Maximiser le ROI de l’IA dans l’entreprise

Comme cela a été le cas avec de nombreuses technologies avant elle, l’intelligence artificielle (IA) est saluée comme la prochaine grande innovation que les entreprises doivent utiliser. Ironiquement, la technologie sous-jacente existe depuis des décennies, mais avec les dernières itérations, l’hypre a atteint un niveau de fièvre – dépassant la réalité de la mise en œuvre dans l’entreprise. Pourtant, alors que les équipes IT font face à une pression croissante pour monter à bord du train IT, elles doivent équilibrer cet enthousiasme avec la réalité de la ligne de fond. Les différentes mises en œuvre nécessitent différents niveaux d’investissement, ce qui signifie qu’elles doivent également produire un retour différent – souvent sur un calendrier différent.

La capacité à livrer des produits IA réussis dépend de nombreux facteurs : stratégies spécifiques, planification et exécution choisies par les dirigeants d’entreprise ; disponibilité de ressources qualifiées ; adaptation au plan de produit ; acceptation organisationnelle du risque ; et gestion du temps par rapport au retour sur investissement (RSI) attendu.

Équilibrer ces facteurs est un défi, mais en suivant ces trois étapes, les organisations peuvent rester sur la voie du ROI de l’IA.

Comprendre la technologie

De nombreuses entreprises entrent dans la mêlée de l’IA en croyant qu’elles sont en retard, mais sans vraiment comprendre pourquoi, comment ou même ce qu’est la technologie. En conséquence, leur première tâche est de distinguer les différents parfums de l’IA, en commençant par l’IA de précision par rapport à l’IA générative.

L’IA de précision est l’utilisation de modèles d’apprentissage automatique et de modèles d’apprentissage profond pour améliorer les résultats. Elle permet aux entreprises d’automatiser les processus de prise de décision, créant ainsi des efficacités et augmentant le ROI. L’IA de précision est devenue une technologie éprouvée pour les entreprises qui continue de voir une adoption significative et devient de plus en plus mainstream chaque jour.

L’IA générative (GenAI) est nouvelle et a gagné en importance depuis que OpenAI a publié ChatGPT à la fin de 2022. Composée de modèles de langage fondamentaux formés avec des milliards de paramètres pour générer de nouveaux contextes de texte sémantique, GenAI offre des opportunités significatives d’impact commercial et d’efficacité opérationnelle, mais elle est en début de cycle d’adoption.

Un obstacle important est la norme de qualité des données, qui est élevée pour les applications GenAI, car les ensembles de données de mauvaise qualité peuvent introduire des problèmes de transparence et d’éthique.

La fiabilité des données commence avec la conception et la mise en œuvre de flux de travail ; l’établissement de pipelines pour exécuter ; l’abstraction via des API ; la curation et la démocratisation ; et le traitement de différents types de données. Plutôt que les exigences de qualité des données de la génération précédente qui comprenaient les 4V (volume, vitesse, véracité et variété), l’IA nécessite de nouvelles exigences qui incluent les 4P : prédiction, productivité, précision et personnalisation à grande échelle.

Prédiction : les algorithmes d’IA permettent l’utilisation d’analyses statistiques pour trouver des modèles dans les données et identifier les comportements pour prédire et prévoir les événements futurs en corrélant les données historiques au repos et les données en streaming pour prendre des décisions en temps réel.

Productivité : l’IA permet l’automatisation des processus métier, ce qui augmente l’efficacité opérationnelle et la productivité de l’entreprise, en réduisant les tâches répétitives et en libérant le temps du personnel pour travailler sur des tâches plus stratégiques.

Précision : cette mesure évalue les résultats du modèle d’une manière qui permet aux modèles d’apprentissage automatique de produire une précision entre une plage acceptable déterminée par les cas d’utilisation. La précision est également calculée comme le nombre de vrais positifs divisé par le nombre total de prédictions positives.

Personnalisation à grande échelle : cela fait référence au processus d’utilisation de données fiables telles que les historiques d’achat des clients, les actions sur site, les analyses de sentiment des clients pour des produits spécifiques et les réponses aux enquêtes. Cela fournit des expériences individualisées à travers les démographiques.

En plus de la qualité des données, les entreprises doivent considérer de nombreux autres facteurs – internes et externes – lors de l’évaluation de leur préparation à l’IA : gouvernance, conformité, investissements dans le cloud, talents, nouveaux modèles d’exploitation, gestion des risques et engagement de la direction.

Les organisations doivent commencer par établir une vision de l’IA qui correspond à leurs objectifs et objectifs stratégiques. L’adhésion de la direction est cruciale, car les déploiements d’IA nécessitent des investissements importants à l’avance. Le DSI doit clairement articuler la voie vers le ROI à l’ensemble de la direction – un véritable test du DSI pour élever l’IT d’une fonction d’assistance à une fonction stratégique.

