Generative KI in Aktion: Kunden nutzen Cortex AI, um Zeit zu sparen und Kundenerfahrungen zu personalisieren

Schon seit Jahren agieren Unternehmen unter der vorherrschenden Vorstellung, dass KI nur den Konzernriesen vorbehalten ist – denjenigen, die die Ressourcen haben, damit sie funktioniert. Doch mit zunehmender Technologieentwicklung wird Unternehmen aller Größen bewusst, dass generative KI (GenAI) nicht nur erstrebenswert ist, es ist jetzt auch zugänglich und anwendbar.

Mit der benutzerfreundlichen, einheitlichen KI- und Datenplattform von Snowflake beseitigen Unternehmen den manuellen Aufwand, Engpässe und fehleranfällige Arbeit, die die Produktivität beeinträchtigen, und sie nutzen generative KI, um neue Erkenntnisse – und Einnahmequellen – zu gewinnen. Aber wie sieht das in der Praxis aus?  

In dieser Blogserie stellen wir einige innovative Lösungen für generative KI vor, die unsere Kunden heute in der Produktion nutzen. Ihre Erfahrungen zeigen, wie Snowflake und Cortex AI GenAI-Ziele in Reichweite bringen und den unternehmerischen Mehrwert steigern. 

Firework entwickelt virtuellen KI-Einkaufsassistenten, der Verbraucher:innen einen persönlichen Bezug bietet

Um das Einkaufserlebnis im Internet menschlicher zu gestalten, hat sich das Video-Commerce-Unternehmen Firework für eine unkonventionelle Quelle entschieden: KI. Das Unternehmen, das bereits zu den führenden Anbietern von „shoppable“ Videos und Livestreams gehört, wollte die personalisierte, persönliche Aufmerksamkeit von Verkaufsmitarbeitenden auf den Bildschirm oder das mobile Gerät von Käufer:innen bringen. 

Der Aufbau eines so ausgefeilten, assistierten Einkaufserlebnisses stellte jedoch viele Herausforderungen dar – die wohl größte das Generieren qualitativ hochwertiger Antworten auf Kundenfragen. „Wir erkannten schnell, dass die Qualität jeder KI-Anwendung stark von hochwertigen Daten in der Wissensdatenbank abhängt“, so Shawn Feng, Senior Engineering Manager bei Firework. Mithilfe von Snowpark und Cortex AI begann Firework mit der Aggregation, Bereinigung und Klassifizierung tausender anonymer Kundengespräche, um Verbraucherinteressen und -probleme zu verstehen. Das wurde zur Basis der Datengrundlage für ihre LLM-Anwendung in Cortex. 

„Die Benutzerfreundlichkeit ist definitiv das, was Cortex und Snowpark von der Konkurrenz abhebt“, so Feng. Nachdem die Verarbeitung der Rohdaten für diese Pipeline von PySpark und Databricks zu Snowpark verlagert wurde, befindet sich der End-to-End-Prozess für den virtuellen Assistenten von Firework vollständig in Snowflake, was die Effizienz erhöht, sowohl in Bezug auf Zeit als auch Geld, und die Arbeit mit ihm vereinfacht.

Das Ergebnis: Firework war in der Lage, den sogenannten AVA (AI Video Assistant) zu entwickeln, einen KI-generierten Avatar, der Verbraucher:innen während ihrer Shopping-Reise zuhört, denkt und mit Verbraucher:innen spricht. AVA kann Fragen zu Rückgabebedingungen beantworten; es kann Tausende von Produktrezensionen in Sekundenschnelle durchgehen und zusammenfassen oder sogar personalisierte Empfehlungen dazu geben, welche Farbe Pullover die Hosen, die Sie letzten Monat gekauft haben, ergänzen könnten.

Harkins Builders spart dank KI-gestützter App über 100 Stunden beim Schreiben von Projektberichten

In der Welt des gewerblichen Bauens gibt es ein wichtiges Dokument, das die Vor- und die aktive Bauphase eines jeden Projekts verbindet, das „Turnover Narrative“ genannt wird. Dieser Bericht soll dem Bauteam alle wichtigen Informationen vermitteln, die es für den Beginn der Arbeiten benötigt – von Projektdetails wie Größe, Ausstattung und Baumaterial bis hin zu Projektumfang und Budgetvoranschlägen. 

