Sept experts en informatique parlent : Comment démarrer et faire évoluer un projet pilote d'IA réussi

L'Office américain des brevets et des marques à Alexandria, en Virginie, utilise des projets d'intelligence artificielle (IA) pour accélérer le processus de classification des brevets, aider à détecter la fraude et élargir les recherches des examinateurs de brevets similaires afin qu'ils puissent en rechercher davantage. documents dans les délais, et chacun de leurs projets commence par un pilote. « Les preuves de concept (PoC) sont une méthode clé que nous utilisons pour comprendre les nouvelles technologies, tester les hypothèses de valeur commerciale, réduire les risques liés à la réalisation de projets à grande échelle et éclairer les décisions de mise en œuvre complète de la production », a déclaré Jamie Holcombe, directeur de l'information chez U.S. Patent. et l'Office des marques. Une fois que les programmes pilotes auront été couronnés de succès, la prochaine étape consistera à déterminer s'il convient de les étendre, a-t-il déclaré. Il est ensuite temps d'évoluer dans un environnement réel et de passer à la pleine production.

Le fournisseur de commerce électronique indien Flipkart a également suivi un processus similaire avant de déployer un projet qui a aidé les clients à cibler des centaines de clients dans 11 langues différentes Recherche textuelle et visuelle recherche de 10 000 articles. Flipkart teste désormais des robots conversationnels, en utilisant l'apprentissage en profondeur pour créer des modèles incluant la détection des intentions de l'utilisateur, la traduction linguistique, la parole en texte et la synthèse vocale. Flipkart et l'Office américain des brevets et des marques étendent rapidement l'application de la vision par ordinateur, du traitement du langage naturel, de l'apprentissage automatique et d'autres technologies d'intelligence artificielle à d'autres aspects de l'entreprise.

Aussi passionnants que soient l'intelligence artificielle et l'apprentissage automatique, de nombreux projets pilotes initiaux et projets PoC ne parviennent pas à atteindre leur pleine production. Les projets qui réussissent déjà doivent faire partie d'un plan stratégique, bénéficier du soutien de la direction, être capables d'utiliser les bonnes données, disposer de l'équipe requise, disposer des bons indicateurs techniques et commerciaux, ainsi que des jalons du projet, passer par plusieurs itérations et être rapide. Essais et erreurs. "Ce processus peut prendre un an ou deux pour atteindre un niveau de qualité élevé, et vous devrez être patient pendant cette période", a déclaré Ganapathy Krishnan, vice-président de l'ingénierie chez Flipkart.

Poser les bases du succès

Les entreprises agissent rapidement pour lancer des projets pilotes d'IA réussis en production et produire des résultats. Rowan Curran, analyste en intelligence artificielle, apprentissage automatique et science des données chez Forrester, a déclaré : « Nous avons constaté que les projets d'IA entrent dans le courant dominant, avec 57 % des entreprises mettant en œuvre ou élargissant leurs projets d'IA, et 70 à 75 % des entreprises. voient clairement la valeur de ces projets. « En outre, selon une enquête récente d'Ernst & Young, 53 % des DSI et des responsables informatiques ont déclaré que les données et l'analyse dans le domaine de l'IA deviendront le principal domaine d'investissement au cours des deux prochaines années. .

Mais bon nombre de ces projets pilotes sont voués à l'échec avant même d'avoir commencé, pour plusieurs raisons, à commencer par le manque de soutien du haut vers le bas. Holcombe, de l'Office américain des brevets et des marques, a déclaré : « Vous avez besoin de la reconnaissance des cadres supérieurs et vous devez disposer des fonds nécessaires.

Certains responsables informatiques pensent qu'il faut commencer par le milieu de l'organisation ou par le Les projets ascendants réduisent les chances de réussite du projet. Les projets les plus réussis bénéficieront du soutien du DSI et de l'engagement de la direction à financer le projet et à intégrer l'IA dans la stratégie globale de transformation numérique de l'organisation.

Krishnan de Flipkart a déclaré qu'il était également important de définir des attentes claires. "Vous ne devez pas vous attendre à ce que les projets que vous déployez changent fondamentalement l'entreprise. C'est un processus long et prend du temps."

