Comment perdre la course à l’IA ? En n’entrant pas.
C’est ce que déclare Andrew McAfee, chercheur scientifique principal à la MIT Sloan School of Management. « Lorsqu’une technologie aussi puissante apparaît et qu’il faut apprendre par la pratique, trouver des raisons de ne pas la mettre en œuvre est une assez grosse erreur », dit-il.
Malgré l’adoption massive de l’IA générative au cours de sa première année de lancement, la plupart des organisations restent prudentes quant à une adoption massive. Deux tiers des responsables du risque interrogé par Gartner considérez la génération AI comme une risque émergent majeur. Parmi leurs plus grandes préoccupations : exposer la propriété intellectuelle via des modèles d’IA génératifs accessibles au public, révéler les données personnelles des utilisateurs à des fournisseurs ou prestataires de services tiers et sécuriser l’IA elle-même contre les pirates informatiques criminels.
McAfee rétorque que ces risques sont gérables.
« Ces risques sont des éléments dont vous devez vous soucier dans tout autre projet technologique de base de données à grande échelle, mais ils ne sont pas terrifiants et vous avez beaucoup à gagner », déclare McAfee. Les avantages potentiels de l’IA générative sont énormes et les récompenses du succès méritent d’être exploitées.
Pour identifier les opportunités et déterminer le retour sur investissement potentiel des applications d’IA générative, McAfee conseille aux dirigeants d’entreprise de considérer ces quatre étapes fondamentales.
1. Inventorier les emplois du savoir existants
L’IA générative est utile à presque tous les travailleurs du savoir et convient particulièrement aux tâches linguistiques au sein de ces emplois.
« Pensez aux différentes tâches effectuées dans votre organisation, puis ayez une idée générale du pourcentage de tâches liées à ces tâches qui se prêtent à l’IA générative », explique McAfee. « Commencez par les emplois pour lesquels de nombreuses tâches peuvent voir leur productivité considérablement améliorée. »
Lire aussi : L’IA est censée résoudre le problème de la surcharge technologique
Par exemple, si ce que vous créez suit un modèle bien établi, comme une newsletter, pourquoi repartir de zéro ? « Laissons l’IA prendre la première mesure, la modifier, remplir les espaces vides, puis laisser le travailleur humain l’examiner », dit-il.
2. Envisagez l’IA prête à l’emploi
Après avoir identifié les rôles qui se prêtent aux applications de gen AI, demandez-vous si l’individu bénéficierait d’un « assistant gen AI compétent mais naïf » – semblable à un travailleur qui excelle en programmation ou en écriture mais ne connaît rien de l’organisation, McAfee dit. Ce type d’assistant IA peut être fourni via un système pré-construit, hors de l’étagère Solution d’IA.
« Un nouveau codeur peut commencer à être productif assez facilement », explique McAfee. Pour tester le logiciel ou déboguer les erreurs, le codeur pourrait confier cette tâche à un assistant numérique, qui pourrait le faire correctement et rapidement.
3. Envisagez une IA sur mesure
Certains emplois axés sur le savoir qui se prêtent à la génération IA nécessitent des assistants numériques plus expérimentés. Un agent du service client a besoin de connaissances institutionnelles et d’une expertise en résolution de cas que seul un vétéran peut fournir.
Dans ces cas-là, un système d’IA générative prêt à l’emploi ne suffit pas ; Les organisations devront le combiner avec un autre système formé sur les données internes pour obtenir le résultat d’un assistant plus expérimenté, explique McAfee.
Certaines de ces données peuvent inclure des informations sur les clients, telles que des données démographiques et des comportements d’achat, afin de personnaliser les recommandations et le support client ; analyse des sentiments à partir des commentaires des clients pour répondre de manière proactive aux préoccupations ou capitaliser sur les commentaires positifs ; des connaissances spécifiques à l’industrie, telles que les tendances et le jargon, pour améliorer l’exactitude des réponses ; et des données sur les produits ou services pour fournir des recommandations aux clients.
4. Prioriser les projets potentiels
Après avoir identifié les rôles les mieux adaptés aux assistants numériques naïfs ou expérimentés, les dirigeants doivent identifier et prioriser les projets gen AI les plus prometteurs, explique McAfee.
« Pensez à l’endroit où se trouve le plus grand gain de productivité et au pourcentage de tâches qui se prêtent à l’IA générative », dit-il. Selon Recherche McKinsey: opérations clients, marketing et ventes, ingénierie et R&D.
« Le succès signifie avoir une idée plus claire de l’endroit où se trouvent les principaux avantages potentiels », ajoute-t-il. « Peut-être qu’il ne s’agit pas de l’opportunité n°1 en raison d’autres priorités, mais ils peuvent choisir parmi celles-ci, et cette clarté est utile. »
Une version de cette histoire initialement publiée sur Les travaux.
janvier 25, 2024
Comment lancer votre stratégie d’IA générative
Comment perdre la course à l’IA ? En n’entrant pas.
