Comment les responsables systèmes d'informations changent leur stratégie informatique pour adopter l'IA générative

Si vous êtes responsable informatique, vous êtes probablement convaincu du bien-fondé de l'IA générative et vous avez commencé à tester ses capacités une fois passé votre scepticisme initial. Vous avez peut-être aussi eu du mal à transformer cet engouement en résultats concrets et tangibles. Il incombe bien entendu aux responsables informatiques de voir plus loin que l'engouement et de veiller à la bonne gouvernance, au contrôle et au respect des normes avant l'adoption d'une nouvelle technologie. En tant que responsable système d'information d'une société technologique, il m'arrive de passer par cette phase plus rapidement que mes homologues d'autres filières. Après avoir testé cette technologie au cours des derniers mois, je suis parvenu à quelques conclusions sur la façon dont l'IA générative obligera les responsables informatiques à changer leur stratégie à long terme.

Rationaliser les portefeuilles d'applications

Ces dernières années, la plupart des responsables systèmes d'informations ont acheté des applications SaaS à tour de bras au nom de la transformation numérique. Il n'y a rien de mal à cela, surtout compte tenu du coût élevé à long terme de la création d'applications personnalisées. Leur choix s'est porté logiquement sur des formules d'abonnement. Cependant, nous avons souvent acheté des solutions spécifiques qui ne résolvaient qu'un seul problème commercial. L'IA générative offre une nouvelle opportunité.

Associée à une plateforme d'automatisation, l'IA générative vous permet de créer rapidement des solutions sans acheter un nouvel outil. Sur la base de l'évaluation de mon équipe, nous espérons réduire notre portefeuille d'applications de 5 à 10 % d'ici l'année prochaine en utilisant des capacités d'IA générative.

Pour autant, il n'est pas forcément judicieux de créer une solution personnalisée à chaque fois. Chaque fournisseur envisage d'ajouter des capacités d'IA générative à son portefeuille, aussi est-il judicieux de garder un œil sur leur feuille de route afin de s'assurer que vous ne créez pas une solution qui sera disponible très bientôt.

Réimaginer l'expérience utilisateur

Au cours des 20 dernières années, les applications ont évolué pour devenir plus accessibles, s'exécutant sur des plateformes dans le cloud multi-tenant et devenant plus conviviales pour les appareils mobiles. Cependant, leur architecture de base n'a pas changé. Ces applications s'appuient toujours sur une interface utilisateur basée sur un formulaire qui s'exécute au-dessus d'une base de données qui suppose des données structurées. L'IA générative remet en question l'architecture et l'expérience de base en s'appuyant sur des données non structurées et en apportant des réponses semblables à celles d'un être humain.

Par exemple, sur Salesforce CRM, il faut facilement 15 à 20 minutes à un commercial pour naviguer sur quatre ou cinq écrans et 15 clics avant d'obtenir un devis. Pourquoi ne pouvons-nous pas assurer la même fonctionnalité par le biais d'une expérience de chat plus intelligente et plus rapide ? Il en va de même pour les rapports et les tableaux de bord.

Récemment, mon équipe a mis en place une méthode conversationnelle permettant aux employés internes d'effectuer des tâches de base telles que réserver une réunion, commander du matériel, rédiger un e-mail de vente en consultant le profil LinkedIn du prospect, et bien plus encore. En combinant cela avec notre propre plateforme d'automatisation, je compte développer cette capacité et en faire un système d'engagement pour des centaines de tâches quotidiennes.

Simplifier le traitement des données

Si vous demandez à un responsable informatique quelle est la tâche qu'il déteste dans chaque projet, je peux vous garantir que la majorité d'entre eux citeront la conversion et le nettoyage des données. La raison en est qu'il faut écrire des centaines de lignes de code pour convertir des données provenant de différents formulaires en une structure que votre système peut comprendre. Malheureusement, les outils d'analyse les plus puissants sont efficaces uniquement si vous avez réussi à convertir et à consolider vos données.