PoC peut également être un exercice de perfectionnement des capacités au sein de l'entreprise. est une approche adoptée par l’entreprise manufacturière Eli Lilly. «Grâce au PoC, nous avons expérimenté et compris les dimensions de la technologie et de la réalisation du projet», a déclaré Tim Coleman, vice-président des solutions d'information et numériques et directeur de l'information chez Lilly. L'équipe applique les capacités de traitement du langage naturel aux domaines d'activité. Découverte, génération et traduction du langage naturel, allant de la création de contenu clinique et scientifique au développement de produits, en passant par la recherche avancée et les fonctions de gestion générale.

Mais ne confondez pas cet exercice de renforcement des capacités avec des projets pilotes qui doivent générer une large valeur transformationnelle, prévient Dan Diasio, leader mondial du conseil en IA chez EY : « Vous voulez développer vos capacités pour y arriver. , Mais à l’avenir, lorsque vous devrez rivaliser avec des perturbateurs et influencer de manière significative les investisseurs, vous devrez adopter une approche descendante.

C'est ainsi que l'entreprise de soins de santé Atlantic Health System aborde les projets d'intelligence artificielle et d'apprentissage automatique. Atlantic Health System a piloté avec succès l’évaluation des images pour aider les radiologues et l’automatisation des préautorisations, qui prend les commandes d’imagerie et les planifie en plusieurs étapes de processus. Sunil Dadlani, vice-président senior et directeur de l'information de l'entreprise, a déclaré : « L'intelligence artificielle devrait faire partie de la transformation numérique, et non une initiative isolée. Nous avons formalisé une structure de gouvernance et un plan d'investissement pour l'intelligence artificielle et l'apprentissage automatique. » , les propositions de projets doivent répondre à trois critères avant d'aller de l'avant : elles apportent une valeur commerciale en termes de retour sur investissement, ont un taux de réussite acceptable et les résultats du projet doivent être cohérents avec la stratégie et les priorités de l'entreprise, a déclaré Coleman. Mosaic PV, par exemple, a été l'un des premiers projets d'IA d'Eli Lilly axés sur le reporting des effets indésirables des médicaments, dont le principal objectif était « d'augmenter la productivité et de réduire le coût du traitement des événements indésirables tout en maintenant des normes élevées de qualité et de conformité ».

C'est quoi le problème ?

Un projet pilote réussi doit commencer par définir le problème commercial. « Ne devenez pas un chercheur de problèmes en cherchant une réponse », déclare Sanjay Srivastava, stratège numérique en chef chez Genpact, une société mondiale de services professionnels. Genpact fournit principalement des services de conseil sur des projets d'IA aux grandes entreprises. "Les projets qui se concentrent sur la réussite commerciale et commencent par des questions plutôt que des réponses ont tendance à bien fonctionner.

Ensuite, décidez si l'IA est la meilleure réponse." "Ce projet est-il adapté à une norme suffisamment complexe pour justifier l'utilisation de l'IA ? Si vous pouvez le réaliser avec une approche simple et basée sur des règles, allez-y", a déclaré Krishnan. "Mais si vous en avez des centaines de milliers ou des centaines. même des centaines de règles. Lorsqu'il existe des milliers de règles, il n'est pas possible d'utiliser une approche logicielle. »

Disposez-vous des indicateurs et des données appropriés ?

De retour à l'Office américain des brevets et des marques, les projets d'IA nécessitent deux ensembles d'indicateurs : des indicateurs techniques sur la façon d'exécuter le modèle et des indicateurs sur la façon de quantifier la valeur commerciale du projet d'IA.

Atlantic Health System assure le succès en mettant en œuvre des projets pilotes avec des KPI commerciaux clairs pour une petite partie de l'entreprise. Par exemple, le système d'évaluation par imagerie d'Atlantic Health System a commencé à être déployé à titre de petit projet pilote en neurologie et s'est rapidement étendu à la cardiologie et à d'autres domaines. L'équipe a créé avec succès un projet pilote en neurologie en huit semaines, a démontré les résultats du projet et a obtenu le soutien de la cardiologie et de tous les autres secteurs de services.

Flipkart, comme l'USPTO, se concentre d'abord sur les métriques du modèle technique, puis exécute des tests A/B pour voir quel impact cela aura sur l'entreprise. Actuellement, l’équipe développe et teste un robot conversationnel assisté par l’IA. Ils ont commencé avec la métrique « responsabilité », qui est la capacité du robot à répondre aux questions. Ils effectuent désormais des tests A/B pour déterminer si cela aura un impact mesurable sur l'entreprise.

Les projets d'IA reposent fortement sur le Big Data, et vous avez besoin de la vitesse, du volume et de la variété requis, a déclaré Dadlani. "Si la qualité de vos données n'est pas bonne, vous n'obtiendrez pas les résultats que vous attendez."

