Sam Jenkins, Associé directeur chez Punchcard Systems – Série d’entretiens

Sam Jenkins, Associé directeur chez Punchcard Systems, a passé plus de deux décennies à travailler à l’intersection de la technologie, de l’entrepreneuriat et de la transformation organisationnelle. Depuis la cofondation de Punchcard Systems en 2016, il a aidé à guider la croissance de l’entreprise tout en conseillant les organisations sur la stratégie de lieu de travail numérique, les logiciels personnalisés, l’intelligence artificielle et les technologies émergentes. Son expérience précédente inclut la cofondation de Startup Edmonton et Wellnext, la direction du développement commercial et des initiatives de technologie de travail de Microsoft chez iomer internet solutions, ainsi que des postes exécutifs et de conseil d’administration dans les domaines de la technologie, des soins de santé, de la sécurité publique et des organisations communautaires. Cette expérience lui a donné une perspective large sur la façon dont la technologie change la façon dont les gens collaborent, prennent des décisions et effectuent leur travail.

Punchcard Systems est un partenaire technologique canadien qui travaille avec des entreprises en croissance et des entreprises de taille moyenne pour concevoir, développer et mettre en œuvre des solutions numériques liées à des objectifs commerciaux mesurables. Servant plus de 150 clients au Canada et aux États-Unis, les capacités de l’entreprise incluent des logiciels personnalisés pour le Web et les applications mobiles, l’intelligence artificielle, les infrastructures cloud, les données et l’analyse, la conception d’expérience utilisateur et les technologies de lieu de travail telles que Microsoft 365, Azure, Copilot, Teams, SharePoint et Power Platform. Punchcard se concentre sur l’aide aux organisations pour moderniser leurs opérations, améliorer les expériences des employés et des clients et intégrer de nouvelles technologies dans des processus commerciaux pratiques.

Votre carrière a suivi l’évolution de la technologie de lieu de travail, des plateformes d’employés basées sur Microsoft SharePoint à la création de Startup Edmonton et enfin à la construction de Wellnext et de Punchcard Systems. Comment cette expérience a-t-elle façonné votre point de vue sur le passage des logiciels que les employés utilisent eux-mêmes à des agents d’IA qui effectuent de plus en plus de travail en leur nom ?

Lorsque j’ai commencé à travailler avec des technologies de lieu de travail numérique comme SharePoint (en 2003 !), l’accent était mis sur la création de meilleures façons pour les employés de trouver des informations, de partager des connaissances et de collaborer. À la fin de la journée, l’employé faisait toujours le travail : il naviguait dans les systèmes, produisait les sorties. Aujourd’hui, nous allons au-delà de l’IA en tant qu’outil de productivité individuelle et entrons dans une nouvelle ère d’IA agente, où les systèmes peuvent prendre en charge des tâches plus complexes et multétapes au nom des employés.

C’est la partie qui change. En tant qu’écosystème, nous passons de l’IA en tant qu’outil de productivité personnelle à des systèmes agents qui prennent en charge des travaux complexes au nom d’êtres humains réels. Claude Cowork et ChatGPT Work rendent cette approche agente assez courante.

J’ai observé quelques-uns de ces changements technologiques maintenant, et le modèle tient chaque fois. Les organisations qui gagnent ne traitent pas la nouvelle technologie simplement comme un déploiement. Ils la traitent comme une occasion de repenser comment les gens, les processus et la technologie travaillent ensemble.

ChatGPT Work peut rassembler des informations à partir d’applications et de fichiers connectés, compléter des tâches multétapes et produire des documents, des tableaux et des présentations finis. Comment cela va-t-il changer les responsabilités quotidiennes des travailleurs du savoir qui créaient précédemment ces matériaux eux-mêmes ?

Je pense que le travail passe de la « production de sorties » à la « gouvernance des résultats ». Cela change fondamentalement le rôle des travailleurs du savoir, mais cela ne remplace pas le besoin de discernement et de surveillance humaine. Au lieu de cela, les employés passeront de plus en plus de la création de chaque pièce de travail eux-mêmes à la gestion, à la révision et à l’orchestration des sorties générées par l’IA.

