ChatGPT n’est pas une stratégie d’IA, mais il devrait être un outil stratégique

Par Bryan Kirschner, vice-président, stratégie chez DataStax

Pour tous les un enthousiasme mérité sur le potentiel de l’IA générative, «ChatGPT n’est pas votre stratégie d’IA» reste un conseil judicieux.

Cela dit, il vaut toujours la peine de réfléchir à la manière d’utiliser des outils basés sur un grand modèle de langage (LLM) comme ChatGPT dans des moyens plus stratégiques.

Nouvelle recherche de Microsoft L’utilisation de son assistant Copilot AI montre comment tout le monde, du contributeur individuel le plus junior au PDG, peut s’appuyer sur cela dans n’importe quelle organisation.

L’une des observations des chercheurs était que « les outils de productivité basés sur le LLM peuvent parfois offrir aux travailleurs de l’information une nouvelle option qui n’existait pas auparavant : la capacité d’effectuer un certain ensemble de tâches beaucoup plus rapidement mais avec une qualité légèrement inférieure ».

À première vue, cela peut ressembler à un compromis.

Mais si nous prenons du recul et reconnaissons que les tâches des travailleurs du savoir, telles que l’élaboration d’analyses de rentabilisation, l’échange d’e-mails et la création de présentations de diapositives, ne sont que des moyens pour parvenir à une fin – dans ce cas, des « décisions de haute qualité » – nous pouvons rechercher une solution gagnante. gagner.

La clé est de faire des choix intentionnels concernant d’où vient la qualité.

Le prix à payer pour retourner à la planche à dessin

Une option est une façon de travailler que nous avons probablement tous expérimentée. Dans « Bien concevoir les emplois», le stratège Roger Martin le décrit ainsi :

« Qu’un PDG ait délégué une mission au président d’une business unit, qu’un président d’une business unit ait confié une initiative à un Category Manager, ou qu’un Category Manager ait confié un projet à un Brand Manager, la séquence des événements est étrangement cohérent. Les subordonnés effectuent un travail énorme pour préparer le projet qui sera examiné par leurs patrons. Ils attendent que le travail soit aussi minutieux et à toute épreuve que possible, puis le présentent pour approbation.

Même avant l’IA générative, cette approche, aussi courante soit-elle, avait ses inconvénients. Pour le personnel qui a été « renvoyé à la planche à dessin », un sentiment d’échec est presque inévitable – accompagné de la crainte de devoir maintenant travailler encore plus dur pour préparer le prochain examen.

Et cela met les managers et les dirigeants dans une situation difficile quant à la manière dont ils ajoutent de la valeur. Ainsi, parfois : « … les patrons n’ont aucun intérêt à hocher sagement la tête et à dire : « Excellent travail ! C’est un travail stupide. Ils veulent un vrai travail à valeur ajoutée. Et quand on ne leur en a pas donné, ils ont tendance à en créer un qui n’est pas très utile : le pinaillage. Et ça? Y avez-vous pensé ?

Si le patron vraiment fait identifier un défaut matériel dans la réflexion de l’équipe, ils ont certes préservé la qualité d’une décision finale, mais au prix de la démoralisation. S’ils n’ont vraiment fait que creuser quelques trous qui n’ont fondamentalement pas d’importance, ils ont déclenché à la fois la démoralisation et la démoralisation. et retouche inutile.

Et l’état d’esprit avec lequel les gens pourraient être préparés à aborder cette refonte peut être dangereux maintenant que nous sommes à l’ère de l’IA générative, car « nous avons besoin de plus de faits pour étayer notre cause » est une manière risquée, voire contre-productive, de l’utiliser.

Déclenchez une conversation fructueuse avec l’IA

L’IA générative a une capacité illimitée à vous dire ce que vous voulez entendre, notamment en présentant en toute confiance des fabrications à 100 % («hallucinations») comme des faits. Si une équipe insiste pour obtenir plus de faits à la recherche de l’affaire parfaite et à l’épreuve des balles (pendant que le patron l’exploite pour plus de « pièges »), nous avons imaginé le « pire scénario ».

