition, wenn man eine eigene Organisation hat, ich spreche von einem großen Unternehmen, Hunderte von Menschen hat, die in Planung, S&OP, Prognosen und so weiter involviert sind, ist man langsam.

Man ist eine große Bürokratie. Sie sind es nicht, wenn Sie beispielsweise 200 Mitarbeiter haben, können Sie nicht agil sein. Sie haben einfach viel zu viele Leute. Wenn Sie das auf 20 Personen reduzieren können, dann können Sie wie ein Tiger sein, wissen Sie, super agil, super schnell. Und nochmals, das bedeutet, dass diese Unternehmen in Bezug auf Kosten massiv überbieten werden, sie werden in Bezug auf Agilität massiv überbieten, das ist viel, das ist wirklich viel.

Jenseits der menschlichen Intelligenz werden sie in Bezug auf die Qualität der Ausführung überbieten. Es gibt einen Spruch in der Softwarebranche, dass alles, was von manueller Intervention abhängt, unzuverlässig ist. Sie können keine Zuverlässigkeit erreichen, wenn Sie eine manuelle Intervention in der Mitte haben.

Also, was ich sehe, ist, dass selbst in Bezug auf die Qualität der Ausführung die Zuverlässigkeit im Vergleich zu manuellen Prozessen außerordentlich hoch sein wird. Das bedeutet, dass Agilität, Kosten, Zuverlässigkeit, Leistung, ich meine, das ist wiederum der Grund, warum ich von Aussterbeereignissen spreche. Das sind die Unternehmen, die überleben werden, diejenigen, die es nicht tun, werden innerhalb eines Jahrzehnts verschwunden sein.

L6 Also wird es langsam entfalten, weil es wiederum eine gewisse Trägheit gab. In Frankreich zum Beispiel habe ich mit vielen Einzelhändlern diskutiert, und ich erinnere mich lebhaft daran, dass das vor dem Start von Lokad war. Ich habe ihnen gesagt, und das war 2004, ich war Student, ich kam aus den USA zurück, ich habe zwei Jahre in den USA verbracht, und ich habe Einzelhändlern in Frankreich gesagt, und ich habe ihnen gesagt: “Amazon wird euch vernichten.” Und die Leute haben zu mir gesagt: “Oh, E-Commerce ist nur ein Trend. Das ist nur, wissen Sie, sie haben keinen Marktanteil von 0,1%, uns ist das egal, das ist nichts.”

Und für mich war es bereits geschrieben. Es gab keine Frage, es war nur, wiederum eine Frage des Timings. Es war bereits geschrieben. Entweder als Einzelhändler nehmen Sie die Wende zum E-Commerce, wenn Sie es nicht tun, dann werden Amazon und ihre Mitbewerber Sie einfach vernichten. Und das hat sich übrigens entfaltet. Ich habe schon einige dieser Unternehmen gesehen, die einfach bankrott gegangen sind. Es hat ein Jahrzehnt gedauert, bis es sich entfaltet hat, aber es hat sich entfaltet. Und das ist es, was für viele andere Unternehmen passieren wird.

Und das Interessante für LLMs ist, dass es nicht auf bestimmte Branchen beschränkt ist. Einige Branchen werden stärker betroffen sein, aber im Grunde genommen wird alles, was diese Back-Office-Supportfunktionen hat, massiv betroffen sein.

Conor Doherty: Es ist auch wichtig, zu dem Punkt, den Sie gemacht haben, im Beispiel von Lokad hinzuzufügen, dass die Funktionen, die Sie beschrieben haben, die mit LLMs automatisiert wurden, mehr sind als alles andere, was mit KI gemacht wurde. Es geht also nicht nur darum, “Oh, wir haben ein paar Dinge.” Es geht darum, dass eine hochqualifizierte Belegschaft, bei der alles, was banal und langweilig ist, sowohl quantitativ als auch qualitativ, so weit wie menschenmöglich automatisiert wurde, um all diese intelligenten Dinge auf die tatsächlichen Probleme zu konzentrieren. Also, und wenn Sie ein Unternehmen haben, das das tut, im Vergleich zu einem Unternehmen, das es nicht tut, ist es Darwinismus, im Grunde genommen.