C’est ce que déclare Andrew McAfee, chercheur scientifique principal à la MIT Sloan School of Management. « Lorsqu’une technologie aussi puissante apparaît et qu’il faut apprendre par la pratique, trouver des raisons de ne pas la mettre en œuvre est une assez grosse erreur », dit-il.
Malgré l’adoption massive de l’IA générative au cours de sa première année de lancement, la plupart des organisations restent prudentes quant à une adoption massive. Deux tiers des responsables du risque interrogé par Gartner considérez la génération AI comme une risque émergent majeur. Parmi leurs plus grandes préoccupations : exposer la propriété intellectuelle via des modèles d’IA génératifs accessibles au public, révéler les données personnelles des utilisateurs à des fournisseurs ou prestataires de services tiers et sécuriser l’IA elle-même contre les pirates informatiques criminels.
McAfee rétorque que ces risques sont gérables.
« Ces risques sont des éléments dont vous devez vous soucier dans tout autre projet technologique de base de données à grande échelle, mais ils ne sont pas terrifiants et vous avez beaucoup à gagner », déclare McAfee. Les avantages potentiels de l’IA générative sont énormes et les récompenses du succès méritent d’être exploitées.
Pour identifier les opportunités et déterminer le retour sur investissement potentiel des applications d’IA générative, McAfee conseille aux dirigeants d’entreprise de considérer ces quatre étapes fondamentales.
1. Inventorier les emplois du savoir existants
L’IA générative est utile à presque tous les travailleurs du savoir et convient particulièrement aux tâches linguistiques au sein de ces emplois.
« Pensez aux différentes tâches effectuées dans votre organisation, puis ayez une idée générale du pourcentage de tâches liées à ces tâches qui se prêtent à l’IA générative », explique McAfee. « Commencez par les emplois pour lesquels de nombreuses tâches peuvent voir leur productivité considérablement améliorée. »
Lire aussi : L’IA est censée résoudre le problème de la surcharge technologique
Par exemple, si ce que vous créez suit un modèle bien établi, comme une newsletter, pourquoi repartir de zéro ? « Laissons l’IA prendre la première mesure, la modifier, remplir les espaces vides, puis laisser le travailleur humain l’examiner », dit-il.
2. Envisagez l’IA prête à l’emploi
Après avoir identifié les rôles qui se prêtent aux applications de gen AI, demandez-vous si l’individu bénéficierait d’un « assistant gen AI compétent mais naïf » – semblable à un travailleur qui excelle en programmation ou en écriture mais ne connaît rien de l’organisation, McAfee dit. Ce type d’assistant IA peut être fourni via un système pré-construit, hors de l’étagère Solution d’IA.
« Un nouveau codeur peut commencer à être productif assez facilement », explique McAfee. Pour tester le logiciel ou déboguer les erreurs, le codeur pourrait confier cette tâche à un assistant numérique, qui pourrait le faire correctement et rapidement.
3. Envisagez une IA sur mesure
Certains emplois axés sur le savoir qui se prêtent à la génération IA nécessitent des assistants numériques plus expérimentés. Un agent du service client a besoin de connaissances institutionnelles et d’une expertise en résolution de cas que seul un vétéran peut fournir.
Dans ces cas-là, un système d’IA générative prêt à l’emploi ne suffit pas ; Les organisations devront le combiner avec un autre système formé sur les données internes pour obtenir le résultat d’un assistant plus expérimenté, explique McAfee.
Certaines de ces données peuvent inclure des informations sur les clients, telles que des données démographiques et des comportements d’achat, afin de personnaliser les recommandations et le support client ; analyse des sentiments à partir des commentaires des clients pour répondre de manière proactive aux préoccupations ou capitaliser sur les commentaires positifs ; des connaissances spécifiques à l’industrie, telles que les tendances et le jargon, pour améliorer l’exactitude des réponses ; et des données sur les produits ou services pour fournir des recommandations aux clients.
4. Prioriser les projets potentiels
Après avoir identifié les rôles les mieux adaptés aux assistants numériques naïfs ou expérimentés, les dirigeants doivent identifier et prioriser les projets gen AI les plus prometteurs, explique McAfee.
« Pensez à l’endroit où se trouve le plus grand gain de productivité et au pourcentage de tâches qui se prêtent à l’IA générative », dit-il. Selon Recherche McKinsey: opérations clients, marketing et ventes, ingénierie et R&D.
« Le succès signifie avoir une idée plus claire de l’endroit où se trouvent les principaux avantages potentiels », ajoute-t-il. « Peut-être qu’il ne s’agit pas de l’opportunité n°1 en raison d’autres priorités, mais ils peuvent choisir parmi celles-ci, et cette clarté est utile. »
Une version de cette histoire initialement publiée sur Les travaux.
Source link
Partager :
Articles similaires