Quand ne devriez-vous pas investir dans l'IA?

Janvier
9, 2021

6 min de lecture

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

Une étude a été menée sur l'adoption par les entreprises de l'intelligence artificielle (IA) dans les années 1980. Publiée dans le MIS Quarterly, l'étude a révélé que les entreprises se précipitaient pour investir dans l'IA et que la valeur marchande projetée était de 4 milliards de dollars.

Cependant, les résultats étaient choquants.

L'étude a révélé que sur une période de cinq ans, à peine 33% des solutions d'IA ont apporté une valeur commerciale, tandis que les autres ont été abandonnées. De nombreuses applications populaires de l'IA se sont révélées être un pur battage médiatique et plusieurs entreprises ont perdu leurs illusions.

Aujourd'hui, la même histoire se répète une fois de plus.

Malgré des décennies de progrès dans la recherche sur l'IA et de nombreuses percées récentes, les entreprises continuent lutter pour adopter la technologie . Une enquête de McKinsey a révélé que seulement 8% des entreprises avaient des pratiques qui leur permettaient d'adopter et de faire évoluer l'IA.

L'IA a des capacités exceptionnelles, mais elle n'est pas adaptée à toutes les situations. Voici cinq situations où il n'est pas rentable d'investir dans l'IA.

Connexes: Ce que vous achetez n'est pas de l'intelligence artificielle: comment faire la différence entre les faits et la fiction

1. Quand des solutions plus simples feront le travail

La majorité des problèmes commerciaux peuvent être résolus par une simple analyse. Même parmi les organisations qui utilisent l'apprentissage automatique aujourd'hui, les techniques simples basées sur la régression sont les plus populaires. Seule une fraction des entreprises a vraiment besoin de l'IA. Avec la démocratisation de la capacité de l'IA, il peut être tentant de l'utiliser pour chaque problème commercial. Mais pourquoi utiliser un canon pour écraser une mouche?

Le prix de 1 million de dollars Netflix était un défi mondial pour améliorer la précision du moteur de recommandation de films Netflix de 10%. Netflix a trouvé un gagnant parmi plus de 50 000 équipes mondiales. Ils leur ont payé de l'argent, mais n'ont jamais utilisé leur algorithme! Au lieu de cela, ils ont déployé une soumission de rang inférieur. Malgré une précision moindre, cette solution plus simple avait des coûts d'ingénierie inférieurs et était plus adaptée à une utilisation dans le monde réel.

2. Lorsque vous ne disposez pas de suffisamment de données,

Les techniques d'analyse ont besoin de données pour découvrir des informations exploitables. Plus une technique est puissante, plus le volume de données dont elle a besoin est élevé. L'IA a un énorme appétit de données et elle a besoin de centaines de milliers de points de données pour des tâches de base telles que la détection d'images. Ces données doivent être nettoyées et préparées dans un format spécifique pour enseigner l'IA. Malheureusement, un volume élevé de données étiquetées de qualité n'est pas un luxe que chaque organisation peut se permettre.

Par exemple, l'IA peut prédire vos ventes pour les 4 prochaines semaines. Mais seulement si vous disposez de plusieurs mois de données historiques granulaires. Si vous ne disposez que des données des dernières semaines, l'IA ne pourra pas vous aider. Utilisez donc plutôt une technique de prévision simple comme l'extrapolation. Avec seulement quelques points de données, il peut vous donner des informations crédibles pour fonder vos décisions commerciales.

3. Là où l'IA est toujours en expérimentation

Nous constatons chaque jour des progrès spectaculaires dans la recherche sur l'IA. Aujourd'hui, l'IA peut générer des images à partir de vos légendes, ou contrôler un essaim de drones . Cependant, il y a une grande différence entre faire des choses dans des scénarios soigneusement contrôlés et effectuer des tâches dans le monde réel. Bon nombre des réalisations impressionnantes de l’IA en sont encore au stade expérimental.

