La campagne stupéfiante visant à intégrer l’IA générative dans les flux de travail des entreprises a créé de grands défis pour les entreprises. Comme beaucoup le découvrent actuellement à leurs dépens, c’est une chose d’adopter une solution ponctuelle ou une seule fonction alimentée par l’IA. C’en est une autre d’intégrer des solutions d’IA générative d’entreprise qui se connectent à tous les aspects des opérations d’une entreprise et fournissent des résultats commerciaux réels et durables.
Les données constituent de plus en plus le plus grand obstacle auquel les entreprises sont confrontées lorsqu’il s’agit de mettre en œuvre cette approche holistique de l’IA générative. Une énorme quantité de données est nécessaire pour alimenter les applications d’IA générative et, contrairement aux modèles algorithmiques statiques et aux versions antérieures de l’IA, ces modèles nécessitent des données en temps réel provenant de nombreuses fonctions commerciales pour libérer toute leur valeur. Alors que de nombreuses entreprises disposent des données et ont déjà testé des outils d’IA générative extrêmement prometteurs, très peu d’entre elles ont entamé le travail acharné sur la gouvernance et la migration des données qui sera nécessaire pour atteindre leurs objectifs d’IA générative à long terme.
Pourquoi les données sont plus importantes que jamais
En fait, selon une étude récente que nous avons menée avec Forrester, 90 % des responsables des données et de l’analyse d’entreprise ont déclaré que le succès global de leur entreprise repose sur un accès cohérent, précis et rapide aux données et aux informations, et près de la moitié (49 %) ont déclaré que leur objectif le plus important pour cette année est d’améliorer l’exactitude de leur prise de décision grâce aux données. Ces statistiques correspondent aux défis que les entreprises rencontrent actuellement dans le développement de stratégies complètes d’IA générative au niveau de l’entreprise.
Dans les premières étapes de l’analyse prédictive, l’objectif principal était de créer un modèle puissant, après quoi les entreprises saisiraient les données, activeraient le modèle et attendraient les résultats. Cette approche a évolué avec l’émergence de l’IA et de l’apprentissage automatique, nécessitant des ajustements constants à mesure que les modèles apprenaient de nouvelles données. Aujourd’hui, nous vivons à une époque où l’IA générative fonctionne comme un consommateur de données en temps réel, exigeant des mises à jour, une ingestion, une analyse et un raffinement continus pour maintenir des performances et des améliorations optimales. Les entreprises qui excellent dans la gestion de leurs données dans ce contexte sont en passe de mener la révolution de l’IA.
Le support d’agent intelligent ouvre la voie à l’IA générative d’entreprise
Pour replacer cette évolution dans son contexte, considérons le cas d’utilisation de l’IA générative qui gagne actuellement le plus de popularité au sein des grandes entreprises : les outils d’assistance aux agents intelligents. Ces solutions, qui utilisent l’IA générative pour aider le personnel d’assistance en contact avec le client à développer la meilleure réponse dans des scénarios d’engagement client en direct, sont bien plus sophistiquées que la génération précédente de logiciels d’arbre de décision. Les versions les plus avancées suivent les conversations en temps réel, s’appuient sur des données détaillées provenant de plusieurs sources sur le client, font des références croisées avec les meilleures pratiques et protocoles de l’entreprise et font des suggestions à la volée à l’agent au fur et à mesure que la conversation se poursuit.
À titre d’illustration, considérons une solution intelligente d’assistance aux agents développée par mon équipe, en collaboration avec une grande entreprise de services publics basée au Royaume-Uni. Cette solution est capable d’identifier les cas où un client est en difficulté ou rencontre des défis financiers. Il accède rapidement à l’historique de paiement et aux détails du compte du client et fournit des recommandations ciblées sur les programmes et stratégies d’assistance que les agents peuvent utiliser pour fournir une assistance. Toutes ces invites sont affichées sur l’écran de l’agent du service client en temps réel au fur et à mesure que la conversation se déroule, en s’appuyant sur la base de connaissances complète de l’entreprise de services publics en matière de données clients, de règles prédéfinies et de codes de procédure pour proposer la meilleure réponse possible à chaque client. question et commentaire.