Beaucoup de travail répétitif passera à l’agent : rassembler des informations, construire des présentations ou des documents, ou résumer des données. Cela libère les gens pour le travail qui nécessite réellement une personne : stratégie, créativité, pensée critique et collaboration.

La compétence qui devient de plus en plus précieuse est de savoir diriger l’IA correctement, en lui donnant le bon contexte, et en reconnaissant quand la réponse semble bonne mais ne l’est pas.

Vous avez décrit un besoin croissant de « gestionnaires d’IA ». Quel serait le rôle de ce poste en pratique, et comment différerait-il des responsabilités d’un administrateur informatique, d’un responsable de produit ou d’un gestionnaire traditionnel ?

Les gestionnaires d’IA joueront un rôle important pour aider les organisations à adopter l’IA de manière responsable et efficace. Leur responsabilité sera de gérer et de gouverner les sorties de l’IA, en veillant à ce que le travail généré par l’IA soit précis, fiable et aligné sur les objectifs commerciaux.

Ceci est un travail différent de l’informatique traditionnelle, qui possède les infrastructures et les systèmes techniques, ou d’un responsable de produit, qui se concentre sur le développement et l’amélioration des produits. Chaque département aura besoin de quelqu’un qui comprend comment l’IA s’applique à ses domaines spécifiques, que ce soit la finance, le juridique, les ressources humaines ou les opérations.

Le véritable changement est la propriété. Actuellement, la plupart des organisations n’ont pas désigné quelqu’un qui est clairement responsable du fait que ces systèmes livrent de la valeur et restent dans des risques acceptables. Ce fossé, en termes d’identification d’individus directement responsables, est ce que ces types de rôles vont combler.

KPMG Canada a constaté que les agents d’IA influencent déjà la façon dont les organisations embauchent des employés d’entrée de gamme et expérimentés. Quelles compétences deviendront plus précieuses à mesure que les employeurs commenceront à évaluer les candidats sur leur capacité à déléguer du travail à l’IA, à évaluer sa production et à intervenir lorsque nécessaire ?

Les compétences qui deviendront de plus en plus précieuses sont celles qui restent uniques aux humains, telles que la pensée critique, le jugement, la communication, la créativité, la résolution de problèmes et le leadership.

La littératie technique en matière d’IA continuera à compter, mais les employeurs recherchent des personnes qui comprennent comment l’IA s’intègre dans l’environnement commercial plus large. Cela inclut des compétences comme la gestion du changement, la gestion des risques et la pensée stratégique.

La ligne entre les rôles techniques et non techniques s’estompe. Les organisations passent de l’embauche en fonction des compétences que quelqu’un possède déjà à l’embauche de personnes qui sont prêtes à apprendre, à s’adapter et à se perfectionner en continu. Les employés les plus précieux seront ceux qui peuvent utiliser les capacités de l’IA tout en comprenant où le jugement humain reste essentiel.

De nombreux employés ont traditionnellement développé leur jugement professionnel en complétant des tâches répétitives d’entrée de gamme. Si les agents d’IA absorbent la majeure partie de ce travail fondamental, comment les organisations peuvent-elles réorganiser la formation et le développement de carrière pour que les jeunes employés acquièrent toujours l’expérience nécessaire pour devenir des décideurs efficaces ?

Ceci est une vérité qui m’inquiète un peu. Les gens construisaient leur jugement et leur expérience en passant par des tâches d’entrée de gamme. Si les agents font ce travail, l’échelle perd quelques échelons.

Les organisations devront être plus délibérées que jamais pour construire les talents juniors par le biais du mentorat, du coaching, des exercices de prise de décision et de l’exposition à des projets de plus haute valeur plus tôt dans la carrière de quelqu’un.

Il y a également une opportunité de mentorat inversé, où les employés plus jeunes qui sont plus familiers avec les outils d’IA peuvent aider les équipes à comprendre comment ces technologies peuvent être appliquées, tandis que les employés expérimentés continuent à fournir le contexte commercial et le jugement que l’IA ne peut pas reproduire.

