Déploiement de l’IA
Dans le passé, avec l’IA traditionnelle, il aurait fallu un an ou deux d’expérimentation avant qu’un modèle d’IA soit prêt à être utilisé, mais Les projets d’IA générative avancent rapidement.
« Les modèles de base disponibles aujourd’hui permettent aux entreprises de réfléchir rapidement aux cas d’utilisation », explique Menon. « Nous sommes désormais à un stade où nous pouvons réfléchir à une expérimentation puis passer rapidement à la production. » Il suggère aux entreprises de s’abstenir de réaliser tous les projets d’IA en même temps, d’établir un mécanisme de coûts et des objectifs clairs pour chaque projet, de commencer modestement, d’évoluer judicieusement et d’investir continuellement dans l’amélioration des capacités. « Le perfectionnement des compétences représente un coût, mais il vous aidera à économiser sur d’autres coûts », dit-il.
Matthew Mettenheimer, directeur associé de S-RM Intelligence and Risk Consultingdit constater souvent une prolifération de l’IA au sein des entreprises. « Un DSI ou un conseil d’administration souhaite mettre en œuvre l’IA dans toute l’entreprise, et avant même de s’en rendre compte, il y a déjà pas mal de dépenses et de cas d’utilisation », explique-t-il.
Par exemple, S-RM a récemment travaillé avec un grand fabricant de produits de consommation qui a décidé de promouvoir l’IA dans l’ensemble de son activité sans construire au préalable une structure de gouvernance. « Et chaque département s’est lancé dans la course et a commencé à essayer de mettre en œuvre l’IA générative », dit-il. « Vous aviez des contrats qui se chevauchaient avec différents outils pour différentes parties de l’organisation, ce qui a vraiment commencé à gonfler leurs dépenses. Votre département commercialisation utilisé un outil, votre équipe informatique en a utilisé un autre. Même au sein d’un même service, différentes équipes utilisaient des outils différents.
En conséquence, l’entreprise payait sans cesse pour des services similaires, et chaque groupe avait ses propres contrats, sans avoir l’efficacité nécessaire pour faire les choses à grande échelle. Et les gens s’abonnaient à des produits d’IA générative qu’ils ne savaient pas utiliser.
«Il y avait beaucoup de bonnes intentions et d’idées à moitié cuites», dit-il. En conséquence, il y a eu une augmentation massive des dépenses informatiques, dit-il. Les entreprises doivent commencer par comprendre où l’IA générative peut réellement avoir un impact. Ensuite, les entreprises doivent construire leurs projets étape par étape, de manière durable, au lieu d’aller acheter tout ce qu’elles peuvent. Certains domaines particulièrement préoccupants, dans lesquels les entreprises peuvent vouloir s’abstenir de dépenser, sont des cas d’utilisation qui pourraient impliquer une culpabilité de la part de l’organisation.
« Si vous êtes un assureur, utiliser l’IA pour déterminer si une réclamation sera payée ou non peut entraîner une certaine responsabilité si le mécanisme de l’IA n’est pas utilisé ou calibré correctement », explique Mettenheimer. Au lieu de cela, donnez la priorité aux cas d’utilisation dans lesquels les travailleurs peuvent être libérés pour effectuer des tâches plus complexes.
« Si quelqu’un passe cinq heures par semaine à mettre à jour la même feuille de calcul et que vous pouvez réduire ce temps à zéro heure par semaine, cela permet à cette personne d’être plus productive », ajoute-t-il. Mais si la vérification du travail de l’IA prend autant de temps qu’elle en économise, le travail ne sera pas en réalité plus efficace.
« L’IA générative est un outil vraiment puissant et incroyable, mais ce n’est pas magique », dit-il. « Il existe une idée fausse selon laquelle l’IA sera capable de tout faire sans avoir recours à des processus manuels ou à une validation, mais nous n’en sommes pas encore là. ».