L’ajout de l’assistance générative aux agents intelligents basée sur l’IA offre des gains évidents en termes d’efficacité en appliquant une approche personnelle mais cohérente de la communication interpersonnelle. Mais cela améliore également l’expérience du client final car cela permet à l’agent d’aider immédiatement, sans avoir à mettre l’appel en attente pour faire défiler les supports ou demander de l’aide à un superviseur. Peut-être plus important encore, il répertorie également chaque interaction pour une analyse plus approfondie afin de déterminer les domaines de réglage et d’amélioration possibles.
Le pouvoir est dans les données
Atteindre ce niveau d’interaction transparente entre les clients humains, les agents d’assistance humains et la technologie d’assistance aux agents basée sur l’IA nécessite plus qu’un simple algorithme performant. La qualité des modèles d’IA générative les plus puissants au monde dépend des données et des experts utilisés pour les former. La véritable clé pour créer une solution intelligente d’assistance aux agents, capable de s’appuyer sur des données provenant de parties disparates de l’organisation, réside dans une gouvernance stricte des données. Si elle n’est pas bien intégrée, la cohérence et l’intégrité des données dans chaque système ne seront pas à la hauteur et la solution ne sera pas en mesure de générer une assistance utile pour l’agent.
Au milieu de l’enthousiasme suscité par l’IA générative, les entreprises doivent s’abstenir d’adopter à la hâte des solutions à fonctionnalité unique. Les entreprises qui s’efforcent de montrer à leurs clients, aux investisseurs et à la concurrence qu’elles jouent un rôle de leader dans l’IA générative ont tendance à mettre en œuvre à la hâte des solutions ponctuelles et des produits de validation de principe qui ne font bien qu’une seule chose. Les véritables solutions d’IA générative d’entreprise qui ajouteront une valeur significative aux résultats seront construites sur la base d’initiatives robustes de gestion et de gouvernance des données.
A propos de l’auteur
Rohit Kapoor est vice-président et PDG d’EXL, une société multinationale d’analyse de données et d’opérations et solutions numériques.
Pour en savoir plus, visitez-nous ici.
janvier 22, 2024
Comment l’IA générative stimule la demande de données en temps réel et une meilleure gouvernance des données
La campagne stupéfiante visant à intégrer l’IA générative dans les flux de travail des entreprises a créé de grands défis pour les entreprises. Comme beaucoup le découvrent actuellement à leurs dépens, c’est une chose d’adopter une solution ponctuelle ou une seule fonction alimentée par l’IA. C’en est une autre d’intégrer des solutions d’IA générative d’entreprise qui se connectent à tous les aspects des opérations d’une entreprise et fournissent des résultats commerciaux réels et durables.
Les données constituent de plus en plus le plus grand obstacle auquel les entreprises sont confrontées lorsqu’il s’agit de mettre en œuvre cette approche holistique de l’IA générative. Une énorme quantité de données est nécessaire pour alimenter les applications d’IA générative et, contrairement aux modèles algorithmiques statiques et aux versions antérieures de l’IA, ces modèles nécessitent des données en temps réel provenant de nombreuses fonctions commerciales pour libérer toute leur valeur. Alors que de nombreuses entreprises disposent des données et ont déjà testé des outils d’IA générative extrêmement prometteurs, très peu d’entre elles ont entamé le travail acharné sur la gouvernance et la migration des données qui sera nécessaire pour atteindre leurs objectifs d’IA générative à long terme.
Pourquoi les données sont plus importantes que jamais
En fait, selon une étude récente que nous avons menée avec Forrester, 90 % des responsables des données et de l’analyse d’entreprise ont déclaré que le succès global de leur entreprise repose sur un accès cohérent, précis et rapide aux données et aux informations, et près de la moitié (49 %) ont déclaré que leur objectif le plus important pour cette année est d’améliorer l’exactitude de leur prise de décision grâce aux données. Ces statistiques correspondent aux défis que les entreprises rencontrent actuellement dans le développement de stratégies complètes d’IA générative au niveau de l’entreprise.