Srivastava de Genpact est d'accord. « Quatre-vingt-dix pour cent du travail de création d'un système d'IA concerne l'ingestion, la coordination, l'ingénierie et la gouvernance des données. Si vous vous concentrez sur 10 % et abandonnez les 90 %, vous échouerez dès le début, vous devez donc jeter les bases de données."

Vous devez également être capable de fournir un feedback continu entre les différents tests A/B - en obtenant des données en temps réel afin de pouvoir ajuster le modèle. Mais votre organisation n’est peut-être pas en mesure de fournir des données rapidement et automatiquement. Par exemple, si vous travaillez sur un modèle prédictif et que l’équipe n’obtient pas automatiquement d’informations sur ce que les clients achètent, vous ne pouvez pas boucler la boucle. Il est également important de poursuivre la boucle de rétroaction après le déploiement complet, car les préférences des clients peuvent évoluer au fil du temps. Si votre modèle n'en tient pas compte, vous n'obtiendrez pas les résultats escomptés, un résultat appelé « dérive du modèle ».

Le projet pilote sera-t-il élargi ?

Bien que les projets pilotes puissent être entièrement déployables selon vos attentes initiales, l'évolutivité dépend de ces projets pilotes. Alors, disposez-vous des ressources adéquates pour faire évoluer le projet pilote jusqu’à un déploiement complet ? "Au lieu d'avoir un référentiel de données, d'embaucher une nouvelle équipe et de créer une usine d'étiquettes de données, vous devrez peut-être simplifier votre code, introduire de nouvelles technologies et pousser l'IA et l'apprentissage automatique à l'extrême", a déclaré Diasio d'EY. un ensemble de compétences en ingénierie. »

Exécution de projets pilotes

Flipkart a adopté des fonctionnalités liées au cloud et au MLOps dans des projets pilotes. "Les projets pilotes nécessitent beaucoup de soutien technique dès le début, ils doivent effectuer des itérations fréquentes, des essais et des erreurs rapidement, et pour ce faire, vous avez besoin d'une infrastructure MLOps d'un grand fournisseur de services cloud", a-t-il conseillé à l'équipe pilote. à quel point ils sont proches d'atteindre leurs objectifs et assurez-vous que les attentes sont correctement définies pendant le projet pilote.

« Si vous fixez 3 % au début du projet pilote, vous vous en sortez bien », a-t-il déclaré. Ne vous attendez pas à voir des avantages immédiatement. Les projets pilotes complexes ont souvent du mal à voir leur impact dans les trois mois. Ce que vous devez faire, c'est déployer, trouver l'écart, déployer à nouveau et vous améliorer progressivement.

Les échecs pendant le projet pilote ne signifient pas nécessairement la fin du projet pilote. Le système de classification amélioré de l'USPTO a initialement échoué. "Dès le début, nous avons eu des problèmes avec des ensembles de données mal gérés", a déclaré Holcombe. Mais l'équipe a recalibré et poursuivi le projet pilote jusqu'à ce que le système fonctionne nettement mieux que le processus manuel. « Si vous échouez, n'abandonnez pas, découvrez pourquoi vous avez échoué. »

Évaluation finale

Les DSI, directeurs informatiques et consultants ci-dessus utiliseront diverses méthodes pour évaluer leurs projets pilotes. Chez Atlantic Health System, une fois le projet pilote initial terminé, il est temps d'évaluer les résultats et de décider s'il faut prolonger le projet pilote, poursuivre la production ou réduire les pertes. Dadlani a déclaré : « Les projets pilotes doivent fournir une mesure perçue du succès et ce n'est que lorsque nous verrons des résultats prometteurs que nous dirons ce qui est nécessaire pour évoluer, combien de temps cela va prendre, combien de temps cela va-t-il prendre pour réaliser de la valeur. , l'infrastructure technologique Quels investissements sont nécessaires en termes de ressources et comment les mettre en œuvre ? , le manque d'agilité, le manque de mentalité d'essais et d'erreurs rapides, le manque d'adhésion des cadres supérieurs et le manque de gestion du changement organisationnel pour favoriser l'adoption par l'entreprise.

