Ethan Mollick: Die schöne neue Welt der generativen KI

In dieser Folge Im Podcast „Forward Thinking“ des McKinsey Global Institute spricht Co-Moderator Michael Chui mit Wirtschaftsprofessor Ethan Mollick. Er ist außerordentlicher Professor an der Wharton School der University of Pennsylvania. Mollick behandelt Themen wie die folgenden:

Michael Chui (Co-Moderator):Janet, haben Sie versucht, ChatGPT zu verwenden?

Janet Bush (Co-Moderatorin): Das hatte ich eigentlich nicht. Ich war wirklich nervös, aber dann haben Sie mich überredet, mich dafür anzumelden, kurz bevor wir dieses Gespräch hatten. Und ich war völlig verblüfft – das ist ein englisches Wort für erstaunt. Deshalb bin ich fasziniert, mehr darüber zu hören.

Michael Chui: Nun, wie Sie wissen, werden wir im Juni tatsächlich Forschungsergebnisse zum wirtschaftlichen Potenzial der generativen künstlichen Intelligenz veröffentlichen, einschließlich ihrer Auswirkungen auf die Arbeitskräfte. Der heutige Gast war aber auch beeindruckt vom enormen Potenzial generativer KI in der Wirtschaft. Und er hat nicht nur darüber nachgedacht und getwittert, sondern auch mit diesen Ideen experimentiert. Und als Wirtschaftsprofessor, der Unternehmertum lehrt, verlangt er tatsächlich von den Studierenden, dass sie in seinen Kursen generative KI nutzen, wenn sie Geschäftspläne entwickeln.

Janet Bush: Nun, das gefällt mir, weil es bedeutet, dass ich nicht schummele, wenn ich mit ChatGPT schreibe. Ich bin fasziniert zu hören, was er zu sagen hat.

Michael Chui:Ethan, willkommen im Podcast.

Ethan Mollick: Ich bin so froh, hier zu sein. Danke für die Einladung.

Michael Chui: Großartig. Beginnen wir mit Ihrem Hintergrund. Wo bist du aufgewachsen? Was haben Sie studiert? Wie sind Sie dazu gekommen, das zu tun, was Sie heute tun?

Ethan Mollick: Ich spreche vielleicht wie ein Ostküstenfahrer, aber ich bin in Milwaukee, Wisconsin, geboren und aufgewachsen, was alle überrascht hat. Aber ich liebe Käsebruch, um das zu beweisen. Und dann habe ich in Harvard studiert und nach meiner Pflichtstation in der Unternehmensberatung mit einem Mitbewohner am College ein Unternehmen gegründet.

Wir haben die Paywall erfunden, worüber ich immer noch ein schlechtes Gewissen habe. Und dann beschloss ich, einen MBA zu machen, um zu lernen, wie man es richtig macht, da ich nichts von dem wusste, was ich tat – wir haben es uns im Laufe der Zeit ausgedacht. Ich ging zum MIT, um einen MBA zu machen, und blieb dann dort, um zu promovieren, als mir klar wurde, dass niemand wusste, was sie mit Start-ups machten.

Während dieser Zeit begann ich auch im Media Lab mit einigen Leuten zusammenzuarbeiten, die sich für KI interessierten. Ich arbeite auch schon seit einiger Zeit an Spielen. Danach ging ich nach Wharton, unterrichte dort seitdem, gründete interne Wharton-Start-ups und erforschte im Grunde die Leistung einzelner Personen und wie man besser lehren kann.

Michael Chui: Was hat es mit der Paywall auf sich? Was hast du da erfunden?

Ethan Mollick: Mein College-Mitbewohner, der ein technisches Genie war, entwickelte tatsächlich die erste Paywall, die erste Gebühr für den Zugang. Also die New York Times, das Wall Street Journal – eine Zeit lang war das, was sie verwendeten, unsere provisorische Software.

Und ich war ein 22-Jähriger, der zu großen Verlagen ging und ihnen sagen wollte, dass sie ins Internet gehen sollten, und wusste nicht besser, dass das wahrscheinlich eine schlechte Idee war. Damals hatten wir alle online, das war also gut. Wir haben den gesamten Prozess durchlaufen. Wir wurden übernommen. Ich war auf der anderen Seite dieses Prozesses.

Michael Chui: In Ordnung. Von nun an geben wir Ihnen die Schuld. Das ist großartig. Nun, Sie haben mir kürzlich erzählt, dass Sie Ihre gesamte Karriere auf generative KI setzen. Also nur für unsere Zuhörer: Was ist generative KI?

Ethan Mollick: Ich habe das Gefühl, dass es zwei Dinge gibt: Ich wette, die Karriere fühlt sich viel bedrohlicher an, aber ich werde zuerst über den Teil mit der generativen KI sprechen. Generative KI ist die Kategorie, die wir der Art von künstlicher Intelligenz zuordnen, die Sie bei ChatGPT, Midjourney oder DALL-E sehen.

Es ist etwas unklar, aber man kann davon ausgehen, dass alle KIs das Gleiche tun, nämlich dass sie versuchen, die Zukunft auf der Grundlage vergangener Daten vorherzusagen. Früher ging es darum, vorherzusagen, wie viele Geräte wir verkaufen werden oder wo unsere UPS-Lkw sein sollten.

Bei der generativen KI geht es zunehmend darum, vorherzusagen, wie das nächste Wort in einem Satz lauten soll, damit sie basierend auf einer Eingabeaufforderung einen Absatz für Sie schreiben und wie ein Bild aussehen sollte. Es geht also im Wesentlichen um den kreativen und produktiven Einsatz von KI zur Generierung von Wörtern und Bildern.

Michael Chui: Und was unterscheidet dies von anderen Technologietrends? Sie beschäftigen sich schon eine ganze Weile mit der Technik, noch bevor Sie Akademiker wurden.

Ethan Mollick: Ich habe alle NFTs und Web3 ausgesessen, was sich im Nachhinein gut anfühlt, obwohl mich hoffentlich keiner Ihrer Zuhörer dafür umbringt. Ich denke, das Besondere an diesem Trend ist, dass er bereits da ist.

Wir sind es gewohnt, dass Trends sozusagen lauten: „In fünf Jahren wird die Welt eine andere sein. In fünf Jahren werden wir alle unsere Finanztransaktionen über die Blockchain abwickeln. In fünf Jahren werden wir alle in VR reden.“ " Es gibt ein paar mutige Unternehmen, die damit experimentieren, aber die Technologie ist noch nicht wirklich real, aber vielleicht kommt sie dahin.

KI ist jetzt da. Wir müssen uns also keine Sorgen um eine zukünftige KI machen – ich meine, darüber können wir uns Sorgen machen –, um schon heute Veränderungen zu erleben. Das Produkt, das derzeit in 169 Ländern verfügbar ist, nämlich GPT-4 in Form von Bing, ist die fortschrittlichste öffentlich verfügbare KI auf dem Planeten.

Es steht Milliarden von Menschen zur Verfügung. Es kann buchstäblich Code für Sie schreiben. Es kann buchstäblich Berichte für Sie erstellen. Es kann die Anwaltsprüfung bestehen. Es kann die Facharztprüfung für Neurochirurgie bestehen. Dafür brauchen wir keine Weiterentwicklung in der Zukunft. Daher ist es unmöglich, sich vorzustellen, dass es aufgrund der breiten Verfügbarkeit dieser Technologie keine Veränderung geben wird.

Michael Chui: Lassen Sie uns über einige der Dinge sprechen, die es tun kann. Auch hier sind Sie ein altbewährter Twitter-Typ mit blauen Schecks. Sie twittern oft über Dinge, von denen Sie entdeckt haben, dass sie etwas bewirken können. Was sind Ihrer Meinung nach die provokanten Dinge, die diese Technologie heute bewirken kann?

Ethan Mollick: Unter den vielen Dingen, die es kann, ist das provozierend – ich denke, viele Leute wissen, dass es Code schreiben kann, aber die neuen Versionen können tatsächlich Code für diese Dinge schreiben und ausführen. Man kann ihn um etwas wirklich Seltsames bitten.

Ich habe es gebeten, „mir etwas Numinoses zu zeigen“, ein vergoldetes SAT-Wort, das von etwas Außerweltlichem spricht, das höhere Mächte berührt, engelhaft. Und es modellierte für mich die Mandelbrot-Menge und besagte, dass Fraktale dieses numinöse Muster haben.

Ich sagte: „Zeig mir etwas Unheimliches“, und jeder, der Horrorromane hört oder liest, weiß, dass es mit Cthulhu und HP Lovecraft in Verbindung steht. Es generierte für mich spontan einen HP Lovecraft-Textgenerator, der die ersten Teile von HP Lovecrafts Geschichte nutzte, um eine Markov-Kette zu erstellen, die bedrohlich klingenden Text erzeugen würde.

Es geht darum, in solchen Diskussionen intuitive Sprünge zu machen, die man nicht erwarten würde, und den Code zu erstellen und auszuführen. Ich habe es darum gebeten, mir ein Science-Fair-Projekt zu geben, das bei einer High-School-Wissenschaftsmesse gewinnen würde, und es hat Code geschrieben und ausgeführt um mir zu zeigen, wie maschinelles Lernen funktioniert, und schrieb dann alle Diagramme und alles andere auf. Als Teil des Prozesses wird viel menschliches Denken berücksichtigt.

