Élever votre automatisation avec l'IA : Le Playbook essentiel (Partie 1)

L'intelligence artificielle (IA) étend la valeur de votre programme d'automatisation. Ajouter l'IA à votre programme d'automatisation ouvre des opportunités presque illimitées d'automatiser des processus intelligents et cognitifs — propulsant la productivité, l'efficacité et la satisfaction client vers de nouveaux sommets.

Pendant le webinaire AI Playbook (partie de notre AI Summit), nous nous sommes tournés vers Brian Klochkoff, Head of Automation for Americas chez dentsu international, pour apprendre de première main ce que c'est que d'ajouter l'IA à l'automatisation et d'atteindre cette valeur. Que l'automatisation pour votre entreprise fasse principalement référence à l'automatisation des processus robotiques (RPA), l'analytique de données, ou le machine learning (ML), incorporer l'IA dans votre programme d'automatisation peut le rendre plus puissant et plus complet.

Dans cet article, j'expliquerai le processus en deux étapes qui prépare le terrain pour l'IA :

1. Comment déterminer si vous êtes prêt à ajouter l'IA à l'automatisation.
2. Comment construire l'élan vers l'acceptation de l'IA.

Dans la deuxième partie de cette série, je vous montrerai comment intégrer les modèles IA dans votre programme d'automatisation existant et quelles meilleures pratiques suivre.

Déterminer si vous êtes prêt à ajouter l'IA à votre programme d'automatisation

Les entreprises examinant les technologies IA ont raison de se demander si elles sont prêtes. Nous avons réduit ce problème complexe à deux questions.

1. Avez-vous un champion de vision ?

Un champion de vision est un leader qui pilote l'engagement métier et le support d'exécution.

Dans notre article sur la construction d'une équipe pour soutenir un modèle opérationnel d'automatisation, nous définissons deux types de sponsors exécutifs : le mobilisateur et le steward digital. Le mobilisateur explique la valeur de l'automatisation, recrute du talent pour l'équipe RPA, et attire le financement initial. Le steward digital prend ce que le mobilisateur a établi et construit dessus en convainquant les dirigeants d'acheter et en pilotant l'équipe d'automatisation vers son prochain stade de croissance.

Un champion de vision nécessite un mélange de ces compétences. Quand vous superposez l'IA sur l'automatisation, vous avez peut-être déjà un mobilisateur, un steward digital, et (espérons-le) beaucoup d'autres fans de l'automatisation. Ce dont vous avez besoin d'un champion de vision IA est différent.

En examinant quelqu'un qui pourrait être votre champion de vision IA, posez-vous ces questions :

• Cette personne sera-t-elle passionnée et implacable dans la défense de la vision IA ? Les partisans de l'IA, même en parlant à des gens qui utilisent l'automatisation, peuvent faire face au scepticisme et votre champion de vision ne peut pas être quelqu'un qui se décourage facilement.
• Cette personne a-t-elle une forte influence sur l'organisation et les parties prenantes exécutives ? La passion et la détermination ne vont que jusqu'à un certain point — un grand champion de vision a besoin d'avoir l'influence pour correspondre à leur drive. La stratégie doit être à l'échelle de l'entreprise, donc l'influence de cette personne doit l'être aussi.
• Cette personne peut-elle articuler un business case solide aux parties prenantes exécutives ? Finalement, cette personne doit être capable d'articuler les bénéfices de l'IA d'une manière que les parties prenantes exécutives comprendront et croiront.

Les réponses aux questions ci-dessus vous aideront à déterminer la réponse à la question plus large : Avez-vous un champion de vision ?

Une fois que vous avez un champion en tête, nous pouvons passer à la prochaine question majeure.

2. Votre programme d'automatisation est-il assez mature pour l'IA ?

Dans des articles précédents, nous avons comparé l'automatisation à un voyage et fourni des cadres pour la mise à l'échelle. Nous soulignons la nature long-terme de l'automatisation à cause de son potentiel pour une transformation top-to-bottom. Ce niveau de changement nécessite une perspective long-terme.

C'est pourquoi il est si important d'être critique sur le fait que c'est le bon moment pour ajouter l'IA à votre programme d'automatisation. Nous croyons que toutes les entreprises considéreront éventuellement l'IA comme essentielle, mais cela ne signifie pas que toutes les entreprises devraient se précipiter pour implémenter l'IA aujourd'hui.

Pour déterminer la maturité de votre programme d'automatisation, posez-vous et à votre équipe ces questions :

• Avez-vous une gouvernance et des processus existants en place pour un programme d'automatisation ? Déployer l'IA dans un programme d'automatisation sans gouvernance existante peut diminuer l'impact de l'IA, empirant son business case. De plus, un manque de gouvernance peut rendre les gens méfiants des risques que les nouvelles technologies posent parfois. Commencez par ajouter de la gouvernance à votre programme d'automatisation existant. Avec la gouvernance en place, vous pouvez superposer de nouvelles solutions, comme l'IA, par-dessus, et donner à votre équipe confiance et tranquillité d'esprit.
• Avez-vous une infrastructure et des ressources existantes à exploiter ? Les implémentations IA complexes ont besoin de data scientists aussi bien que de développeurs RPA. Les ensembles de compétences de vos data scientists et développeurs RPA sont complémentaires, mais ils ne savent peut-être pas encore comment travailler ensemble. Avec la bonne structure de gouvernance, vous pouvez configurer de nouveaux workflows qui permettent à ces équipes de collaborer.
• Avez-vous une vision pour démocratiser l'IA pour les utilisateurs métier ? La démocratisation permet aux utilisateurs métier d'utiliser l'automatisation et l'IA. Construisez votre vision pour la démocratisation dans votre déploiement IA. Cette vision assure la conception d'infrastructure et de gouvernance IA qui a les utilisateurs métier à l'esprit.

