Article de Josef Novak, directeur de l’innovation, Spitch

Le marché de l’IA générative est pris entre deux extrêmes : un battage médiatique sans fin et la réalité. D’une part, il existe clairement un potentiel incroyable. D’autre part, un rapport du laboratoire NANDA du MIT, publié plus tôt cette année, suggère que malgré des investissements de 30 à 40 milliards de dollars dans les entreprises, près de 95 % des organisations n’ont constaté aucun retour sur leurs récentes initiatives en matière d’IA. Cela semble choquant, mais la plupart de ces problèmes sont dus à des flux de travail mal organisés ou à un manque d’alignement par rapport aux objectifs commerciaux réels.

Il ne s’agit pas vraiment d’une critique à la technologie elle-même. C’est le reflet d’un cycle prévisible de surexcitation. Le défi essentiel aujourd’hui n’est pas si différent de celui posé par toute nouvelle vague technologique : il s’agit d’apprendre comment et où adopter cette nouvelle technologie. Il faut adopter les technologies GenAI de manière sélective, pour des cas d’utilisation où elles peuvent réellement avoir un impact positif sur l’entreprise.

Points clés à retenir

• L’IA agentique avec des implémentations impliquant l’humain devrait viser à améliorer l’excellence organisationnelle globale en responsabilisant les individus dans toute l’organisation.
• Les projets pilotes doivent être conçus pour résoudre un problème commercial spécifique et tangible.
• Plutôt que d’essayer de tout remanier, concentrez-vous sur l’automatisation intelligente qui améliore les processus existants.

La pénurie de compétences est une pénurie de stratégie

Une question intéressante est de savoir si cette pénurie de compétences en IA qui sous-tend ces rendements non réalisés est un phénomène local ou mondial. La réponse, cependant, semble claire : les défis sont universels. Partout dans le monde, la technologie évolue à un rythme qui rend incroyablement difficile pour les entreprises – et même pour les experts – de suivre le rythme, tant en termes de recherche de talents que d’adaptation des processus d’affaires.

Les niveaux d’expertise et l’appétit pour le changement varient selon la culture et l’organisation, mais le défi fondamental reste le même. Nous évoluons tous dans un nouveau paysage technologique et, à bien des égards, nous sommes encore en train de le découvrir ensemble. Les organisations les plus performantes n’embauchent pas seulement des scientifiques des données et des experts en apprentissage automatique ; elles comblent cette lacune face à l’incertitude en mettant en place un cadre stratégique pour l’adoption – qui tient soigneusement compte de la pertinence des cas d’utilisation et pas seulement de l’enthousiasme pour les nouvelles technologies.

Ce cadre commence par se concentrer sur les personnes et les organisations qu’elles constituent. Il s’agit d’éduquer les dirigeants et les équipes sur le potentiel réel de l’IA et, tout aussi important, sur ses limites actuelles. À partir de là, l’essentiel est de commencer petit, mais de penser grand. En co-créant des projets pilotes qui résolvent un problème commercial spécifique et tangible – comme la formation avancée des agents – les organisations peuvent offrir une expérience d’apprentissage pratique, démontrer rapidement la valeur et créer un élan pour un changement plus large. Elles peuvent également effectuer une analyse plus approfondie de ces cas d’utilisation au fur et à mesure de leur évolution. Cette approche doit être guidée par une feuille de route stratégique qui aligne les initiatives d’IA sur les objectifs commerciaux fondamentaux, assurant ainsi une voie d’intégration claire pour les technologies nouvelles et existantes.

Trouver les gains rapides parmi les défis

Il existe actuellement une forte pression pour obtenir des gains rapides sur les investissements dans l’IA. Cependant, comme mentionné précédemment, les défis les plus courants ont peu à voir avec les modèles d’IA eux-mêmes et davantage avec des problématiques métiers classiques:

• Accès aux données qui sont souvent cloisonnées ou difficiles à atteindre.
• Définitions de problèmes peu claires ou cibles mal choisies.
• Problèmes d’intégration avec les systèmes existants.
• Résistance culturelle et/ou organisationnelle au changement.

La façon la plus efficace de générer une valeur immédiate est de cerner les occasions qui contournent ou court-circuitent intelligemment ces problèmes.

Cela pourrait signifier l’utilisation de services d’IA pour prédire et pré-remplir les tâches post-appel d’un agent, ou la fourniture de matériel de formation individualisé généré par l’IA qui est adapté aux besoins des employés individuels. Le document NANDA du MIT était critique à l’égard de nombreux projets, mais il a également identifié un domaine clé où l’IA générative brille constamment : les cas d’utilisation qui augmentent la productivité individuelle.

C’est là que nous devrions concentrer notre énergie. Les outils tels que les éditeurs de parcours pris en charge par l’IA générative ou l’assistance aux agents en cours d’appel tirent directement parti de cette force ainsi que des capacités de base des modèles. L’objectif est donc d’améliorer l’excellence organisationnelle globale en rehaussant les personnes qui la composent. Dans ce contexte, l’IA joue un rôle de soutien puissant, mais l’humain reste fermement dans la boucle, en charge et responsable. L’analyse des résultats de ces initiatives ciblées nous aide à comprendre pourquoi nous réussissons et où concentrer notre énergie ensuite.