L'une des caractéristiques les plus intéressantes des modèles LLM est qu'ils peuvent donner un sens à des données se trouvant dans divers formulaires. Je m'attends à ce que l'IA générative change notre stratégie d'analyse des données en réduisant les étapes nécessaires à la conversion et au nettoyage des données.

Réorganiser la structure de l'équipe

Je fais partie d'une société d'automatisation, et l'IA a toujours fait partie de notre parcours d'automatisation intelligente. Cependant, il devient évident que l'IA générative obligera les responsables systèmes d'informations à réexaminer la structure de leur équipe. À l'instar de la mise en place d'un programme d'automatisation, vous pouvez envisager de créer un groupe horizontal pour l'IA qui soutient tous les aspects de votre organisation. À cette fin, je demande à toutes les composantes de mon organisation de partager et de publier leur stratégie d'IA générative.

En termes de compétences, vous devrez peut-être donner la priorité à l'embauche de concepteurs de conversations plutôt qu'à celle de développeurs d'UI sur le long terme. De même, la formation des modèles d'IA avec ingénierie de commande est un autre ensemble de compétences dans lequel vous voudrez sans doute investir. Je suis également en train de revoir ma stratégie de partenariat pour combler nos lacunes en matière de talents à court terme. Toutefois, le plus grand défi sera l'inertie organisationnelle, et la seule façon de la vaincre est de faire en sorte que l'IA générative soit intégrée dans les objectifs individuels de chaque membre de mon équipe.

Faire face aux implications budgétaires

Quel que soit notre enthousiasme pour cette nouvelle technologie, nous savons tous que ce n'est pas le meilleur moment pour demander une rallonge de budget. Comment financer un programme d'IA ?

Je commencerais par m'intéresser à ceux qui dépensent le plus, à savoir les équipes chargées de la gestion de la relation client et de l'ERP. Bien que vous ayez absolument besoin des capacités de base de ces outils, il existe une réelle opportunité de tirer parti de l'automatisation et de l'IA générative pour éviter les personnalisations coûteuses tout en gardant le cœur de l'ERP épuré et simple. Tout cela est possible sans affecter l'expérience native de ces outils. Chez Automation Anywhere, nous utilisons notre propre co-pilote d'automatisation pour combiner la puissance de l'IA générative et de l'automatisation nativement dans notre expérience ERP.

Relever de nouveaux défis

Aussi enthousiasmé que je sois par le potentiel de l'IA, de nouveaux défis se posent quant à la responsabilité des décisions prises par l'IA générative. En tant que responsables informatiques, nous avons l'habitude de définir des ensembles de règles pour les processus que nous gérons. Toutefois, le défi consistant à contrôler le comportement des applications sans règles est nouveau pour nous tous. Dans cette optique, je recommande vivement une intervention humaine dans les actions essentielles et que les résultats soient constamment examinés.

Les services informatiques doivent également travailler en étroite collaboration avec leur équipe juridique. L'IA générative va repousser les limites de nos politiques d'entreprise existantes, et il est impératif de les mettre à jour au fur et à mesure que nous tirons les leçons de notre expérience. Vous devriez envisager de mettre en place un conseil de gouvernance de l'IA au sein de votre organisation pour débattre et harmoniser tout ce qui concerne l'IA.

Diriger avec confiance dans une nouvelle ère

L'IA générative est nouvelle pour tout le monde, y compris pour les responsables informatiques. Néanmoins, en tant que responsables technologiques de notre organisation, nous devrons définir une orientation, déterminer les attentes appropriées sans compromettre la sécurité et la confidentialité des données de nos clients ou de nos employés. Nous commettrons tous quelques erreurs en testant de nouvelles idées et, ensemble, nous tirerons les leçons de cette expérience et définirons les bonnes pratiques pour le secteur.