Bei Harkins Builders, einem Baumanagement- und Generalunternehmer, der jährlich an etwa 100 Projekten arbeitet, war die Erstellung einer Turnover Narrative eine recht langwierige und zeitaufwendige Aufgabe. Ein Projektschätzer musste alle relevanten Informationen von Snowflake oder seinem Customer Relationship Management System Dynamics 365 zusammentragen und den Bericht dann manuell schreiben. Letztlich dauerte die Erstellung jedes Berichts mindestens eine Stunde – mehr, wenn mehrere Schätzer an einem Projekt arbeiteten und Wissenslücken geschlossen werden mussten. 

Doch da Harkins in Snowflake eine starke, konsolidierte Datengrundlage geschaffen hatte, sah das Analytics-Team eine Möglichkeit, den Prozess der Erstellung von Umsatzerzählungen weitgehend zu automatisieren. Innerhalb von zwei Monaten entwickelte der Data & Software Engineer Ben Pecson eine Anwendung, die die Schätzer von Harkins durch einen Cortex-AI-gestützten Prozess führen konnte, der die Zeit für Turnover Narratives von mehr als einer Stunde auf 5 bis 10 Minuten reduzierte. Die App erstellt anhand von Daten, die bereits in Snowflake vorhanden sind, mehrere Prompts, aus denen der Schätzer auswählen kann (wie buchstäbliche Bausteine), um ein vollständiges Turnover-Dokument zu erstellen. „Dies entfernt die Komplexität und gibt ihnen so einen übersichtlichen Blick“, so Pecson. „Das bedeutet Zeitersparnis und Zeit bei Harkins ist extrem wertvoll.“

Die Akzeptanz von Schätzern und dem Marketingteam, das sich bei seinen Bemühungen auch auf Turnover Narratives stützt, ist laut Pecson überwältigend positiv. Er hofft, dieselbe Architektur und Codebasis auf andere Prozesse bei Harkins anwenden zu können, um das Geschäft noch effizienter zu machen. 

Drata onboardet Kunden innerhalb von Minuten

Angesichts der immensen Bedeutung – und zunehmenden Komplexität – von Datenschutz- und Sicherheitspraktiken vertrauen Unternehmen weltweit immer mehr auf Managementplattformen wie Drata, um ihre Sicherheit zu verbessern, Anbieter kontinuierlich zu überwachen und die Auditbereitschaft sicherzustellen. Als am schnellsten wachsende Plattform in seinem Bereich fügt Drata jedes Quartal Hunderte neue Kundenunternehmen hinzu, was das Unternehmen veranlasst, seinen Onboarding-Prozess bei der Skalierung weiter zu optimieren. 

Durch den Einsatz von Cortex AI entwickelte das Datenplattform-Team eine GenAI-Lösung, die die relevantesten Übereinstimmungen zwischen bestehenden Drata-Kontrollen und den benutzerdefinierten Kontrollen eines Kundenunternehmens empfiehlt, um deren Einrichtung in der Plattform zu optimieren. Dieser neue Prozess reduziert den Handlungsbedarf der Compliance- und Implementierungsmanager von ein paar Wochen auf wenige Minuten. „Sie können sich vorstellen, was das für die Onboarding-Zufriedenheit der Kunden bedeutet, ganz zu schweigen davon, was es für das Unternehmen bedeutet, wie viele Kunden wir onboarden können“, so Lior Solomon, VP of Data bei Drata. 

Die Datenteams von Drata nutzen Cortex auch, um Kundenfeedback zu verarbeiten, einschließlich Stimmungsanalysen der Kundenfeedbacks, die sie über die Chatplattform erhalten. So kann das Team proaktiv Einblicke in die Kundenerfahrung mit dem Produkt gewinnen. „Snowflake hilft bei der Geschwindigkeit der Iteration“, so Solomon. „Dass ich schnell Hypothesen erstellen und Tests durchführen kann, liegt zum Teil daran, dass ich alle Daten zentral an einem Ort habe.“

Eine GenAI-Zukunft für alle

Das sind nur einige Beispiele dafür, wie Unternehmen verschiedenster Branchen ihre GenAI-Apps schon heute in Produktion bringen. Und mit Snowflakes integrierten Funktionen für Sicherheit und Governance war es noch nie so einfach, KI sicher in Ihren Workflow zu integrieren. Ob Document AI oder Cortex Search, Snowflake Copilot oder Cortex Analyst (in Public Preview): Die einheitliche KI- und Datenplattform von Snowflake kann dazu beitragen, GenAI-Anwendungen auf Unternehmensebene zu entwickeln. 

Um herauszufinden, wie andere Unternehmen wie Bayer und Siemens Energy generative KI nutzen, um ihren Umsatz zu steigern, die Produktivität zu steigern und ihren Kund:innen einen besseren Service zu bieten, laden Sie Snowflakes E-Book „Das Geheimnis für den Erfolg mit generativer KI“ herunter.