Comment l'IA générative peut-elle impacter vos priorités de transformation numérique ?

Source originale : The Paper

Source de l'image : générée par l'IA illimitée

La transformation numérique doit devenir une compétence essentielle de l'organisation, ce qui constitue un conseil important pour les DSI et les responsables informatiques.

Les priorités stratégiques changent considérablement tous les deux ans ou moins, passant de la croissance en 2018 au COVID-19 et au télétravail en 2020, aux modèles de travail hybrides et aux contraintes financières en 2022.

L'impact de l'IA générative, y compris ChatGPT et d'autres grands modèles de langage, sera un moteur de transformation majeur en 2024.

Alors que les DSI commencent à se préparer pour le budget 2024 et les priorités de la transformation numérique, il est nécessaire de développer une stratégie pour identifier les opportunités d'amélioration du modèle d'entreprise, voir l'impact opérationnel à court terme, hiérarchiser les projets que les employés devraient tester et développer une IA- plan d'atténuation des risques connexes.

Mais avec toute cette excitation et ce battage médiatique, il est facile pour les employés d'investir du temps dans des outils d'IA qui divulguent des données confidentielles, ou pour les responsables de choisir des outils d'IA fantômes qui n'ont pas été vérifiés pour la sécurité, la gouvernance des données et la conformité d'autres fournisseurs. Le plus grand défi est de développer une stratégie réaliste et de répondre aux Rêveurs Impossibles. Ici, le "rêveur impossible" est une sorte de chef d'entreprise qui "monte au ciel d'un pas", une sorte de chef d'entreprise de niveau infernal.

Abhijit Mazumder, CIO, Tata Consultancy Services, a déclaré : "Les priorités de transformation doivent pouvoir être fondamentalement liées aux priorités de l'entreprise et à ce que l'organisation veut réaliser. Dans la plupart des entreprises, le leadership est également axé sur la croissance et l'efficacité opérationnelle, mais sans perdre de vue de donner la priorité aux initiatives de résilience, de cybersécurité et d'élimination de la dette technique.

Voici quelques moteurs de l'IA générative que les DSI doivent prendre en compte lors de la définition de leurs priorités de transformation numérique.

Développer une stratégie de modèle de langage à grande échelle qui change la donne

Comment l'IA générative et les grands langages affecteront-ils chaque industrie, par exemple :

• Utiliser l'intelligence apportée par les données non structurées pour accélérer la découverte de médicaments
• Permettre aux ouvriers d'assemblage de fabrication de première ligne de résoudre les problèmes plus rapidement et de manière plus fiable
• Permettre aux fournisseurs de soins de santé de fournir aux patients des solutions personnalisées aux problèmes de santé
• Aider au développement de nouveaux produits d'assurance, bancaires et autres services financiers basés sur les conversations avec les clients
• Transformer l'éducation en offrant aux enseignants de nouvelles façons d'améliorer la pensée créative, la collaboration et les compétences de résolution de problèmes des élèves

"Les DSI et les CTO doivent désormais non seulement faire preuve de créativité et faire plus avec moins, mais aussi faire des investissements délibérés pour surpasser leurs concurrents, qui peuvent les retarder", a déclaré Jeremiah Stone, directeur de la technologie, SnapLogic. Projets de transformation Prioriser les initiatives de transformation qui créent de nouvelles sources de revenus, font progresser l'adoption de technologies ou réduisent la dette technique, en particulier compte tenu des opportunités présentées par l'IA générative.

Les DSI peuvent reconnaître qu'un programme de transformation de cette envergure est un programme pluriannuel qui nécessite d'évaluer les capacités de grands modèles de langage, de mener des expériences et de trouver un produit client minimum viable et suffisamment sécurisé. Mais ne pas développer de stratégie du tout peut prêter à confusion, et l'une des principales erreurs que les responsables informatiques peuvent commettre lorsqu'ils assistent aux réunions du conseil d'administration est de ne pas élaborer de plan pour les technologies émergentes qui changent le monde comme l'IA générative.

Nettoyer et préparer les données pour le grand modèle de langage privé

L'IA générative augmentera l'importance et la valeur des données non structurées de l'entreprise, y compris les documents, les vidéos et le contenu stockés dans les systèmes de gestion de l'apprentissage. Même si les entreprises ne sont pas prêtes à tirer parti de l'IA générative pour transformer leurs industries et leurs activités, les leaders proactifs de la transformation prennent des mesures pour centraliser, nettoyer et préparer les données non structurées en vue de leur consommation par des modèles de langage à grande échelle.

Kjell Carlsson, responsable de la stratégie et de l'évangélisation de la science des données chez Domino's, a déclaré : "Les utilisateurs de toute l'organisation réclament que les capacités d'IA générative fassent partie de leur quotidien. Un accès sécurisé et évolutif aux modèles d'IA générative, et permet aux équipes de science des données de développer et de mettre en œuvre de grandes des modèles de langage à l'échelle adaptés aux données organisationnelles et aux cas d'utilisation."

Il existe désormais 14 modèles de langage à grande échelle en dehors de ChatGPT. Si vous disposez d'un grand ensemble de données, vous pouvez utiliser des plates-formes telles que Databricks Dolly, Meta Llama et OpenAI pour personnaliser des modèles de langage propriétaires à grande échelle ou créer votre propre modèle à grande échelle. modèles de langage à partir de zéro.

