Ashley Moser, cofondatrice et directrice commerciale de MelodyArc – Série d’interviews

Ashley Moser, cofondatrice et directrice commerciale de MelodyArc, dirige la stratégie commerciale de l’entreprise, travaillant avec les clients pour traduire des objectifs opérationnels ambitieux en résultats mesurables. Elle possède une expérience couvrant les opérations, la stratégie produit, la logistique, les ventes et les services financiers, incluant des postes de direction chez Wonder et Jetblack de Walmart, où elle a travaillé sur la chaîne d’approvisionnement, l’amélioration continue, la stratégie et la logistique. Au début de sa carrière, elle a été directrice des ventes chez Stella Connect, plus tard acquise par Medallia, a collaboré avec la plateforme de vente au détail mobile NewStore, et a passé plus de quatre ans chez J.P. Morgan dans la vente d’actions institutionnelles.

MelodyArc est une plateforme d’orchestration d’IA d’entreprise conçue pour aider les équipes opérationnelles à coordonner données, règles métier, systèmes d’IA et prise de décision humaine au sein d’un environnement unique et gouverné. La plateforme repose sur l’exécution de processus opérationnels complexes de bout en bout, permettant aux équipes de définir des flux de travail, d’appliquer une logique métier, de déployer des opérateurs d’IA ou d’autres agents, et d’escalader les cas vers les personnes lorsque davantage de jugement est requis. Son Point Engine évalue les chemins potentiels pour résoudre chaque cas tout en respectant les règles organisationnelles et en enregistrant chaque étape, offrant aux entreprises une meilleure visibilité et un meilleur contrôle sur les flux de travail alimentés par l’IA dans des domaines tels que le service client, le merchandising, la messagerie sur le site, la chaîne d’approvisionnement et l’assortiment.

Vous avez eu une carrière diversifiée couvrant la finance chez J.P. Morgan, le SaaS d’entreprise chez Medallia et des rôles opérationnels au sein de Jetblack de Walmart. Quelle idée ou frustration précise vous a poussée à co‑fonder MelodyArc, et comment ces expériences ont‑elles façonné la vision centrale de l’entreprise ? 

Nous avons créé l’entreprise parce que mon cofondateur, James McHenry, et moi avions tous deux été opérateurs et technologues auparavant. Nous avions constaté de première main, et à de nombreuses reprises, aidé à construire d’excellentes technologies pour les équipes opérationnelles. Mais nous nous sommes constamment heurtés au même problème : des solutions ponctuelles qui soit ne couvraient qu’une petite partie de ce que les opérations font réellement, soit ne correspondaient pas à la façon dont le travail se déroule sur le terrain.

Dans cette optique, nous nous sommes donné pour mission de créer une plateforme capable d’apporter de nouvelles technologies aux équipes opérationnelles de première ligne d’une manière réellement exploitable. Aujourd’hui, cela se traduit par une orchestration humain‑dans‑la‑boucle.

MelodyArc place l’IA directement entre les mains des opérateurs de première ligne. En quoi cette approche diffère‑t‑elle des déploiements traditionnels d’IA d’entreprise descendante, et pourquoi ce changement intervient‑il maintenant ? 

Avec MelodyArc, une fois la plateforme en place, nous donnons aux équipes la capacité de créer de nouveaux flux de travail, idées et processus humains dans la boucle directement entre leurs mains, avec peu ou pas d’impact sur la feuille de route globale. Cela signifie que les équipes peuvent améliorer leurs propres processus en utilisant l’IA sans devoir remonter et redescendre la chaîne de commandement à chaque fois. C’est une manière fondamentalement différente de déployer cette technologie.

Cela est particulièrement évident dans nos plus grands déploiements d’entreprise. Chez un client, nous avons commencé avec un seul cas d’usage au sein d’une équipe. Aujourd’hui, nous sommes opérationnels avec plus de cinq cas d’usage répartis sur plusieurs équipes.

Nous avons également observé des équipes créer un processus assisté par l’IA en une seule journée, ce qu’elles avaient auparavant relégué au second plan parce que cela ne dépassait jamais le seuil de ROI d’une construction nécessitant beaucoup d’ingénierie.

De nombreuses organisations investissent massivement dans l’IA mais peinent encore à la mettre en œuvre. Quels sont les écarts les plus fréquents que vous observez entre la stratégie IA et son exécution concrète ?