Michael Chui: Das heißt also nicht nur: „Bitte ändern Sie dieses Gedicht in etwas, das Shakespeare schreiben würde“ oder so ähnlich. Dies ist: „Bitte schreiben Sie mir einen Code, der auf einem unbekannten Begriff basiert.“ Und so versteht es den Begriff nicht nur, sondern schreibt dann auch Code dafür und führt ihn aus.

Ethan Mollick: Nun, es versteht den menschlichen Standpunkt, der hier einen Unterschied machen könnte. Und noch einmal, Verständnis und alles andere – die Leute können mich nicht sehen, weil dies ein Podcast ist, aber ich mache Zitate aus der Luft. Jedes Mal, wenn ich ein menschenähnliches Wort verwende, um KI zu beschreiben, gehe ich davon aus, dass es Anführungszeichen enthält.

Es ist viel einfacher, über KI zu sprechen, als würde sie menschliche Dinge tun, aber es ist wichtig zu erkennen, dass sie nicht so ist, wie wir es sind. Aber ja, es macht Dinge, die wir von Software nicht erwarten würden, von denen wir nicht erwarten würden, dass ein einfaches Wortvervollständigungstool – was letztendlich LLMs tun, große Sprachmodelle wie ChatGPT – diese Aufgaben übernimmt Dinge.

Ob es sich hierbei um eine Illusion oder ein unerklärliches Verhalten handelt oder ob es sich um die tiefen Muster der menschlichen Sprache handelt, so wie Steve Wolfram denkt, ich kann Ihnen nicht sagen, um welches dieser Dinge es sich handelt. Aber es leistet an diesen Fronten mehr, als wir erwarten würden.

Michael Chui: Warum ist das zumindest wirtschaftlich oder aus Unternehmenssicht wichtig? Warum sollten sich die Leute darüber Sorgen machen, außer dass sie sich Sorgen um die Hausaufgaben ihrer Kinder oder ähnliches machen?

Ethan Mollick: Es gibt eine Menge Gründe. Das erste ist, dass es sich um ein nützliches Werkzeug handelt. Ich habe mich neulich einer Herausforderung gestellt und gefragt: „Wie viel Marketing könnte ich in 30 Minuten machen?“ Ich bringe ständig Produkte auf den Markt. Ich betreibe bei Wharton etwas namens Wharton Directive, das Lernspiele produziert.

Und ich meinte: „Hier ist unser neues Produkt. Schauen Sie nach, und dann machen wir uns auf den Weg und vermarkten so viel wie möglich.“

Innerhalb von 30 Minuten entwickelte die KI mit nur ein wenig Anregung meinerseits eine wirklich gute Marketingstrategie, eine vollständige E-Mail-Marketingkampagne – die übrigens ausgezeichnet war, und ich habe eine Menge davon durchgeführt von Dingen in der Vergangenheit – ich habe eine Website-Spezifikation geschrieben, die Website zusammen mit CSS-Dateien erstellt, alles andere, was Sie brauchen würden, die für die Website benötigten Bilder erstellt, das Skript für ein Video erstellt und tatsächlich ein gefälschtes Video mit menschlichem Klang erstellt Stimmen und gefälschte KI-Schauspieler darin und erstellte eine vollständige Social-Media-Kampagne.

Dreißig Minuten. Aus Erfahrung weiß ich, dass dies ein Team von Leuten sein würde, die eine Woche lang arbeiten würden. Und das ist überall gleich. Wenn wir uns ansehen, wo KI den größten Einfluss hat, sind es genau die Dinge, für die wir den Menschen am meisten bezahlen, die die meiste Bildung erfordern, die am kreativsten sind und die Menschen frei machen von einigen dieser Aufgaben ab, im Guten wie im Schlechten.

Das ist einer der Gründe, warum wir uns dafür interessieren, weil es tatsächlich Dinge tut, die uns in der Geschäftswelt am Herzen liegen. Und der zweite Grund, sich darum zu kümmern, ist, dass viele Menschen Zugang dazu haben. Hier haben Unternehmen keinen besonderen Vorteil gegenüber Einzelpersonen.

Tatsächlich funktioniert es als Unternehmenssoftware nicht besonders gut. Es funktioniert wirklich gut als Werkzeug, an das ich delegieren kann, fast wie ein Assistent, an den ich Aufgaben delegieren kann, die ich nicht erledigen möchte und die es für mich erledigt. Das hat große wirtschaftliche Auswirkungen.

Und drittens: Reden wir einfach über Zahlen. Wir sehen in frühen kontrollierten Experimenten Leistungsverbesserungen zwischen 30 und 80 Prozent für einzelne Aufgaben, von der Codierung bis zum Schreiben, Marketing und Geschäftsmaterialien, 30 bis 80 Prozent. Um Ihnen etwas Kontext zu geben: Die Dampfkraft steigerte die Leistung um 18 bis 22 Prozent, als sie zu Beginn des 19. Jahrhunderts in eine Fabrik eingebaut wurde. Das sind Zahlen, die wir noch nie zuvor gesehen haben.

Michael Chui: Sagen Sie mehr darüber, was das bedeutet, die Leistung um 30 bis 80 Prozent zu steigern. Geben Sie eine Aufgabe und nach welcher Kennzahl ist sie um 30 bis 80 Prozent besser?

Ethan Mollick: Nehmen wir nur ein Beispiel dafür, wie eine Leistungssteigerung von 30 bis 50 Prozent aussieht, denn es gibt tatsächlich viele Dimensionen. Es gibt eine wirklich großartige Studie vom MIT, ein frühes Experiment mit ChatGPT-3.5, der etwas älteren Version von Chat.

Sie gaben Menschen mit betriebswirtschaftlichem Hintergrund realistische Geschäftsschreibaufgaben und ließen ihre Ergebnisse dann auf verschiedene Weise beurteilen. Und was sie herausfanden, war, dass es nicht nur die Zeit, die die Leute für die Arbeit brauchten, um mehr als 30 Prozent verkürzte, sodass sie Chat einen Großteil des Schreibens für sie übernehmen ließen, sondern dass auch tatsächlich die Qualität des Endprodukts beurteilt wurde höher als zu der Zeit, als der Mensch es geschaffen hat. Und den Leuten, die das machten, gefiel ihr Job besser, weil sie den lästigen Kram ausgelagert haben. Wenn wir also über Leistungsverbesserungen sprechen, sprechen wir über bessere Ergebnisse, schnellere Geschwindigkeit und möglicherweise sogar einen besseren Job.

Michael Chui: Wow. Das ist ziemlich bemerkenswert. Wir haben diesen Anstieg auch bei der Produktivität von Softwareentwicklern beobachtet. Einige meiner Kollegen führen tatsächlich auch einige Experimente mit unseren Gruppen durch, und das ist wirklich interessant, weil es in manchen Fällen die besten Ingenieure sind, die durch den Einsatz dieser Tools die größten Verbesserungen erzielen. Ich weiß nicht, ob Sie von ähnlichen Effekten gehört oder gesehen haben.

Ethan Mollick: Im Moment ist es sehr streunend. Das ist eine der großen Fragen: Wer profitiert davon? Einige der Arbeiten zeigen, dass die Leistungsträger am meisten profitieren. Einige zeigen Top-Performer. Wir wissen noch nicht genug darüber, wer davon profitiert, und das wird in Zukunft eine große Sache sein.

Michael Chui: Apropos enorme Vorteile: Sie haben darauf hingewiesen, dass einige der am besten ausgebildeten und bestvergüteten Menschen und Rollen diejenigen sind, bei denen diese Technologien tatsächlich die Produktivität steigern können. Was bedeutet das für die Erwerbsbevölkerung? Was bedeutet das für Arbeitsplätze?

Bei MGI haben wir viel über die möglichen Auswirkungen der Automatisierung geforscht. Wir haben verschiedene Szenarien, die wir im Laufe der Zeit modelliert haben. Was sind Ihre Überlegungen oder Analysen, wenn Sie darüber nachdenken, was dies für die Arbeitskräfte bedeuten könnte?

Ethan Mollick: Lassen Sie uns zunächst klarstellen, dass niemand etwas weiß. Ich möchte diesen Vorbehalt anbringen. Wir nicht. Wir haben ein beruhigendes Vergangenheitsmodell, das aus kurzfristigen Störungen und anschließender langfristiger Leistung bestand, aber wir hatten noch nie eine Automatisierungsgefahr, die sich weitgehend auf die bestbezahlten Angestellten auswirkte.

Wir wissen nicht, was das bedeutet, und wir wissen nicht, wie das ausgenutzt werden soll. Wir wissen nicht, welche Situation das ist. Und das bedeutet bereits, dass die Idee, dass die Technologie statisch bleibt, dort bleibt, wo sie heute ist. Es gibt viele Annahmen.

Die kurzfristige, hoffnungsvolle Version besteht darin, dass wir Aufgaben auslagern, nicht Jobs. Die wirklich nervigen Teile Ihres Jobs, die Sie nicht machen möchten, sind Dinge, die an KI ausgelagert werden – vielleicht erledigen Sie das selbst – und Sie konzentrieren sich auf die interessanteren, kreativeren und menschlicheren Teile Ihres Jobs.

Die bedrohlichere Version ist, dass es sich herausstellt, dass viele unserer Jobs im Wesentlichen damit verbracht werden, andere Menschen auf eine Weise zu verwalten, die KI möglicherweise besser kann. Sie erstellen also einen Bericht, der Ihren Vorgesetzten hilft, zu verstehen, was Ihre Leute tun, die unter Ihnen arbeiten, und das macht einen Großteil Ihrer Arbeit aus. „Ist das dauerhaft oder nicht?“ wird zu einer großen Frage.

