Vous détestez être plus productif ? Ignorer les agents IA – CIO

Par Bryan Kirschner, vice-président, Stratégie chez DataStax

Bill Gates a vu (ou, d’ailleurs, causé) de profondes avancées technologiques, donc je ne prends pas une position contraire à la légère, mais je pense que la façon dont il décrit son épiphanie sur l’importance de l’IA n’est qu’à moitié juste.

Après avoir été « intimidé » par le modèle GPT d’OpenAI lors de l’examen AP Bio, le modèle s’est vu poser une question non technique : « Que dites-vous à un père avec un enfant malade ? » portes décrit les résultats de cette façon: « Il a écrit une réponse réfléchie qui était probablement meilleure que ce que la plupart d’entre nous dans la salle auraient donné. Toute l’expérience a été époustouflante.

Je ne conteste pas cela. En tant qu’utilisateur de ChatGPT pour à la fois travailler plus rapidement et donner un coup de pied aux pneus sur ce qu’il peut faire, j’ai été impressionné (il a répondu à une invite pour « parlez-moi d’Aristote dans le style de Roy Kent« , le personnage « Ted Lasso » à tendance explétive, avec un flair étrange).

Mais alors que nous façonnons tous la stratégie commerciale autour des implications de l’IA générative, nous devons également regarder à 180 degrés des concepts tels que « étourdissant » ou « étrange » vers « spécialisé », « prévisible » et « productif ».

C’est parce que nous nous attendrions absolument à ce qu’un modèle formé sur (disons) 10 000 cartes de condoléances ou 1 000 éloges funèbres apparaisse comme sensible, consolant et bien parlé, frappant le bon ton mieux que la plupart d’entre nous ne pourraient le faire à la volée. Cela ne devrait pas être surprenant, du moins pour les personnes du milieu culturel ou religieux pour lesquelles le contenu original a été produit.

Pour tous les risques d’hallucinations ou de mauvais comportements des modèles formés sur Internet ouvert, la stratégie d’IA générative dans toutes nos organisations consiste à libérer le potentiel des personnes bien intentionnées pour créer des IA bien intentionnées adaptées à leur contexte spécifique. Modèles à peaufiner qui s’exécutent « par-dessus » les modèles de base nécessitent moins de données, coûtent moins cher et peuvent être réalisées rapidement.

Marc Andreesen fournit une exemple évocateur de ce qui est à portée de main techniquement :

Chaque enfant aura un tuteur IA qui est infiniment patient, infiniment compatissant, infiniment compétent, infiniment utile. Le tuteur IA sera aux côtés de chaque enfant à chaque étape de son développement, l’aidant à maximiser son potentiel avec la version machine de l’amour infini.

Les organisations les plus performantes de demain auront des dizaines, voire des centaines d’IA travaillant aux côtés et au nom de leur personnel humain de manière planifiée et constructive. Deux concepts opérationnels – le « stagiaire enthousiaste » et « l’agent autonome » – peuvent vous aider à démarrer votre voyage.

L’IA en tant que « stagiaire enthousiaste »

Ethan Mollick, professeur d’école de commerce et technologue, offre ce que j’ai découvert cadrage très utile pour savoir comment penser à l’IA générative : « Ce n’est pas un bon logiciel, [rather] ce sont des gens plutôt bien.

Et plutôt que de considérer les IA comme des personnes qui remplacent celles qui sont déjà sur la liste de paie, traitez-les comme des « stagiaires enthousiastes » qui peuvent les aider à être plus productifs.

Cette métaphore peut aider sur deux fronts. Tout d’abord, il maintient le besoin de supervision humaine au premier plan. Tout comme l’embauche et la gestion productive des stagiaires est une compétence précieuse pour une organisation, il en va de même pour l’utilisation de ChatGPT, de CoPilot de Microsoft ou de Bard de Google. Mais vous ne feriez pas plus aveuglément confiance à cette classe de mannequins que vous ne feriez même le stagiaire le plus prometteur.

Deuxièmement, et tout aussi important : l’informatique n’est pas responsable de l’embauche de stagiaires en finance et en RH. De même, les finances et les ressources humaines (et toutes les autres fonctions) doivent développer leurs propres compétences pour savoir comment utiliser ces outils pour être plus productifs. Le travail à faire est plus proche de répondre à des questions de dotation spécifiques à un domaine qu’à des questions informatiques.

C’est l’enjeu de table sur la voie de la percée de la productivité : les « agents autonomes ».

Agents de productivité

Les agents autonomes enchaînent les outils afin que l’IA, une fois un objectif donné, puisse créer des tâches, terminer des tâches, créer de nouvelles tâches, redéfinir les priorités de la liste des tâches, terminer la nouvelle tâche principale et boucler jusqu’à ce que l’objectif soit atteint. (C’est un bonne introduction pour utiliser des cas qui incluent un exemple de la façon dont quelque chose comme le tuteur de mathématiques infiniment patient d’Andreesen pourrait être construit.)

Mais si vous êtes un PDG qui souhaite accélérer la mise en place de «l’IA pour tous», je vous recommande de prendre 10 minutes avec votre équipe de direction pour lire le livre de mon collègue Ed Anuff explication de la façon dont un agent axé sur le consommateur pourrait être construit aujourd’hui. Voici un extrait clé :

Vous souhaitez construire une terrasse dans votre jardin, vous ouvrez donc l’application mobile de votre magasin de bricolage et lui demandez de vous créer une liste de courses. Étant donné que l’application est connectée à un LLM comme GPT-4 et à de nombreuses sources de données (le catalogue de produits de l’entreprise, l’inventaire du magasin, les informations sur les clients et l’historique des commandes, ainsi qu’une multitude d’autres sources de données), elle peut facilement vous dire ce que vous Vous devrez terminer votre projet de bricolage. Mais il peut faire beaucoup plus.

Si vous décrivez les dimensions et les fonctionnalités que vous souhaitez inclure dans votre terrasse, l’application peut proposer des outils de visualisation et des aides à la conception. Parce qu’il connaît votre code postal, il peut vous dire quels magasins dans votre voisinage ont les articles dont vous avez besoin en stock. Il peut également, sur la base des données de votre historique d’achat, suggérer que vous pourriez avoir besoin d’un entrepreneur pour vous aider dans le travail – et fournir les coordonnées des professionnels près de chez vous.

Ce type d’expérience n’est pas seulement l’avenir de vos clients. Cela doit être aussi l’avenir de tous vos employés. Comment l’IA peut-elle aider les spécialistes du marketing à suivre votre marque sur les réseaux sociaux ? Comment peut-il assister les équipes juridiques avec les contrats ? Comment peut-il aider les RH à recruter, embaucher et développer les gens?

Vos équipes fonctionnelles et vos unités commerciales devraient trouver des idées et commencer dès aujourd’hui avec des agents autonomes. Il n’y a pas de meilleur moment que le présent pour devenir plus productif : la technologie est prête et attend.

En savoir plus sur la façon dont DataStax permet l’IA en temps réel ici.

À propos de Bryan Kirschner:

Bryan est vice-président, Stratégie chez DataStax. Pendant plus de 20 ans, il a aidé de grandes organisations à élaborer et à exécuter une stratégie lorsqu’elles cherchaient de nouvelles voies à suivre et un avenir matériellement différent de leur passé. Il se spécialise dans la suppression de la peur, de l’incertitude et du doute de la prise de décision stratégique grâce à des données empiriques et à la détection du marché.