L'étape oubliée du succès du projet d'IA

Il y a quelques semaines, un article du WSJ traitait de la réalité des échecs ou des retards dans les projets d'intelligence artificielle (IA) qui font rarement la une des journaux. Il n’est pas surprenant que certains projets d’IA échouent. Nous savons que tous les projets ne se déroulent pas comme prévu et que nous tirons des leçons de l'expérience, adaptons et appliquons ces leçons au prochain projet.

Pourquoi AI ne tient pas ses promesses

L'intelligence artificielle et l'apprentissage automatique ont fait l'objet de beaucoup d'attention . Ces technologies peuvent améliorer considérablement les processus métier en analysant les données à un volume et à une vitesse auparavant indisponibles. Bien que l'analyse de données prise en charge par AI puisse fournir des informations plus approfondies grâce à une base de données analysée plus large, la technologie prise en charge par AI est également utilisée pour rationaliser certains processus commerciaux, notamment l'exécution des commandes, l'enregistrement des avantages en ligne, la génération de bons de commande et d'autres tâches nécessitant un processus automatisé.

Les articles de WSJ soulignent deux raisons pour lesquelles les projets d'intelligence artificielle peuvent ne pas aboutir: la qualité des données qui alimentent le processus et les coûts, le temps et les efforts imprévus nécessaires à la préparation des données. Il s'agit d'un point critique, car un programme automatisé d'aide à l'IA et à l'apprentissage automatique ne vaut que par les données auxquelles il peut accéder.

Dans une enquête des leaders en technologie, 42% citaient un manque. qualité, des données impartiales comme étant le principal obstacle à l’adoption de l’IA. Ce sont des experts dans leur domaine qui comprennent la valeur potentielle de l'intelligence artificielle et de l'apprentissage automatique, mais comprennent également qu'ils ne disposent pas de la qualité des données qui leur permet de générer un bon retour sur investissement pour une implémentation de l'intelligence artificielle.

Le codage CIM-10 système

Voici un excellent exemple de l’importance des données de qualité provenant du secteur de la santé. Il y a quelques années, le système de codage de la Classification internationale des maladies, neuvième révision (CIM-9) utilisé pour les réclamations d'ordre médical a été remplacé par le système plus robuste et plus spécifique de la CIM-10. La CIM-10 fournit un niveau de spécificité plus élevé comprenant les diagnostics, les symptômes, le site, la gravité et les traitements. Les fournisseurs de soins de santé ont eu la possibilité d'utiliser des codes «non spécifiés» plus simples au cours d'une période d'un an après leur mise en œuvre, au fur et à mesure qu'ils apprenaient et s'habituaient au système plus complexe.

Cette année de clémence entraîna le défaut de nombreux fournisseurs aux codes CIM-9, plus simples et non spécifiés, plutôt que d'utiliser les codes plus précis de la CIM-10 – et leurs programmes de soumission de réclamations automatisés reflétaient les données moins spécifiques. Le résultat a été une augmentation du nombre de refus de demandes, ce qui a nécessité plus de travail pour les fournisseurs qui ont dû collecter rétroactivement les documents justificatifs pour faire appel du refus ou faire face à une perte de revenus. Si les revendications avaient été initialement soumises avec les données les plus précises – bien qu'un peu plus complexes -, un travail supplémentaire ne serait pas nécessaire.

Bien qu'il s'agisse d'un exemple de soins de santé, la nécessité de disposer de données claires et précises à l'avance est la même. pour toute automatisation prise en charge par l'IA dans n'importe quelle industrie.

Automatisation des processus métier

L'automatisation de certains processus métier est plus simple que d'autres. Chez OpenText ™, lorsque nous permettons à différentes entreprises de collaborer à un processus métier en échangeant des données dans un but spécifique, l'objectif global est clairement défini et nous disposons d'un contexte suffisant autour des données pour les définir dans le cadre d'une transaction. Par exemple, un bon de commande doit contenir des informations spécifiques répondant aux normes du secteur ou une demande émanant d'une compagnie d'assurance doit inclure des informations standard permettant d'identifier la partie couverte. Ces paramètres ne diffèrent pas beaucoup d'un commerce à l'autre.

Cela devient un peu plus complexe avec des projets d'application à application, d'intégration d'applications d'entreprise et même de recherche médicale. Dans ces cas, les données dans les applications sont organisées pour des objectifs spécialisés et sont définies par les hypothèses de cette application ou de cet objectif.

Au fur et à mesure que les données sont intégrées aux processus métier, les experts de ces données partagent ou simplifient les hypothèses. C’est une grande partie de la transformation des données: prendre des données avec un ensemble d’hypothèses, le façonner et le rendre utilisable à d’autres fins en lui donnant un «visage» reconnaissable qui permet au processus automatisé assisté par l’IA d’OpenText ™ Contivo de sélectionner les données nécessaires

Ce processus nécessite une expertise en intelligence artificielle, en intégration et en gestion de données. Pourtant, interrogés sur le statut de leurs ressources en personnel pour la conception et la mise en œuvre de projets liés à l'IA, 45% des leaders technologiques ont signalé que leur organisation manquait de personnel. nécessaire. Des fournisseurs externes possédant une expérience éprouvée permettent de gagner du temps et d’économiser de l’argent en guidant le processus et en supervisant la mise en œuvre.

Faites de votre projet d’IA un succès

En dépit des obstacles à son adoption par métier, l’ajout de technologies d’intelligence artificielle et d’apprentissage automatique à vos processus d’entreprise peut permettre une productivité, une rentabilité et une croissance accrues. Pour réussir un projet d'intelligence artificielle, vous devez vous assurer que vos données sont adaptées aux processus que vous automatisez. Elles incluent une équipe dotée des compétences requises en matière d'intelligence artificielle et d'intégration pour une compréhension globale de la manière dont les données, l'intelligence artificielle et vos processus métier. Vous devez interagir pour atteindre les objectifs de votre organisation.

Où en êtes-vous dans l'adoption de l'IA

Pour plus d'informations sur les services OpenText susceptibles d'aider votre entreprise à surmonter les obstacles à la transformation des données qui empêchent une adoption réussie de l'IA, visitez notre site Web