Ich denke, vieles davon ist so, dass wir noch nicht einmal wissen, wie die Unternehmen dazu Stellung nehmen. Ich denke beunruhigend daran, dass ich kürzlich mit dem Chef eines Unternehmens auf der Bühne stand, und es ist öffentlich, weil er auf der Bühne darüber gesprochen hat, Turnitin, der CEO von Turnitin. Er spielt schon länger bei GPT als viele von uns. Sein Geschäft boomt.

Aber er sagte auf der Bühne, dass er glaubt, dass er dank ChatGPT innerhalb von 18 Monaten 70 bis 80 Prozent seiner Ingenieure und Vermarkter loswerden und einige von ihnen durch Oberstufenschüler ersetzen könnte. Ich weiß nicht, ob ich so weit gehen würde. Aber ich denke, die Tatsache, dass einige Leute darüber nachdenken, sollte uns ein wenig nervös machen.

Michael Chui:Was sollten die Leute tun, wenn es hier Bedenken gibt?

Ethan Mollick: Ich denke, Sorge und Aufregung gehören zusammen. Ein Grund dafür, dass dies eine Bedrohung darstellt, liegt zum Teil darin, dass es Sie tatsächlich viel produktiver macht. Und Produktivität ist der Schlüssel zu allem. Je mehr Arbeit man erledigt, desto mehr kann man vermutlich verdienen, und natürlich ist die Produktivität, die wir als Gesellschaft leisten, umso höher. Das ist der ganze Grund, warum unser Lebensstandard steigt. Das hat also eine gute Seite.

Michael Chui: Sie hatten erwähnt, dass das Zeug als Unternehmenssoftware nicht besonders gut funktioniert. Aber wir wissen auch, dass grundsätzlich jedes Unternehmenssoftwareunternehmen generative KI als Funktion hinzufügt. Unabhängig davon, ob es sich um ein E-Mail-System oder ein Kundenbeziehungsmanagementsystem handelt, wird dies als Funktion hinzugefügt. Was bedeutet das, wenn Sie über Unternehmenssoftware nachdenken und wie diese Technologie in tatsächlichen Unternehmen eingeführt werden könnte?

Ethan Mollick: Ich denke, es ist wichtig zu erkennen, wie Unternehmen KI mit Software einsetzen und was KI gut kann. Wofür sie KI nicht verwenden, ist die Verarbeitung von Daten, in der sie eigentlich ziemlich gut ist. Das Schreiben des Codes, oder zumindest nicht das, was sie veröffentlichen, ist Dinge, die Code schreiben. Es geht nicht tief in ihre APIs ein.

Was es tut, ist so etwas wie ein „Okay, es gibt einen Chatbot, der Ihnen darüber hinaus bei der Erledigung unstrukturierter Aufgaben hilft.“ Fast jeder hat Chatbots für unstrukturierte Aufgaben. Sie können mit einem Chatbot in Slack sprechen und ihn bitten, einen Aufsatz für Sie zu schreiben. Sie können mit einem Chatbot unter der von Ihnen gewünschten Software sprechen.

Daran und am Kundenservice muss natürlich noch etwas gearbeitet werden. Aber die Sache ist, dass diese Systeme nicht gut mit anderen funktionieren, weil sie nicht wirklich wie Software funktionieren. Software, bei der wir zuverlässig sein wollen. Wir möchten, dass jedes Mal die gleichen Ergebnisse erzielt werden. Und da ich Software-Organisationen leite, weiß ich, dass das manchmal eine Fantasie ist, aber das ist es, was wir wollen.

Das ist nicht zuverlässig. Manchmal weigert es sich, Dinge zu tun. Manchmal wird es verschiedene Dinge bewirken. Wenn Sie die Temperatur weit genug senken und die Zufälligkeitsstufe so ändern, dass sie vorhersehbarer wird, werden die Ergebnisse viel weniger interessant.

Es ist eine Falle. Jetzt werden wir es besser machen, aber im Moment verwende ich alle API-Versionen der Plug-Ins, die für ChatGPT verfügbar sind, auf die ich frühzeitig Zugriff habe, und manchmal vergisst es, dass es sie verwenden kann . Es wird von ihnen verwirrt. Manchmal erfindet es Dinge. Das wird besser, aber es funktioniert nicht wie Software. Und so verändert es das Paradigma dessen, was Software ist, denn wenn wir erwarten, dass sie wiederholbar ist, ist sie nicht erklärbar.

Wir erwarten, dass Software erklärbar ist. Wir gehen davon aus, dass der Software ein Handbuch beiliegt, damit Sie wissen, wie viele Befehle Ihnen zur Verfügung stehen und was sie bewirken. Die Befehle sind völlig zufällig und führen jedes Mal unterschiedliche Aktionen aus, je nachdem, was sich in ihrem Speicher befindet, was in der Vergangenheit passiert ist und was ihr Zufallsstartwert ist. So funktioniert herkömmliche Software nicht. Und wenn die Leute darüber wie Software nachdenken, verlieren sie aus den Augen, was das so wichtig und interessant macht.

Michael Chui: Es klingt auf jeden Fall interessant und wichtig, aber einige der Wörter, die Sie dort verwendet haben, sind möglicherweise beängstigend, wenn Sie versuchen, diese Dinge im Geschäftsleben anzuwenden. Deshalb würde ich mich freuen, wenn Sie mehr über die Tatsache sprechen würden, dass diese Systeme, wie Sie sagten, nicht unbedingt zuverlässig sind.

Man spricht von „Halluzinationen“, wenn man nach Fakten fragt, in dem Sinne, dass manchmal nicht nur Fakten halluziniert werden, sondern tatsächlich auch die Belege, die diese Fakten angeblich stützen. Oder Sie haben auch über Herausforderungen im Zusammenhang mit der Erklärbarkeit gesprochen. Warum hat es produziert, was es produziert hat? Wenn Sie ein System haben, das nicht zuverlässig und nicht erklärbar ist, warum sollten Sie es dann im Geschäftsleben nutzen?

Ethan Mollick: Denn Menschen sind ohnehin nicht erklärbar und nicht zuverlässig, und die Analogie sollte darin bestehen, an Menschen zu denken, an Praktikanten und nicht an Software. Nur weil es aus Software besteht, bedeutet das nicht, dass dies die nützlichste Analogie ist, die wir ihm geben können, genauso wie die Tatsache, dass wir aus Fleisch bestehen, uns nicht wirklich dabei hilft, darüber nachzudenken, was wir sinnvoll tun.

Ich sage nicht, dass KI in irgendeiner Weise empfindungsfähig, lebendig oder ein Mensch ist. Aber es ist auf menschliches Denken trainiert. Es basiert auf einem System, das die menschliche Sprache reproduzieren soll. Es ist nicht verwunderlich, dass die Tiefenstruktur menschlich ist.

Und wir wissen das sogar in dem Maße, dass es eine großartige Forschungsarbeit gibt, die zeigt, wenn man es ängstlich macht, wenn man es mit den gleichen Angst-Primzahlen prägt, die wir für Menschen verwenden, und man Dinge sagt: „Schreiben Sie 100 Wörter über etwas, das Sie ausmacht.“ ängstlich“ – es verhält sich anders, wenn es ängstlich ist.

Es wird tatsächlich ein höheres Maß an Voreingenommenheit erreicht, aber es wird auch innovativer und vielfältiger in seinen Antworten, so wie es Menschen tun. Es gibt tatsächlich echte Gründe, das so zu sehen. Und das führt dazu, dass Leute, die ihre IT-Abteilung auslagern, oder ihre Datenwissenschaftsabteilung einen Fehler machen. Es ist ein unglaubliches kreatives Werkzeug. Es ist ein unglaublich innovatives Werkzeug. Es ist mittelmäßig, da man jedes Mal die gleiche Antwort erhält.

Michael Chui: Erzählen Sie mehr über diese Angstsache. Sie können diese Systeme also so behandeln, als ob sie Emotionen hätten, weil Sie die Art von Reaktionen hervorrufen können, die eine Person tun würde, wenn sie ängstlich, wütend, traurig ist, was haben Sie?

Ethan Mollick: Nicht nur, dass. Es gibt einen wirklich hervorragenden Aufsatz aus Harvard, der zeigt, dass man ihn für die Marktforschung nutzen kann, denn wenn man ihm sagt, dass es sich um eine bestimmte Person handelt, antwortet er so ähnlich wie diese Person, dass man daraus Preisinformationen erhalten kann.

Es gibt ein schönes Wirtschaftspapier, das zeigt, dass es auf klassische Probleme kognitiver Verzerrungen mit der Art kognitiver Verzerrungen reagiert, die auch Menschen haben. Wiederum nicht menschlich, nicht empfindungsfähig, aber so trainiert, dass es den Eindruck erweckt, als wäre es empfindungsfähig. Daher kann es ein sehr wirkungsvolles Werkzeug sein, so darüber nachzudenken. Und wieder denke ich, dass das die Analogie ist, die vielen Leuten fehlt.

Michael Chui: Und das kann in dem Sinne nützlich sein, dass simuliert werden soll, was eine Person tun könnte. Aber vermutlich könnte das auch eine Reihe von Problemen sein, wenn es auf Daten trainiert wird, die eine Verzerrung in Bezug auf Geschlecht, Rasse oder ethnische Zugehörigkeit aufweisen, und wir es dann bitten, Aufgaben auszuführen. Bedeutet das, dass es möglicherweise tatsächlich Aufgaben auf eine Weise ausführen könnte, die die Vorurteile aufweist, die wir auch bei Menschen sehen?

