5 questions à poser lors du déploiement de l'IA générative pour les entreprises

En tant que professionnel CX, envisagez-vous de déployer l'intelligence artificielle générative ? Voici ce qu'il faut se demander pour commencer.

Dans le monde des affaires, tout le monde parle d'intelligence artificielle générative (IA). Ces derniers mois, vous avez déjà vu d'innombrables titres sur le ChatGPT d'OpenAI et le Bard de Google, les deux entreprises développant des modèles d'IA capables de créer des contenus écrits personnalisés en explorant des modèles à partir de données existantes.

L'IA générative prend son essor - et rapidement. À lui seul, ChatGPT compte plus de 100 millions d'utilisateurs actifs mensuels et son site web enregistre plus d'un milliard de pages vues chaque mois.

Les particuliers comme les entreprises exploitent l'IA générative dans des cas d'utilisation allant de la composition de poèmes à la rédaction d'appels d'offres en passant par la création de vidéos publicitaires. Parmi tous ces cas d'utilisation, une chose est commune : paraître humain. Ces modèles sont de plus en plus performants à cet égard, même si cela signifie inventer des références dans les documents de recherche générés.

Malgré les avantages apparemment illimités et sans risque, vous ne devriez pas vous lancer aveuglément dans l'IA générative. Comme pour tout type de technologie, en particulier les nouvelles technologies, vous devez débattre de ses avantages et de ses inconvénients. Si l'IA générative peut sembler attrayante à première vue, il est possible que vous ne disposiez pas des ressources nécessaires pour la mettre en œuvre. Il se peut aussi que vous ne connaissiez pas le cas d'utilisation exact qui permettrait d'en maximiser l'impact. En ce qui concerne l'IA en particulier, vous devez garder à l'esprit qu'elle a besoin de garde-fous pour rester aussi responsable qu'efficace.

Ce que vous devez vous demander lorsque vous exploitez l'IA générative pour votre entreprise

L'IA générative se développe rapidement et les organisations de plusieurs secteurs devraient s'en servir massivement dans les années à venir. En fait, de nombreuses organisations investissent déjà du temps et des ressources pour déployer et exploiter cette technologie. En tant qu'expert de l'expérience client (CX) ou de l'expérience employé (EX) en particulier, vous pourriez vous retrouver à envisager l'IA générative pour vos opérations.

Voici les cinq principales questions à se poser en tant que professionnel CX pour s'assurer que les modèles d'IA générative sont efficaces, éthiques et alignés sur les valeurs et les objectifs de votre organisation.

#1. Comment puis-je m'assurer que les données restent sécurisées et conformes aux normes de confidentialité ?

Avant de déployer un modèle d'IA, il est essentiel de prendre en compte la confidentialité et la sécurité des données de formation, en particulier celles qui contiennent des informations personnelles identifiables (PII). Les modèles d'IA open source présentent des risques particuliers pour la confidentialité et la sécurité des données. Ces risques sont dus à la vulnérabilité créée par le libre accès au code source, l'utilisation de bibliothèques tierces et l'absence de contrôle sur le partage et la distribution.

Pour atténuer les risques, les entreprises qui déploient des modèles d'IA sur des données sensibles doivent s'assurer que des mesures et des contrôles d'accès solides sont en place sur la base de code, les bibliothèques et le stockage des données.

#2. Quelles mesures ont été prises pour éliminer les biais des modèles ?

Les modèles d'IA générative sont particulièrement susceptibles d'être biaisés car ils sont conçus pour apprendre à partir de grands ensembles de données et produire des prédictions ou des recommandations basées sur ces données.

Les modèles doivent être formés à partir d'un ensemble de données diverses et représentatives. Dans le contexte de l'expérience des clients et des employés, cela signifie qu'il y a suffisamment de données représentatives de la démographie, des cultures et d'autres segments des bases de clients et d'employés d'une entreprise. N'oubliez pas que les biais liés aux données sont plus probables lorsque vous utilisez des bibliothèques open source, car il n'y a pas de processus de validation de l'exactitude des faits ou de l'éthique du matériel source. 

Il est également essentiel de reconnaître et d'étudier les biais algorithmiques potentiels des modèles. Qu'est-ce que le modèle a été formé pour optimiser ? Par exemple, un certain nombre de modèles d'IA générative ont été entraînés à produire des résultats spécifiquement pour les médias sociaux - ce qui peut conduire à un contenu plus polarisant ou sensationnel parce que ce contenu est courant, efficace et amplifié sur ces plateformes.

Demandez comment les modèles d'IA que vous envisagez ont été formés et optimisés pour les cas d'utilisation CX et EX, et comment les modèles sont vérifiés et contrôlés contre les biais. 

#3. Quel est le coût associé à la mise à l'échelle ?

Poser des questions ponctuelles à ChatGPT en tant qu'individu à la recherche de réponses rapides est une chose. Mais c'en est une autre que de mettre à l'échelle l'IA générative sur des dizaines ou des centaines de millions d'enregistrements dans l'ensemble de l'entreprise.