Joannes Vermorel: Genau. Das Schöne daran ist, dass hier Schumpetersche Zerstörung am Werk ist. Es ist im Interesse der Unternehmen, reicher zu werden. Wenn zum Beispiel Paris immer noch 10% seiner Bevölkerung hätte, die Wasser tragen, wäre Paris eine sehr arme Stadt.

Paris ist eine Stadt der ersten Welt geworden, nur weil, ich meine nach unseren heutigen Maßstäben, nur weil wir nicht 10% der Bevölkerung mit dummen Dingen beschäftigen. Es ist, indem wir die Menschen von den unglaublich mühsamen Jobs befreien, dass wir uns Kunst, Kreativität, Erfindungsreichtum leisten können.

In Unternehmen, die Supply Chains betreiben, wenn alle ständig Feuer löschen, sich mit kleinen, winzigen Unordnungen beschäftigen, Sandkörnern in der Maschine, die einfach alles aus der Bahn werfen, aber nicht auf große, epische Weise, sondern auf dumme Weise, dann verbraucht das einfach den ganzen Sauerstoff.

Denken Sie also einfach daran, dass all diese kleinen Dinge, Dinge sind, die den ganzen Sauerstoff verbrauchen, und dann gibt es keine Möglichkeit, dass die Leute überhaupt denken können, weil es so viel davon gibt. Also glaube ich, dass es wirklich etwas sein wird, das für die Verbesserung der Supply Chain sein wird, weil die Menschen plötzlich in der Lage sein werden, strategisch zu denken, nicht in diesem Zillionen von kleinen Ablenkungen verstrickt zu sein, die ihre menschliche Aufmerksamkeit nicht verdienen.

Lassen Sie uns eine Million halb-dumme Assistenten haben, denn das sind LLMs, eine Million halb-dumme Assistenten, die sich einfach mit diesen Dingen befassen, die keine menschliche Intelligenz verdienen.

Conor Doherty: Die letzten beiden Fragen. Diese hier ist von Lionel. Welche Beispiele für erfolgreiche Zusammenarbeit von KI und Menschen in Supply-Chain-Operationen können wir lernen?

Joannes Vermorel: Denken Sie nicht in Begriffen von Zusammenarbeit. Das ist ein Fehler. Es wird keinen generischen Co-Piloten geben.

Am Ende sind es immer Menschen und Maschinen. Ja, es gibt eine Form der Zusammenarbeit, aber sie nimmt nicht die Form an, die Sie sich vorstellen. Es ist kein Co-Pilot. Als ich den RFP-Antwortautomaten automatisiert habe, wie sah die Zusammenarbeit aus? Ich setzte mich an meinen Schreibtisch, verbrachte eine Woche damit, diesen Antwortautomaten zu programmieren, und dann hatte ich einen Antwortautomaten.

Jedes Mal, wenn eine RFP hereinkommt, führen wir den Automaten aus und erhalten die Antworten. So sieht Zusammenarbeit aus. Und wenn OpenAI neue Modelle wie GPT-4 Turbo oder ähnliches veröffentlicht, aktualisiere ich meinen Code ein wenig, um von den neuesten Entwicklungen zu profitieren, und wir sind wieder im Geschäft.

Das ist eine Zusammenarbeit, aber in dem Sinne, dass ich etwas programmiere und wenn sich etwas ändert, überarbeite ich meinen Code ein wenig. Das ist die Art von Zusammenarbeit, von der wir sprechen. Es ist nicht so, dass ich mit einer Maschine in einen Dialog trete. Ich führe keinen Dialog mit GPT oder irgendetwas anderem. So funktioniert es nicht. So wird das Spiel nicht gespielt.

Also denken Sie nicht an LLMs als etwas Kooperatives. Die meisten Dinge, die wir automatisieren, automatisieren wir komplett, und dann ist niemand mehr beteiligt. Das ist einfach erledigt.

