# rafal-wenvision-ia-generative-produit-techno-pas-projet-2024-02-23

## Veille

Debattenbeitrag von **Olivier Rafal** (Consulting Director Strategy bei **WeNvision**), veröffentlicht am **23. Februar 2024** auf **CIO-Online** (Rubrik *Tribune*), der eine damals noch kontraintuitive These vertritt: **generative KI ist eher eine Frage des Technologieprodukts als ein KI-/Data-Science-Projekt**. **Argument 1 — Data Science ist nicht der Kern des Problems**: Der Aufbau eines *Foundation Model* von Grund auf erfordert *„mehrere Monate, Millionen von Euro und Zugang zu enormen Datenmengen“* — vorbehalten Akteuren mit spezifischen, monetarisierbaren Datensätzen (z. B. **Bloomberg** mit **BloombergGPT** für den Finanzbereich). Für nahezu alle Unternehmen ist es daher nicht der richtige Reflex, Data Scientists einzustellen. **Argument 2 — Kompetenz-Mismatch**: Hauptsächlich benötigt werden **Entwicklungs- und Integrationsingenieure** (Backend/Frontend), **solide Cloud-Kenntnisse** und **DevOps**. Kundenzitat: *„Man muss nicht unbedingt Data Scientist sein, aber man muss die Grundkonzepte verstehen, Backend-Entwicklungskenntnisse und solide Cloud-Kenntnisse mitbringen.“* **Argument 3 — Plattformarchitektur (Orchestratoren + APIs)**: Der Aufbau einer unternehmensinternen **plateforme d'IA générative** über Orchestratoren und APIs macht es *„möglich, 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“* (Anti-Vendor-Lock-in). **Argument 4 — vom Projekt zum Produkt**: *„Die Plattform […] muss als eigenständiges Produkt betrachtet werden“*; statt einer einmaligen Investition ist ein **monatlicher Finanzierungsstrom** einzuplanen (kontinuierliche Iteration, fortlaufende Innovation). **Argument 5 — Governance & Shadow AI**: Die beispiellose Demokratisierung generativer KI erzeugt *„ebenso viel Shadow AI wie starke Erwartungen an die CIO-Organisation“* → Governance, um Business-Bedarfe zu erfassen, **Produkte nach Wert zu priorisieren** und den ordnungsgemäßen Betrieb zu überwachen. Angekündigter **Paradigmenwechsel**: *„der Wandel führt von der klassischen algorithmischen Programmierung zu agents Langchain, die einen Teil der Entscheidungen übernehmen“*. **Relevanz für die Veille**: ein **Gründungstext (2 Jahre vorausschauend)** der WeNvision-Doktrin (Produkt > Projekt, Plattform/API, flussbasierte Finanzierung, Governance, Shadow AI), später erweitert durch [[wenvision-ai-agents-enterprise-deployment-2025-10-01]], [[habert-ia-agentique-production-2025-10-29]], und rafal-wenvision-tokenomics-foundation-finops-ia-2026-06-04 (FinOps/Token, flussbasierte Finanzierung → finanzielle Governance). Er nimmt zudem den *Harness/die Plattform rund um das Modell* vorweg (Dropbox/Okumura: *systems around the model*) sowie die durch eine Orchestrierungsschicht erreichte **Modellunabhängigkeit**.

## Titre Article

L'IA générative est plus une affaire de produit technologique qu'un projet d'IA

## Date

2024-02-23

## URL

https://www.cio-online.com/actualites/lire-l-ia-generative-est-plus-une-affaire-de-produit-technologique-qu-un-projet-d-ia-15485.html

## Keywords

generative KI, Technologieprodukt, Produkt vs. Projekt, Data Science, Foundation Model, Basismodell, Millionen von Euro, Bloomberg, BloombergGPT, Data Scientist, Integrationsingenieure, Backend-Entwicklung, Cloud-Kenntnisse, DevOps, plateforme IA générative, Orchestratoren, API, Modellunabhängigkeit, Vendor-Lock-in, LLM-Wechsel ohne Anwendungsüberarbeitung, Produktmanagement, flussbasierte Finanzierung, monatlicher Strom, kontinuierliche Iteration, Governance, wertbasierte Priorisierung, Shadow AI, Erwartungen an die CIO-Organisation, Demokratisierung, algorithmische Programmierung, agents Langchain, Paradigmenwechsel, Olivier Rafal, WeNvision, CIO-Online, CIO-Organisation

## Authors

**Olivier Rafal**, *Consulting Director Strategy* chez **WeNvision** (cabinet de conseil FR). Tribune publiée dans la rubrique *Tribune* de **CIO-Online**. Auteur déjà présent dans la veille (cf. fiches WeNvision/Atlas/Tokenomics). Publié le **23 février 2024**.