Il recommande également de ne pas réaliser de projets d’IA pour lesquels des solutions parfaitement efficaces existent déjà.. «Je connais des cas où des gens souhaitent utiliser l’IA pour avoir le sentiment d’obtenir un avantage concurrentiel et pouvoir affirmer qu’ils utilisent l’IA pour leur produit», dit-il. « Ils mettent donc l’IA en tête, mais ils n’en tirent aucun avantage au-delà du fait de dire qu’ils utilisent l’IA. »
Les hauts dirigeants sont impatients de se lancer dans l’IA générative, déclare Megan Amdahl, vice-présidente senior des alliances et des opérations partenaires chez Insight. «Mais sans objectif précis en tête, ils peuvent perdre beaucoup de temps dans des cycles qui n’aboutissent pas aux résultats escomptés», dit-il. Par exemple, les clients recherchent souvent de petits cas d’utilisation qui améliorent l’efficacité d’un petit nombre de personnes. Cela peut sembler un gros projet, mais s’il n’y a aucun moyen de le faire évoluer, il est facile de se retrouver avec une mer de solutions ponctuelles, dont aucune n’a un réel impact sur l’entreprise.
« Chez Insight, nous sélectionnions l’équipe à cibler pour améliorer la réponse du service d’assistance », explique-t-il. L’un des cas les plus intéressants est celui d’une équipe de 50 personnes qui vérifiait l’état des commandes des clients. Mais non seulement il s’agissait d’une petite équipe, mais le personnel était également localisé dans des endroits à bas prix. Améliorer leur efficacité grâce à l’IA générative aurait un certain impact, mais pas significatif. Une autre équipe a créé des nomenclatures pour les clients, et elles étaient beaucoup plus volumineuses. « Nous nous sommes concentrés sur une équipe de 850 personnes pour avoir un impact plus large », explique-t-il.
En plus de sélectionner les projets ayant le plus grand impact possible, il recommande également de rechercher ceux dont la portée est plus restreinte, en termes d’exigences en matière de données. Prenons, par exemple, un assistant d’aide génératif par IA. « Ne cherchez pas tous les types de questions que l’entreprise peut recevoir », dit-il. « Réduisez-les et contrôlez les réponses que vous recevez. Cela réduit également la quantité de données que vous devez extraire.
L’organisation des données constitue un défi important et coûteux pour les entreprises mettant en œuvre l’IA. Les données doivent être propres et dans un format structuré pour réduire les inexactitudes. Amdhal recommande aux entreprises qui cherchent à décider quels projets d’IA générative poursuivre en premier de se concentrer sur la génération de revenus, la réduction des coûts et l’amélioration de l’affinité avec la marque.
août 9, 2024
Comment garder sous contrôle les dépenses en IA générative
Déploiement de l’IA
Dans le passé, avec l’IA traditionnelle, il aurait fallu un an ou deux d’expérimentation avant qu’un modèle d’IA soit prêt à être utilisé, mais Les projets d’IA générative avancent rapidement.
« Les modèles de base disponibles aujourd’hui permettent aux entreprises de réfléchir rapidement aux cas d’utilisation », explique Menon. « Nous sommes désormais à un stade où nous pouvons réfléchir à une expérimentation puis passer rapidement à la production. » Il suggère aux entreprises de s’abstenir de réaliser tous les projets d’IA en même temps, d’établir un mécanisme de coûts et des objectifs clairs pour chaque projet, de commencer modestement, d’évoluer judicieusement et d’investir continuellement dans l’amélioration des capacités. « Le perfectionnement des compétences représente un coût, mais il vous aidera à économiser sur d’autres coûts », dit-il.
Matthew Mettenheimer, directeur associé de S-RM Intelligence and Risk Consultingdit constater souvent une prolifération de l’IA au sein des entreprises. « Un DSI ou un conseil d’administration souhaite mettre en œuvre l’IA dans toute l’entreprise, et avant même de s’en rendre compte, il y a déjà pas mal de dépenses et de cas d’utilisation », explique-t-il.
Par exemple, S-RM a récemment travaillé avec un grand fabricant de produits de consommation qui a décidé de promouvoir l’IA dans l’ensemble de son activité sans construire au préalable une structure de gouvernance. « Et chaque département s’est lancé dans la course et a commencé à essayer de mettre en œuvre l’IA générative », dit-il. « Vous aviez des contrats qui se chevauchaient avec différents outils pour différentes parties de l’organisation, ce qui a vraiment commencé à gonfler leurs dépenses. Votre département commercialisation utilisé un outil, votre équipe informatique en a utilisé un autre. Même au sein d’un même service, différentes équipes utilisaient des outils différents.
En conséquence, l’entreprise payait sans cesse pour des services similaires, et chaque groupe avait ses propres contrats, sans avoir l’efficacité nécessaire pour faire les choses à grande échelle. Et les gens s’abonnaient à des produits d’IA générative qu’ils ne savaient pas utiliser.
