L'IA dans les affaires : de l'adoption précoce aux percées d'aujourd'hui

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

Mes débuts avec l'IA

Je suis devenu fasciné par ce domaine il y a près de 40 ans, quand j'étais étudiant de premier cycle à Berkeley sous la direction de la professeure Alice Agogino. La professeure Agogino a dessiné ce diagramme simple au tableau.

À l'époque, les systèmes d'IA étaient appelés systèmes experts. Ils permettaient à plus de gens de compléter la plupart des tâches à un niveau expert. Ils amélioraient le potentiel des utilisateurs et décalaient la courbe de performance pour l'ensemble de l'entreprise. Avec ces systèmes, les experts pouvaient se concentrer sur les tâches les plus difficiles que seuls eux pouvaient aborder.

Au fil des ans, cette idée convaincante — que la technologie peut étendre notre performance à grande échelle — est restée avec moi. Elle 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 dans 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, graduellement ils devenaient obsolètes. Ils avaient besoin d'équipes dédiées pour l'utilisation ainsi que pour la maintenance.

Où nous en sommes aujourd'hui

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

• Nous les utilisons différemment ;

• L'accent sur l'intelligence a basculé de l'automatisation vers l'augmentation, et

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

Comment nous les utilisons

Les solutions commerciales traditionnelles sont souvent fragmentées. Un ensemble de systèmes vous dit comment votre entreprise fonctionne actuellement (business intelligence traditionnelle), un autre vous aide à décider comment gérer votre entreprise, et encore un autre 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'analytique descriptive et diagnostique à l'analyse prédictive et l'optimisation utilisant des modèles de jumeaux numériques. Ensuite, une fois une décision prise, ils doivent faire demi-tour et enregistrer cette décision dans leur ERP.

En revanche, quand nous utilisons l'IA, nous commençons directement avec des recommandations et pouvons explorer des insights prédictifs, diagnostiques et descriptifs comme explications. L'IA offre des directives étape par étape pour prendre des actions, même lorsque nous pouvons prendre des décisions différentes des recommandations.

Un changement d'accent

Les systèmes experts traditionnels étaient trop axés sur l'automatisation. Les systèmes d'IA d'aujourd'hui peuvent nous aider à naviguer et orchestrer les processus métier. À mon avis, il est préférable de penser à l'IA comme de l'intelligence augmentée plutôt qu'artificielle. Aujourd'hui, nous voyons l'IA comme quelque chose que nous pouvons entraîner 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 incorporer les retours ou changements dans l'entreprise. Les systèmes d'IA, par contraste, sont dynamiques. Ils apprennent et s'adaptent aux besoins changeants de l'entreprise. Plus vous les utilisez, plus ils deviennent intelligents et efficaces avec le temps.

BI Traditionnelle	IA
Exige que les utilisateurs suivent des chemins fastidieux et souvent déconnectés, partant de l'analytique descriptive et diagnostique pour explorer des alternatives, prédire des résultats, faire des choix et finalement prendre des actions pour gérer l'entreprise.	Offre aux utilisateurs des actions recommandées et la capacité d'explorer des insights prédictifs, diagnostiques et descriptifs comme explications. L'IA a déjà fait tout le travail lourd à travers les étapes d'analyse habituelles.
Limité aux tableaux de bord descriptifs, rapports et alertes.	S'intègre dans la façon dont les utilisateurs effectuent les tâches quotidiennes ; vous ne réalisez peut-être même pas qu'elle est là.
A tendance à devenir de plus en plus général pour cibler des audiences plus larges à mesure qu'ils évoluent.	Apprend à devenir personnel et de plus en plus spécifique aux comportements et préférences des utilisateurs individuels, même si l'étendue des utilisateurs grandit avec le temps.
Se concentre sur l'analyse des données.	Se concentre sur la prise de décisions.
Est statique et peut devenir obsolète avec le temps. Ils ont besoin d'améliorations et de révisions pour suivre l'évolution des besoins et préférences de l'entreprise.	Est dynamique et conçue pour apprendre et s'adapter au changement. Plus vous l'utilisez, plus elle devient intelligente et efficace avec le temps.

Ce qui nous attend

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

Premièrement, tirer le maximum de valeur de l'IA nécessite une gestion du changement diligente, 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 travailleront à saboter son succès. De plus, si l'adoption de l'IA signifie une perte de contrôle ou de contact personnel avec les clients et fournisseurs, ou entrave la pensée transversale, elle échouera.

D'un autre côté, si les gens voient l'IA comme un nouvel ensemble d'outils qui facilite leur vie, les rend plus intelligents, collabore à travers les organisations et accomplit plus, ils travailleront pour la rendre réussie.

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

Finalement, nous devons nous demander si les problèmes sur lesquels nous travaillons pour les résoudre avec l'IA sont les bons à résoudre en premier lieu. Nous devrions travailler à 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 embrassons, capitalisons et améliorons cette technologie, plus nos entreprises s'amélioreront.

Adeel Najmi est directeur produit chez LevaData.