Un programme d'automatisation mature, dans les mots de Klochkoff, impliquera des ressources qui sont « passionnées par trouver l'intersection de l'excellence opérationnelle et du potentiel technologique. » Cette intersection est essentielle parce qu'une passion pour l'IA et le ML est nécessaire, mais pas suffisante, pour le succès. La praticité métier est importante aussi.

La maturité du programme d'automatisation n'est pas quelque chose que vous devez juste attendre. En construisant un modèle opérationnel d'automatisation, vous pouvez traverser les premiers stades d'implémentation d'automatisation et mettre à l'échelle l'automatisation efficacement.

Construire l'élan vers l'enthousiasme pour l'IA

L'IA est à l'ordre du jour de chaque dirigeant C-suite, mais beaucoup d'autres initiatives concurrentes le sont aussi. Pour obtenir le C-suite, ainsi que votre entreprise, excités par l'IA, concentrez-vous sur la construction de l'élan en démystifiant, engageant, et démontrant le cas pour investir dans l'IA.

Démystifier l'IA pour apaiser les peurs et susciter l'enthousiasme

L'IA est encore fréquemment mal comprise, partiellement à cause du nombre de technologies différentes qui existent. Il y a maintenant un spectre d'outils allant du simple — accessible aux utilisateurs métier — au complexe, accessible principalement aux data scientists.

Même si votre entreprise a un programme d'automatisation florissant plein de leaders engagés, cela ne signifie pas que qui que ce soit comprend l'IA. Ce manque de compréhension peut mener à de la méfiance, sinon de la peur pure. Votre objectif est de faire de l'IA une entité réaliste, compréhensible — une que les gens du niveau exécutif jusqu'en bas peuvent comprendre.

« Au bout du compte, » dit Klochkoff, « je pense que l'automatisation est quelque chose qui est en fait humain, pour beaucoup d'entre nous... Si vous enlevez ce travail à haut volume, fastidieux, monotone, peu importe comment, n'importe qui, du CFO à l'assistant débutant, peut s'identifier à cela. »

Nous recommandons trois façons de démystifier l'IA :

• Créer des connexions humaines : trouvez des parties prenantes qui comprennent que, dans les mots de Klochkoff, « le progrès incrémental est plus important que la perfection. » L'IA, due à la nature des modèles ML et IA, sera rarement parfaite du premier coup. Aidez les gens à comprendre que le but est d'atteindre un seuil de confiance et d'entraîner les modèles avec le temps.
• Identifier le bon business case : Klochkoff dit que vous devez « combler le fossé mental » entre l'idée et l'implémentation en montrant aux parties prenantes les façons dont l'IA affectera leur vie quotidienne. L'IA fait souvent peur parce qu'elle est distante, alors faites de votre mieux pour la rendre réelle, au lieu d'abstraite. Le bon business case sera une preuve de concept et, une fois implémenté, démontrera une preuve de valeur.
• Se concentrer sur la preuve de valeur : mettez en valeur le potentiel de l'IA avec des technologies plus simples. Klochkoff recommande d'utiliser une technologie familière, comme Amazon Alexa. Alexa est loin de l'IA d'entreprise, mais la familiarité de votre audience avec elle les aide à comprendre sa valeur. Si vous pouvez leur montrer comment un assistant vocal peut ajouter de la valeur via l'IA, vous êtes un pas plus près de prouver la valeur de l'IA d'entreprise.

Klochkoff recommande de demander à vos parties prenantes d'imaginer un « assistant vocal pour le business. » Comment pouvons-nous donner aux gens accès au self-service IT avec le traitement du langage naturel (NLP), par exemple ? Expliquez les bénéfices qu'une telle implémentation pourrait avoir. Utilisez l'analogie pour montrer qu'une implémentation même imparfaite est utile aussi. Des millions de gens utilisent une Alexa, même si elle ne comprend pas leurs requêtes à 100 % correctement à chaque fois.

Ce ne sont pas trois méthodes séparées, mais trois composants d'un bon cas pour l'IA.

Engager les leaders, employés et ressources dans les solutions que l'IA offre

Alors que vous construisez l'élan, gardez à l'esprit que différentes parties prenantes composent votre audience, signifiant que votre messagerie doit changer selon qui vous parlez.

Quand vous parlez aux leaders, faites appel à eux en montrant comment la RPA et l'IA peuvent aider à résoudre de vrais problèmes métier. Les problèmes métier sont le langage qu'ils parlent, alors parlez le même langage.

