Nouvelles Du Monde

L’intelligence artificielle doit parler le langage des affaires, et non l’inverse

L’intelligence artificielle doit parler le langage des affaires, et non l’inverse

Presque tous les chefs d’entreprise de la planète, 94 %, pensent que l’IA sera essentielle au succès au cours des cinq prochaines années. Pourtant, comme le dernier rapport de Deloitte rechercher sur l’état des découvertes de l’IA, de nombreuses entreprises n’atteignent toujours pas la valeur qu’elles anticipaient – il y a eu une augmentation de 29% de la part des répondants qui s’identifient comme des “sous-performants” de l’IA cette année par rapport à l’année dernière.

Les problèmes qui diminuent l’impact de l’IA comprennent les difficultés à améliorer sa valeur commerciale et le manque d’engagement total de la direction, selon l’enquête Deloitte. Les dirigeants de l’industrie et les observateurs dans les tranchées s’accordent à dire que ce sont ces problèmes organisationnels, plutôt que des problèmes techniques, qui freinent les progrès.

Un point important est que l’IA doit servir le client et aider l’entreprise à placer le client au premier plan.

La plupart des projets d’IA ne parviennent pas à générer de la valeur “parce qu’ils ne partent pas des réalités commerciales, comme l’avantage d’une prédiction correcte, le coût d’une prédiction incorrecte ou des contraintes telles que la taille du budget marketing”, explique Arijit SenguptaPDG et fondateur de Aible. “Si votre projet d’IA ressemble et se sent comme une expérience de laboratoire, et que vos experts parlent de choses comme la perte de journaux au lieu de revenus, de bénéfices et de coûts, votre IA est presque garantie de ne pas produire de résultats.”

La clé est de rendre les décideurs plus à l’aise et mieux informés sur l’IA, de créer un soutien organisationnel pour l’IA et de se concentrer directement sur la manière dont elle peut aider le client. “Les organisations sont plus susceptibles d’adhérer à des approches basées sur l’IA lorsqu’elles sont directement liées à une valeur client démontrable”, déclare Rajesh Rahejachef de l’ingénierie chez Boomi. “Par exemple, un moteur de recommandation qui peut vous montrer quelle est la prochaine étape à mettre en œuvre dans un processus métier basé sur les meilleures pratiques éprouvées qu’il a apprises sera beaucoup plus utile à une entreprise que le même moteur ne présentant que plus de produits que l’entreprise peut acheter . Les deux nécessitent des modèles d’IA sophistiqués, mais le premier crée clairement de la valeur pour les clients. »

Nous avons les outils, nous ne savons pas comment les appliquer. “L’adoption de l’IA dépend de la valeur et du retour sur investissement qu’elle génère par rapport à l’effort de formation d’un modèle, qui a besoin des ressources et des compétences appropriées pour mettre en place un pipeline de données solide”, déclare Raheja. « Les résultats de l’apprentissage automatique changent avec les données, les algorithmes et leur évolution. La crainte d’une décision inconnue entraînant une responsabilité imprévue est un autre facteur qui rend les entreprises traditionnelles prudentes.

À titre d’exemple, ajoute Raheja, “une demande de prêts basée sur l’IA refusant certaines sections de la population après une mise à jour du modèle pourrait être une erreur ou un biais inhérent introduit dans les données et le modèle”.

Cela a également à voir avec l’actualité des données d’IA. “L’IA est en fait un bien périssable”, déclare Sengupta. “Si votre IA prend des mois à créer, elle est formée sur des données vieilles de plusieurs mois et le monde a changé dans l’intervalle de temps – donc l’IA n’est plus d’actualité. Vous devez créer et déployer l’IA en quelques jours, et non en mois, si vous voulez obtenir de la valeur, puis itérer à mesure que le monde change.

Il existe de nombreuses analyses de rentabilisation innovantes qui peuvent être développées pour favoriser l’adoption de l’IA. Les exemples cités par Raheja incluent l’utilisation de l’IA “pour analyser les données client entrées dans le système pour le formatage et les vérifications sémantiques. Le traitement du langage naturel et les chatbots automatisés pour la gestion de la relation client sont d’autres cas d’utilisation.

Gardez à l’esprit que “l’adoption de l’IA est limitée par la disponibilité des scientifiques des données, et nous ne pouvons pas nous sortir de ce problème”, ajoute Sengupta. Nous essayons d’apprendre aux utilisateurs professionnels à parler IA au lieu d’enseigner à l’IA à parler affaires. Avant d’envoyer des utilisateurs professionnels apprendre Python, arrêtez-vous et dites : « pourquoi l’IA ne peut-elle pas comprendre les besoins de mon entreprise et générer automatiquement le code Python ? » La révolution Internet n’a pas eu lieu parce que tout le monde a appris à coder pour interagir avec le World Wide Web ; c’est arrivé parce que le navigateur Netscape pouvait être utilisé par presque n’importe qui.

Facebook
Twitter
LinkedIn
Pinterest

Leave a Comment

This site uses Akismet to reduce spam. Learn how your comment data is processed.

ADVERTISEMENT