5 conseils pour accélérer la mise en œuvre de l'IA de votre entreprise

Il ne s’agit pas d’informations privilégiées pour connaître le potentiel inégalé de la mise en œuvre de l’IA à l’échelle de l’entreprise. Même avec toutes les avancées de ces dernières années, on a toujours l’impression que nous commençons à peine à voir ce que l’intelligence artificielle peut faire.

Il existe d’innombrables exemples d’entreprises dans des dizaines de secteurs utilisant l’IA pour diverses tâches et processus. Les algorithmes aident les entreprises à prévoir le comportement des clients et les habitudes d’achat, à optimiser les chaînes d’approvisionnement, à personnaliser les expériences, à comprendre votre main-d’œuvre, et même vous aider trouver Waldo.

Pour certaines entreprises, cependant, la mise en œuvre et l’accélération de la mise en œuvre à grande échelle est une perspective intimidante. Beaucoup ont des inquiétudes concernant les fournisseurs, la capacité d’intégration, les coûts et les problèmes de confidentialité et de réglementation. Le jus vaut-il même la peine compte tenu de ces défis?

Donc, si vous envisagez d’adopter davantage l’IA dans vos processus, ou si vous avez commencé la transition et la trouvez frustrante ou fastidieuse, voici cinq façons d’atteindre vos objectifs plus rapidement.

La source: McKinsey & Company

1) Parrainage exécutif sécurisé

Comme Exemples SaaS avant elle, l’IA ouvre une nouvelle voie par rapport aux logiciels sur site. Mais avec le changement, vient le défi. Avoir l’adhésion à C-suite est crucial pour le succès.

Plus les cadres supérieurs sont informés et engagés dans l’utilisation de l’IA, meilleures sont les chances d’une adoption à l’échelle de l’entreprise. «Un leadership exécutif fort va de pair avec une adoption plus forte de l’IA.

Les répondants des entreprises qui ont déployé avec succès une technologie d’intelligence artificielle à grande échelle avaient tendance à évaluer le support de la suite C près de deux fois plus élevé que ceux des entreprises qui n’avaient pas adopté la technologie d’intelligence artificielle », selon ce McKinsey Global Institute étude.

Si aucun chef d’entreprise n’est en mesure de prendre la tête de votre transition vers l’IA, vous êtes déjà mal parti. Assurez-vous que ceux qui occupent des postes de direction sont chargés des différentes facettes d’un programme d’intégration de l’IA.

Chaque étape doit également être dotée de personnel approprié pour conduire le processus, sans avoir peur de changer de direction au cours d’une campagne pour réussir.

Planifiez une semaine téléconférence avec les principales parties prenantes pour garantir que les rôles sont constamment affinés et que tout le monde est tenu au courant du statut d’adoption.

Il convient également de souligner que vous, en tant que responsable de cette campagne, devez être en mesure de dicter les ressources, les investissements et la stratégie globale de l’organisation. Cela inclut l’engagement actif de votre entourage pour le soutien de la stratégie d’IA, des ressources humaines et informatiques et de l’adoption culturelle.

Il serait utile que vous fassiez de l’adoption culturelle une priorité en tenant les dirigeants organisationnels responsables lorsqu’ils exécutent les révisions nécessaires pour poursuivre la transformation. C-suite doit éliminer les barrières et les obstacles, à la fois techniques et culturels, pour augmenter vos chances de succès.

Une fois que C-suite est alignée sur vos objectifs, vous devez déterminer comment vous souhaitez gérer et contrôler le budget. Cela est particulièrement vrai si votre paysage actuel se compose d’analyses internes ou d’efforts d’IA concurrents.

Enfin, n’oubliez pas de célébrer et de communiquer les progrès à votre organisation. Cela permet de renforcer l’engagement des dirigeants et d’obtenir un soutien pour la transformation.