Um Beispiele zu geben, die Lokad-Website wird vollständig automatisch übersetzt, und das Schöne daran, Sie können es online nachschlagen, ist, dass wir nicht das Englische übersetzen, sondern das HTML direkt übersetzen. Es ist wie, nehmen Sie das rohe HTML und übersetzen Sie es erneut, und wir haben 90% des Aufwands gespart, weil wir plötzlich alles iterieren können, und die LLMs sind klug genug zu wissen, welches HTML nicht berührt werden sollte, weil es ein Tag ist, und was tatsächliches Englisch ist, das übersetzt werden muss. Wunderschön.

Das ist bereits erledigt. Für das Publikum, alle Seiten, die wir für die Lokad TV-Videos haben, bei denen wir Zeitstempel hatten, haben wir sie früher zum Beispiel manuell gemacht, jetzt geschieht es automatisch. Ich habe es gemacht, jetzt geschieht es automatisch.

Also, das ist das, wo Sie eine einstündige Diskussion nehmen möchten, automatisch Zeitstempel erstellen, erledigt. Ich könnte Dinge erwähnen, die noch obskurer sind, weil die Bereiche, in denen wir den größten Nutzen haben, Backoffice-Jobs bei Lokad sind, also nicht kundenorientiert, aber es sind obskure Dinge.

Der Punkt ist, dass es für mich zu viel Zeit in Anspruch nehmen würde, um zu erklären, warum wir das überhaupt brauchen, aber das Fazit ist, dass die Beispiele endlos sind. Normalerweise versuchen wir, es innerhalb eines Tages zu automatisieren. So sieht es aus. Und ja, es gibt ein wenig Herumspielen mit den Anweisungen, aber nochmals die Frage, was kann nicht automatisiert werden? Das ist heutzutage eine schwierigere Frage zu beantworten als die Frage, was automatisiert werden kann.

Conor Doherty: Es ist interessant, dass Sie diesen Punkt ansprechen, denn als Sie das Beispiel mit der Zusammenfassung der Diskussion gaben, und das spricht mehr zu dem, was Sie gerade gesagt haben, wie viel weiter könnten wir gehen? Ich meine, im Backoffice lautet die Diskussion jetzt, wie können wir Zusammenfassungen von Diskussionen nehmen, sagen wir mit Kunden oder mit Interessenten oder so, und basierend auf dem, was besprochen wurde, automatisch die Website durchsuchen, relevante Links an relevanten Stellen einfügen, einfach, was können wir nicht tun? Nun, es stellt sich heraus, dass wir es können. Wir arbeiten daran. Aber es ist einfach, was nicht getan werden kann? Es ist schwer, eine Liste dessen zu erstellen, was mit einem LLM nicht getan werden kann.

Joannes Vermorel: Im Moment ist alles, was wirklich auf hohem Niveau ist, ich erfinde die Begriffe gerade, weil uns die Worte fehlen, aber ich würde sagen, auf hohem Niveau menschlicher Intelligenz oder höheren Formen von Intelligenz, Dinge, bei denen man lange und intensiv nachdenken muss, um potenziell Stunden zu bekommen, um die Antwort zu bekommen, nicht etwas, bei dem man eine instinktive Antwort haben kann, wenn es etwas ist, bei dem man eine instinktive Antwort haben kann, können es auch die LLMs tun.

Aber etwas, nochmal, ähm, was sein sollte, ähm, einfach denken Sie an sehr schwierige Fragen wie zum Beispiel, was Qualität der Dienstleistung für unsere Kunden bedeutet? Das ist eine sehr schwierige Frage. Was sollten unsere prioritären Zielgruppensegmente sein? Makrofragen für das Unternehmen, das sind die Art von Fragen, bei denen man buchstäblich Wochen damit verbringen kann, um die Antwort zu bekommen, und da fallen die LLMs immer noch kurz.