Ensuite, l’organisation doit aligner les personnes, les processus et la technologie. L’IA nécessite de nouvelles compétences et de nouvelles certifications, telles que les modèles d’apprentissage profond et l’apprentissage automatique, car les organisations ont traditionnellement intégré l’IA dans les flux de travail humains. Cependant, GenAI inverse la dynamique, mais la plupart des meilleures pratiques et des lignes directrices d’utilisation responsable incluent toujours un « humain dans la boucle » pour maintenir les normes éthiques et les valeurs.

Un déploiement d’IA exige également de nouveaux processus métier pour la gouvernance et l’assurance de la qualité des données, permettant aux data scientists responsables de la livraison de nouveaux modèles d’IA de résoudre des problèmes métier complexes.

Alors que de nouveaux produits d’IA sont conçus, développés et fabriqués pour la production, les entreprises doivent également rester vigilantes sur les dernières politiques réglementaires de l’industrie de l’IA. Le règlement européen sur l’IA a établi des meilleures pratiques pour l’utilisation de l’IA – et des conséquences pour ne pas suivre ces politiques. En conséquence, les entreprises ont construit des équipes pour créer, évaluer et mettre à jour les efforts autour des réglementations de l’IA.

Avec les entreprises de plus en plus axées sur les données, elles doivent développer des stratégies fondamentales pour protéger les actifs de données qui leur permettent de fournir les meilleures informations grâce aux plateformes d’automatisation des processus d’analyse. À partir de là, elles peuvent sélectionner les technologies d’IA et les nouvelles plateformes qui ont le plus de sens pour elles.

Définir le cas d’affaire

Enfin, un véritable retour sur investissement dans l’IA nécessite de vendre les avantages aux clients, ce qui signifie que la préparation à l’IA nécessite une nouvelle mentalité commerciale, car la technologie est en train de conduire la transformation des entreprises à travers les industries.

Le développement réussi de produits d’IA nécessite une compréhension approfondie des parcours clients spécifiques à l’industrie et l’alignement des solutions d’IA sur les objectifs commerciaux. La centricité client joue un rôle clé dans le développement de nouveaux modèles opérationnels, et les technologies modernes sont utilisées pour augmenter l’efficacité.

Par exemple, les clients qui recherchent des gains modestes dans la maturité de l’IA peuvent compter sur leurs actifs logiciels et leur infrastructure cloud pour développer de nouveaux produits et solutions. Cela maintient la satisfaction parmi les employés plus élevée et leur permet de se concentrer sur l’excès des attentes des clients.

Ceci étant dit, le cœur de l’organisation devrait se concentrer sur la réduction du temps de mise sur le marché et l’amélioration de la gestion des nouveaux processus pour raccourcir le cycle de vie du développement de produit et augmenter l’efficacité de la livraison de nouveaux produits. Par exemple, une plateforme d’analyse de données distribuée est utilisée pour automatiser l’ingestion, la curation, la démocratisation, le traitement et l’analyse en temps réel – tout cela augmente la productivité et le ROI.

Libérer tout le potentiel du ROI de l’IA

L’IA, dans son essence, représente des algorithmes avancés, une qualité de données, une puissance de calcul, une infrastructure en tant que code, une gouvernance, un IA responsable avec des principes éthiques pour protéger la confidentialité et la confidentialité des données. Les éléments essentiels de la préparation de l’application d’IA et les défis de la gestion des données nécessitent des cadres de données robustes, des personnes, des processus, des stratégies, des principes éthiques et des plateformes technologiques.

Concurrentement, Mckinsey rapporte que 65% des entreprises utilisent des technologies d’IA – deux fois plus qu’il y a un an. Cela démontre une dynamique, mais les déploiements sont toujours lents pour passer de la curiosité à des cas d’utilisation commerciaux réels à grande échelle. GenAI livre de nouvelles avancées, permettant aux organisations de exploiter de nouvelles capacités grâce au développement de modèles de langage sémantique et multimodaux. Cela démocratise un large éventail de capacités d’IA, permettant aux entreprises de générer de nouveaux flux de revenus.

Avec la bonne stratégie, l’engagement de la direction et l’investissement dans les cas d’utilisation corrects, les entreprises peuvent obtenir une valeur significative et conduire une croissance transformatrice grâce à l’IA.

Le développement de l’IA sémantique et multimodale. Cela démocratise un large éventail de capacités d’IA, permettant aux entreprises de générer de nouveaux flux de revenus. Avec la bonne stratégie, l’engagement de la direction et l’investissement dans les cas d’utilisation corrects, les entreprises peuvent obtenir une valeur significative et conduire une croissance transformatrice grâce à l’IA.