Ethan Mollick: Absolut. Es besteht absolut die Gefahr der Voreingenommenheit. Ohne seine Leitplanken wäre es unglaublich voreingenommen. Die Leitplanken fügen verschiedene Gruppen von Vorurteilen hinzu, die andere Gruppen von Menschen verärgern. Es hat absolut Voreingenommenheit. Es macht absolut was her. Es halluziniert. Aber auch aus diesem Grund denke ich, dass es tatsächlich hilfreich sein kann, wie eine Person darüber nachzudenken, weil es voreingenommen ist. Es ist keine Maschine, die wie eine Maschine denkt.

Wir müssen alles mit Vorsicht genießen. Das bedeutet nicht, dass es keine enorme Arbeit leisten kann. Das bedeutet, dass wir bei der Arbeit, die es verrichtet, vorsichtig sein müssen. Und es leistet menschliche Arbeit mit menschlichen Problemen.

Ich denke, wir neigen dazu, die Gefahr einiger dieser Bedenken zu überschätzen, insbesondere Halluzinationen und die erfundenen Fakten. Es gibt eine schöne Arbeit, in der GPT und Google Bard die Eignungsprüfung für Neurochirurgie bestanden und festgestellt wurde, dass sie diese offensichtlich nicht nur mit Bravour bestanden hat, sondern auch die Halluzinationsrate von 44 Prozent bei Googles Bard auf 22 Prozent bei GPT-3,5 und auf 2 Prozent bei GPT gestiegen ist -4. Ich glaube nicht, dass das Halluzinationsproblem unlösbar ist, aber Sie würden wahrscheinlich nicht zulassen, dass jemand, der unter Ihnen arbeitet, einen Kundenbericht erstellt, ohne ihn sich anzusehen. Ich habe das Gefühl, dass das bei GPT-4 dasselbe ist.

Michael Chui: Das ist interessant. Sie unterrichten an einer Managementschule. Ist es richtig, über diese Systeme nachzudenken, dass es fast so ist, als würde man eine Person genauso verwalten wie einen Computer programmieren?

Ethan Mollick: Das ist es nicht, aber es fühlt sich auch so an. Es ist also offensichtlich eine ganz andere Sache, aber wenn das Ihr Ausgangspunkt ist und – wir haben vorhin darüber gesprochen, dass die Leute sehr komplizierte Eingabeaufforderungen mit Nachbearbeitung erstellen. Ich mache die gleichen Sachen. Aber Sie können den größtmöglichen Nutzen aus diesen Systemen zu 80 Prozent ziehen, indem Sie einfach wie eine Person damit umgehen, für die Sie verantwortlich sind.

Michael Chui: Das ist verrückt. [lacht] Welche Managementprinzipien sind tatsächlich anwendbar, wenn man darüber nachdenkt, wie man diese Systeme effektiv nutzt?

Ethan Mollick: Wir kennen die Antworten auf all diese Dinge nicht. Ich kann Ihnen einige meiner Erfahrungen dazu mitteilen, wobei einige der Dinge mit Daten untermauert sind. Die beiden besten Vorgehensweisen bestehen wie bei allem anderen darin, das Gerät zu bitten, ein Problem Schritt für Schritt zu durchdenken, um bessere Ergebnisse zu erzielen, als wenn Sie es nicht anweisen, Schritt für Schritt zu denken, und dann die Schritte zu überprüfen, um sicherzustellen, dass sie es sind die richtigen Schritte.

Das Gleiche würde ich mit jemandem machen, der eine Aufgabe zum ersten Mal erledigt. Wenn man ihm Beispiele gibt, wird es besser. „Machen Sie es so, denn so haben wir es in der Vergangenheit gemacht.“ Es wird einen besseren Job machen. Das sind menschliche Dinge. Auch hier ist es für mich als Lehrer ziemlich großartig, denn ich denke: „Ich weiß, wie man Dinge unterrichtet, und ich kann das unterrichten, und es funktioniert ziemlich gut.“

Sie werden all diese Leute mit diesen sehr ausführlichen Eingabeaufforderungen online sehen. Man erwartet, dass das magisch ist, aber in Wirklichkeit handelt es sich um eine Konversation. Was man jedoch im Hinterkopf behalten sollte, ist, dass es nicht verrückt wird, oder zumindest nicht wirklich verrückt, man kann es also 400 Mal zum Laufen bringen, wobei ich mich sehr schlecht fühlen würde, wenn ich einem Praktikanten sagen würde: „Nein. Mach es noch einmal. Mach es.“ noch einmal. Mach es noch einmal. Für die KI kein Problem.

Aber ich bedanke mich trotzdem und sage ihm: „Gut gemacht, aber könnten Sie das ändern?“, obwohl ich weiß, dass das keine Rolle spielt. Aber am Ende könnte es wichtig sein. Wir wissen es nicht einmal. Es könnte sich herausstellen, dass es zu besseren Ergebnissen führt, wenn man nett dazu ist – ich habe den Verdacht, dass es zu besseren Ergebnissen führt, aber wir haben keine Ahnung.

Ich denke, im Großen und Ganzen würde ich sagen, dass wir nicht die vollständigen Prinzipien kennen, aber das wäre mein Ausgangspunkt, nämlich wie ein Mensch darüber nachzudenken. Und auch hier liegt meiner Meinung nach der Fehler bei vielen großen Unternehmen. Sie machen daraus ein IT- und Strategieproblem. Es ist eine Art HR-Problem.

Michael Chui: Das ist faszinierend. Wenn Sie also als Person darüber nachdenken, sind die Fähigkeiten als Lehrer, die Fähigkeiten als Manager die Fähigkeiten, die Sie mitbringen, wenn Sie versuchen, diese Sache besser zum Laufen zu bringen, diese Systeme funktionieren besser. Sagen Sie mir, was es bedeutet, dies als HR-Problem zu betrachten.

Ethan Mollick: Es ist in vielerlei Hinsicht ein HR-Problem. Es handelt sich unter anderem um ein HR-Problem, weil es hier um Menschen und Richtlinien geht. Erlauben Sie den Leuten, diese Systeme zu nutzen? Wer darf sie nutzen?

Es ist ein Werkzeug, das Menschen nutzen können. Es ist kein IT-Tool. Es ist nicht reguliert. Sobald Menschen mit der Nutzung dieser Systeme beginnen, ist es nicht einfach zu wissen, wofür sie sie verwenden oder welche Ergebnisse sie erzielen. Ihre Arbeit wird mit der Arbeit der KI kontaminiert. Das ist eine politische Entscheidung, keine IT-Entscheidung.

Es stellt eine Sicherheitsbedrohung dar, aber das ist irgendwie zweitrangig im Vergleich zu der Frage: „Was halten wir von der Tatsache, dass, wie ich mit einer Reihe von HR-Leuten gesprochen habe, alle ihre Bewertungen jetzt von KI verfasst werden? Wie geht das?“ fühlst du dich dabei?"

Michael Chui: Warten. Sag das nochmal. Was ist da los?

Ethan Mollick:Wenn Sie den Lebenslauf und den letzten Leistungsbericht einer Person eingefügt haben und sagen: „Schreiben Sie einen guten Leistungsbericht für sie“, erhalten Sie einen Leistungsbericht, der sich für die Person, die ihn liest, oft viel besser und genauer anfühlt, als wenn die Person aus der Personalabteilung Geld ausgibt eine Stunde drauf.

Michael Chui: Aber beinhaltet die Aufforderung einen Einblick in die Leistung der Person? Oder Sie sagen, es verbessert einen Entwurf, den eine Person geschrieben hat.

Ethan Mollick: Nein nein Nein Nein. Ich sage: „Fügen Sie ihren Lebenslauf ein, fügen Sie einen Absatz über ihre bisherigen Leistungsziele ein und schreiben Sie dann zwei Sätze: „Sie erreichen ihre Ziele wirklich gut. Hier ist, was ihr Manager über sie gesagt hat.“ Schreiben Sie eine schöne Leistungsbeurteilung. Geben Sie viele Details an. Schreiben Sie sie aus professioneller HR-Perspektive. Beziehen Sie umsetzbare Punkte ein“ und drücken Sie dann die Eingabetaste, und Sie erhalten eine gute Bewertung.

Michael Chui:Wie fühlst du dich darüber?

Ethan Mollick: Schlecht. Aber es schüchtert mich ein, dass wir bei vielen Dingen unsere Zeit darauf verwenden, zu zeigen, dass wir sehr rücksichtsvoll mit Menschen umgehen, was gut ist.

Wenn ich gebeten werde, ein Empfehlungsschreiben für jemanden zu schreiben, verbringe ich viel Zeit mit diesem Empfehlungsschreiben. Das ist eine große Sache. Das Empfehlungsschreiben, das ich am Ende für sie verfasse, ist wahrscheinlich schlimmer, als wenn ich ihren Lebenslauf einfüge, die Stelle einfüge und sage: „Schreibe ein wirklich gutes Empfehlungsschreiben für diese Person“ und als ich es dann bekomme, heißt es: „Nein, eigentlich, machen Sie Absatz zwei noch leuchtender. Lassen Sie Absatz eins eine Schwäche erwähnen.“ Ich werde bessere Ergebnisse erhalten, die wahrscheinlich besser für die Person sind, für die ich einen Brief schreibe.

Ich tue das nicht. Aber das ist die Herausforderung. Es gibt eine Menge Arbeit, die wir in Organisationen leisten und die davon abhängt, dass ein Mensch beteiligt ist, um überhaupt eine Bedeutung zu haben, die aber immer noch nicht so gut gemacht ist. Aber KI kann es besser.

