Les DSI ont besoin d’une meilleure façon de comptabiliser le travail de l’IA dans l’informatique

Au cours des deux dernières années, les DSI ont eu un objectif simple pour l’IA dans l’informatique : l’intégrer à l’organisation, laisser les équipes expérimenter et voir où elle pourrait améliorer la prestation de services.

Les organisations informatiques ont acheté des licences, mené des pilotes et ajouté des fonctionnalités d’IA à des piles logicielles déjà gonflées. Cela avait du sens tant que les équipes cherchaient encore à comprendre ce que l’IA pouvait faire. Maintenant que les dépenses figurent dans les vrais budgets, et les directeurs financiers veulent savoir ce que l’entreprise obtient pour son argent.

Le problème est que bon nombre des chiffres que les DSI utilisent pour mesurer l’IA ne répondent pas à cette question. Les DSI peuvent montrer combien d’employés utilisent l’IA, à quelle fréquence ils l’utilisent et combien de temps ils déclarent qu’elle leur fait gagner. La finance veut savoir si l’entreprise a dépensé moins d’argent, a accompli plus de travail ou a évité d’embaucher davantage de personnes.

Économiser cinq heures par semaine pour un employé semble précieux, mais l’entreprise doit encore savoir ce qu’il est advenu de ces cinq heures. Si l’employé gère davantage de travail, ou si l’équipe peut soutenir une charge de travail croissante sans embaucher une autre personne, l’entreprise peut voir le résultat financier. Si rien d’autre ne change, les économies de temps pourraient ne jamais apparaître dans le budget.

À mesure que les entreprises dépensent davantage pour l’IA, les DSI doivent être beaucoup plus précis sur le travail que l’IA accomplit et sur le coût de ce travail.

Le temps économisé ne signifie pas nécessairement de l’argent économisé

De nombreux calculs de ROI de l’IA commencent par le temps comme critère – par exemple, si l’IA fait gagner 30 minutes à un employé chaque jour, une entreprise peut multiplier ces minutes par des milliers d’employés et obtenir un chiffre très élevé.

Mais les processus métier fonctionnent rarement aussi proprement. Le travail passe d’une personne à l’autre, attend des approbations et reste en file d’attente. Si l’IA fait gagner dix minutes sur une partie d’un processus et que le travail attend ensuite six heures pour quelqu’un d’autre, l’entreprise n’a pas gagné dix minutes de capacité utile.

Pour les DSI, la question la plus utile est de savoir si l’IA modifie la performance du service lui‑même. Si les demandes d’accès traversent la file d’attente plus rapidement, moins de tickets nécessitent une prise en charge humaine ou le coût par demande diminue, l’informatique peut mesurer le résultat en utilisant les mêmes indicateurs opérationnels qu’elle suit déjà.

Aviva est un bon exemple. L’assureur a utilisé plus de 80 modèles d’IA dans le cadre de changements de son processus de sinistres et a déclaré avoir réduit le temps d’évaluation des responsabilités de 23 jours et les réclamations de 65 pour cent. Ces chiffres indiquent à la direction ce qui a changé dans l’opération et offrent à la finance un élément mesurable.

Les DSI doivent appliquer la même réflexion à leurs investissements en IA. Avant d’étendre un pilote, ils doivent savoir quelle partie de l’entreprise ils s’attendent à modifier et combien de travail l’IA doit prendre en charge pour que cela se réalise.

Le travail que l’IA accomplit est un meilleur point de départ

Considérons une demande d’accès informatique courante. Un copilote pourrait résumer le ticket et rédiger une réponse, tandis qu’un agent informatique vérifie la politique de l’entreprise, confirme le demandeur, obtient l’approbation, modifie l’autorisation et clôture la demande.

Le copilote peut faire gagner quelques minutes à l’employé, mais la majeure partie du travail reste à la charge de l’employé.

Considérons maintenant un système d’IA capable de vérifier la demande par rapport à la politique de l’entreprise, de collecter les informations manquantes, d’acheminer la demande pour approbation et d’effectuer la modification dès qu’il reçoit cette approbation. L’informatique peut voir combien de demandes le système d’IA complète, à quelle fréquence un employé doit intervenir et combien de travail humain chaque demande nécessite encore.

Cela offre aux DSI une façon beaucoup plus claire de comptabiliser l’IA. Au lieu d’estimer le nombre de minutes économisées par la technologie, ils peuvent mesurer la quantité de travail qu’elle a accomplie et le coût de cette réalisation.

La même approche peut s’appliquer à l’intégration des employés, le support interne et la réponse aux incidents. L’élément important est de confier à l’IA la responsabilité du travail que l’entreprise comprend déjà et sait mesurer.

