Passer de l'expérimentation à la valeur commerciale : optimisation des investissements en IA

Le plus difficile dans toute révolution technologique n’est pas l’idée ou l’expérimentation. C’est de passer de l’expérimentation à une réelle valeur commerciale. Avec le battage médiatique massif autour de l’IA générative, les conseils d’administration sont de plus en plus sous pression pour mettre en œuvre l’IA de manière réfléchie.

Au Summit en juin, j’ai été accompagné de Sasha Jory de Hastings Direct et Awinash Sinha de Zoom pour un comité exécutif dédié à l’optimisation des investissements dans les technologies d’IA. Depuis un an et demi, les CTO et les CIO subissent une forte pression pour exploiter le potentiel de l’IA tout en contrôlant les coûts et en atténuant les risques. 

« L’IA générative est une nouvelle vague de technologie, mais nous avons vu de nombreuses vagues de technologie », explique Awinash Sinha. « L’essentiel est de connecter la technologie au meilleur résultat contextualisé possible pour votre entreprise. » 

Comment appliquer le buzz médiatique autour de l’IA générative à votre monde de manière pragmatique ? 

« Du point de vue de Hastings, nous ne sommes pas pris dans le battage médiatique autour de l’utilisation de l’IA pour résoudre tous les problèmes au sein de notre organisation », explique Sasha Jory. « Nous avons tendance à nous assurer que les données sont au bon endroit, gérées de la bonne manière, et nous avons les bases en place pour explorer ces données avec toutes les technologies que nous voulons utiliser. »

Snowflake aborde l’IA générative de la même manière. Depuis le début, nous sommes disciplinés en matière de données. Quand on considère les composants qui contribuent à une stratégie d’IA solide, tout commence et se termine avec vos données.

Comment Snowflake, Hastings et Zoom utilisent l'IA générative 

Mon équipe est le client zéro pour tout ce que nous mettons sur le marché ici chez Snowflake. La meilleure partie de cela est de pouvoir créer des applications personnalisées qui améliorent la productivité dans toute l'entreprise :  

• Aider les employés à s’installer plus rapidement : notre objectif est de révolutionner l’expérience des collaborateurs, dès le premier jour. Se mettre à niveau peut prendre jusqu’à 90 jours, ce qui est frustrant à la fois pour une nouvelle recrue et pour l’organisation dans son ensemble. L’un des obstacles est que nous documentons et communiquons un grand nombre de nos processus par le biais d’articles de base de connaissances conçus pour un service d’assistance, ce qui est lourd et n’est pas un moyen intuitif ou proactif de répondre aux questions d’un nouveau membre de l’équipe. Mon équipe a répondu à ce problème en consolidant ces articles et en utilisant les capacités d’IA/ML de Snowflake Cortex pour créer Employee AI Assistant. Cette application Streamlit permet aux employés d’accéder facilement à des informations, comme « Comment configurer une imprimante dans le bureau de San Mateo lors d’une visite depuis Londres », sans avoir à ouvrir un ticket d’assistance. L'assistant, offert aux nouvelles recrues le premier jour, intègre également la conformité, la formation (RH) et la certification adaptée au rôle du collaborateur. 

• Échapper à la corvée de l’assurance qualité : combien de data engineers vivent pour les tests d’assurance qualité ? Je ne pense pas que beaucoup le font. Les ressources sont toujours limitées, et les talents d’ingénieur sont toujours en forte demande et en pénurie. C’est pourquoi nous déplaçons la partie QA et test du développement logiciel vers l’IA. 

Notre application interne, QA Assistant, rationalise le cycle de développement logiciel. Nous avons mis en œuvre cette fonctionnalité dans trois applications SaaS majeures, ce qui nous a permis de réduire la charge de travail de plus de 35 %. Nous appliquons ce framework à des applications plus complexes, confiants dans sa répétabilité. Aujourd’hui, les ingénieurs logiciels (qui n’aiment généralement pas le QA et les tests) peuvent se concentrer davantage sur la conception et le développement tout en explorant le potentiel de l’IA. 

Hastings Direct est l’un des principaux fournisseurs d’assurance des services généraux au Royaume-Uni. L’assurance est une question de risque : déterminer le facteur de risque pour un conducteur, un propriétaire ou toute autre chose. Ses projets initiaux d’IA couronnés de succès comprennent :

• Améliorer l'évaluation des risques : il y a une dizaine d’années, les souscripteurs de Hastings se limitaient aux 40 à 50 points de données standard lors de l’évaluation des demandes d’assurance, ce qui empêchait de se démarquer sur le marché. Désormais, ils utilisent des milliers de points de données, internes et externes. Au Royaume-Uni en particulier, les clients potentiels utilisent de nombreux sites de comparaison de prix qui interrogent Hastings pour fournir un devis compétitif, et la rapidité est absolument essentielle. Désormais, avec l’aide de Snowflake, Hastings peut évaluer un client à travers ces milliers de points de données et fournir une estimation en moins de 3 secondes. 

Zoom est une plateforme de collaboration sur abonnement, qui a connu une croissance phénoménale au cours des deux dernières années et demie, y compris la croissance de la gamme de produits et l’expansion géographique. C'est une bonne nouvelle, mais cela nécessitait une mise à niveau considérable et rapide de ses opérations commerciales, explique Awinash Sinha. Aujourd’hui, avec un entrepôt basé sur le cloud qui alimente son moteur d’IA/ML, l’entreprise évalue le cycle de vie de ses clients : 

• Opportunités de vente croisée : au cours des deux dernières années, Zoom a utilisé le ML pour éclairer les opportunités de vente croisée, repérer les moments où un client pourrait être le plus réceptif à l’extension de ses licences Zoom et anticiper la désaffection des clients.

• Présentation des informations dans l’API locale : traditionnellement, les analyses sont fournies via une sorte de tableau de bord. Aujourd’hui, Zoom fournit des informations alimentées par l’IA générative directement dans une API où les commerciaux travaillent jour après jour. « Nous pouvons accéder à Salesforce, au client Zoom et aux informations mobiles sur Zoom Chat pour notre équipe Customer Success et obtenir des informations en moins de 60 secondes », explique Awinash Sinha.

« Un copilote, pas un pilote automatique »

L'IA générative aura un impact sur les emplois, mais pas de la manière dont les gens pensaient. Je n’envisage pas que la technologie remplace les gens, et mes collègues panélistes non plus. « Je ne cesse de répéter à mon équipe : ceci est un copilote ; ce n’est pas un pilote automatique », ajoute Sasha Jory. « Vous pouvez utiliser cette technologie pour améliorer la productivité, mais vous devez examiner ce qui revient, continuer à entraîner vos modèles et continuer à vous assurer qu’elle donne la bonne réponse. »

Il y a tellement de choses que vous pouvez faire avec l’IA générative. Du point de vue du CIO ou du CTO, les opportunités sont presque étourdissantes. Il faut vraiment réfléchir aux cas d’usage qui ont le plus d’impact commercial, car tout le monde réclame de mettre la main dessus. Ne perdez pas de vue ces arguments de valeur. Si vos données sont au bon endroit et que vous avez les bons partenaires, le monde est à votre portée. 

Pour lire la conversation complète, regardez le CIO Executive Panel: Optimizing AI Tech Investments in an Era of Global Uncertainty.