KI ist auf dem besten Weg, Managed Services im Jahr 2024 zu transformieren

Künstliche Intelligenz ist heutzutage in aller Munde, doch viele Managed Service Provider (MSPs) nutzen sie in gewisser Weise schon seit Jahren. Der Hauptunterschied besteht im Aufkommen der generativen KI. Es ist jetzt möglich, Algorithmen für maschinelles Lernen einzusetzen, um nicht nur Ereignisse vorherzusagen, sondern auch Text, Bilder und Code zu generieren.

Im Allgemeinen gibt es drei Arten von KI-Modellen. Ein prädiktives KI-Modell verwendet Algorithmen des maschinellen Lernens, um die Wahrscheinlichkeit bestimmter Ergebnisse auf der Grundlage von Daten aus vergangenen Ereignissen zu bestimmen. Es wird bereits in verschiedenen IT-Betriebsplattformen eingesetzt, um z. B. die Wahrscheinlichkeit zu ermitteln, ob ein Dienst an seine Kapazitätsgrenzen stößt, wenn die verarbeitete Datenmenge weiter ansteigt.

Die zweite Art von KI-Modell erfordert weniger Häufigkeit und verwendet Algorithmen des maschinellen Lernens, um die Ursache für eine komplexe Reihe von Ereignissen zu ermitteln. Das Ziel von Casual KI ist es, Einblicke in die Ursache eines IT-Vorfalls zu erhalten, damit IT-Teams verhindern können, dass er sich wiederholt.

Schließlich gibt es noch die generative KI, bei der Algorithmen des maschinellen Lernens eingesetzt werden, um ein großes Sprachmodell (LLM) zu erstellen, das als Reaktion auf die Eingabeaufforderungen eines Endbenutzers Inhalte generiert. Das Ziel besteht darin, automatisch Text, Bilder und Code basierend auf den Daten zu erstellen, die zum Trainieren des LLM verwendet werden. Diese Arten von Funktionen werden die Einarbeitung neuer IT-Mitarbeiter für MSPs sehr viel einfacher machen, da sie mithilfe der natürlichen Sprache viel schneller lernen können, wie sich verschiedene IT-Umgebungen verhalten. Ebenso wichtig ist, dass ein LLM auch verwendet werden kann, um den Code zu generieren, der zur Behebung einer neu entdeckten Schwachstelle erforderlich ist.

Das bekannteste Beispiel für generative KI ist der ChatGPT-Dienst von OpenAI, aber es wird bald Tausende von LLMs geben, die anhand enger Datensätze trainiert werden, um Inhalte für bestimmte Bereiche zu erstellen. Es wird erwartet, dass LLMs, die mit engen Datensätzen trainiert werden, die einfacher und kostengünstiger zu erstellen sind, auch weniger wahrscheinlich halluzinieren, da die für das Training verwendeten Daten kleiner sind und gründlicher überprüft wurden.

KI-Modelle werden von MSPs zur Optimierung von Prozessen eingesetzt

Keines dieser KI-Modelle ersetzt die Notwendigkeit der anderen. In der Tat werden MSPs diese Modelle schon bald in Kombination miteinander einsetzen, um eine Vielzahl von Prozessen zu optimieren. Die Frage, mit der sich MSPs auseinandersetzen müssen, ist, inwieweit sie eine Plattform nutzen wollen, die diese Modelle in eine von ihnen übernommene Plattform einbettet, oder ob sie sich entscheiden, ein LLM selbst anzupassen oder zu erstellen.

Es gibt bereits eine breite Palette grundlegender LLMs, die MSPs mithilfe ihrer eigenen Daten anpassen können. Kurzfristig werden die meisten MSPs jedoch versuchen, LLMs zu erweitern, indem sie Daten in eine Vektordatenbank laden, die ein LLM dann zusammen mit den Daten analysieren kann, auf die es bereits trainiert wurde. Die Vektordatenbank bietet außerdem eine entscheidende Isolationsschicht, die verhindert, dass proprietäre Daten in Zukunft versehentlich zum Umschulen eines LLM verwendet werden.

Jeder Aspekt der Bereitstellung von Managed IT Services wird sich im Jahr 2024 verändern. Die Herausforderung und die Chance für MSPs besteht darin, zu bestimmen, inwieweit Prozesse automatisiert werden, damit sie auch morgen noch wettbewerbsfähig bleiben können.