Pour réussir à grande échelle, l'IA générative a besoin de grandes quantités de données diverses et sécurisées, d'une infrastructure de grappes de calcul à haute performance et de ressources de recherche et de développement pour surveiller, entretenir et développer les modèles.

Le coût est une considération majeure dans la conversation entre la construction et l'achat, il faut donc chercher à comprendre dans quelle mesure votre organisation est prête à assumer les coûts de la mise à l'échelle. En outre, vous devez vous poser la question suivante : quel sera le niveau d'effort nécessaire pour intégrer l'IA générative développée en interne ? Quel sera le niveau d'effort nécessaire pour intégrer l'IA générative locale dans les processus et flux de travail de l'entreprise ?

Pour que le coût en vaille la peine, l'IA doit être liée à des résultats mesurables. Justifier le besoin de modèles d'IA générative est peut-être la question la plus importante. Il convient donc d'évaluer les coûts associés et de déterminer s'il existe ou non une analyse de rentabilité solide pour l'utilisation des modèles.

#4. Quel est le point de départ le plus impactant pour introduire l'IA générative dans les programmes CX et EX ?

Ne vous laissez pas emporter par le remue-méninges sur les applications potentielles de l'IA générative qui permettraient de réduire les coûts. Avant cela, vous devez penser à l'aspect pratique et aux implications. Il serait formidable d'économiser des millions de dollars en convertissant les agents du centre de contact en chatbots, mais les consommateurs - et la société dans son ensemble - ne font pas entièrement confiance à l'IA en ce qui concerne la confidentialité des données et le traitement des questions sensibles.

Les points de départ efficaces pour une stratégie d'IA générative en CX/EX sont ceux qui sont liés à des résultats commerciaux positifs, qui sont faciles à expliquer au directeur de l'expérience (CXO) et au reste de la suite C, et qui s'intègrent dans les flux de travail existants.

• Efficacité accrue : L'IA générative automatise les tâches fastidieuses, telles que le résumé des appels et les tâches de disposition que les agents doivent effectuer après chaque appel au service client.
• Réduction du temps nécessaire à la compréhension : L'IA devrait être utilisée pour rationaliser le développement et la maintenance des modèles basés sur des règles dans les applications de traitement du langage naturel (NLP) et de compréhension du langage naturel (NLU), afin de permettre aux analystes de consacrer plus de temps à l'obtention de résultats et à la mise en œuvre d'actions.
• Personnalisation : De grandes quantités de données doivent être analysées pour générer des recommandations personnalisées pour les clients - individuellement ou par segment. Il s'agit par exemple de comprendre l'historique d'un client en matière d'assistance pour l'orienter plus facilement vers le canal qu'il préfère dans son parcours client.
• La loyauté et l'attrition des employés : L'IA générative peut également être utilisée pour mieux comprendre l'expérience des employés et prendre des décisions pour lutter contre l'épuisement professionnel, le roulement du personnel et l'engagement des employés.

#5. Comment favoriser l'adoption d'une stratégie d'IA générative au sein de mon entreprise ?

Les solutions technologiques ont le plus d'impact lorsqu'elles sont adoptées à grande échelle. Cependant, l'IA est une technologie qui peut être difficile à déployer à grande échelle.

Les clients et les employés peuvent hésiter à interagir avec des systèmes ou des recommandations alimentés par l'IA s'ils ne font pas confiance à la technologie ou s'ils ont l'impression que leur vie privée n'est pas respectée. 

Il est important de communiquer une stratégie d'IA - en particulier une stratégie susceptible d'avoir un impact sur la mesure de la performance, la rémunération et les tâches quotidiennes des employés - avec transparence et honnêteté. Partagez les méthodologies de modélisation, encouragez les questions et mettez régulièrement à disposition les résultats des audits ou des tests de partialité. Commencez par des cas d'utilisation qui n'ont pas d'impact direct sur la rémunération ou les évaluations des employés, en vous concentrant plutôt sur des cas d'utilisation liés à la qualité de vie, tels que l'automatisation des tâches et l'optimisation des flux de travail.

Enfin, pour favoriser l'adoption et l'obtention de résultats commerciaux significatifs par le biais d'actions, vos modèles d'IA générative doivent fournir des résultats précis et exploitables qui soient pertinents.

Préparez-vous à utiliser l'IA générative et à dominer votre secteur d'activité

Il y a de fortes chances que vous et vos concurrents utilisiez déjà l'IA d'une manière ou d'une autre. Le moment est venu de dépasser le stade de l'engouement pour l'IA générative et d'axer cette technologie sur des cas d'utilisation tangibles qui profiteront à vos employés et à vos résultats. L'attention se porte de plus en plus sur l'IA générative et ses avantages pour les entreprises - de la production de contenu en un clin d'œil à la rationalisation des processus pour les employés. Tirez parti de ces possibilités.