In diesem am 23. Februar 2024 auf CIO-Online veröffentlichten Debattenbeitrag vertritt Olivier Rafal (Consulting Director Strategy bei WeNvision) eine damals gegen den Strom schwimmende These: generative KI ist eher eine Frage des Technologieprodukts als ein KI- oder Data-Science-Projekt. Viele Organisationen schätzen ihre Prioritäten falsch ein, indem sie versuchen, Data Scientists und Machine-Learning-Ingenieure einzustellen.

Erstes Argument: Der Aufbau eines Foundation Model von Grund auf „erfordert mehrere Monate, Millionen von Euro und Zugang zu enormen Datenmengen“. Das ist nur für Akteure mit spezifischen, monetarisierbaren Datensätzen sinnvoll — emblematisches Beispiel ist Bloomberg, das BloombergGPT entwickelte, um seine Finanzdaten zu nutzen. Für nahezu alle Unternehmen ist es besser, sich auf kommerzielle LLMs zu stützen.

Zweites Argument: der Kompetenz-Mismatch. Statt Data Scientists werden Entwicklungs- und Integrationsingenieure (Backend und Frontend), solide Cloud-Kenntnisse und DevOps benötigt. Ein Kunde fasst es zusammen: „Man muss nicht unbedingt Data Scientist sein, aber man muss die Grundkonzepte verstehen, Backend-Entwicklungskenntnisse und solide Cloud-Kenntnisse mitbringen.“

Drittes Argument: die Architektur. Unternehmen sollten eine plateforme d'IA générative auf Basis von Orchestratoren und APIs aufbauen, was es „leicht macht, mit den besten am Markt verfügbaren LLMs zu arbeiten und zwischen ihnen zu wechseln, sobald sich ihre jeweiligen Fähigkeiten weiterentwickeln, ohne die Anwendungen überarbeiten zu müssen“ — eine Garantie der Unabhängigkeit gegen Vendor-Lock-in.

Viertes, zentrales Argument: der Wandel vom Projekt zum Produkt. „Die Plattform […] muss als eigenständiges Produkt betrachtet werden“, finanziert nicht durch eine einmalige Investition, sondern durch einen monatlichen Strom, um kontinuierliche Iteration und Innovation zu tragen.

Fünftes Argument: die Governance. Generative KI „hat sich in beispielloser Weise demokratisiert“, was „ebenso viel Shadow AI wie starke Erwartungen an die CIO-Organisation“ erzeugt. Eine angemessene Governance muss die Bedarfe der verschiedenen Fachbereiche erfassen, Produkte nach dem Wert priorisieren, den sie schaffen, und das ordnungsgemäße Funktionieren des Ganzen überwachen.

Abschließend kündigt Rafal einen zu akzeptierenden Paradigmenwechsel an: „der Wandel führt von der klassischen algorithmischen Programmierung zu agents Langchain, die einen Teil der Entscheidungen übernehmen“. Ein Gründungstext, der bereits 2024 die Grundlage (Produkt, Plattform/API, flussbasierte Finanzierung, Governance) legt, die spätere Analysen — bis hin zur finanziellen FinOps-/Token-Governance von 2026 — nur weiter ausbauen würden.