Quand vous parlez aux employés, guidez-les à travers les cas d'usage. Montrez aux employés comment ils pourront intégrer l'IA dans leur travail quotidien. Encore une fois, démystifiez. Autant que nécessaire, prenez le temps d'expliquer une partie de la logique IA avec laquelle ils interagiront. Ils seront encore, ultimement, responsables des résultats de ces processus.

Quand vous parlez aux ressources plus largement, concentrez-vous sur la rupture des silos. Votre objectif est de permettre à différents départements de travailler ensemble, surtout votre Centre d'Excellence (CoE) RPA et votre CoE analytique de données. Ce ne sera pas toujours facile.

Au fur et à mesure que vous avancez sur le spectre vers les compétences de développement technique, Klochkoff avertit, vous pourriez rencontrer une stigmatisation autour de la RPA. La RPA, pour certains, semble dépassée. Éduquez-les autrement. Avec des plateformes comme UiPath AI Center, vous pouvez faire bien plus que ce qui était possible auparavant. « Quand la valeur métier est là, » dit Klochkoff, « il y a un budget recherche et développement (R&D), signifiant que vos employés hautement techniques auront un 'bac à sable large' pour jouer. »

En construisant l'engagement, vous serez capable de montrer, à tous les niveaux, comment vous pouvez tisser l'IA dans une solution RPA existante. Le soutien des leaders, employés et ressources est nécessaire pour une implémentation élégante.

Chercher les gens qui comprennent vraiment l'IA

Si vous retenez une leçon de cet article, faites-en celle-ci : concentrez-vous sur les résultats. Vous pouvez avoir toutes les démos et exemples du monde, mais rien ne parle aussi fort que des cas d'usage avec des résultats.

Trouvez des cas d'usage tôt et trouvez la bonne audience pour les démontrer. Le bon cas d'usage démontrera le progrès et les effets réels.

Prenez cet exemple d'ApprioHealth, qui a utilisé UiPath AI Computer Vision pour traiter de hauts volumes de sinistres d'assurance médicale rapidement et efficacement. L'équipe d'ApprioHealth étaient des utilisateurs expérimentés de RPA mais ils ont trouvé que leur infrastructure de bureau virtuel (VDI) entravait son efficacité. Avec AI Computer Vision, les robots logiciels peuvent voir les écrans d'ordinateur tout comme les humains, signifiant qu'ApprioHealth pouvait utiliser la RPA à travers n'importe quel système VDI.

Ce cas d'usage était idéal parce que l'équipe comprenait le progrès qui était possible et quand ils l'ont poursuivi, l'efficacité RPA a augmenté de sept fois.

La bonne audience sera aussi assez connaisseuse pour connaître les concepts techniques, la valeur métier de l'IA, et pourquoi leur engagement dans une initiative IA est critique.

C'est là que la démonstration peut parfois mal tourner. Klochkoff a expérimenté cela une fois en travaillant avec des parties prenantes front-office qui manquaient d'un certain niveau d'acuité technique. Son équipe a construit une solution IA qui pouvait pré-générer des réponses aux propositions clients.

« Les gens étaient vraiment excités de travailler sur un problème si intéressant et complexe qui apporterait de la valeur à eux, mais quand la solution ne délivrait pas à un seuil de confiance de 100 %, ils ne s'en souciaient pas vraiment, » a dit Klochkoff. Les parties prenantes qui avaient été excitées sont devenues apathiques une fois qu'elles ont vu ce seuil. Elles se souciaient des petites portions de questions qu'elles connaissaient la réponse que la solution IA ne connaissait pas. Ce n'était pas un groupe idéal pour commencer, a admis Klochkoff.

Tout le monde aime participer à ce que Klochkoff appelle le « buzzword bingo » (qui peut inclure IA, ML et RPA), mais pour certains projets, vous devez chercher des gens qui comprennent vraiment les technologies en jeu. Klochkoff a eu le plus de succès avec « des gens avec qui ils ont travaillé pendant des années. »

Pendant un projet, ils sont passés de 76 % de précision à 97 % de précision sur une période de quatre à six semaines, « et cela n'aurait pas pu arriver sans l'engagement continu et la participation de nos amis dans la fonction technologie. »

La compréhension mutuelle est ce qui vous accordera la capacité de déployer des solutions au-delà de la preuve de concept et éventuellement de mettre à l'échelle.

Tirer parti de votre élan et exécuter

Bien que les entreprises leaders devront toutes éventuellement apprendre à utiliser l'IA pour être compétitives, une implémentation mal chronométrée peut être aussi risquée qu'une implémentation manquée. Ne tardez pas, mais ne vous précipitez pas non plus.

Nous avons discuté comment tester la préparation et construire l'élan ; dans la partie deux, nous expliquerons juste quoi faire avec cet élan. Une fois que vous avez l'enthousiasme de votre côté, l'intégration de modèles IA dans votre programme d'automatisation est dans votre ligne de mire.

Pour entendre Brian Klochkoff et moi dans nos propres mots, consultez l'enregistrement du webinaire AI Playbook.