## Ton

**Profil**: Debattenbeitrag eines Experten-Beraters (CIO *Thought Leadership*), gerichtet an **CIOs und IT-Entscheider**, **lehrreich-präskriptives** Register, moderates technisches Niveau (Architektur- und Produktmanagementbegriffe für Führungskräfte zugänglich). Insiderperspektive mit Vertrautheit in Kundenprojekten (zitiert ein Kundenzeugnis).

**Stil**: Trichterförmige Argumentation — dekonstruiert zunächst eine gängige Vorstellung („man braucht Data Scientists“), rekonstruiert dann den richtigen Ansatz (Integrationskompetenzen + Plattform + Produkt + Governance). Stützt sich auf **konkrete Beispiele** (Bloomberg/BloombergGPT), ein **Kundenzitat** und operative Begriffe (Orchestratoren, APIs, Finanzierungsstrom). Maßvoller Ton, kein Hype, ausgerichtet auf die **reale Umsetzung** auf CIO-Seite. Ein früher Text (Feb. 2024), der Thesen vorwegnimmt, die inzwischen mehrheitsfähig geworden sind.

**Zentrale Aphorismen**:
- ***„L'IA générative est plus une affaire de produit technologique qu'un projet d'IA.“*** (titelgebende These).
- *„Der Aufbau eines Foundation Model von Grund auf erfordert mehrere Monate, Millionen von Euro und Zugang zu enormen Datenmengen.“*
- *„Die Plattform […] muss als eigenständiges Produkt betrachtet werden.“*
- *„Mit den besten am Markt verfügbaren LLMs arbeiten und […] zwischen ihnen wechseln […] ohne die Anwendungen überarbeiten zu müssen.“*
- *„Der Wandel führt von der klassischen algorithmischen Programmierung zu agents Langchain, die einen Teil der Entscheidungen übernehmen.“*

**Wirksame Metaphern / Denkrahmen**:
- ***Produkt, nicht Projekt*** — Ablehnung des Modells „Projekt mit definiertem Ende + einmalige Investition“ zugunsten eines in **Fluss** finanzierten und kontinuierlich iterierten Produkts.
- ***Plattform als Abstraktionsschicht*** — Orchestratoren + APIs = Unabhängigkeit von Modellen (Anti-Lock-in).
- ***Kompetenz-Mismatch*** — vom Data Scientist hin zum Integrations-/Cloud-/DevOps-Ingenieur.
- ***Shadow AI vs. Governance*** — Demokratisierung erzeugt Erwartungen und Risiken, die die CIO-Organisation durch Governance und wertbasierte Priorisierung kanalisieren muss.

**Epistemische Position**: ein argumentierender Meinungsbeitrag (beratend), gestützt auf Felderfahrung und ein emblematisches Beispiel (Bloomberg). Keine proprietären quantitativen Daten; der Wert liegt in einem früh formulierten **Entscheidungsrahmen für CIOs**. Am besten als **datierter doktrinärer Meilenstein** (Feb. 2024) zu lesen, nicht als Studie.

**Autorität**: (a) Position als **Consulting Director Strategy** (WeNvision); (b) **zeitlicher Vorsprung** des Arguments (These Produkt > Projekt bereits 2024 formuliert); (c) **konkrete Verankerung** (Bloomberg, Kundenzitat); aber (d) Debattenbeitragsformat ohne proprietäre Kennzahlen.