«Il y avait beaucoup de bonnes intentions et d’idées à moitié cuites», dit-il. En conséquence, il y a eu une augmentation massive des dépenses informatiques, dit-il. Les entreprises doivent commencer par comprendre où l’IA générative peut réellement avoir un impact. Ensuite, les entreprises doivent construire leurs projets étape par étape, de manière durable, au lieu d’aller acheter tout ce qu’elles peuvent. Certains domaines particulièrement préoccupants, dans lesquels les entreprises peuvent vouloir s’abstenir de dépenser, sont des cas d’utilisation qui pourraient impliquer une culpabilité de la part de l’organisation.
« Si vous êtes un assureur, utiliser l’IA pour déterminer si une réclamation sera payée ou non peut entraîner une certaine responsabilité si le mécanisme de l’IA n’est pas utilisé ou calibré correctement », explique Mettenheimer. Au lieu de cela, donnez la priorité aux cas d’utilisation dans lesquels les travailleurs peuvent être libérés pour effectuer des tâches plus complexes.
« Si quelqu’un passe cinq heures par semaine à mettre à jour la même feuille de calcul et que vous pouvez réduire ce temps à zéro heure par semaine, cela permet à cette personne d’être plus productive », ajoute-t-il. Mais si la vérification du travail de l’IA prend autant de temps qu’elle en économise, le travail ne sera pas en réalité plus efficace.
« L’IA générative est un outil vraiment puissant et incroyable, mais ce n’est pas magique », dit-il. « Il existe une idée fausse selon laquelle l’IA sera capable de tout faire sans avoir recours à des processus manuels ou à une validation, mais nous n’en sommes pas encore là. ».
Il recommande également de ne pas réaliser de projets d’IA pour lesquels des solutions parfaitement efficaces existent déjà.. «Je connais des cas où des gens souhaitent utiliser l’IA pour avoir le sentiment d’obtenir un avantage concurrentiel et pouvoir affirmer qu’ils utilisent l’IA pour leur produit», dit-il. « Ils mettent donc l’IA en tête, mais ils n’en tirent aucun avantage au-delà du fait de dire qu’ils utilisent l’IA. »
Les hauts dirigeants sont impatients de se lancer dans l’IA générative, déclare Megan Amdahl, vice-présidente senior des alliances et des opérations partenaires chez Insight. «Mais sans objectif précis en tête, ils peuvent perdre beaucoup de temps dans des cycles qui n’aboutissent pas aux résultats escomptés», dit-il. Par exemple, les clients recherchent souvent de petits cas d’utilisation qui améliorent l’efficacité d’un petit nombre de personnes. Cela peut sembler un gros projet, mais s’il n’y a aucun moyen de le faire évoluer, il est facile de se retrouver avec une mer de solutions ponctuelles, dont aucune n’a un réel impact sur l’entreprise.
« Chez Insight, nous sélectionnions l’équipe à cibler pour améliorer la réponse du service d’assistance », explique-t-il. L’un des cas les plus intéressants est celui d’une équipe de 50 personnes qui vérifiait l’état des commandes des clients. Mais non seulement il s’agissait d’une petite équipe, mais le personnel était également localisé dans des endroits à bas prix. Améliorer leur efficacité grâce à l’IA générative aurait un certain impact, mais pas significatif. Une autre équipe a créé des nomenclatures pour les clients, et elles étaient beaucoup plus volumineuses. « Nous nous sommes concentrés sur une équipe de 850 personnes pour avoir un impact plus large », explique-t-il.
En plus de sélectionner les projets ayant le plus grand impact possible, il recommande également de rechercher ceux dont la portée est plus restreinte, en termes d’exigences en matière de données. Prenons, par exemple, un assistant d’aide génératif par IA. « Ne cherchez pas tous les types de questions que l’entreprise peut recevoir », dit-il. « Réduisez-les et contrôlez les réponses que vous recevez. Cela réduit également la quantité de données que vous devez extraire.
L’organisation des données constitue un défi important et coûteux pour les entreprises mettant en œuvre l’IA. Les données doivent être propres et dans un format structuré pour réduire les inexactitudes. Amdhal recommande aux entreprises qui cherchent à décider quels projets d’IA générative poursuivre en premier de se concentrer sur la génération de revenus, la réduction des coûts et l’amélioration de l’affinité avec la marque.
Source link
Partager :
Articles similaires