3 conseils pour obtenir des retours sur les investissements en IA

Comme nous avons depuis longtemps dépassé le stade de IA battage médiatique, il devient évident que les plus gros problèmes de la technologie tournent autour gagner des bénéfices plutôt que de trouver comment le rendre utile. Avec le nombre croissant d’experts en IA et services d’apprentissage automatique, l’IA est capable d’apporter une immense valeur ajoutée à de nombreuses organisations. Cependant, lorsqu’il s’agit de déployer l’IA, les entreprises ne parviennent souvent même pas à couvrir leurs investissements initiaux. Cela semble un peu contradictoire, n’est-ce pas ?

Une étude récente d’IBM révèle que seulement 21 % des entreprises sont capables d’intégrer l’IA dans leurs opérations. C’est là que réside la cause profonde du problème : il est impossible d’obtenir des rendements économiques sur la technologie qui n’a pas été mise en production. De plus, même les projets d’IA qui sont déployés n’apportent souvent pas la valeur attendue.

Discutons des obstacles auxquels les entreprises sont confrontées sur le chemin de la rentabilité de l’IA et comment ils peuvent être surmontés.

Préparer la main-d’oeuvre

Étant donné que l’IA est toujours riche en données, il est primordial que la culture de l’organisation adoptante soit axée sur les données. Sans surprise, le manque de culture des données est l’un des problèmes les plus récurrents auxquels les entreprises doivent faire face pour exploiter pleinement le potentiel de l’IA.

Si les dirigeants et les employés clés de l’entreprise ont une faible expertise en matière de données, les initiatives d’IA échoueront très probablement. Même les systèmes d’IA construits par des experts ne réaliseront pas leur plein potentiel si le personnel n’applique pas des approches basées sur les données à la prise de décision. Le manque de gestion du changement est une autre erreur répandue dans la mise en œuvre de l’IA.

Le plus souvent, l’IA nécessite des changements importants dans la structure et la stratégie organisationnelles ainsi que dans l’état d’esprit et les compétences des employés. Par conséquent, considérez la gestion du changement comme un élément central de la feuille de route de mise en œuvre de l’IA et assurez-vous que les dirigeants de votre entreprise disposent des connaissances et de la volonté nécessaires pour favoriser la culture centrée sur l’IA.

Fixez-vous des objectifs concrets

Alors que les objectifs sont des conditions préalables de réussite de base pour tout projet, en ce qui concerne la mise en œuvre de l’IA, de nombreuses entreprises ne parviennent toujours pas à les déterminer clairement. Il est essentiel d’avoir des attentes claires concernant les résultats d’une initiative d’IA. Le plus souvent, les utilisateurs finaux ne participent pas activement aux projets d’IA. Ainsi, lorsque l’équipe technique construit des systèmes d’IA sans faille, ils offrent peu de valeur commerciale. C’est pourquoi il est primordial d’impliquer toutes les parties prenantes dès le début du projet.

De plus, les projets d’IA apportent souvent une valeur qui ne peut être mesurée. Par exemple, l’amélioration de la satisfaction des employés ou l’amélioration de l’expérience client sont beaucoup plus difficiles à suivre que les économies de temps ou d’argent. Ou, disons que vous construisez un système d’IA pour réduire le temps nécessaire au service informatique pour catégoriser les tickets. Premièrement, étant donné que le système devra donner un sens au texte de forme libre à l’aide de NLP, il ne sera pas précis à 100 %, surtout au début. Votre équipe devra donc déterminer le taux d’erreur admissible et en tenir compte dans le ROI calcul.

Voici un autre exemple – disons qu’il y a un problème critique qui nécessite une attention immédiate de Le personnel informatique et un système d’intelligence artificielle identifie par erreur ce ticket comme étant de faible priorité. Cela complique considérablement le calcul du retour sur investissement car il est difficile de mesurer les résultats négatifs d’un tel cas.

C’est pourquoi il est essentiel de commencer par des projets où les attentes de retour sur investissement peuvent être correctement calculées. Par exemple, de nombreuses entreprises manufacturières réussissent à obtenir des retours économiques sur les initiatives d’IA appliquées au contrôle de la qualité, car leur retour sur investissement est relativement facile à mesurer.

Commencer petit

Bien qu’il soit tentant de construire des systèmes d’IA à grande échelle, viser des fruits à portée de main est souvent une stratégie beaucoup plus efficace, surtout au début. Il peut être judicieux de commencer par l’automatisation des processus robotiques (RPA), qui a tendance à être plus abordable que l’IA et offre un retour sur investissement relativement rapide. La mise en œuvre de la RPA est non invasive, ce qui signifie qu’elle ne perturbe pas le flux des systèmes hérités comme le feraient de nombreuses solutions d’IA.

Les projets d’IA qui s’avèrent être des gains rapides peuvent également aider à justifier des investissements plus ambitieux dans l’IA et à garantir l’adhésion des parties prenantes à l’avenir.

L’IA appelle à la maturité

Bien que cela puisse sembler trivial, les entreprises plus matures et expérimentées ont plus de chances de tirer parti des avantages de l’IA. Ces entreprises ont généralement établi des pratiques de gouvernance des données, élaboré des programmes de formation, des systèmes de suivi des performances et des objectifs de projet clairs. Ce sont des différences critiques entre les entreprises qui réussissent dans la mise en œuvre de l’IA et celles qui ne le font pas.

Compte tenu de la volatilité des taux de réussite des projets, l’IA nécessite une base solide dans les domaines de gestion clés plus que toute autre technologie. La mesure dans laquelle les entreprises peuvent suivre, mesurer et organiser les processus est souvent corrélée à leur probabilité de tirer profit de l’IA.