LLM ist nicht gleich Image generation, aber es gibt parallelen
Eben. Ich mag ja immer noch diese Foto aus einer Werbung für einen Kurs für Physiotherapeuten:
Es zeigt sehr gut die Unzulänglichkeiten der KI bzw. dessen was heute so bezeichnet wird. Es muss eben immer geprüft werden, was bei Bildern noch einfach sein mag, da kann KI sicher auch Geld sparen, denn sonst bräuchte man zwei Modelle, einen Fotographen, das Setting, etc., was auch nicht billig ist.
Aber auch die Kosten für die Nutzung von KI werden von den Anbietern zunehmend an die Kunden weitergereicht. Erst war es umsonst, dann gab es monatliche Abos zu minimalen Preisen die die Kosten nicht ansatzweise gedeckt haben und nun wird zunehmend nach Token abgerechnet und dann können die Kosten für die KI schnell das Gehalt des Mitarbeiters übertreffen, der damit arbeitet. Da müsste der Produktivitätsgewinn gewaltig sein, damit sich das rechnet, aber die große Mehrheit der Unternehmen sieht diese Produktivitätsgewinn nicht. Halluzinationen sind eben normal und selbst OpenAI hat mal zugegeben, dass man diese wohl nie verhindern kann.
Daher muss alles was KI ausgibt, immer von Hand geprüft werden und dann ist es schnell fraglich, wie viel Produktivitätsgewinn KI wirklich noch bringen kann. Als Softwareentwickler schreibe ich im Zweifel lieber eigenen Code als vorhandenen Code debuggen zu müssen, auch weil es oft schneller geht. Man muss also genau hinsehen, wo sich der Einsatz von KI lohnt und wo nicht, gerade wenn die Nutzer auch für die tatsächlichen Kosten aufkommen müssen, was noch immer nicht der Fall ist, denn die Kosten für das Training werden meist immer noch ausgenommen und allenfalls nur die Kosten für Inferenz angesetzt. Die Anbieter bevorzugen eben immer noch Marktanteile zu gewinnen, statt (echte) Gewinne zu machen. Echte Gewinne und nicht irgendwelche non-GAAP Fantasie Zahlen, bei denen man einfach ganze Kostenblöcke unterschlägt um am Ende besser auszusehen als man wirklich dasteht.