Deux points majeurs se démarquent. Premièrement, lorsque les entreprises examinent un processus auquel elles souhaitent appliquer l’IA, elles adoptent souvent une approche tout ou rien. Elles automatisent tout le processus ciblé ou ne le touchent pas du tout. Nous encourageons les entreprises à plutôt analyser la composition d’un processus et à identifier où l’automatisation convient, où l’IA convient, et où les personnes doivent encore intervenir, pas nécessairement dans cet ordre. Cette approche ouvre beaucoup plus de processus comme candidats à l’IA, et elle débloque également davantage d’automatisation en aval, parce que vous avez été délibéré quant aux moments où les personnes sont intégrées.

Deuxièmement, d’un point de vue stratégique, les entreprises disposent souvent de centaines de cas d’usage éligibles parmi lesquels choisir. L’essentiel est de les évaluer en fonction de l’impact commercial réel, des coûts, des heures et des indicateurs concrets, plutôt que de poursuivre ce qui est le plus tape‑à‑l’œil ou le plus facile. S’attaquer d’abord aux zones les plus importantes et à fort impact, même si elles sont plus difficiles, est ce qui génère le plus de valeur pour les entreprises. Cela montre également un effet de levier positif que les projets d’IA peuvent créer au sein des organisations.

MelodyArc combine l’IA avec les flux de travail humains plutôt que de les remplacer. Comment déterminez‑vous le bon équilibre entre automatisation et prise de décision humaine dans les environnements d’entreprise ?

MelodyArc aide les entreprises à atteindre leurs objectifs d’automatisation en trouvant le bon équilibre entre IA et prise de décision humaine en boucle. Lorsque MelodyArc lance le processus d’implémentation, l’objectif final d’une organisation peut être que l’automatisation réalise 90 % du travail, les 10 % restants reposant sur l’expertise des membres de l’équipe. Mais plutôt que de privilégier uniquement la rapidité, MelodyArc intègre la participation humaine dès le départ. Par exemple, en commençant par une répartition 50‑50 entre automatisation et contribution des membres de l’équipe, puis en automatisant progressivement davantage le processus. Cette approche permet de mettre en production des flux de travail à l’échelle de l’entreprise plus rapidement, car nous ne cherchons pas à perfectionner le flux avant d’intégrer l’IA.

Un autre atout de cette approche est que, dès que nous passons en production, nous collectons des données de processus qui nous indiquent exactement quelles parties du processus automatiser ensuite. Cela permet à MelodyArc d’avancer plus rapidement vers les objectifs d’automatisation et de manière continue. En pratique, cela signifie souvent qu’une entreprise voit l’automatisation s’améliorer en continu, sans devoir interrompre le flux de travail pour des correctifs ou des ajustements.

Avec votre expérience en expérience client et en opérations, comment pensez‑vous que l’IA redéfinit ce à quoi ressemble un « excellent service » dans un environnement où les réponses peuvent être générées instantanément ?

Je crois que « instantané » deviendra une norme et sera essentiellement banalisé. Un excellent service n’a jamais consisté à fournir rapidement une réponse au client, mais à lui donner la bonne réponse avec le moins d’effort possible. L’IA nous offre de nouvelles façons de réduire cet effort, que ce soit en exécutant des actions au nom des clients, en suggérant les prochaines étapes ou en remplissant automatiquement des champs – tout ce qui rend l’expérience plus fluide et plus agréable. Fournir une réponse instantanément ne vaut rien si elle n’est pas réellement pertinente, et je soutiendrais que courir après la vitesse seule conduit les entreprises à optimiser la mauvaise chose.

L’IA d’entreprise échoue souvent à la dernière étape, où l’adoption et l’utilisabilité deviennent critiques. Quels principes de conception ont été essentiels pour garantir que MelodyArc soit réellement utilisé par les équipes de première ligne ?

Nous partons du principe qu’il existe beaucoup de connaissances tacites au sein de nos équipes, et nous sommes très clairs sur ce que nous pouvons automatiser et ce que nous ne pouvons pas automatiser. Être transparent sur cette distinction rend l’expérience beaucoup plus intuitive. Ce n’est pas une boîte noire où les équipes ignorent ce qui se passe ou pourquoi.

L’utilisabilité repose sur l’idée que la technologie travaille avec les équipes de première ligne, plutôt que de devenir quelque chose qu’elles doivent contourner. Cela renvoie à la raison pour laquelle nous avons créé l’entreprise : trop de solutions ponctuelles ne couvraient qu’une petite partie des opérations, ou ne correspondaient pas à la façon dont le travail se déroulait réellement sur le terrain. Nous avons constaté que c’est une des principales raisons pour lesquelles de nombreux outils d’IA d’entreprise restent inutilisés plusieurs mois après leur lancement.