L’objectif devrait être de réorganiser le processus d’apprentissage pour un lieu de travail où les humains et l’IA travaillent ensemble.

Punchcard a une grande expérience dans la mise en œuvre de Microsoft 365 et des technologies de lieu de travail connexes. Comment ChatGPT Work change-t-il le paysage concurrentiel pour Microsoft Copilot et Google Gemini, et quels facteurs les organisations devraient-elles prendre en compte lors de la sélection d’une plate-forme d’IA pour le travail quotidien ?

Le paysage évolue rapidement, et les organisations ont plus d’options que jamais. La décision devrait reposer sur la solution qui s’aligne le mieux sur l’environnement technologique existant, les flux de travail, les exigences de sécurité et les objectifs commerciaux de l’organisation.

Pour les organisations déjà investies dans Microsoft 365, des outils comme Copilot peuvent offrir des avantages grâce à l’intégration avec les applications et les données existantes. D’autres peuvent trouver d’autres plateformes mieux adaptées à leurs besoins.

Je pense que la question clé que les dirigeants devraient poser n’est pas « quel outil ? » Mais « quel problème résolvons-nous, et quelle plate-forme nous aide-t-elle à résoudre de manière responsable ? »

Voici ce que nous avons appris en premier lieu : l’adoption réussie est plus que l’outil. Nous avons mis en œuvre des plateformes d’IA à l’échelle de l’entreprise, avec des modèles personnalisés adaptés à la façon dont nous travaillons réellement. Chaque employé l’utilise, mais cela n’est pas venu de la sélection du bon produit ; cela est venu de solides fondations de données, de gouvernance et de construction de l’IA dans la façon dont l’entreprise fonctionne.

Les performances du modèle dominent souvent les conversations sur l’IA de lieu de travail, mais les organisations doivent également considérer les autorisations, l’accès aux données, la traçabilité et la responsabilité. Quels contrôles de gouvernance devraient être établis avant qu’un agent d’IA ne soit autorisé à fonctionner sur les e-mails, les documents, les bases de données internes et les applications commerciales ?

L’une des plus grandes erreurs que je vois les organisations commettre est de traiter la gouvernance de l’IA comme une après-pensée. À mesure que les systèmes d’IA deviennent plus capables et connectés aux données commerciales, les organisations doivent établir des principes clairs sur la façon dont ces outils sont utilisés avant de les déployer largement.

Cela commence par la compréhension de l’information que les systèmes d’IA peuvent accéder, en veillant à ce que les autorisations soient correctement définies et en mettant en place des contrôles autour de la surveillance et de la responsabilité.

Les organisations ont également besoin de lignes directrices claires sur les endroits où l’IA peut fonctionner de manière indépendante et où une surveillance humaine est requise.

En établissant les bonnes fondations autour des données et de la sécurité dès le départ, les entreprises peuvent débloquer la valeur de l’IA tout en gérant les risques qui accompagnent des systèmes de plus en plus autonomes.

À mesure que les agents d’IA prennent des mesures plutôt que de fournir simplement des réponses, les erreurs peuvent avoir des conséquences opérationnelles. Comment les entreprises devraient-elles valider le travail généré par l’agent, déterminer lesquelles des actions nécessitent une approbation humaine et attribuer la responsabilité lorsqu’un agent produit un résultat inexacte ou prend une action non intentionnelle ?

Lorsque l’IA passe de la réponse à l’action, le profil de risque change. Pas chaque tâche comporte les mêmes enjeux, donc la barre pour l’approbation humaine devrait augmenter avec ce qui est en jeu.

Simplement dit, cela nécessite une propriété claire. L’IA devrait soutenir la prise de décision, pas remplacer la responsabilité. Les organisations doivent définir qui surveille les performances de l’IA, valide les sorties et est finalement responsable des résultats. L’objectif est de combiner l’efficacité de l’IA avec le jugement humain, en créant des systèmes qui sont à la fois évolutifs et fiables.

De nombreuses organisations expérimentent avec l’IA sans encore relier l’adoption à des résultats commerciaux mesurables. Comment les dirigeants devraient-ils identifier des cas d’utilisation d’IA agente rentables, mesurer leur retour sur investissement et déterminer si un pilote est prêt à être déployé à l’échelle de l’organisation ?