Wenn Sie eine Frage haben, die so wichtig ist, dass Sie Wochen brauchen, um die Frage zu beantworten, wird Ihnen die menschliche Intelligenz auf hohem Niveau eine bessere Antwort geben als GPT-4. Aber wenn es eine Frage ist, bei der Sie nur 60 Sekunden Gehirnzeit haben, um die Antwort zu bekommen, dann wird die Antwort, die Sie von einem Menschen bekommen, nicht super gut sein. Die Uhr tickt. Wenn Sie mir 60 Sekunden geben, um eine Antwort zu geben, egal zu was, wird es keine gute Antwort sein.

Conor Doherty: Der Punkt ist vielleicht einmal, aber nicht alle 60 Sekunden jede Stunde sieben oder acht Stunden am Tag, 300 Tage im Jahr, 50 Jahre. Das ist der Unterschied.

Joannes Vermorel: Das ist der Unterschied. Offensichtlich, wenn ich mich 30 Minuten ausruhe und dann ja. Aber der LLM wird nicht müde. Sie können ihn laufen lassen und buchstäblich Millionen von Operationen pro Tag automatisieren und es ist nicht einmal schwierig.

Conor Doherty: Dies ist die letzte Frage von Lionel. Wie können kleine Länder KI im Supply Chain Management nutzen, um ihre einzigartigen geografischen und wirtschaftlichen Herausforderungen zu bewältigen, und welche Auswirkungen hat dies auf den lokalen Arbeitsmarkt?

Joannes Vermorel: Das Schöne daran ist, dass LLMs unglaublich zugänglich sind. Die Bandbreitenanforderungen für die Verwendung von LLMs sind nichts. Sie können buchstäblich Kilobytes an Daten senden, und es funktioniert. LLMs werden aus der Ferne betrieben, also wenn Sie in einem armen Land sind, solange Sie eine halbwegs anständige Internetverbindung mit geringer Bandbreite haben, sind Sie gut.

Diese Dinge erfordern keine Hochgeschwindigkeitsverbindung. Also ist es in Ordnung. Es erfordert keine hochtalentierte Belegschaft. Das ist das Schöne daran. Prompt Engineering ist wahrscheinlich von allen quasi-technischen Fähigkeiten, die ich in den letzten zwei Jahrzehnten erwerben musste, die einfachste. Es ist buchstäblich etwas, bei dem Sie es in wenigen Stunden bekommen werden.

Deshalb machen jetzt Kinder ihre Hausaufgaben mit Hilfe von Chat GPT. Ich meine, es ist einfach, kinderleicht. Und deshalb sage ich, die Adoption wird schnell erfolgen, weil es nicht, ich meine, kaufen Sie niemandem ab, der Ihnen sagt: “Ich habe einen Abschluss in Prompt Engineering.” Wovon redest du? Es ist die Art von Dingen, bei denen Sie ein bisschen daran arbeiten müssen, um den Dreh rauszukriegen, aber Sie werden den Dreh rauskriegen, buchstäblich innerhalb von Tagen. Es ist nicht, es ist nicht schwierig, ich meine, es ist schwieriger, Excel zu beherrschen als Prompt Engineering zu beherrschen.

Also, um es auf den Punkt zu bringen, wenn Sie in einem armen, abgelegenen Land sind, ist es super zugänglich. Übrigens, habe ich Ihnen schon gesagt, dass diese Technologie billig ist? Sie ist super billig. Super billig. Denken Sie nur daran, dass unsere Website riesig ist. Wir reden von tausend Seiten, tausend Webseiten. Wenn wir sie drucken würden, wären es wahrscheinlich 3.000 A4-Seiten. Diese FAQs sind enorm, mehr als das.

Also reden wir von einer großen, umfangreichen Website. Wir übersetzen das in sieben Sprachen. Die Kosten für eine Übersetzung von Englisch in all diese Sprachen, und wir reden wieder von 3.000 Seiten Text, wenn wir ihn beibehalten, betragen 150 US-Dollar mit OpenAI. Das ist das, was ich bezahle. Und übrigens, die Kosten dafür mit Freelancern, die wir früher gemacht haben, betrugen etwa 50.000 US-Dollar pro Sprache.

