L’intelligence artificielle rencontre l’ingénierie analytique : la maturité de l’IA pour les processus

Les entreprises de tous les secteurs et spécialités ressentent le besoin de plonger dans le monde de l’intelligence artificielle, et cela inclut l’ingénierie analytique. Les opportunités sont réelles et excitantes, mais les organisations qui souhaitent en tirer le meilleur parti devraient mettre en place leur structure de processus de manière réfléchie et réaliste, en fonction de leur maturité en matière d’IA. Explorons comment.

Niveaux de maturité de l’IA

Lorsque l’on décrit la complexité de l’IA que l’on utilise, les niveaux de maturité de l’IA sont utiles comme cadre simple et éclairant.

Niveau 1 : Intelligence assistée (automatisation) : automatisation de base des tâches et des flux de travail répétitifs. Exemples : chatbots avec réponses fixes, outils de crawl de site Web, outils de recherche interne.

Niveau 2 : Intelligence augmentée (analyse guidée) : vous indiquez à l’IA la méthode/modèle et ce qu’il faut analyser, et elle fait le reste. Exemples : algorithmes de mise aux enchères publicitaires, outils de résumé de contenu.

Niveau 3 : Intelligence autonome (IA auto-apprenante) : l’IA sélectionne les méthodes, trouve des modèles et propose des recommandations. Exemples : voitures autonomes, robots de trading de stocks autonomes en ligne.

Pression pour « être à 3 »

Bien sûr, aujourd’hui, il y a beaucoup de pression pour « être à 3 ». Mais cela dépend largement des ressources, des actifs, des capacités essentielles, des connaissances et des personnes de votre entreprise. La meilleure approche est de commencer là où cela a du sens, même si c’est au niveau 1.

Actuellement, il y a des millions d’articles en ligne qui vous bombardent d’idées pour l’IA. Mais les idées ne rapportent pas d’argent. Selon Adobe, seulement 12% des entreprises ont actuellement des solutions d’IA fonctionnelles qui démontrent un retour sur investissement clair. La plupart de ces solutions sont encore en phase de test, évaluent leur efficacité ou rencontrent des défis pour mettre à l’échelle les initiatives d’IA. De nombreux équipes ont du mal à identifier où l’IA peut être intégrée de manière significative dans leurs flux de travail, et même lorsque les cas d’utilisation sont identifiés, de nombreuses organisations manquent de capacités internes pour développer des outils d’IA personnalisés ou trouver des solutions externes fiables.

Maintenons-nous à des applications réalistes. Il existe de grandes façons de développer une utilisation progressive de l’IA dans des éléments de travail réalistes pour les dirigeants qui sont prêts à évoluer de manière responsable.

Que peut-on automatiser lors de la construction d’analyses pour un produit e-commerce/SaaS

À mon avis, il y a deux processus courants au sein des équipes d’ingénierie analytique qui sont de grands candidats pour développer la maturité de l’IA :

1. IA pour la gestion des connaissances et l’intégration
2. IA pour l’automatisation des audits et de la qualité

1. IA pour la gestion des connaissances et l’intégration

La documentation est un outil clé pour suivre les systèmes complexes. Selon le cadre de processus, la référence de conception de solution (SDR) doit documenter chacune des cinq étapes. Cela pourrait ressembler à ceci :

• Processus #1 : Documenter les résultats attendus.
• Processus #2 : Suivre les histoires de collecte de données clés qui sont régulièrement vérifiées.
• Processus #3 : Noter l’historique des exigences de données des parties prenantes technologiques tierces.
• Processus #4 : Détail de la couche de données à travers toutes les applications et les surfaces.
• Processus #5 : Décrire et détailler l’architecture d’ingénierie avec des diagrammes, des hiérarchies et des exigences.

Maintenant, ajoutons un peu d’IA à cela.

Niveau 1

Au niveau 1, vous pouvez commencer à utiliser des chatbots internes pour la récupération de documents.

De nombreuses entreprises ont maintenant des chatbots internes qui peuvent être formés sur des documentations propriétaires. Si vous n’avez pas de chatbot interne, vous pouvez utiliser le mode incognito ou masquer votre documentation avant de la fournir au bot.

Alimentez votre bot avec vos SDR, manuels de qualité, conventions de dénomination et normes de mise en œuvre.