La source: McKinsey & Company

2) Définir la gestion et la gouvernance des données

Un «libre-service» plus intelligent et plus accessible et logiciel de collaboration d’équipe entraîne une augmentation des données, des sources de données et des attentes des utilisateurs finaux.

En conséquence, la demande d’une bonne gouvernance des données devient essentielle. Sans cela, les données se trouvent sans but dans un lac de données ou un entrepôt. Regardez-le de cette façon, plus de données sans restriction peuvent donner plus de liberté aux entreprises.

Cependant, au niveau de l’entreprise, cela peut signifier des étapes manquées, des résultats inefficaces et des oublis. Une analyse plus rapide peut devenir un problème avant de se sentir comme une solution.

Il est essentiel de résoudre ce problème avec le soutien des dirigeants. Cela signifie des ressources définies pour gérer et améliorer la collecte, l’efficacité et l’utilisation des données dans toutes les fonctions vitales.

L’équipe de gouvernance des données doit, en outre, définir et superviser les politiques, normes, définitions et gérer la qualité des données.

N’oubliez pas que toutes les données ne sont pas égales. Définissez ce qui nécessite un contrôle exécutif et quelles données peuvent être rendues publiques pour être utilisées.

Étant donné la disponibilité actuelle de plus analyse conviviale et les outils de visualisation, dans quelle mesure le «libre-service» peut-il être autorisé à créer de meilleurs modèles prédictifs ou différentes façons de créer de nouveaux processus commerciaux? Qui peut définir ces ensembles de données et cas d’utilisation?

Ce sont des aspects essentiels à prendre en considération, car il faut trouver un équilibre entre rigidité et protection et flexibilité. Ceci, encore une fois, souligne l’importance d’un modèle de gouvernance des données utile.

Trop de contrôle peut signifier des processus lents, un manque de réponse, des formalités administratives, la nécessité de choses comme vérification de l’E-mailet l’utilisation manifeste de solutions informatiques dirigées par l’entreprise.

Trop de flexibilité peut signifier différentes versions de la vérité, conduisant à une absence de propriété ou de responsabilité réelle, à des conflits et à une réduction de la productivité.

La source: KPMG

Lorsque vous prenez des décisions concernant l’IA, un processus de gouvernance des données vous permet de mettre en œuvre et de gérer ces décisions. Y compris qui peut accéder à quoi, combien d’accès et ce que cet accès implique.

3) Adoptez une approche de réflexion et de test plutôt que de réussite ou d’échec

Toutes les adoptions d’IA sont uniques et présentent leurs propres ensembles de défis. Et donc, vous devez commencer toutes les introductions à l’IA par une méthode de «test et d’affinement» par opposition à une approche de «réussite ou d’échec».

Classiquement, les méthodes analytiques infèrent une relation définie entre les variables. Tester une hypothèse unilatérale la validera ou la rejettera, mais ne découvrira pas le lien caché entre les variables; les Pourquoi.

Il est essentiel de créer des hypothèses pour chaque étape, puis d’utiliser ces apprentissages et expériences au cours des étapes suivantes. Cela signifie affiner et organiser votre déploiement d’intelligence artificielle jusqu’à ce qu’il ressemble à une solution viable qui fournit des résultats significatifs est un processus beaucoup plus facile.

Et, bien que cette approche allongera inévitablement les délais de déploiement, elle vous permet également d’affiner les résultats pour incorporer les enseignements tirés de la vie réelle.

Si vous intégrez l’IA à l’informatique Service Clients comme les chatbots automatisés, il est vital, peu importe où le client se rend, une réponse les attend. Cela ne peut pas fonctionner jusqu’à un certain point, il a besoin d’absolu. Les solutions ultimes s’aligneront alors sur les besoins des employés et des utilisateurs finaux.

La source: PWC

4) Passer du temps sur la gestion du changement et la formation

Le déploiement d’une API AI pour ingérer un nouvel ensemble de données est simple. Cependant, il est difficile de modifier la gestion et la formation des analystes qui utiliseront ces processus à l’avenir.