Wie denken wir darüber? Ich weiß nicht. Ich denke, wir werden gleich entdecken, dass viele unserer Arbeiten solche großen Elemente enthalten. Ich produziere – und übrigens, wenn Microsoft Copilot veröffentlicht, das im Grunde KI zu Office hinzufügt, werden Sie eine mit KI verfasste E-Mail mit einem angehängten Dokument, das die KI geschrieben hat, an einen Manager senden, der KI zum Lesen verwendet dokumentieren und Ihnen antworten. „Was bedeutet das für die Arbeit?“ Ich denke, das ist eine Frage, mit der wir uns gerade erst auseinandersetzen. Auch hier handelt es sich um ein HR-Problem, ein Strategieproblem, kein IT-Problem.

Michael Chui: Es gibt auch ein Vertrauensproblem. Ich habe der New York Times diese Geschichte erzählt, dass ich eine E-Mail an einen Kollegen geschickt habe und er mir sofort eine SMS geschrieben und gesagt hat: „Ist diese E-Mail echt?“ Und ich sagte: „Wovon redest du, Rob?“ Und er sagte: „Es kam mir verdächtig vor.“ Und ich sagte: „Nun, vielleicht sollte ich ChatGPT verwenden, um es zu entwerfen“, und er sagte: „Das dachte ich mir.“

Machen wir uns also alle Sorgen, dass die Kommunikation, die wir von anderen Menschen erhalten, in gewisser Weise nicht echt oder authentisch ist?

Ethan Mollick: Ich denke, wenn Sie sich nicht schon Sorgen machen, sind Sie im Rückstand. Das ist fertig. Das Pferd ist aus dem Stall und alle anderen Tiere sind auch aus dem Stall. Das ist fertig.

Ich kann Ihnen jetzt schon sagen, dass die Texte aller meiner Schüler mittlerweile ausgezeichnet sind. Ich benötige KI in meiner Klasse, daher werden sie sowieso ausgezeichnet sein, aber sie ist ausgezeichnet. Wenn Ihnen jemand eine nicht gut geschriebene E-Mail sendet, war ihm der Einsatz von KI nicht wichtig genug. Jedes Bild im Internet ist verdächtig. Jede Kommunikation ist verdächtig. Natürlich meine ich, es ist einfach alles kaputt gegangen. Es dauert nur eine Weile, bis die Leute es erkennen.

Michael Chui:Was ist das für eine Welt, in der wir uns über all diese Dinge Sorgen machen?

Ethan Mollick: Die umgekehrte Antwort lautet: Es ist die Welt, in der wir uns gerade befinden, und wir müssen die Bedeutung darin rekonstruieren. Aber das ist die eigentliche Herausforderung für jeden Unternehmer, der das hört. Wie sieht diese Welt aus? Welche Arbeit ist zum jetzigen Zeitpunkt sinnvoll und welche nicht? Was sollten Sie natürlich an die KI delegieren?

Die Leute in Ihrer Nähe nutzen heimlich ständig KI. Ich kann gar nicht genug betonen, wie viel geheime KI-Nutzung an Orten stattfindet, an denen man es nicht erwartet. Ständig kommen Leute nach Gesprächen auf mich zu, Leute, die man nicht erwarten würde, Leute, die für das Verfassen von Richtlinien verantwortlich sind, und sie nutzen KI, um Dinge zu erledigen, denn wenn man erst einmal anfängt, sie zu nutzen, fragt man sich: „Warum will ich?“ ein Dokument noch einmal handschriftlich verfassen?“

Es fühlt sich an, als würden Sie von der Textverarbeitung zur Handschrift übergehen. Warum würdest du das tun? Ich kenne viele Leute in Unternehmen, in denen KI verboten ist, die einfach ihre Telefone mitbringen, ihre gesamte Arbeit an der KI erledigen und sie sich dann per E-Mail zusenden, denn warum sollten Sie das nicht tun?

Wir sind bereits auf dieser Welt. Und was passiert, ist, dass Unternehmen sagen: „Lassen Sie es uns in einem Strategiepapier positionieren. Warten wir darauf, dass uns jemand sagt, was wir tun sollen.“ Ihre Mitarbeiter nutzen KI bereits überall. Und übrigens nicht nur Ihre Mitarbeiter.

Auch hier überall auf der Welt verfügbar. Es gibt also eine Milliarde Menschen in Ländern mit vielen Talenten, aber nicht vielen Möglichkeiten, die jetzt in perfektem Englisch schreiben, Code schreiben und Ergebnisse erzielen können. Was machst du dagegen? Ich glaube nicht, dass das Ausmaß dieser Veränderung den meisten Menschen noch nicht wirklich bewusst ist.

Michael Chui: Ich denke, Sie haben erwähnt, dass es eine Analogie zu dem gibt, was wir früher als „Schatten-IT-Ausgaben“ bezeichnet haben: dass Technologie so überzeugend ist, dass Menschen sie auch dann nutzen, wenn sie nicht von der zentralen IT genehmigt wird. Und als ehemaliger CIO finde ich das auf jeden Fall gut. Ich bin sehr neugierig, aber wie Sie sagten, verwenden Sie es im Klassenzimmer. Sagen Sie mir, wie Sie darüber denken. Wie nutzen Sie es im Unterricht?

Ethan Mollick: Ich habe es zur Pflicht gemacht. Ich unterrichte viele Kurse zum Thema Unternehmertum, einige zu Innovationen. Für alle ist KI erforderlich. Ich habe Richtlinien dazu. Sie sollten mir am Ende erzählen, welche Aufforderungen sie verwendet haben, und einen Absatz schreiben, der darüber nachdenkt. Aber es ist mir egal, wie viel von der KI an dieser Stelle geschrieben wird.

Was ich jetzt getan habe, sind drei verschiedene Dinge. Ich habe den Arbeitsumfang der Menschen enorm erweitert. Aus Wharton sind viele gute Start-ups hervorgegangen. Ich unterrichte meinen 801-Kurs, der die Einführung in den MBA-Kurs darstellt – nicht nur ich, sondern auch eine Reihe anderer talentierter Lehrer. Menschen haben im Laufe der Zeit Milliarden von Dollar aus dieser Klasse gesammelt oder sind für Milliarden ausgestiegen.

Es war ein sehr erfolgreicher Kurs bei Wharton. Ich würde gerne alle Ehre dafür beanspruchen, kann es aber nicht. Das sind talentierte Studenten. Aber was haben Sie am Ende eines Semesterkurses getan? Vielleicht haben Sie den Pitch für Ihre Idee. Vielleicht haben Sie eine Umfrage durchgeführt.

Jetzt verlange ich von den Leuten: „Haben Sie funktionierende Software. Es ist mir egal, ob Sie keine Software schreiben können. Sie sollten eine funktionierende Software haben. Ich denke, Sie sollten eine funktionierende Website haben. Ich denke, Sie sollten Bilder haben, und ich denke, Sie sollten gefälschte Marktbewertungen haben. Ich denke, Sie hätten 50 gefälschte Leute und zehn echte Leute interviewen sollen.

Ich kann mir einfach so viel mehr Arbeit in der gleichen Zeit wünschen. Und es ist erstaunlich. Sie haben jetzt fünf weitere Personen in Ihrem Team, zehn weitere Personen in Ihrem Team. So denken Sie darüber. Ich erwarte, dass alle Arbeiten perfekt sind. Ich möchte keine Grammatikfehler mehr. Ich möchte keine Probleme. Warum sollte ich das jemals wieder sehen?

Und dann kann ich dadurch auch als Lehrer mehr tun. Mir ist aufgefallen, dass meine Studenten im Unterricht nicht mehr so ​​oft die Hand hoben. Und ja, ich unterrichte ziemlich gut. Die Leute geben mir Highscores. "Warum?" Ich frage sie. Weil sie der KI lieber später eine Frage stellen und sie auf vier verschiedene Arten erklären, als sich die Mühe zu machen, der gesamten Klasse zu sagen: „Ich verstehe etwas nicht.“

Ich denke, der Wandel ist bereits da. Die Zukunft ist an so vielen Orten bereits da und wir haben sie nur noch nicht erkannt. Und dieses Rückzugsgefecht wird nicht funktionieren.

Michael Chui:Was halten Sie davon, dass Studierende lieber ein System als Ihnen eine Frage stellen?

Ethan Mollick: Es verändert die Art und Weise, wie wir Vorlesungen halten. Erstens sind Vorträge immer dumm. Ich mache sie, aber sie sind immer dumm. Sie waren nie die Art und Weise, wie man arbeiten sollte. Also wird die Schule gut laufen. Wir können mehr darüber reden, aber es gibt Möglichkeiten, die Schule zum Laufen zu bringen.

Die Leute werden es immer noch haben wollen. Darüber mache ich mir zumindest mittelfristig keine Sorgen. Wir werden sehen, was passiert, wenn die AGI-Leute (künstliche allgemeine Intelligenz) Recht haben, dann kümmern wir uns später darum. Aber ich habe das Gefühl, dass mir das zeigt, was wir tun sollten.

Es ist irgendwie seltsam, dass jemand, der verwirrt ist, allen in der Klasse sagen muss: „Hallo, das verwirrt mich“, und ich es ihnen dann auf andere Weise erklären kann. Das ist großartig für mich. Dadurch kann ich Dinge mehrmals erklären. Aber in gewisser Weise ist es eine meiner Schwächen, dass es nicht jeder versteht.