Après une publication réussie, alimentez votre projet d’IA avec des notes ou des plans de mise en œuvre pour ajouter à la documentation. Ensuite, posez les questions suivantes à l’IA :

• « Quelle est la meilleure méthode pour mettre en œuvre X si je veux utiliser la même logique que Y ? »
• « Quelles données sont nécessaires pour suivre les achats ? »
• « Quels balises manquent sur cette nouvelle page de produit ? »

Le résultat de ce processus est que vous passez moins de temps à parcourir les documents ou à contacter vos collègues, les nouveaux membres de l’équipe peuvent se servir eux-mêmes des réponses et les connaissances tribales deviennent évolutives.

Il y a quelques considérations ici. Cette méthode fonctionne vraiment si vous faites un bon travail de maintenance de votre documentation, et elle ne devient évolutives que si vous formez et exigez que vos équipes utilisent l’outil.

Niveau 2

Si cela fonctionne pour votre département, pensez à passer au niveau supérieur en connectant votre chatbot directement à votre technologie. Vous pouvez automatiser l’automatisation.

Niveau 3

Je suis sûr que le ciel est la limite ici. La direction que je suivrais serait de construire une IA proactive qui signale les incohérences et propose des améliorations. La réalité est que peu d’entreprises atteignent ce niveau, et j’écris cet article pour la majorité d’entre nous, qui sommes encore en train d’apprendre les bases.

2. IA pour l’automatisation des audits et de la qualité

L’audit régulier des méthodes de collecte de données est l’une des meilleures pratiques du cadre de processus. Très souvent, l’auditeur sera soit une équipe de qualité, soit un outil d’audit. Par exemple, ObservePoint est un outil très personnalisable qui vous permet de créer des flux d’audit complexes. Même avec un robot, vous pourriez toujours utiliser un peu plus d’IA, n’est-ce pas ?

Niveau 1

Commençons par automatiser les aspects techniques. La création de parcours dans des outils d’audit robotisés comme ObservePoint est souvent technique et nécessite beaucoup de support. Pour automatiser certaines de ces tâches techniques répétitives, vous pouvez à nouveau demander l’aide d’un chatbot d’IA. Demandez à l’IA les questions suivantes :

« Donnez-moi le sélecteur CSS pour le bouton « Étape suivante » ».

« Écrivez du code personnalisé qui opte automatiquement pour tous les cookies ».

Le résultat de cela devrait être une utilisation plus facile des outils techniques, une résolution plus rapide des problèmes et une moindre dépendance à l’égard du support et des développeurs frontend.

Il y a quelques considérations ici. Si vous n’utilisez pas de robot pour les audits de données, vous pouvez utiliser une équipe de qualité. L’équipe de qualité peut adopter des automatisations pour les étapes courantes. Commencez petit, augmentez une fois prêt ; vos prochaines étapes ne deviennent claires qu’une fois que vous prenez la première étape.

Niveau 2

Pour l’utilisation de l’IA de niveau 2, recherchez l’intégration de votre chatbot avec l’outil directement, tout en évitant les sollicitations manuelles d’un chatbot.

Niveau 3

Enfin, pour l’utilisation de l’IA de niveau 3, le ciel est à nouveau la limite. Découvrez comment vous pouvez rendre vos automatisations plus proactives pour repérer les améliorations et proposer des solutions. N’allez pas dans cette direction que si vous vous sentez à l’aise pour naviguer au niveau 2.

Ce qui ne devrait pas être automatisé (encore)

Considérons la meilleure pratique n° 3 : collaborer avec les parties prenantes technologiques tierces. C’est quelque chose que les humains font encore mieux. Vous pouvez utiliser l’IA pour préparer les appels aux fournisseurs, résumer les contrats ou établir des plans d’intégration. Mais pour l’instant, la construction de relations reste humaine.

Pensées finales

Même si vous n’avez pas de budget pour le développement d’IA personnalisé, vous pouvez commencer avec les outils que vous avez déjà. Un bon processus et un bon chatbot vont loin.

Commencez simplement, avec le niveau 1 ou 2, et laissez votre équipe se familiariser. Une fois que vous voyez où l’IA économise du temps et améliore la cohérence, vous saurez où investir dans des outils plus avancés. La partie la plus difficile de l’adoption de l’IA est souvent de déterminer où vous en avez besoin en premier lieu. Une fois que vous avez établi cette base, essayez de passer à l’étape suivante avec votre équipe et voyez à quel point l’ingénierie analytique alimentée par l’IA peut être plus fluide.

Vous souhaitez en savoir plus sur l’IA dans l’ingénierie analytique, et plus spécifiquement, les meilleures pratiques pour la collecte de données propres ? Consultez mon article sur la création d’un cadre de données propres pour le commerce électronique.