La plupart des formes d’IA créent des décisions automatisées – «oui» ou «non». Cependant, il arrive souvent que l’intégration d’algorithmes ML puisse également permettre des réponses plus subtiles. Ces réponses peuvent être utilisées conjointement avec les processus existants pour fournir les meilleurs résultats.

Par exemple, si une décision d’IA indique une demande de prêt sur une échelle de 1 à 10, les notes de 7 à 10 peuvent donner un oui automatique.

Cependant, tout élément inférieur nécessitera toujours une intervention humaine pour accorder ou refuser la demande. Si vous intégrez l’IA pour analyser les commandes vocales dans un centre d’appels sur Communications VoIP, comment peut-il distinguer les commandes plus profondément que simplement «l’option 1 ou l’option 2»?

Tout comme vous passeriez du temps à former vos employés à l’utilisation d’un processus spécifique, il en va de même pour les résultats basés sur l’IA.

Les employés humains peuvent avoir besoin de passer quelques semaines à analyser les résultats des algorithmes d’IA. Cela leur donnerait un cadre de référence pour interpréter au mieux les scores.

Si vous utilisez un fournisseur d’IA, il peut vous aider à comprendre les résultats et comment les employés peuvent tirer le meilleur parti du nouveau système. Sinon, l’apprentissage comment créer une plateforme d’apprentissage en ligne pourrait être un investissement utile pour mettre les membres de l’équipe au courant.

L’IA n’est pas «magique». C’est juste un moyen de comprendre les schémas et les comportements pour fournir des résultats plus précis et faire des prédictions. L’IA ne fonctionne que lorsqu’elle a un problème défini à résoudre et les bonnes mesures pour réussir. Si vous n’avez pas clairement défini le problème pour lequel vous avez acheté l’IA, vous n’obtiendrez pas la bonne solution.

La source: revue de Harvard business

5) Consolider et assimiler l’automatisation

À mesure que vous accélérez l’adoption de l’IA à l’échelle de l’entreprise, à quoi ressembleront ces processus à l’avenir avec l’introduction d’une multitude de types d’automatisation. Des processus manuels complets jusqu’à l’adoption du RPA et des protocoles d’IA encore plus avancés.

Il vaut mieux juste (et je sais que c’est un grand juste) réinventer les processus métier à partir de zéro avec l’IA à l’esprit. Vous pouvez ensuite appliquer le meilleur outil pour le travail à n’importe quelle étape donnée.

Le simple fait d’insérer du RPA ou de l’IA dans des processus établis peut signifier que vous ratez tout son potentiel. Vous devez également prendre en compte les transferts qui doivent se produire au fur et à mesure de votre intégration.

Cela comprend l’apprentissage humain-machine ou machine-machine. En rationalisant les transferts et en les rendant plus homogènes et plus fiables, vous pouvez encore améliorer vos futurs processus pour qu’ils soient rentables, compétitifs et agiles.

La source: revue de Harvard business

La mise en œuvre de l’IA peut être accélérée. Cependant, il ne s’agit pas nécessairement d’être plus intelligent; il s’agit de faire les bons choix. Il est essentiel d’avoir l’adhésion des dirigeants combinée à une équipe de gouvernance des données définie.

Comme cela devient obsédé par la qualité des données, consacrer suffisamment de temps à la gestion du changement et avoir un test sans approche d’attentes définies.

Si vous trouvez que votre projet d’IA prend trop de temps, soyez patient. Comme tout type de transformation numérique, tout comme vous approchez de la ligne d’arrivée, vous rencontrerez probablement un autre obstacle. Mais surmontez-le et les possibilités sont illimitées.

John Allen est le directeur du référencement mondial chez RingCentral, un fournisseur mondial de solutions UCaaS, VoIP et de visioconférence. Il a plus de 14 ans d’expérience et une vaste expérience dans la création et l’optimisation de programmes de marketing numérique. Il a écrit pour des sites Web tels que Hubspot et BambooHR.