Aber natürlich versteht es nicht jeder. Entweder unterrichte ich auf einem zu hohen Niveau und einige Leute vermissen es, oder wenn ich auf einem zu niedrigen Niveau unterrichte, langweilen sich manche Leute. Warum sollten wir also nicht wollen, dass die Leute die KI fragen: „Erklären Sie es, als wäre ich fünf. Ich habe einen MBA mit einem Bankabschluss. Erklären Sie, wie das funktioniert.“ Warum nicht?

Im Moment sollten wir uns über Fehler Sorgen machen. Wir sollten uns über Fehler Sorgen machen. Wir sollten uns über Halluzinationen Sorgen machen. Aber ich mache auch Fehler. Und meine Schüler verstehen die Dinge, die ich sage, ständig falsch. Ist das schlimmer oder besser? Ich weiß nicht.

Michael Chui: Eines der Dinge, über die ich nachdenke – wie Sie sagten, die Studenten erzeugen jetzt mehr Arbeit – ist, ob wir auch zur Arbeitsdiskussion zurückkehren könnten. Auch wenn Sie die Produktivität steigern könnten, bedeutet das nicht unbedingt, dass Sie die Zahl der Mitarbeiter, die Sie beschäftigen, reduziert haben. Vielleicht lassen Sie sie einfach mehr produzieren, da sie viel produktiver geworden sind.

Ethan Mollick: Aufgrund der uns bisher vorliegenden Daten besteht für mich kein Zweifel daran, dass es für Ihre Analysten zu massiven Produktivitätssteigerungen kommen wird. „Was machst du mit dieser Zeit?“ ist wirklich deine Frage.

Wirst du sie weniger arbeiten lassen und sie gleich bezahlen? Erwarten Sie von ihnen, dass sie mehr arbeiten und gleichzeitig mehr Arbeit leisten? Werden Sie die Art der Arbeit, die sie verrichten, so ändern, dass sie anspruchsvoller und kreativer wird? Werden Sie weniger von ihnen einstellen?

Das ist das Problem. Wenn ich Sie interviewen dürfte, würde ich Sie fragen: „Was werden Sie mit diesem Zeug machen? Was bedeutet das?“ Und ich denke, das ist die Frage.

Michael Chui: Es gibt historische Präzedenzfälle mit anderen Technologien. Ich meine, es gab eine Zeit, in der wir Leute für das Rechnen bezahlten, und dann kam Excel. Wir haben immer noch Leute, die ähnliche Rollen bekleiden, aber auch hier haben sie sich in Bezug auf die Dinge, die sie tun, irgendwie verbessert.

Ethan Mollick: Ich stimme zu, aber wir haben noch nie erlebt, dass eine so breit angelegte Allzwecktechnologie so schnell eingeführt wurde, die sich an Menschen mit dem höchsten Einkommen, der höchsten Bildung und der höchsten Kreativität richtet. Auch wenn ich der Meinung bin, dass jeder Präzedenzfall großartig ist und uns die Freiheit gibt, kreativere und interessantere Arbeit zu leisten, mache ich mir doch Sorgen, wenn viele der kreativen und interessanten Arbeiten auch von KI erledigt werden können.

Ich möchte eine wirklich klare Angabe. Deshalb sage ich den Leuten immer wieder: Benutzt es. Finden Sie heraus, was Ihre einzigartigen Fähigkeiten als Mensch sind, aber stellen Sie auch sicher, dass Sie diese verteidigen können, denn die KI wird besser und nicht schlechter.

Michael Chui: Sprechen Sie darüber, wie es besser wird. Sie haben darüber gesprochen und andere haben festgestellt, wie viel besser jede Generation dieser Technologie wird. So wird beispielsweise gefordert, die Weiterentwicklung dieser Technologie zu stoppen. Es stellt sich die Frage, ob die Technologie sich selbst nutzen kann, um besser zu werden. Was denken Sie über die Entwicklung dieser Technologie im Laufe der Zeit?

Ethan Mollick: Jede Technologieentwicklungskurve ist eine S-Kurve. Es fängt langsam an, steigert sich dann exponentiell und wird dann langsamer, wenn es sein Maximum erreicht. Wir befinden uns im exponentiellen Teil der Kurve. Der steile Teil der S-Kurve Und das Problem an einem steilen Teil einer S-Kurve ist, dass es buchstäblich unvorhersehbar ist, wann dieser nachlässt. Wir können es nicht wirklich sagen.

Moores Gesetz sollte immer wieder scheitern. Wenn man sich übrigens das Mooresche Gesetz anschaut, das das Wachstum von Computerchips vorhersagte – ich habe Gordon Moore zu genau diesem Thema interviewt. Er glaubte, dass ein großer Teil des frühen Stadiums der Kurve von einem sogenannten Blasengedächtnis herrühren würde, das jedoch nicht funktionierte.

Die Kurve verlief tatsächlich etwas langsamer, als er zuerst dachte, aber dann nahm sie Fahrt auf, weil Silizium am Ende besser war, als er dachte. Standardtransistorchips. Wir wissen im Voraus nicht, wie die S-Kurve aussehen wird. Wir wissen nicht, was als Ergebnis dieser Kurve passieren wird.

Wir können drei Szenarien planen. Zum einen kommt es zu einer Pause, zu einer Regulierung. In diesem Fall ist dies die beste KI, die wir jemals verwenden werden. Ich glaube immer noch, dass es die Arbeit völlig stören wird.

Die andere Möglichkeit besteht darin, dass wir uns auf einer regelmäßigen Art von Exponentialkurve befinden. Es wird noch viel besser, aber vielleicht nicht 100-mal besser. Vielleicht zehnmal besser. Dann haben wir da draußen ein wirklich disruptives Tool, das wirklich viel Arbeit ersetzen wird. Was bedeutet das? Was machen wir mit unserer Zeit?

Und dann haben wir die Art von gruseligem Szenario, über das alle reden, aber ich denke, dass wir im Vergleich zu den anderen beiden Szenarien wahrscheinlich zu viel Zeit damit verbringen, nämlich: „Was wäre, wenn das so gut wird, dass es zu einer künstlichen allgemeinen Intelligenz wird, die überlistet?“ uns und wird dann unser wohlwollender Diktator?“ Hoffentlich wohlwollend.

Ich denke, dass viel Zeit in die Planung dieser dritten Eventualität investiert wird, aber die ersten beiden sind wahrscheinlicher. Und ich denke, wir müssen darauf vorbereitet sein. Aber so oder so halte ich es für wahrscheinlich, dass die KI, die Sie heute verwenden, die schlechteste KI ist, die Sie jemals verwenden werden.

Michael Chui:Und Sie sagen, wir verbringen zu viel Zeit damit, uns über Superintelligenz-Szenarien Gedanken zu machen.

Ethan Mollick: Ich denke, wir sollten uns darüber Sorgen machen. Ich denke nur, dass es am Ende die einzige Sorge ist, weil es dem Raum irgendwie die gesamte Luft entzieht. Die Idee, einen außerirdischen Gott zu erschaffen, der sozusagen über uns herrscht – darüber machen sich viele Menschen große Sorgen.

Wir sollten uns darüber Sorgen machen. Darüber und über groß angelegte Abstimmungsprobleme sollten wir uns unbedingt Sorgen machen. Aber wie wir heute besprochen haben, hat sich die Arbeits- und Bildungswelt innerhalb von sechs Monaten dramatisch verändert.

Ich sehe viel weniger Aufwand in die Verarbeitung dessen, was das bedeutet. Eigentlich geht es eher um die Frage: „Wird es Arbeitsplätze geben oder werden Menschen ihren Arbeitsplatz verlieren oder nicht?“ Das ist natürlich wichtig, aber das ist nur ein Teil dessen, was mit Arbeit und Bildung passiert.

Wie finden wir einen Sinn, wenn wir KI-Tools verwenden? Welche Art von Arbeit ist für den Menschen wertvoll? In was sollten die Leute investieren? Was ist in Ordnung, das zu tun? Wie regulieren wir diese Entscheidungen? Das sind viel größere Probleme, denen wir keine Aufmerksamkeit geschenkt haben.

Michael Chui:Haben Sie vorläufige Antworten auf eine dieser Fragen?

Ethan Mollick: Die vorläufige Antwort auf diese Fragen lautet wiederum: Ich denke, dass es hier um Modelle geht. Eines der Dinge, über die Menschen, die diesen Podcast hören, und insbesondere Menschen in Organisationen, nachdenken müssen, ist: „Was möchten Sie modellieren?“

Die Zukunft kann so sein, wie wir es uns wünschen. Wir haben hier eine Agentur. Wollen Sie also, dass dies etwas ist, bei dem wir unsere Mitarbeiter während dieses Übergangs behalten und Wege finden, wie sie noch mehr und bessere Arbeit leisten können, und wir finden heraus, wie wir dies als Wettbewerbsvorteil nutzen, um zu expandieren, anstatt Kosten zu senken? ?

Das liegt in Ihrer Macht, und Sie sollten das tun, denn ich denke, dass dieses Modell das große Modell der Zukunft ist. Es wird viele Unternehmen geben – IBM hat zum Beispiel angekündigt, dass sie nicht mehr so ​​viele Leute einstellen werden, weil KI ihre Arbeit erledigen wird, oder das Beispiel, das ich vorhin gegeben habe. Das ist ein anderes Modell.

