5 façons dont les DSI peuvent mettre en lumière l’IA

L’adoption rapide et la démocratisation de l’IA générative ont été comparées à l’ampoule électrique, qui faisait la même chose que l’électricité il y a environ 150 ans. Tout comme l’ampoule électrique, inventée en 1879, des décennies après l’invention de l’électricité (1831), a apporté des cas d’utilisation pratiques au grand public et aux entreprises, l’IA générative vise à faire de même pour l’IA.

À mesure que la technologie passe du laboratoire à la vie quotidienne, son adoption grand public repose généralement sur des cas d’utilisation précoces de plus en plus solides et éprouvés. Une adoption aussi rapide s’accompagne d’un enthousiasme pour l’art du possible. C’est en partie la raison pour laquelle l’IA est actuellement au sommet de l’enthousiasme dans le Hype Cycle de Gartner.

En fait, ChatGPT a gagné plus de 100 millions d’utilisateurs actifs mensuels en seulement deux mois l’année dernière, et sa position dans le cycle de vie de l’adoption de la technologie a dépassé sa position dans le cycle de battage médiatique. Bien que nous soyons parvenus à une adoption généralisée (près de la moitié de la population générale utilise désormais l’IA générative), nous sommes toujours au sommet d’attentes exagérées. Donc, si vous y réfléchissez, nous sommes peut-être encore dans le moment de l’IA générative, et le moment de l’ampoule est encore à venir. Et ce n’est pas une mauvaise chose.

Dans le monde de l’IA générative, nous découvrons comment les ordinateurs peuvent se tromper de manière surprenante. En expérimentant l’application de l’IA générative aux données publiques et privées, nous apprenons en temps réel ce qui fonctionne et ce qui ne fonctionne pas.

Vous trouverez ci-dessous cinq recommandations pour aider les DSI à naviguer dans le cycle de battage médiatique de l’IA générative et à se préparer à une transition rapide de la vallée de la désillusion à la pente de l’illumination.

Soyez réaliste avec les clients, les employés et les parties prenantes

Tout en évangélisant la nature transformatrice de l’IA générative et des solutions associées, assurez-vous d’en souligner les inconvénients. Si les sociétés de conseil et les fournisseurs de technologies vantent le pouvoir transformateur de l’IA, ils accordent souvent peu d’attention à ses lacunes. Cependant, pour être honnête, de nombreuses entreprises s’efforcent de résoudre ces problèmes, en proposant diverses plateformes, solutions et boîtes à outils.

Être réaliste signifie comprendre vos forces et vos faiblesses et partager ces informations avec vos clients, employés et collègues de la haute direction. Ils apprécieront votre franchise. Créez une liste faisant autorité des inconvénients et des inconvénients afin qu’ils puissent être clairement expliqués et compris. Comme le soulignent les conseillers en IA, les inconvénients sont infinis, notamment les problèmes de boîte noire, la vulnérabilité de l’IA aux fausses affirmations humaines et les hallucinations.

Établir une politique d’utilisation en tant qu’entreprise

Comme mentionné dans un article précédent, les politiques d’utilisation de l’entreprise et les formations associées peuvent aider à sensibiliser les employés aux risques et aux pièges de la technologie et fournir des règles et des recommandations pour en tirer le meilleur parti. Lors de l’élaboration de politiques, assurez-vous d’impliquer toutes les parties prenantes concernées, réfléchissez à la manière dont l’IA est actuellement utilisée au sein de l’organisation, comment elle pourrait être utilisée à l’avenir, et assurez-vous que l’IA est utilisée dans toute l’organisation. Il est recommandé que la politique soit un document évolutif et mis à jour si nécessaire et à intervalles appropriés. Cette politique protège contre de nombreux risques liés aux contrats, à la cybersécurité, à la confidentialité des données, aux pratiques commerciales trompeuses, à la discrimination, à la désinformation, à l’éthique, à la propriété intellectuelle, à la vérification, etc.

Évaluer la valeur commerciale de chaque cas d’utilisation

Pour la sortie de texte pur, nous avons tendance à faire confiance aux réponses de l’IA qui sont écrites avec une bonne grammaire. Psychologiquement parlant, nous avons tendance à croire qu’il y a une intelligence puissante derrière cela, mais en réalité, l’IA n’a aucune compréhension de ce qui est vrai et de ce qui est faux.

Il existe d’excellents cas d’utilisation de l’IA générative, mais chacun doit être considéré au cas par cas. Par exemple, l’IA est généralement mauvaise pour rédiger des prédictions techniques. Le résultat nous dit souvent des choses que nous savons déjà et peut également être plagié. Même l’utilisation d’outils de réécriture et de reformulation peut aggraver le problème, les équipes passant plus de temps à utiliser ces outils qu’à rédiger leurs propres prédictions. Il est préférable de choisir vos batailles et d’utiliser l’IA générative uniquement lorsque cela présente un avantage évident.

Maintenir des normes de test strictes

L’IA générative est susceptible d’être utilisée par de nombreux employés au sein d’une organisation. Il est donc important de sensibiliser les employés aux avantages et aux inconvénients et d’utiliser la politique d’utilisation de votre entreprise comme point de départ. Avec autant d’adoption de l’IA, nous sommes tous effectivement des testeurs, apprenant au fur et à mesure.

Au sein de votre organisation, qu’il s’agisse des services informatiques ou commerciaux, concentrez-vous sur les tests et les expérimentations avant la mise en ligne, et prévoyez beaucoup de temps. La mise en place d’une communauté de pratique interne où les employés peuvent partager leurs expériences et les leçons apprises peut également contribuer à accroître la sensibilisation globale et à promouvoir les meilleures pratiques dans toute l’organisation.

Plan en cas de problèmes techniques

Nous avons vu dans le scandale de longue date de la Poste britannique que même les systèmes non compatibles avec l’IA peuvent commettre de graves erreurs qui peuvent changer la vie. En supposant à tort que ces systèmes sont corrects, des centaines de travailleurs pourraient être ciblés à tort. Dans le cas de la Poste britannique, plus de 700 maîtres de poste ont été faussement accusés de fraude sur une période de 15 ans, ce qui a entraîné une atteinte à leur réputation, des divorces et même des suicides.

Il est donc extrêmement important de mettre en place des contre-mesures au cas où l’IA prendrait une mauvaise mesure. Les politiques d’utilisation de l’entreprise établissent des garde-fous, mais comment les processus de gouvernance du service informatique peuvent-ils surveiller et réagir en cas de problème ? Avez-vous un plan? Comment les processus de gouvernance font-ils la distinction entre les bonnes réponses et les bonnes décisions ? Quel est l’impact sur l’entreprise si une erreur est commise, et est-elle facile ou difficile à corriger ?

Le moment où l’IA générative verra le jour n’est pas loin, mais ce ne sera pas le cas tant que nous n’aurons pas surmonté la vallée de la désillusion, gravi la colline de l’illumination et enfin atteint le plateau de la productivité. L’éclairage, l’expérimentation et l’apprentissage en cours de route font tous partie du processus.