À l’inverse, l’IA générative est très efficace pour aider à générer de nouvelles idées, plus rapidement, et à fournir un retour d’information instantané, même imparfait. des exemples qui peuvent encore susciter une bonne discussion même s’ils sont inventés. (Pensez à des scénarios hypothétiques : nous en parlons tout le temps en tant qu’humains.)

Ces « compétences » conviennent parfaitement à une façon de travailler différente, également antérieure à l’IA générative. Comme Martin le recommande :

« Au lieu d’attendre jusqu’à la onzième heure pour confier un travail stupide à vos patrons, donnez-leur des emplois intelligents en cours de route. Revenez tôt et dites : « Patron, je définis le problème que vous m’avez posé comme celui de rationaliser notre approche de mise sur le marché afin de la rendre plus rentable et plus réactive pour les clients finaux. Cette définition vous parle-t-elle ? Comment pourriez-vous le modifier ou l’améliorer ? » C’est un véritable travail que les patrons peuvent faire et qu’ils apprécieront de faire, et cela contribuera à votre effort stratégique.

« Lorsque vous avez des solutions possibles, revenez et dites : « Patron, sur la base de la définition du problème que nous avons affinée, j’ai proposé les trois solutions potentielles suivantes. Êtes-vous tellement allergique à l’un d’entre eux que cela ne vaut pas la peine de poursuivre ? Ou y a-t-il une autre possibilité qui vous vient à l’esprit et que je devrais envisager ? Encore une fois, c’est une tâche parfaite pour les patrons, et d’après mon expérience en aidant les managers à engager ce dialogue, les patrons l’adorent et ajoutent de la valeur en l’assumant.

Il s’agit évidemment d’une voie à double sens. L’équipe et le patron doivent y adhérer.

Mais si nous estimons que l’IA générative peut économiser au moins 25 % du temps consacré à la génération d’artefacts (comme les e-mails et les diapositives) tout en préservant 80 % de la qualité, nous avons le choix. La première consiste à ramener cela dans un modèle « s’efforcer d’obtenir des artefacts parfaits, puis se soumettre à un audit » pour parvenir à des décisions de haute qualité.

L’autre – et une bien meilleure exploitation des atouts de l’IA générative – est « d’itérer plus rapidement et d’apporter de la qualité grâce à des conversations collaboratives ». Ces conversations devraient conduire à une convergence à la fois sur une décision privilégiée et sur les faits les plus importants à vérifier afin de prendre cette décision en toute confiance – une utilisation parfaite du talent humain (plutôt que de peaufiner les résultats de l’IA générative par ailleurs « assez bons »).

Réorganisez la façon dont vous prenez des décisions

Lors de la transition de l’énergie à vapeur vers l’électricité omniprésente dans les usines, les gains importants n’ont été réalisés que quand les usines ont été réorganisées pour profiter de la liberté des contraintes des machines à vapeur et des courroies. Dans la transition vers une IA générative omniprésente, nous devrions tirer les leçons du passé et toujours réfléchir à de nouvelles façons de travailler afin de tirer le meilleur parti de la technologie, y compris la manière dont nous organisons le travail de connaissances pour parvenir à de bonnes décisions.

En savoir plus sur l’IA générative.

À propos de Bryan Kirschner:

Bryan est vice-président de la stratégie chez DataStax. Depuis plus de 20 ans, il aide de grandes organisations à élaborer et à exécuter des stratégies lorsqu’elles recherchent de nouvelles voies d’avenir et un avenir sensiblement différent de leur passé. Il se spécialise dans l’élimination de la peur, de l’incertitude et du doute de la prise de décision stratégique grâce à des données empiriques et à la détection du marché.