Ich denke, wir müssen das Verhalten, das wir sehen möchten, modellieren, indem wir verschiedene KI-Ansätze testen, die besser funktionieren. Ich halte es für völlig plausibel, dass wir uns in einer Welt befinden, in der KI die Produktivität enorm steigert und uns die schlimmsten Aufgaben abnimmt. Es gab immer den Gedanken, dass KI und Roboter die schmutzigsten und gefährlichsten Aufgaben, den Kohlebergbau und das Lkw-Fahren, übernehmen würden.

Und dann war der Gedanke: „Wir werden in diesen Räumen andere Arbeit für die Menschen finden.“ Ich denke, wir müssen in der Büroarbeit genauso denken. Welchen schmutzigen, gefährlichen Job möchten Sie aufgeben? Wie machen wir das? Ich denke, es liegt in unserer Macht, dies äußerst positiv zu gestalten. Wir müssen nur darüber nachdenken, wie das geht.

Michael Chui: Hier spielt also immer noch die menschliche Handlungsfähigkeit eine Rolle. Es bleibt immer noch eine Rolle bei der Entscheidung, wie wir diese unglaublich leistungsstarke Allzwecktechnologie nutzen wollen.

Ethan Mollick: Absolut. Und hier denke ich wiederum, dass die Betonung der Frage „Wird die KI zu einem außerirdischen Gott führen, der uns alle töten wird?“ uns in die Irre führt, weil sie zu dieser seltsamen Entscheidung führt: „Erreichen wir den Tiefpunkt oder?“ Klicken wir auf Weiter?“

Das ist nicht die einzige Entscheidung, vor der wir in Bezug auf KI stehen. Es ist nicht einmal die einzige Wahl bei AGI-Themen. Aber abgesehen davon ist es nicht die Wahl, die wirklich zählt. Die Wahl ist das, worüber jede Führungskraft nachdenkt. Werden sie einen Weg finden und was tun sie, um dies zu erreichen?

Wenn ich mit ihnen darüber spreche, bemerke ich so viel Passivität bei leitenden Angestellten, dass es mir irgendwie Angst macht. Das ist das aktuelle Problem. Das ist das Wichtigste, wofür Sie Zeit aufwenden sollten. Und sie delegieren die Angelegenheit an ein Komitee oder warten darauf, dass eine externe Beratergruppe ihnen sagt, was sie tun sollen. Es liegen keine Antworten vor. Du musst Dinge tun.

Michael Chui:Was macht die aktiv beteiligte Führungskraft zusätzlich dazu, wie Sie sagten, mit der Technologie herumzuspielen, damit sie ein gewisses Gespür dafür entwickelt?

Ethan Mollick: Sie fragen sich: Wie kann ich ein Crash-Programm ausführen, um herauszufinden, wie das bei meiner Arbeit funktioniert? Und das kann im wahrsten Sinne des Wortes etwas so Radikales bedeuten, wie etwa 20 Prozent Ihrer kreativsten Mitarbeiter von ihrer Arbeit abzuziehen und sie eine Woche lang nur generative KI verwenden zu lassen. Sehen Sie, wie viel von ihrer Arbeit sie erledigen. Und geben Sie demjenigen, der die beste Idee hat, einen Millionenpreis. Ich denke, dass man damit in den meisten Organisationen Geld sparen wird.

Aber ich denke, man muss sich auch vorher überlegen, was passiert, wenn sich herausstellt, dass sie 80 Prozent ihrer Arbeit automatisieren können? Was soll ich tun, wenn das passiert? Ich denke, diese Philosophie muss auch damit verknüpft sein.

Fühle ich mich gegenüber meinen Mitarbeitern, mit denen wir zusammenarbeiten, verpflichtet? Die einzige Möglichkeit, sie dazu zu bringen, mir zu zeigen, was sie tun, besteht darin, dass sie es offenlegen und sich dabei sicher fühlen. Andernfalls werden sie die KI weiterhin heimlich gegen Sie einsetzen.

Michael Chui: Um den Kreis zu schließen: Sie sagten, dass Sie Ihre Karriere auf diese Technologie setzen. Was bedeutet das?

Ethan Mollick: Ich habe nicht wirklich an andere Technologien geglaubt – ich bin ein Nerd, der auch ein Technologieskeptiker ist. Ich war im Media Lab am MIT und habe Softwarefirmen und Spielefirmen aufgebaut, und ich dachte immer: „Oh, davon weiß ich nichts.“ War schon immer ein bisschen skeptisch.

Und da bin ich nicht skeptisch. Ich mache mir wirklich Sorgen, dass die Leute das nicht ernst genug nehmen. Ich mache mir auch Sorgen, dass es bei vielen klugen Leuten, die ich kenne, eine Art Reaktanz dagegen zu geben scheint, die das System etwa zehn Minuten lang nutzen und dann sagen: „Äh, ich möchte es nicht nutzen.“ mehr."

Manchmal haben sie einen Grund dafür, wie zum Beispiel: „Es hat mir eine falsche Antwort gegeben, deshalb möchte ich es nie wieder anfassen.“ Manchmal ist es einfach so: „Ich möchte mich jetzt nicht wirklich damit befassen.“ Und ich denke, dass das wirklich gefährlich ist. Deshalb wette ich bis zu einem gewissen Grad meine Karriere darauf, denn ich bin fest angestellt, das ist also eine leichte Wette, also nehmen Sie das von mir nicht zu ernst. Ich habe einen Job, auch wenn ich falsch liege.

Aber ich wette, dass ich es nicht bin. Ich wette, dass das die große Sache ist. Dies ist der Moment, in dem sich die Dinge wirklich verändern werden, dass es im Grunde zu einer Veränderung in der Art und Weise, wie wir arbeiten und wie wir interagieren, auf einer Ebene kommen wird, die so groß ist wie alles, was wir in unserem Leben gesehen haben. Das Internet war eine große Sache, aber es dauerte lange, bis es Wirkung zeigte. Ich denke, das wird viel früher sein.

Michael Chui:Sie glauben, dass die Wirkung dieser Technologien schneller eintreten wird.

Ethan Mollick: Ja, denn das ist es bereits, und wenn Sie sich dessen nicht bewusst sind, suchen Sie nicht ausreichend danach, weil Sie es nicht verwenden. Es gibt nur sehr wenige Leute, die ich kenne, die diese Technologie nutzen – ich meine wiederum die Auswahl, richtig, alles andere. Es gibt sehr wenige Menschen, eigentlich niemanden, den ich kenne, der die Technologie fünf oder zehn Stunden lang genutzt hat und dann gesagt hat: „Eh, das ist doch nicht so interessant. Ich werde sie nicht noch einmal nutzen.“ Das habe ich einfach nicht erlebt.

Ich habe nur Menschen gesehen, die von Skeptikern zu Gläubigen konvertierten. Und dann werden einige der Gläubigen sozusagen zu Sektenmitgliedern, was mich auch beunruhigt, weil ich keiner bin. Aber sprechen Sie mit Wissenschaftlern, die sich intensiv mit GPT-4 beschäftigen, und sie sagen: „Wir haben begonnen.“ Und Sie sagen: „Oh, das ist nicht das, was ich von den Forschern hören möchte.“

Ich bin nicht ganz so, aber ich denke, Skepsis ist nur so berechtigt, dass Sie fünf oder zehn Stunden damit spielen und dann entscheiden, was Sie denken.

Michael Chui: Was bedeutet es dann? Welche Veränderungen werden dadurch schneller hervorgerufen, als wir denken?

Ethan Mollick: Es handelt sich um eine Allzwecktechnologie. Es gibt keine Branche, die davon unberührt bleiben wird, außer vielleicht die Dachbranche, die offenbar am wenigsten betroffen ist. Aber ich habe mit ein paar Leuten aus der Dachdeckerbranche gesprochen und sie sagten: „Oh nein. Das wird auch in der Dachdeckerbranche eine große Sache sein, weil es die Art und Weise verändert, wie wir bestellen und wie wir mit Kunden interagieren.“

Ich würde also sagen, dass der Wettbewerbsvorteil, den Sie derzeit haben, darin besteht, dass Sie dies für Ihre Branche herausfinden können. Sie könnten herausfinden, was es ändert. Es wird die Art und Bedeutung der Arbeit für viele Menschen verändern.

Ich denke, dass der noch tiefgreifendere Teil, mit dem wir uns nicht genug auseinandersetzen, darin besteht, wie wir unsere Arbeit in den letzten 180 Jahren – seit die Erfindung der Eisenbahn und des Telegrafen uns zu großen Organisationsstrukturen gezwungen hat – nicht verändert haben sehr viel. Vielleicht hatten wir die Geburtsstunde von Agile, aber das ist auch ein stark strukturierter Prozess für Software.

Keines dieser Dinge macht in einer KI-Welt viel Sinn. Agile ist eine dumme Methode für eine KI-Welt, weil sich jeder auf ganz bestimmte Weise koordinieren muss, was bei der Arbeit mit Code, in den man irgendwie plötzliche Sprünge machen kann, nicht gut funktioniert.

Auf viele dieser Dinge haben wir keine Antworten, was meiner Meinung nach beängstigend, aber auch super aufregend ist. Und ich denke, was mir Sorgen macht, ist, dass Menschen, die auf Antworten warten, diese ganze Generation der KI überspringen und nicht auf das vorbereitet sein werden, was passieren wird.

Michael Chui: Nachdem dies gesagt ist, möchte ich Ihnen, nachdem ich die Antworten erwähnt habe, zum Abschluss noch eine kurze Runde mit kurzen Fragen und schnellen Antworten geben. Also gut, los geht's. Was finden Sie an der Entwicklung generativer KI am spannendsten?

