Pourquoi les entreprises n'arrivent pas à tirer le meilleur parti de l'IA

Mai
31 2019

5 min de lecture

Les opinions exprimées par les contributeurs de l'Entrepreneur sont les leurs.

Selon une étude de PricewaterhouseCoopers, 20% des dirigeants envisagent d'intégrer l'IA dans leurs entreprises en 2019. Au cours de l'année écoulée, de nombreuses organisations et sociétés du classement Fortune 500 se sont vantées de leurs stratégies en matière d'IA. Cependant, au moment de mettre ces stratégies en pratique, ils se sont rendu compte que ce qu'ils appelaient une "stratégie" n'était qu'un outil sans guide.

Les entreprises disposent aujourd'hui des ressources, des connaissances et de l'incitation nécessaires pour créer des stratégies efficaces derrière leur IA. mises en œuvre. Malgré ces capacités, peu d'entreprises prennent le temps de le faire. Ils acquièrent les outils physiques pour pratiquer l'IA, mais échouent souvent dans le même effort pour comprendre pourquoi elle est précieuse et quels en sont les défis.

En achetant une nouvelle technologie avant de concevoir une stratégie pour en tirer le meilleur parti, les entreprises tentent prendre une longueur d’avance sur leurs industries. Pour corriger cette approche peu judicieuse, les entreprises doivent concevoir des stratégies concrètes et exploitables avant de laisser l'IA prendre le volant.

En relation: Ce que chaque entrepreneur doit savoir sur l'intelligence artificielle

Une voiture sans conducteur et sans moteur.

Imaginons une entreprise des années 80 qui a assisté à la révolution informatique mais qui a décidé de mettre en place une stratégie informatique reposant uniquement sur les ordinateurs centraux. Même si les dirigeants de cette société avaient eu l’idée générale juste, l’exécution imparfaite n’aurait pas aidé l’entreprise à se développer.

La situation est la même chez Amnesty International. Les entreprises ont besoin à la fois des outils et de la sagesse pour les utiliser correctement. Les dirigeants qui veulent cesser de compter sur les fournisseurs de technologies ont à l'esprit le bien de leur organisation, mais un manque de stratégie signifie que leurs initiatives équivalent à des commandes d'achat.

Sans considération pour les cas d'utilisation et les applications, les entreprises qui pensent qu'IA va résoudre leurs problèmes. risque de s’épuiser avec des outils extrêmement prometteurs. Pour éviter ce destin et concevoir une stratégie qui tire le meilleur parti de la révolution de l'IA, gardez à l'esprit ces trois concepts:

1. L’application doit répondre à un besoin spécifique.

La couche infrastructure d’une entreprise détermine la manière dont les technologies d’intelligence artificielle s’intègrent aux systèmes existants. La couche d’application détermine les avantages de ces technologies pour votre entreprise.

IBM Watson est une machine puissante, mais Watson lui-même est un outil d’infrastructure. Les différentes branches de Watson (finance, santé, etc.) représentent les applications de l’IA. Dans le monde bancaire, l’intelligence robotique de Watson aide les banquiers à détecter les faux positifs du blanchiment d’argent, réduisant ainsi les temps de service à la clientèle. C'est un cas d'utilisation spécifique – un exemple parfait d'application stratégique.

Liés: Pourquoi "l'informatique cognitive" est la prochaine étape importante pour la croissance des entreprises

Stratégies d'IA réussies ont tendance à être spécifiques à une niche. Plutôt que de chercher à responsabiliser l’intelligence artificielle au sein de votre entreprise, identifiez quelques domaines clés qui pourraient bénéficier des outils d’IA avant de trouver les outils qui répondent à ces besoins. Assurez-vous que votre infrastructure peut gérer les intégrations, en comblant les lacunes éventuelles de votre couche d'application.

2. L'organisation doit comprendre les microservices.

Réfléchissez à la manière dont l'innovation en intelligence artificielle fonctionne à différents niveaux au sein de votre entreprise. Dans la couche infrastructure, la conteneurisation (également appelée modularité ou microservices) aide les entreprises à mettre en œuvre des outils de manière spécifique sans avoir à adopter une infrastructure entièrement nouvelle.

La plate-forme Open Banking d'IBM joue le rôle de plug-and- option de jeu pour les institutions financières existantes d’intégrer des microservices à leurs opérations. Une telle solution permet aux banques participantes de tirer parti de microservices en tant qu'API de cloud pour renforcer la collaboration fintech, rationaliser les processus et créer de nouvelles sources de revenus.

L'intelligence artificielle ne fonctionne pas comme les autres outils technologiques. Ne regardez pas le système existant et ne dites pas: «Toute IA qui entre doit être capable de travailler avec ce système.» Au lieu de cela, adressez-vous au marché avec une approche indépendante du système. Trouvez des opportunités pour de nouveaux outils et corrigez des problèmes spécifiques au sein de votre organisation.

3. Les outils doivent être de véritables IA, pas des scientifiques de données.

Les données sont omniprésentes sur le marché actuel. Cinquante-sept pour cent des répondants à une étude de MicroStrategy affirment qu'ils rationalisent leur prise de décision via des données. Real AI utilise des données, mais elle n'a pas besoin d'une période d'essai ni d'un accès aux bases de données de votre entreprise pour prouver sa valeur.

Si un fournisseur se présente et demande l'accès aux données et une semaine (ou un mois) pour générer des informations. sur la base de ces informations, ce fournisseur n’est pas un véritable fournisseur d’IA. En réalité, de tels groupes ne sont que des consultants en données effectuant des services professionnels.

Les bons fournisseurs d'intelligence artificielle habilitent leurs clients avec une infrastructure générale et des applications de niche. Peu importe l’origine des données. Les fournisseurs de qualité ne devraient avoir aucun problème à normaliser, unifier et utiliser les données pour fournir des informations exploitables.

Le simple fait qu'une entreprise utilise l'IA ne signifie pas qu'elle bénéficie de ces outils avancés. La véritable autonomisation de l'IA découle d'une stratégie d'action spécifique plutôt que de l'achat d'un outil prétendant tout faire. Avant de faire le saut, réfléchissez aux conséquences à long terme et à long terme des investissements dans l'IA dans le monde réel.