La personnalisation et le développement de grands modèles de langage nécessitent une solide analyse de rentabilisation, une expertise technique et un financement. Peter Pezaris, directeur de la conception et de la stratégie chez New Relic, a déclaré : « Le coût de la formation de grands modèles de langage peut être extrêmement élevé et les résultats de sortie ne sont pas encore parfaits. Les dirigeants doivent donc investir en priorité dans des solutions qui aident à surveiller le coût d'utilisation. et améliorer la qualité des résultats des requêtes. plan."

Améliorez l'efficacité en améliorant le support client

McKinsey a prédit dès 2020 que l'intelligence artificielle pourrait créer une valeur de 1 billion de dollars américains par an, et le support client est une opportunité importante. Aujourd'hui, grâce à l'IA générative, cette opportunité est encore plus grande, d'autant plus que les DSI canalisent les données non structurées dans de grands modèles de langage et permettent aux agents de service de poser et de répondre aux questions des clients.

"Recherchez des opportunités d'exploiter GPT-4 et de grands modèles de langage pour optimiser des activités telles que le support client, en particulier dans l'automatisation des tâches et l'analyse de grandes quantités de données non structurées", a déclaré Justin Rodenbostel, vice-président senior chez SPR.

L'amélioration du support client est une voie rapide pour fournir un retour sur investissement à court terme grâce à de grands modèles linguistiques et à des capacités de recherche IA. Les grands modèles de langage nécessitent la centralisation des données non structurées d'une entreprise, y compris les données intégrées dans les CRM, les systèmes de fichiers et d'autres outils SaaS. Une fois que les services informatiques ont centralisé ces données et mis en œuvre des modèles linguistiques à grande échelle, il est également possible d'améliorer des domaines tels que la conversion des leads et les processus d'intégration des RH.

« Les entreprises ont entassé des données dans SharePoint et d'autres systèmes pendant des décennies, et en nettoyant ces données et en utilisant de grands modèles de langage, cela peut en fait être précieux », a déclaré Gordon Allott, président et chef de la direction de GetK3.

Réduisez les risques en communiquant autour de grands modèles de langage

Il existe plus de 100 outils dans le domaine de l'IA générative, couvrant des catégories telles que les tests, les images, les vidéos, le code, la parole, etc. Alors, qu'est-ce qui empêche les employés d'essayer un outil et de coller des informations propriétaires ou autrement confidentielles dans leurs invites ?

Rodenbostel conseille : "Les dirigeants doivent s'assurer, par le biais de la recherche et d'une politique d'utilisation acceptable, que leurs équipes n'utilisent ces outils que de manière approuvée et appropriée."

Il y a trois départements, et c'est le CIO qui doit collaborer avec le CHRO et le CISO pour communiquer la politique et créer un modèle de gouvernance qui prend en charge l'expérimentation intelligente. Tout d'abord, les DSI doivent évaluer l'impact de ChatGPT et d'autres IA génératives sur le codage et le développement de logiciels. Les services informatiques doivent donner l'exemple, en clarifiant où et comment expérimenter et quand ne pas utiliser d'outils ou d'ensembles de données propriétaires.

Le secteur du marketing est une deuxième préoccupation, où les spécialistes du marketing peuvent utiliser ChatGPT et d'autres IA génératives dans la création de contenu, la génération de prospects, le marketing par e-mail et plus d'une douzaine de pratiques marketing courantes. Avec plus de 11 000 solutions technologiques marketing déjà disponibles, il existe de nombreuses possibilités d'expérimenter et de faire des erreurs involontaires lors du test de SaaS avec de nouvelles capacités de modèle de langage étendu.

Les directeurs informatiques des principales organisations créent un registre pour intégrer de nouveaux cas d'utilisation de l'IA générative, définir des processus d'examen des approches et gérer de manière centralisée l'impact des expériences d'IA.

Réévaluer le processus décisionnel et la délégation

Un autre domaine important à considérer est l'impact de l'IA générative sur les processus décisionnels et l'avenir du travail.

Au cours de la dernière décennie, de nombreuses entreprises ont cherché à devenir des organisations axées sur les données en démocratisant l'accès aux données, en formant davantage d'hommes d'affaires à la science des données et en inculquant des pratiques proactives de gouvernance des données. L'IA générative ouvre de nouvelles capacités, permettant aux dirigeants d'inviter et d'obtenir des réponses rapidement, mais la rapidité, la précision et la partialité sont des préoccupations clés pour de nombreux LL.M.s.

"Placer les humains au centre de l'IA et créer un cadre solide autour de l'utilisation des données et de l'interprétabilité des modèles contribuera grandement à réduire les biais dans ces modèles et à garantir que tous les résultats de l'IA sont éthiques et responsables. La réalité est que les modèles d'IA ne peuvent pas remplacer les humains lorsqu'il s'agit de prise de décision critique et devrait être complété plutôt que autorisé à prendre entièrement le relais.

Les DSI doivent rechercher une approche équilibrée pour hiérarchiser les initiatives d'IA générative, y compris la définition de la gouvernance, l'identification des gains d'efficacité à court terme et la recherche d'opportunités de transformation à long terme.