## Pense-betes

- **Datum / Quelle**: **23. Februar 2024**, **CIO-Online** (Tribune). Autor: **Olivier Rafal**, Consulting Director Strategy **WeNvision**. **Gründungstext** (≈2 Jahre vor den agentischen WeNvision-Fiches).
- **These**: ***„L'IA générative est plus une affaire de produit technologique qu'un projet d'IA“*** → nicht als Data-Science-Projekt behandeln. ### Die 5 Botschaften 1. **Keine generelle Notwendigkeit von Data Scientists**: Ein *Foundation Model* kostet *„mehrere Monate, Millionen von Euro“* + massive Daten → vorbehalten Akteuren mit spezifischen Datensätzen (**Bloomberg → BloombergGPT**). 2. **Schlüsselkompetenzen**: **Entwicklungs-/Integrationsingenieure** (Backend/Frontend), **starke Cloud-Kenntnisse**, **DevOps**. Kundenzitat: *„muss nicht unbedingt Data Scientist sein […] solide Cloud-Kenntnisse.“* 3. **Plattform = Orchestratoren + APIs**: *„[LLMs] wechseln […] ohne die Anwendungen überarbeiten zu müssen“* (Modellunabhängigkeit, Anti-Lock-in). 4. **Produkt > Projekt**: *„[die Plattform] selbst als Produkt betrachten“* + **monatliche flussbasierte Finanzierung** (vs. einmalige Investition). 5. **Governance & Shadow AI**: beispiellose Demokratisierung → *„Shadow AI“* + *„starke Erwartungen an die CIO-Organisation“*; Bedarfe erfassen, **nach Wert priorisieren**. ### Zeitzeichen
- **Paradigmenwechsel** bereits angekündigt: *„von der klassischen algorithmischen Programmierung zu agents Langchain, die einen Teil der Entscheidungen übernehmen“* (Feb. 2024). ### Für Einsätze / Präsentationen nutzbar
- **Meilenstein der WeNvision-Doktrin**: legt bereits 2024 *Produkt > Projekt*, *Plattform/API*, *flussbasierte Finanzierung*, *Governance*, *Shadow AI* dar — ein roter Faden bis zur **finanziellen Governance / FinOps-Token** des Tokenomics-Foundation-Debattenbeitrags (Juni 2026).
- Auf CIO-Seite wiederverwendbares Argument: **Modellunabhängigkeit** über eine Orchestrierungsschicht (nimmt *systems around the model* vorweg).
- **Flussbasierte Finanzierung** (2024) → antizipiert konzeptionell die Logik von **FinOps / wiederkehrenden Kosten pro Token** (2026).

## RésuméDe400mots

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.

## GrapheDeConnaissance

- Olivier Rafal —publie→ L'IA générative est plus une affaire de produit technologique qu'un projet d'IA (DOCUMENT, 0.97)
- Olivier Rafal —travaille_chez→ WeNvision (ORGANISATION, 0.95)
- CIO-Online —publie→ L'IA générative est plus une affaire de produit technologique qu'un projet d'IA (DOCUMENT, 0.95)
- Olivier Rafal —affirme_que→ l'IA générative est un produit technologique plus qu'un projet d'IA (AFFIRMATION, 0.96)
- Olivier Rafal —affirme_que→ créer un foundation model demande plusieurs mois et des millions d'euros (AFFIRMATION, 0.93)
- Bloomberg —a_créé→ BloombergGPT (TECHNOLOGIE, 0.95)
- Olivier Rafal —recommande→ ingénieurs d'intégration et compétences cloud plutôt que data scientists (CONCEPT, 0.9)
- plateforme d'IA générative —est_basé_sur→ orchestrateurs et API (TECHNOLOGIE, 0.92)
- orchestrateurs et API —permet→ de changer de LLM sans retoucher les applications (CONCEPT, 0.92)
- Olivier Rafal —recommande→ considérer la plateforme GenAI elle-même comme un produit (AFFIRMATION, 0.94)
- Olivier Rafal —recommande→ financement en flux (CONCEPT, 0.9)
- démocratisation de la GenAI —permet→ shadow AI (CONCEPT, 0.9)
- gouvernance GenAI —utilise→ priorisation des produits par la valeur créée (CONCEPT, 0.88)
- agents Langchain —remplace→ programmation algorithmique classique (METHODOLOGIE, 0.88)

---
Canonical: https://www.thekb.eu/de/fiches/rafal-wenvision-ia-generative-produit-techno-pas-projet-2024-02-23/