À mesure que les agents IA deviennent plus autonomes, quels défis de gouvernance et de contrôle les entreprises doivent‑elles anticiper avant de déployer ces systèmes à grande échelle ?

L’observabilité dans tout environnement d’entreprise est essentielle, notamment la capacité de voir quelles décisions ont été prises et pourquoi. Pour les processus que les entreprises pourraient automatiser mais ne se sentent pas à l’aise d’automatiser complètement, je recommande de garder un humain dans la boucle. Il est crucial non seulement de maintenir une supervision, mais aussi de tester les nouveaux systèmes afin de comprendre au mieux leur fonctionnement et leurs impacts, tant positifs que négatifs.

D’un point de vue commercial, comment la vente d’IA aux entreprises a‑t‑elle évolué ces dernières années alors que les acheteurs deviennent plus informés mais aussi plus prudents ?

Tout le monde est devenu beaucoup plus intelligent, tant les acheteurs que les fournisseurs. Nous en sommes à environ quatre ans d’un cycle qui s’étend réellement sur plusieurs décennies, donc nous apprenons tous encore. À mesure que l’IA devient plus performante et plus accessible, nous itérons rapidement sur ce que nous pouvons offrir aux clients, tandis qu’ils apprennent ce qu’ils peuvent faire au sein de leurs propres organisations, ce qui est réellement passionnant car il y a beaucoup d’échanges de valeur.

Les organisations se concentrent davantage que jamais sur la sécurité de l’information, sur la préservation de ce qui les rend uniques, et sur l’efficacité réelle que l’IA apporte. Elles abordent les projets de façon plus rationnelle également, prêtes à adopter l’automatisation de façon incrémentale plutôt qu’en se lançant à plein régime d’un coup. Le calcul interne « build versus buy » reste très vivant, et nous constatons de plus en plus d’approches hybrides telles que « build and buy », ou « build via buying », plutôt que l’une ou l’autre.

Vous avez travaillé à la fois dans des startups à forte croissance et dans de grandes organisations comme Walmart. En quoi la construction d’une IA pour les opérations d’entreprise diffère‑t‑elle selon la taille de l’entreprise et la complexité organisationnelle ?

Il y a vraiment deux dimensions ici : l’étendue de l’organisation et la profondeur historique de sa pile technologique et de ses processus.

Dans les startups à forte croissance, vous n’avez pas autant de personnes ni autant de complexité organisationnelle, et vous ne devez pas composer avec des systèmes construits il y a 20 ans ou des équipes qui font la même chose depuis une décennie. Plus l’organisation est grande et établie, plus il faut repenser les méthodes de travail depuis le départ. Cela implique de décider comment vous voulez fonctionner à l’avenir, puis d’avancer progressivement de manière adaptée à l’organisation. Parfois, cela signifie également mener des expériences indépendantes en périphérie, quelque peu séparées ou parallèles aux processus existants.

En regardant vers l’avenir, comment voyez‑vous le rôle des travailleurs de première ligne évoluer à mesure que l’IA s’intègre aux flux de travail quotidiens ? Nous nous dirigeons‑vers l’augmentation, l’orchestration, ou quelque chose de totalement nouveau ? 

Pour les flux de travail quotidiens, une couche d’orchestration est essentielle. Faire en sorte que toutes vos personnes et vos technologies fonctionnent ensemble de manière native est la direction que nous prenons. Mais la mise en œuvre de ce type de technologie peut être complexe, car il ne s’agit pas d’un simple silo où les organisations peuvent automatiser une étape puis la transmettre à un collaborateur. C’est une combinaison d’IA, d’automatisation et d’un collaborateur travaillant en tandem.

Il existe de nombreuses opportunités pour les équipes de première ligne de mettre en œuvre des flux de travail. Chaque fois que nous parlons aux clients, il y a des dizaines, voire des centaines, de projets qu’ils aimeraient aborder mais ne peuvent pas, que ce soit à cause du budget, de la feuille de route technologique, de la taille de l’équipe ou du ROI qui les freine. C’est précisément là que l’IA et l’orchestration interviennent ; elles aident les équipes à faire beaucoup plus avec ce qu’elles possèdent déjà tout en réduisant le coût de lancement. Cela conduit finalement à un ROI positif pour les projets futurs.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter MelodyArc.