Mais il faut également comptabiliser le travail humain

Un système d’IA peut lancer 1 000 demandes d’intégration et nécessiter l’intervention d’un employé sur 600 d’entre elles. Qualifier les 1 000 comme entièrement automatisées donnerait à la direction une image erronée du volume de travail réellement géré par l’IA.

Ces interventions ont un coût. Si un agent travaille sur une demande pendant plusieurs minutes puis la transmet à un employé qui consacre encore vingt minutes pour la finaliser, ces vingt minutes doivent être intégrées au coût du processus.

Cela signifie que l’informatique a besoin d’un enregistrement de ce qui s’est passé pendant chaque tâche. Elle doit savoir ce que l’IA a fait, quels systèmes elle a accédés, où elle a nécessité une approbation, quand un employé est intervenu et si le travail a réellement été achevé. Ces enregistrements peuvent alimenter les mesures traditionnelles du service desk telles que le temps moyen de résolution, tout en ajoutant des indicateurs spécifiques à l’IA, notamment les taux d’intervention et le coût par tâche terminée.

Les équipes de sécurité ont besoin d’une grande partie des mêmes informations lorsqu’un problème survient. Si un système d’IA modifie une mauvaise permission ou effectue une action qu’il n’aurait pas dû faire, elles doivent reconstituer ce qui s’est passé et comprendre pourquoi.

Conserver cet enregistrement offre aux DSI un moyen de mesurer les deux aspects de l’investissement. Ils peuvent voir le coût d’exploitation de l’IA ainsi que la main‑d’œuvre humaine encore nécessaire pour superviser et finaliser son travail.

Le degré de responsabilité accordée à l’IA influence l’économie

Les DSI doivent également décider du niveau d’autorité qu’ils sont prêts à confier à l’IA.

Un système d’IA aux permissions limitées peut nécessiter qu’un employé approuve de nombreuses actions. Cela maintient une personne impliquée, mais cela signifie également que l’entreprise continue à payer davantage de main‑d’œuvre humaine.

Accorder davantage d’autorité au système peut lui permettre d’accomplir plus de travail de façon autonome, mais cela augmente également les risques que l’informatique doit gérer. Un système capable de créer un compte ou de modifier une permission peut causer plus de dommages en cas d’erreur qu’un système qui ne fait qu’indiquer ce qu’un employé doit faire. Le coût peut également augmenter de façon inattendue lorsqu’un agent reste bloqué dans une boucle, réessaye la même tâche ou consomme des ressources de calcul parce qu’une instruction était trop vague. Ces échecs font également partie de l’équation économique.

Les entreprises traceront cette limite différemment selon le travail concerné. Ce qui importe pour le calcul du ROI, c’est de savoir où se situe la ligne et quel niveau d’implication humaine elle engendre.

Si un système d’IA peut réaliser en toute sécurité 90 % d’un processus, son modèle économique peut être très différent de celui d’un système qui nécessite un employé à chaque autre étape.

Commencez par des tâches qui coûtent déjà de l’argent

Les DSI qui planifient leur prochaine vague d’investissement en IA devraient commencer par des tâches qui consomment déjà un temps ou un effectif significatif.

Les demandes d’accès, l’intégration des employés, la réponse aux incidents et le support interne offrent tous à l’informatique des indicateurs concrets à mesurer. L’entreprise sait déjà approximativement combien de demandes elle traite, combien de temps des employés y consacrent et où le travail a tendance à se bloquer.

À partir de là, l’informatique peut déterminer quelles parties l’IA peut gérer en toute sécurité et où un employé doit encore intervenir. Elle peut alors décider ce qu’elle attend de cet investissement.

Peut‑être que l’équipe souhaite traiter 30 % de tickets supplémentaires sans recruter. Peut‑être qu’elle veut réduire le coût de chaque demande d’accès. Peut‑être qu’elle souhaite que les employés passent moins de temps sur le support de routine afin de pouvoir s’occuper du travail qui est actuellement en arrière‑plan. Une fois que l’informatique connaît le coût total de l’accomplissement d’une tâche avec l’IA, y compris l’intervention humaine, elle peut fixer un coût cible pour cette tâche et décider si l’automatisation en vaut réellement la peine.

Une fois que l’IA commence à exécuter le travail, les DSI peuvent comparer leurs attentes avec la réalité. Ils peuvent voir quelle part du travail l’IA a accomplie, à quelle fréquence les personnes ont dû intervenir et quel a été le coût total du processus.

Cela offre aux DSI un moyen beaucoup plus simple de discuter des dépenses liées à l’IA avec les finances. Au lieu d’essayer d’attribuer une valeur monétaire à des milliers de minutes estimées économisées, ils peuvent montrer quel travail l’IA a pris en charge, combien de main‑d’œuvre humaine elle a encore nécessité et si l’entreprise a dépensé moins d’argent pour accomplir ce travail.