Also sind die Kosten von etwas, das nahezu null war, ein Viertel Million oder mehr als ein Viertel Million, um die Übersetzung zu erhalten, auf 150 US-Dollar gesunken. Das ist, und übrigens, die Kosten werden noch niedriger sein, weil OpenAI den Preis kürzlich gesenkt hat. Und ich habe, und übrigens, wir machen das, wir verwenden nicht einmal GPT-4, wir verwenden immer noch GPT-3.5. Und mit Mistral sollten wir es versuchen, aber Mistral ist noch billiger.

Wahrscheinlich werden in drei Jahren die Übersetzung dieser massiven 3.000 Seiten etwa 50 US-Dollar kosten. Die Schönheit daran ist, dass ich denke, dass dies für entwickelte Länder eine riesige Chance ist, ein riesiger Ausgleich. Denken Sie nur daran, für nicht Pennies, sondern Dollar können Sie mit den gleichen Werkzeugen wie die Großen spielen und Sie sind auf dem gleichen Level wie die Leute, die Millionen in der Hand haben wie Apple. Sie spielen mit den gleichen Werkzeugen.

Also, das wird ein unglaublicher Ausgleich sein. Und wenn Sie klug sind und Leidenschaft haben, werden Sie auf dem Weg lernen. Und das ist wiederum nicht super schwierig. Es ist wahrscheinlich eine der unglaublich zugänglichen Revolutionen. Und ich glaube, dass selbst arme Länder jetzt wie gesagt, schlechte Internetverbindungen ausreichen, um von LLMs zu profitieren. Sie brauchen nicht einmal Breitband. Wenn Sie 20 Kilobyte in beide Richtungen pro Sekunde zuverlässig haben, sind Sie gut.

Conor Doherty: Ich glaube, wir haben über eineinhalb Stunden gesprochen. Also, wenn ich das alles zusammenfassen könnte, Skynet?

Joannes Vermorel: Nein, nicht Skynet. Das war meine falsche Erwartung vor 18 Monaten. Ich sagte, oh, es ist genauso dumm wie immer, also ist es nichts. Nein, es ist eine universelle Vorlagenmaschine, und das ist ein Game Changer. Das ist die Nähmaschine dessen, was für Büroangestellte sein wird, was die Nähmaschinen für die Bekleidungsindustrie getan haben.

Das Schöne daran ist die Einfachheit. Selbst zu der Zeit war eine Nähmaschine um Größenordnungen einfacher als eine Uhr. Nach den Maßstäben des 19. Jahrhunderts war es keine komplizierte Maschine. Es gab bereits Maschinen, die um Größenordnungen komplizierter waren. Und doch war sie trügerisch einfach und hat fast über Nacht die Bekleidungsindustrie um das 100-fache beschleunigt. Wenn Sie denken, dass Nähmaschinen keine Revolution waren, weil Sie plötzlich keinen Tuchmacher mehr von Anfang bis Ende haben, dann haben Sie den Punkt verpasst. Mit einer Nähmaschine können Sie immer noch Kleidungsstücke 100-mal schneller herstellen.

Wir haben kein Skynet. GPT-4 wird kein hochwertiges strategisches Denken ersetzen. Aber all das Alltägliche, ja, das wird es. Das ist eine Evolution. Meine Botschaft an das Publikum lautet: Verpassen Sie den Zug nicht. Viele Unternehmen sind bereits in den Zug eingestiegen. Einige Leute, zu meiner Schande, haben das früher getan. Aber es gibt viele Leute an Bord des Zuges und die Ergebnisse sind so schnell, dass Sie, wenn Sie jetzt nicht handeln, in vier Jahren nicht mehr aufholen können. Der Unterschied wird so groß sein, dass es wie ein Kodak-Effekt sein wird, bei dem Sie toast sind, selbst wenn Sie kein so schlechtes Unternehmen waren.

Conor Doherty: Nun gut, ich habe keine weiteren Fragen, Joannes. Vielen Dank für Ihre Zeit und vielen Dank fürs Zuschauen. Wir sehen uns das nächste Mal.