L’IA rencontre l’ingénierie d’analyse : maturité de l’IA pour les processus

Les entreprises de tous les secteurs et spécialités ressentent le besoin de plonger tête première dans le monde de l’IA, et cela inclut l’ingénierie d’analyse. Les opportunités sont réelles et elles sont excitantes, mais les organisations qui souhaitent tirer le meilleur parti de celles-ci devraient mettre en œuvre leur structure de processus de manière réfléchie et réaliste, en fonction de leur maturité de l’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 un 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, crawlers de sites Web, outils de recherche internes.

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 enchères publicitaires, résumés de contenu.

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

Pression pour « être à 3 »

Bien sûr, aujourd’hui, il y a une grande pression pour « être à 3 ». Mais cela dépend largement des ressources, des actifs, des capacités principales, 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 font face à 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 lorsqu’un cas d’utilisation est identifié, de nombreuses organisations manquent de capacités internes pour construire des outils d’IA personnalisés ou trouver des solutions externes fiables.

Restons-en 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 augmenter de manière responsable.
Qu’est-ce qui peut être automatisé lorsque vous construisez des analyses pour un produit ecommerce/SaaS

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

1. IA pour la gestion des connaissances et l’intégration
2. IA pour l’automatisation de l’audit et de la vérification 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 peut 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 : Détaillez la couche de données sur 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 la documentation propriétaire. 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 vérification de la 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 solliciter 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 réserves ici. Cette méthode fonctionne vraiment si vous faites un bon travail de mise à jour de votre documentation, et elle ne devient scalable que si vous formez et exigez que vos employés 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 de l’audit et de la vérification de la qualité

L’audit régulier de vos méthodes de collecte de données est l’une des meilleures pratiques pour le cadre de processus. Très souvent, l’auditeur sera soit une équipe de vérification de la qualité, soit un outil d’audit peut être utilisé. Par exemple, ObservePoint est un outil très personnalisable qui vous permet de construire des flux d’audit très 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 construction de parcours dans les outils d’audit de robot comme ObservePoint est souvent technique. Et nécessite beaucoup de support. Pour automatiser certaines de ces tâches techniques répétitives, tout en construisant des parcours d’audit, vous pouvez à nouveau demander l’aide d’un chatbot d’IA. Posez les questions suivantes à l’IA :

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

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

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

Il y a quelques réserves ici. Si vous n’utilisez pas de robot pour les audits de données, vous pouvez utiliser une équipe de vérification de la qualité. L’équipe de vérification de la qualité peut examiner l’adoption d’automatisations pour les étapes courantes. Commencez petit, augmentez une fois prêt ; vos prochaines étapes ne deviennent claires qu’une fois que vous avez fait le premier pas.

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 recommander des solutions. N’allez pas dans cette direction que si vous vous sentez à l’aise pour naviguer dans le niveau 2.

Ce qui ne doit 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 de 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 d’analyse alimentée par l’IA peut être plus fluide.

Voulez-vous en savoir plus sur l’IA dans l’ingénierie d’analyse, 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.