Ethan Mollick: Die absolute Schließung der Lücke zwischen Kreativität und Ergebnissen. Ich habe viele, viele Ideen und habe früher ganze Organisationen aufgebaut, um diese umzusetzen. Und jetzt frage ich mich nur: „Hey, kann die KI ein Spiel entwickeln, das mir etwas über dieses Thema, Entropie, für Mittelschüler beibringt?“ Ja, das geht, in zwei Sekunden. Das ist großartig. Ich meine, was für ein Werkzeug zur Leistungssteigerung.

Michael Chui:Was macht Ihnen an der Entwicklung generativer KI am meisten Sorgen?

Ethan Mollick: Wir wissen nicht, wo es enden wird. Wir kennen die sozialen Auswirkungen nicht. Und es gibt einige sehr unmittelbare Dinge im Zusammenhang mit gefälschten Nachrichten, gefälschten Informationen und der Verschmutzung der Informationsumgebung, nicht nur in den sozialen Medien, sondern auch innerhalb von Unternehmen, mit denen wir uns meiner Meinung nach wirklich nicht ausreichend auseinandersetzen. Ganz gleich, wie sehr ich versuche, anderen Leuten gegenüber darüber aufzuregen, ich glaube, die Leute merken nicht, was passieren wird, angesichts der riesigen Menge an Inhalten, die auf uns zukommt.

Michael Chui:Was ist der am meisten unterschätzte Anwendungsfall generativer KI?

Ethan Mollick: Als kreativer Partner. Die Leute hören nicht gerne, dass KI kreativ ist, aber das ist es wirklich – sie schöpft alle unsere Kreativitätsaufgaben aus. Aber es ist wirklich gut in kreativen Dingen. Es ist wirklich gut, ein Partner zu sein, der ein Videospiel für Sie erstellt oder eine Dungeons & Dragons-Kampagne für Sie durchführt oder 500 Ideen für Ihr Start-up generiert oder Ihre Ideen aufnimmt und sie interessanter macht oder ihm eingeschränkte Ideen gibt. Überlegen Sie sich zehn Ideen, wie ich meine Zähne besser putzen kann, aber sie gelten nur für Astronauten im Weltraum. Es gibt Ihnen die Menge an Ideen und Kreativität, die ein wirklich wichtiger Schlüssel für Innovation ist.

Michael Chui:Was ist der am meisten überbewertete Anwendungsfall?

Ethan Mollick: Der derzeit am meisten überbewertete Anwendungsfall ist die Idee von Auto-GPT, die Idee, dass wir der KI ihre eigenen Ziele geben können und sie diese Ziele autonom umsetzt. Und die Antwort auf die Wahrheit ist, dass es nicht sehr gut funktioniert. Die KI gerät in eine Schleife, genau wie wenn Sie einen Praktikanten zur autonomen Ausführung schicken würden. Es wird Verwirrung stiften.

Und darüber hinaus: Welchen Wert hat das? Es ist viel besser für Sie, tatsächlich auf dem Laufenden zu sein, ihm einen Befehl zu geben, zu sehen, wie weit er geht, und ihn dann zu korrigieren, als ihn autonom laufen zu lassen. Daher denke ich, dass die Leute zu schnell auf die nächste KI-Sache überspringen. Ihr habt nicht verstanden, wie viel GPT-4 leisten kann. Wir haben fünf Jahre Technologieforschung vor uns, bevor wir bereit sind, mit der nächsten Sache fortzufahren.

Michael Chui:Welche Branche unterschätzt die Auswirkungen generativer KI am meisten?

Ethan Mollick: Ich denke, es ist schwer, es direkt zu wissen. Ich glaube, es ist Beratung, um ehrlich zu sein, weil ich denke, dass Berater sich selbst als etwas ganz Besonderes betrachten und – ich spreche mit ihnen – Dinge tun, die KI nicht tun kann. Aber es liegt genau richtig im Fadenkreuz, wenn es darum geht, mehrere Daten zur Analyse aus dem Internet zusammenzuführen, großartige Analysen zu verfassen, autonome Folien zu erstellen und komplexe Datenarbeit zu erledigen. Das alles macht es. Und ich denke, dass wir mehr darüber nachdenken müssen.

Michael Chui:Welcher Beruf außer dem Berater unterschätzt die Auswirkungen der generativen KI am meisten?

Ethan Mollick: Ich denke, dass sich dies ganz offensichtlich auf Marketingtexte auswirkt. Und ich denke, auch wenn Vermarkter noch vage darüber nachdenken, versuchen viele immer noch, es in eine Schublade zu stecken und davon auszugehen, dass es das, was es kann, nicht kann. Das bedeutet nicht, dass menschliche Vermarkter keine große Rolle spielen, aber ich denke, sie müssen wirklich gründlich darüber nachdenken, was es bedeutet, Marketingtexte und -analysen zu erstellen, wenn ein Tool einen Großteil der einfachen Arbeit erledigt, die Sie verwendet haben machen.

Michael Chui:Was ist Ihre wichtigste Frage, wenn Sie die Leistung eines generativen KI-Systems testen möchten?

Ethan Mollick: Ich habe einige davon und unterschiedliche Grade an Verrücktheit. Ich bitte ihn, eine Sestina über die Elemente zu schreiben, was eine sehr komplexe poetische Form ist. Sehr guter KI-Test.

Ein wirklich guter Test, ob Sie ein fortschrittliches KI-System verwenden, besteht darin, es nach zehn Sätzen zu fragen, die mit dem Wort „Apfel“ enden. Das können nur die fortschrittlichsten Systeme, denn KIs sehen Wörter nicht so wie wir. Alles, was früher als GPT-4 ist, wird das völlig durcheinander bringen. Es ist also mein eigentlicher Test, um herauszufinden, ob ich ein GPT-4-basiertes System, das fortschrittlichste System oder ein älteres System verwende.

Ich finde auch „Zeig mir etwas, das mir Freude macht“ eine nette Antwort. Und man sieht, was dabei kreativ herauskommt.

Michael Chui:Was würden Sie beruflich machen, wenn Sie nicht das tun würden, was Sie heute sind?

Ethan Mollick: Als Professor, der KI studiert, bin ich sehr zufrieden mit meiner Position, aber ich denke, dass Unternehmer die offensichtliche Option ist. Dies ist die goldene Zeit für Sie. Sie haben jetzt einen Stab von zehn Leuten unter sich. Was wirst du damit machen? Sie haben gerade zehn freie Mitarbeiter bekommen. Das fühlt sich wie ein Moment an.

Michael Chui:Was würden Sie jemandem, der heute sein Abitur macht, zum Lernen empfehlen?

Ethan Mollick: Ich denke viel darüber nach. Die einfache, zynische Antwort lautet: Wechseln Sie zu einer regulierten Branche, denn dort dauert die Einführung von KI am längsten. Pharma, Banken, Krankenhäuser, das ist der beste Weg.

Aber die andere Möglichkeit ist, in den Sturm zu gehen. Welcher Bereich wird Ihrer Meinung nach am stärksten davon betroffen sein? Wie werden Sie Teil der neuen Generation, die dies nutzt?

Ich denke, das ist die Millionen-Dollar-Frage, über die ich ständig nachdenke: Wie sieht die Industrie aus? Ich denke, zwei Jahre überschätzen wir den Wandel. Aber fünf, zehn Jahre? Ich glaube, wir unterschätzen es.

Michael Chui:Und welchen Rat würden Sie den Hörern dieses Podcasts geben?

Ethan Mollick: Benutze dieses Ding. Ich denke, der einzige Ausweg ist durch, und ich habe die Theorie, dass man nur dann weiß, ob man wirklich verstanden hat, was diese Sache bedeutet, wenn man drei schlaflose Nächte hat.

Es geht darum, dich zu den drei schlaflosen Nächten zu bringen, den Nächten, in denen du denkst: „Oh mein Gott. Das ist so aufregend. Das ist so erschreckend. Was bedeutet es, ein Mensch zu sein? Was bedeutet das? Ich nicht 'ich verstehe nicht."

Wenn du es nicht erreichst und nicht mitten in der Nacht ängstlich aufstehst, eine Frage versuchst und dann wieder ins Bett gehst, denkst du: „Oh mein Gott. Ich kann nicht glauben, dass es so war.“ das“ oder „Warum hat es das nicht getan?“ – ich glaube, Sie hatten noch nicht Ihren Moment. Ich weiß nicht, ob Sie Ihre drei schlaflosen Nächte schon hinter sich haben, aber ich möchte Sie dazu auffordern. Bis Sie dort ankommen, haben Sie das nicht wirklich verstanden.

Michael Chui:Ethan Mollick, im Namen unserer Zuhörer, vielen Dank, dass Sie uns schlaflose Nächte bereitet haben.

Ethan Mollick:Danke schön.

Ethan Mollickist außerordentlicher Professor an der Wharton School der University of Pennsylvania.Michael Chuiist Partner am McKinsey Global Institute, woJanet Bushist Chefredakteur.

Forward Thinking ist eine Produktion des McKinsey Global Institute. Moderatoren sind Michael Chui und Janet Bush, Produzent ist Vasudha Gupta. Unser Toningenieur ist Collin Warren. Finden Sie uns online unter mckinsey.com/mgi oder @McKinsey_MGI auf Twitter.

Die von Podcast-Gästen geäußerten Meinungen sind ihre eigenen und spiegeln nicht die Ansichten oder Meinungen des McKinsey Global Institute wider. Verweise auf bestimmte Produkte, Dienstleistungen oder Organisationen stellen keine Billigung oder Empfehlung durch MGI dar.