Favoriser des expériences client plus intelligentes grâce à l’IA et à l’apprentissage automatique

Nous sommes ravis de ramener Transform 2022 en personne le 19 juillet et virtuellement du 20 au 28 juillet. Rejoignez les leaders de l’IA et des données pour des discussions approfondies et des opportunités de réseautage passionnantes. Inscrivez-vous aujourd’hui!


Intelligence artificielle (IA) démontre sa capacité à stimuler la croissance des entreprises natives numériques et non numériques. Selon Deloitte, les entreprises à travers secteurs utilisent l’IA créer valeur commerciale. De la rationalisation de l’analyse des données à l’amélioration de l’expérience client, l’IA offre plusieurs avantages aux entreprises.

Lorsque l’IA est intégrée au produit ou service de base et aux processus commerciaux d’une organisation, elle est la plus bénéfique. Malgré la popularité croissante de l’IA, de nombreuses entreprises ont encore du mal à utiliser l’IA et le ML à plus grande échelle. Dans un table ronde durant Transformation de VentureBeat 2022 conférence virtuelle, Chris D’Agostino, directeur technique mondial de Databricks, Patrick Baginski, directeur principal de la science des données et de l’analyse des données chez McDonald’s, et Errol Koolmeister, conseiller en IA et données chez The AI ​​Framework, ont expliqué comment leurs entreprises utilisent l’IA et le ML pour créer des expériences client plus intelligentes.

Mettre en œuvre l’IA et le ML à plus grande échelle

Il y a un intérêt croissant pour l’IA, ses sous-domaines et les disciplines connexes comme l’apprentissage automatique (ML) et la science des données en raison de la façon dont L’IA transforme tous les secteurs et fonction commerciale. Selon un récent Enquête McKinsey56 % des organisations utilisent l’IA dans au moins une fonction métier.

Qu’il s’agisse d’une entreprise native numérique ou non numérique, Baginski a déclaré qu’il était important de toujours penser en premier lieu à la valeur qui peut être apportée par les projets d’IA et de ML. Selon Koolmeister, une évaluation du MIT Sloan de 2019 a montré à quel point les entreprises avaient des difficultés alors qu’elles persistaient à essayer de faire démarrer leur entreprise, notant que le retour sur investissement de l’IA était maigre. Koolmeister a également cité un étude récente menée par Thomas Davenport et NewVantage Partners qui montre que le marché a changé – 26% des plus grandes entreprises du monde avaient l’IA dans la production à grande échelle tandis que 92% d’entre elles investissent actuellement dans la technologie.

“Je pense que la plupart des entreprises font des efforts pour mettre en œuvre l’IA dans leurs organisations”, a déclaré Koolmeister. “Il y a quelques éléments clairs et distincts, l’un d’entre eux étant le renforcement des capacités internes afin de pouvoir fournir aux grandes entreprises de l’IA. Vous ne pouvez pas commencer avec une organisation décentralisée, vous devez créer une dynamique centrale. Tout d’abord, vous devez créer vos premiers cas d’utilisation, puis développer la maturité pendant que vous déployez les choses dans l’organisation. Il doit donc être appris par la valeur et il doit y avoir des points de preuve clairs dès le début pour ajuster ou motiver réellement les niveaux d’investissement nécessaires pour transformer les grandes entreprises héritées.

Les pièges d’essayer de créer un environnement AI/ML robuste

L’IA d’aujourd’hui est largement centralisée et ne peut appartenir qu’à une seule entité. Il s’agit d’un obstacle important pour l’IA, selon Baginski, qui a noté que les entreprises établissent les meilleures pratiques, les procédures d’exploitation standard et les plates-formes communes pour les 80 % du travail effectué par les analystes, les scientifiques des données et les ingénieurs des données. Cependant, il a affirmé que ces activités doivent être considérées comme une entreprise collective qui favorise un développement remarquable.

“Je pense que l’un des grands défis est de forcer la centralisation”, a déclaré Baginski. “Je pense qu’il y a une raison de dire que vous établissez des meilleures pratiques, des plateformes communes et des processus communs pour les 80 % du travail effectué par un analyste, un scientifique des données ou un ingénieur des données, mais vous devez vraiment voir cela comme plus comme un effort communautaire et votre succès dans l’élaboration de ces directives dépend de l’entreprise et des unités commerciales qui les adoptent. Donc, forcer la centralisation est généralement très préjudiciable à cet effort.

Baginski a également souligné un autre défi : passer de l’équipe de science des données généraliste qui gère tout l’apprentissage automatique, la science des données, la mesure, l’analyse, la création de pipeline, etc., à plusieurs rôles différents, plus spécialisés, chacun jouant un rôle dans le vue d’ensemble de l’élaboration d’une bonne solution.

“L’autre défi est que le diable se cache souvent dans les détails, n’est-ce pas ? Je pense donc que nous nous sommes un peu éloignés de l’équipe de science des données généraliste qui va juste gérer tout l’apprentissage automatique, toute la science des données, toutes les mesures, toutes les analyses, toute la création de pipeline et tout, pour avoir plusieurs différents rôles plus spécialisés, chacun jouant un rôle dans le cadre plus large du développement d’une bonne solution », a déclaré Baginski.

Baginski a également noté qu’un défi typique qu’il a vu est qu’une entreprise doit être très claire dès le début, sur quelques priorités de projets ou cas d’utilisation qui ont du sens pour une équipe pour commencer et qui peuvent être utilisées pour ensuite dérivent essentiellement l’adoption de ces lignes directrices dans les unités d’affaires. Il a ajouté que ces cas d’utilisation doivent être correctement examinés par des experts pour déterminer dans quelle mesure ils sont applicables à l’idée de ML et d’IA, dans quelle mesure ils servent cela et quelle valeur ils apporteront.

Cependant, D’Agostino a souligné l’importance de constituer une équipe pour résoudre les problèmes susmentionnés.

“Tu ne trouveras pas une licorne qui résoudra tous ces problèmes comme par magie. Il y a vraiment un travail de collaboration. Les parties prenantes de l’entreprise sont des catalyseurs clés pour faire avancer les choses. Ils comprennent quels cas d’utilisation doivent être pilotés au sein de l’entreprise », a déclaré D’Agostino.

Baginski a déclaré: «Dans de nombreuses entreprises, si vous êtes sérieux et si vous êtes dans une suite C de gestion, vous devez fournir une formation ou une assistance sans mise à l’échelle pour qu’ils puissent réellement conduire. Il y a donc un aspect éducatif à réussir avec ces choses.

Koolmeister a ajouté que l’éducation constante des travailleurs est absolument essentielle, surtout si c’est dans une grande entreprise qui est très distribuée dans de nombreux pays différents.
Ne manquez pas le discussion complète de quelles leçons McDonald’s, Databricks et The AI ​​Framework ont ​​tirées de la mise en œuvre et de la mise à l’échelle de grandes initiatives d’IA pour générer de la valeur commerciale et des expériences client plus intelligentes.

La mission de VentureBeat est d’être une place publique numérique permettant aux décideurs techniques d’acquérir des connaissances sur la technologie d’entreprise transformatrice et d’effectuer des transactions. En savoir plus sur l’adhésion.



#Favoriser #des #expériences #client #intelligentes #grâce #lIA #lapprentissage #automatique

Leave a Comment

Your email address will not be published.