En 2013, le MD Anderson Cancer Center a pris une décision audacieuse pour déployer l’IA d’IBM Watson pour aider ses cliniciens dans le diagnostic du cancer. Après avoir brûlé plus de 62 millions de dollars au cours des prochaines années pour essayer de le faire fonctionner dans des scénarios pratiques, le système a été finalement retiré . Aujourd'hui, l'IA s'est encore améliorée dans la détection du cancer mais n'a pas encore été adoptée par le grand public. S'il est bon d'expérimenter l'IA, vous devez savoir où elle est prête pour les heures de grande écoute. Lorsque les coûts l'emportent sur les avantages

Aujourd'hui, il existe des domaines dans lesquels l'IA peut bien faire son travail. Cependant, le coût total de possession est si élevé qu'il n'est peut-être pas encore économiquement viable. Lorsque les organisations pensent à l'IA, elles ne prévoient souvent que les coûts de mise en œuvre. Ce ne sont que la pointe proverbiale de l'iceberg. Il faut beaucoup plus d’investissements pour faire fonctionner l’IA pour vous.

Par exemple, si vous créez une plate-forme d’expérience client basée sur l’IA, vous devez collecter de nouvelles données qui captent des signaux clients plus profonds. Vous devez étiqueter manuellement les données pour entraîner l'IA, avant même de dépenser sur des plates-formes logicielles, du matériel de haute qualité et des équipes d'analyse . De plus, vous devez former les utilisateurs finaux à la maîtrise des données, personnaliser les flux de travail de votre entreprise et prévoir un budget pour la gestion des changements en cours .

Pour mettre à l'échelle AI vous devez budgétiser comme beaucoup pour l'adoption que vous dépensez sur la mise en œuvre. Mais la grande question est de savoir si des clients plus satisfaits vous rapporteront suffisamment de revenus supplémentaires pour couvrir tous ces coûts de l'IA. Faites ce calcul avant de franchir le pas.

5. Là où vous avez besoin de compréhension et d'empathie

Supposons que votre problème commercial ne relève pas des quatre scénarios ci-dessus. L'IA peut ne pas vous convenir si vos utilisateurs ont besoin de compréhension et d'attention. L'IA est assez bonne pour repérer les modèles et elle peut révéler des tendances plus profondes que les humains n'ont aucune chance de détecter. Cependant, AI ne comprend rien . Elle ne peut pas non plus créer de lien émotionnel avec les utilisateurs humains.

Nous avons vu comment l'IA est en train de percer dans la recherche sur le cancer. Il bat les diagnostics posés par des médecins experts. Cependant, pensez-vous que les patients sont prêts à entendre leur diagnostic de cancer à partir de machines? L'intelligence émotionnelle et l'empathie sont des compétences profondément humaines. Dans quelle mesure sont-ils critiques pour votre solution? Réfléchir à cette question vous aidera à décider si vous avez vraiment besoin de l'IA et vous montrera le niveau élevé de implication humaine nécessaire, même si vous déployez l'IA.

Comment ne pas mettre la charrue avant les boeufs.

Nous avons examiné les lacunes de l'IA et les situations dans lesquelles elle peut être un ajustement terrible. Pour mettre cela en perspective, vous devez considérer l'IA comme un autre outil de votre boîte à outils d'analyse, même s'il est puissant.

Comment déterminer si l'IA est la solution idéale pour vos besoins?

Commencez par les besoins de votre entreprise . Trouvez des moyens par lesquels la technologie et les données peuvent relever les défis. Concevez la meilleure solution pour aborder votre problème commercial. Évaluez tous les outils à votre disposition, en commençant par les techniques les plus simples. À mesure que vous progressez dans la complexité, équilibrez la simplicité et l'efficacité des résultats. Si vous choisissez l'IA, assurez-vous de disposer des bonnes données, du budget nécessaire et du niveau approprié d'intervention humaine pour la faire fonctionner.

Related: 4 Ways Artificial Intelligence is Shaping the Future for Businesses Grands et petits