Le fossé remonte généralement à la séquence. Les équipes choisissent d’abord une technologie, puis cherchent un endroit où la mettre, lorsque les gains durables proviennent de commencer par un flux de travail qui est déjà douloureux et coûteux et de demander si un agent est vraiment l’outil approprié.

Le meilleur filtre est la variabilité. Si un processus est suffisamment prévisible pour un moteur de règles, vous n’avez pas besoin d’un agent. Si c’est si ouvert que personne ne peut décrire un bon résultat, l’agent aura du mal et vous ne pourrez pas lui faire confiance. La valeur se situe entre les deux, dans le travail qui nécessite un jugement à travers plusieurs systèmes mais qui fonctionne toujours dans des règles délimitées et auditable.

Je ajouterais une question de filtrage qui change le profil de risque plus que tout autre. Le coût d’une action incorrecte est-il délimité et réversible ? Là où c’est le cas, laissez l’agent agir et avancez rapidement. Là où une erreur est coûteuse ou difficile à annuler, gardez une personne dans la décision.

En termes de retour, l’erreur commune est de mesurer la mauvaise chose trop tard. Les heures économisées sont la métrique par défaut, mais cela sous-estime l’impact. Les rendements plus importants apparaissent sous la forme d’une compression du cycle de temps, de taux d’erreur plus bas et de capacité qui était précédemment rationnée devenant disponible. Une équipe de support qui ne pouvait atteindre que la moitié de ses tickets devient une entreprise différente une fois qu’elle peut atteindre tous les tickets. Capturez une base de référence propre avant que le pilote ne commence, car sans cela, vous êtes coincé à argumenter sur des anecdotes. Et lorsque vous totalisez le coût, comptez l’image complète. Le travail d’intégration et le temps de surveillance humaine sont des postes de ligne réels, et la surveillance est chroniquement sous-estimée.

La décision de déployer est là où la discipline compte le plus, et c’est l’étape que les équipes se hâtent. Un démo sur des entrées propres vous dit peu de choses. Un pilote est prêt lorsqu’il tient sur la longue queue d’entrées réelles et désordonnées, lorsque les modes de défaillance sont compris et délimités, lorsque l’observabilité est en place pour que une défaillance silencieuse soit capturée plutôt que découverte par un client, et lorsque une personne nommée est responsable en production.

Effectuez également un contrôle d’économie unitaire, puisque les coûts des agents augmentent avec l’utilisation d’une manière que les sièges logiciels ne le font pas.

Les systèmes agents échouent différemment des logiciels traditionnels. Ils échouent de manière probabiliste et souvent silencieusement, donc les organisations qui prennent les devants construisent l’évaluation et la surveillance dès le premier jour plutôt que de les ajouter après que quelque chose se brise.

Punchcard Systems aide les organisations à passer de l’expérimentation avec l’IA à l’intégration dans de véritables processus commerciaux. Comment évaluez-vous la préparation d’une organisation pour l’IA, identifiez-vous les flux de travail où elle peut livrer une valeur mesurable et aidez-vous les équipes à mettre en œuvre ces systèmes de manière responsable sans perturber les opérations existantes ?

Il est important de commencer par comprendre l’état actuel de l’organisation. L’une des plus grandes idées fausses est que l’adoption de l’IA est simplement une question de choix de l’outil approprié. En réalité, la mise en œuvre réussie dépend de solides fondations : des données de qualité, des processus clairs et une propriété définie.

À partir de là, nous aidons les organisations à identifier où l’IA peut créer la plus grande valeur, souvent dans des flux de travail qui consomment un temps disproportionné par rapport à leur impact, ou dans des décisions prises sans les bonnes informations à portée de main.

Les organisations doivent réfléchir à la façon dont les rôles et la prise de décision évolueront avec la technologie. En combinant la bonne technologie avec l’adoption et la gestion du changement par les employés, les entreprises peuvent intégrer l’IA d’une manière qui crée une valeur mesurable sans casser ce qui fonctionne déjà.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Punchcard Systems.