L'évolution de l'IA en entreprise :jusqu'où nous sommes parvenus

En ouvrant mon e-mail ce matin, j'ai reçu une alerte sur un ancien message que j'avais envoyé. L'alerte disait :« Envoyé il y a 10 jours ; voudriez-vous faire un suivi ? » En effet, j'avais besoin de rappeler à mon collègue de répondre. L'expérience m'a permis de réfléchir au chemin parcouru et à l'avenir de l'intelligence artificielle (IA) dans les affaires.

J'ai été fasciné par ce domaine il y a près de 40 ans, lorsque j'étais étudiant de premier cycle à Berkeley sous la direction du professeur Alice Agogino. Le professeur Agogino a dessiné ce schéma simple au tableau.

À l'époque, les systèmes d'IA étaient appelés systèmes experts. Ils ont permis à plus de personnes d'accomplir la plupart des tâches à un niveau expert. Ils ont amélioré le potentiel des utilisateurs et modifié la courbe de performance de l'ensemble de l'entreprise. Avec ces systèmes, les experts pouvaient se concentrer sur les tâches les plus difficiles qu'eux seuls pouvaient accomplir.

Au fil des ans, cette idée convaincante - que la technologie peut étendre nos performances à grande échelle - est restée en moi. Cela a façonné mes passions et mon propre parcours professionnel a suivi la trajectoire de l'IA elle-même.

Mais en cours de route, il y a eu plusieurs défis. Les modèles de nos systèmes avaient tendance à prendre du retard sur les changements dans l'entreprise ; bien qu'ils résolvent le problème d'hier de manière optimale, ils deviendraient progressivement obsolètes. Ils avaient besoin d'équipes dédiées pour l'utilisation comme pour la maintenance.

Où sommes-nous aujourd'hui

Les systèmes d'IA d'aujourd'hui sont fondamentalement différents des premiers systèmes experts et des solutions commerciales traditionnelles de trois manières :

• Nous les utilisons différemment ;

• L'accent mis sur l'intelligence est passé de l'automatisation à l'augmentation, et

• Les systèmes d'IA apprennent de l'utilisation et s'adaptent aux changements de l'entreprise.

Comment nous les utilisons : Les solutions commerciales traditionnelles sont souvent fragmentées. Un ensemble de systèmes vous indique comment votre entreprise est actuellement en cours d'exécution (intelligence d'affaires traditionnelle), un autre vous aide à décider comment pour gérer votre entreprise, et un autre encore vous permet d'enregistrer ce que vous avez fait pour gérer votre entreprise (planification des ressources d'entreprise).

Les utilisateurs doivent suivre des chemins fastidieux et déconnectés, de l'analyse descriptive et diagnostique à l'analyse prédictive et à l'optimisation à l'aide de modèles de jumeaux numériques. Ensuite, une fois qu'une décision est prise, ils doivent faire demi-tour et enregistrer cette décision dans leur ERP.

En revanche, lorsque nous utilisons l'IA, nous commençons directement par des recommandations et pouvons explorer des informations prédictives, diagnostiques et descriptives comme explications. L'IA propose des directives étape par étape pour prendre des mesures, même lorsque nous pouvons prendre des décisions différentes des recommandations.

Un changement d'orientation : Les systèmes experts traditionnels étaient trop axés sur l'automatisation. Les systèmes d'IA d'aujourd'hui peuvent nous aider à naviguer et à orchestrer les processus métier. À mon avis, il vaut mieux considérer l'IA comme augmentée l'intelligence plutôt que l'intelligence artificielle. Aujourd'hui, nous considérons l'IA comme quelque chose que nous pouvons former et adapter à nos besoins.

Apprentissage et adaptation :Les systèmes commerciaux traditionnels sont statiques et ont tendance à devenir obsolètes avec le temps. Ils ont besoin d'améliorations et de révisions pour intégrer les commentaires ou les changements dans l'entreprise. Les systèmes d'IA, en revanche, sont dynamiques. Ils apprennent et s'adaptent aux besoins changeants de l'entreprise. Plus vous les utilisez, plus ils deviennent intelligents et efficaces au fil du temps.

BI traditionnelle	IA
Exige que les utilisateurs suivent des chemins fastidieux et souvent déconnectés, en commençant par des analyses descriptives et diagnostiques pour explorer des alternatives, prédire les résultats, faire des choix et éventuellement prendre des mesures pour gérer l'entreprise.	Offre aux utilisateurs des actions recommandées et la possibilité d'explorer des informations prédictives, diagnostiques et descriptives en tant qu'explications. L'IA a déjà fait tout le gros du travail à travers les étapes d'analyse habituelles.
Se limite aux tableaux de bord, rapports et alertes descriptifs.	Se fond dans la façon dont les utilisateurs effectuent les tâches quotidiennes ; vous ne vous rendez peut-être même pas compte qu'il est là.
A tendance à devenir de plus en plus général pour cibler des publics plus larges à mesure qu'ils évoluent.	Apprend à devenir personnel et de plus en plus spécifique au comportement et aux préférences des utilisateurs individuels, même si le nombre d'utilisateurs augmente avec le temps.
Se concentre sur l'analyse des données.	Se concentre sur la prise de décisions.
Est statique et peut devenir périmé avec le temps. Ils ont besoin d'améliorations et de révisions pour suivre l'évolution des besoins et des préférences de l'entreprise.	Est dynamique et conçu pour apprendre et s'adapter au changement. Plus vous l'utilisez, plus il devient intelligent et efficace au fil du temps.

Ce qui nous attend

Bien que puissantes, les capacités de l'IA posent certains défis.

Premièrement, tirer le meilleur parti de l'IA nécessite une gestion diligente du changement, tant dans le comportement que dans l'attitude envers la technologie. Si les gens voient la technologie comme une menace ou un moyen d'étirer leurs objectifs de performance, ils s'efforceront de saboter son succès. De plus, si l'adoption de l'IA signifie une perte de contrôle ou de contact personnel avec les clients et les fournisseurs, ou entrave la réflexion interfonctionnelle, elle échouera.

D'un autre côté, si les gens voient l'IA comme un nouvel ensemble d'outils qui leur facilitent la vie, les rendent plus intelligents, collaborent entre les organisations et réalisent plus, ils travailleront à sa réussite.

Le deuxième problème concerne l'éthique en IA. Nous devons rendre l'IA plus transparente et éthique. Les modèles d'apprentissage automatique apprennent ce qui leur a été enseigné et auquel ils ont été exposés. Si les données sont biaisées, l'IA le sera aussi. De plus, personne n'aime suivre les recommandations d'une boîte noire. Les modèles d'IA doivent expliquer leurs recommandations, quelles hypothèses ont été faites, quels modèles ont été détectés et quelles options ont été explorées de manière transparente.

Enfin, nous devons nous demander si les problèmes que nous travaillons à résoudre avec l'IA sont les bons à résoudre en premier lieu. Nous devrions nous efforcer de tirer parti de l'IA pour étendre la portée humaine et améliorer les vies, plutôt que de les contrôler.

La transformation de l'IA à ce jour a été, en un mot, révolutionnaire. Plus nous adoptons, capitalisons et améliorons cette technologie, plus nos entreprises s'amélioreront.

Adeel Najmi est chef de produit chez LevaData.