Dans les premières étapes de l’analyse prédictive, l’objectif principal était de créer un modèle puissant, après quoi les entreprises saisiraient les données, activeraient le modèle et attendraient les résultats. Cette approche a évolué avec l’émergence de l’IA et de l’apprentissage automatique, nécessitant des ajustements constants à mesure que les modèles apprenaient de nouvelles données. Aujourd’hui, nous vivons à une époque où l’IA générative fonctionne comme un consommateur de données en temps réel, exigeant des mises à jour, une ingestion, une analyse et un raffinement continus pour maintenir des performances et des améliorations optimales. Les entreprises qui excellent dans la gestion de leurs données dans ce contexte sont en passe de mener la révolution de l’IA.
Le support d’agent intelligent ouvre la voie à l’IA générative d’entreprise
Pour replacer cette évolution dans son contexte, considérons le cas d’utilisation de l’IA générative qui gagne actuellement le plus de popularité au sein des grandes entreprises : les outils d’assistance aux agents intelligents. Ces solutions, qui utilisent l’IA générative pour aider le personnel d’assistance en contact avec le client à développer la meilleure réponse dans des scénarios d’engagement client en direct, sont bien plus sophistiquées que la génération précédente de logiciels d’arbre de décision. Les versions les plus avancées suivent les conversations en temps réel, s’appuient sur des données détaillées provenant de plusieurs sources sur le client, font des références croisées avec les meilleures pratiques et protocoles de l’entreprise et font des suggestions à la volée à l’agent au fur et à mesure que la conversation se poursuit.
À titre d’illustration, considérons une solution intelligente d’assistance aux agents développée par mon équipe, en collaboration avec une grande entreprise de services publics basée au Royaume-Uni. Cette solution est capable d’identifier les cas où un client est en difficulté ou rencontre des défis financiers. Il accède rapidement à l’historique de paiement et aux détails du compte du client et fournit des recommandations ciblées sur les programmes et stratégies d’assistance que les agents peuvent utiliser pour fournir une assistance. Toutes ces invites sont affichées sur l’écran de l’agent du service client en temps réel au fur et à mesure que la conversation se déroule, en s’appuyant sur la base de connaissances complète de l’entreprise de services publics en matière de données clients, de règles prédéfinies et de codes de procédure pour proposer la meilleure réponse possible à chaque client. question et commentaire.
L’ajout de l’assistance générative aux agents intelligents basée sur l’IA offre des gains évidents en termes d’efficacité en appliquant une approche personnelle mais cohérente de la communication interpersonnelle. Mais cela améliore également l’expérience du client final car cela permet à l’agent d’aider immédiatement, sans avoir à mettre l’appel en attente pour faire défiler les supports ou demander de l’aide à un superviseur. Peut-être plus important encore, il répertorie également chaque interaction pour une analyse plus approfondie afin de déterminer les domaines de réglage et d’amélioration possibles.
Le pouvoir est dans les données
Atteindre ce niveau d’interaction transparente entre les clients humains, les agents d’assistance humains et la technologie d’assistance aux agents basée sur l’IA nécessite plus qu’un simple algorithme performant. La qualité des modèles d’IA générative les plus puissants au monde dépend des données et des experts utilisés pour les former. La véritable clé pour créer une solution intelligente d’assistance aux agents, capable de s’appuyer sur des données provenant de parties disparates de l’organisation, réside dans une gouvernance stricte des données. Si elle n’est pas bien intégrée, la cohérence et l’intégrité des données dans chaque système ne seront pas à la hauteur et la solution ne sera pas en mesure de générer une assistance utile pour l’agent.
Au milieu de l’enthousiasme suscité par l’IA générative, les entreprises doivent s’abstenir d’adopter à la hâte des solutions à fonctionnalité unique. Les entreprises qui s’efforcent de montrer à leurs clients, aux investisseurs et à la concurrence qu’elles jouent un rôle de leader dans l’IA générative ont tendance à mettre en œuvre à la hâte des solutions ponctuelles et des produits de validation de principe qui ne font bien qu’une seule chose. Les véritables solutions d’IA générative d’entreprise qui ajouteront une valeur significative aux résultats seront construites sur la base d’initiatives robustes de gestion et de gouvernance des données.
A propos de l’auteur
Rohit Kapoor est vice-président et PDG d’EXL, une société multinationale d’analyse de données et d’opérations et solutions numériques.
Pour en savoir plus, visitez-nous ici.
Source link
Partager :
Articles similaires