Vous devez remonter les indicateurs essentiels au reporting financier. Par exemple, si un algorithme de tarification prévoit 50 millions de dollars d'économies, il peut y avoir un écart entre ce qui a été réalisé jusqu'à présent et ce qui était attendu, Diasio : « Lorsqu'on parle de grands projets coûteux, les projets pilotes manquent souvent d'outils. pour créer autant de valeur. Crédibilité, alors travaillez aussi dur que possible pour documenter la valeur qui a été obtenue »

C'est aussi l'occasion de réévaluer si le projet pilote doit être étendu. « De nombreux PoC sont très efficaces sur le plan technique, mais n'ont pas de sens économique en termes de mise à l'échelle », a déclaré Srivastava de Genpact. D'autres considérations incluent le temps qu'il faudra pour faire évoluer le projet et les ressources nécessaires.

Mais quand on regarde sur le long terme, les choses peuvent changer. « Même lorsque l'échelle n'est pas possible à court terme, un projet de plus petite envergure avec une forte probabilité de réussite peut quand même apporter une valeur commerciale à court terme, tandis que dans le même temps, les capacités et compétences techniques mûrissent au point où elles peuvent surmonter les défis », a déclaré Coleman. L'étendue des obstacles à l'échelle »

Ensuite, il y a l'infrastructure. Vous devez vous assurer de vérifier toutes les hypothèses lors de la mise à l'échelle, y compris la configuration, la bande passante réseau, le stockage et le calcul. Krishnan a déclaré : « Vous avez besoin de beaucoup de soutien technique pour faire évoluer le projet pilote, et c'est là que l'infrastructure MLOps basée sur le cloud peut vous aider.

Enfin, vous devez vous assurer que vous pouvez intégrer l'IA dans les flux de travail en amont et en aval. Par exemple, les capacités de prévision des pannes ne seront pas utiles si vous ne les intégrez pas dans vos systèmes de chaîne d’approvisionnement en amont pour garantir que vous disposez des pièces de rechange dont vous avez besoin quand et où vous en avez besoin. De même, ces informations peuvent être utilisées en aval pour ajuster les plans de maintenance.

Commencez lentement, échouez rapidement et attendez patiemment

La clé du succès d'un projet pilote d'IA/ML est la planification initiale. Vous devez obtenir l'adhésion des dirigeants et le soutien financier avant d'aller de l'avant. « Vous devez obtenir l'adhésion des dirigeants », a déclaré Holcombe, et impliquer toutes les parties prenantes dès le début.

Les projets pilotes d'IA/ML doivent être menés dans le cadre d'une stratégie globale de transformation numérique et comporter des scénarios commerciaux convaincants, a déclaré Dadlani pour obtenir les résultats souhaités nécessitant de la patience. Développer des mesures d’impact technique et commercial qui définissent le succès. Assurez-vous de disposer des ressources dont vous avez besoin, constituez une équipe et soyez prêt à faire des essais et des erreurs rapidement. Par conséquent, disposer de la combinaison requise de compétences et d’expertise dans le domaine au sein de votre équipe est la clé du succès de votre projet pilote d’IA. "Même dans la phase pilote, vous avez besoin d'une équipe interfonctionnelle", a-t-il déclaré. "Nous voulons nous assurer que tout le monde est impliqué dans le projet pilote car il fera partie du flux de travail réel et doit être impliqué dès le début. début. »

Les organisations qui ne disposent pas de tous les talents dont elles ont besoin devraient envisager de constituer une équipe hybride avec un partenaire externe, tandis que les petites et moyennes entreprises devront peut-être externaliser davantage de rôles – si elles parviennent à trouver les bons talents. « L'externalisation est très difficile si vous ne disposez pas des ingénieurs IA/ML et des ingénieurs de données appropriés », explique Srivastava. De plus, vous devez avoir dans votre équipe des personnes qui comprennent à la fois l'apprentissage automatique et l'industrie (comme la fabrication). ) personnels. Ce n’est pas une compétence facile à trouver, la formation croisée est donc cruciale.

Enfin, vous souhaitez envisager un projet cible qui peut produire des résultats commerciaux réels, puis s'étendre à d'autres domaines de l'entreprise, comme l'a fait Atlantic Health System avec son projet de système d'évaluation par imagerie basé sur l'apprentissage automatique.

Une fois que le pilote est entré en pleine production, bâtissez sur le travail que vous avez déjà effectué. Tenez les unités commerciales informées de l'avancement du projet pilote, démontrez ce que le projet fera une fois entièrement déployé et développez une plate-forme sur laquelle d'autres unités commerciales peuvent utiliser leurs propres applications. Srivastava a déclaré : « Aujourd’hui, le rythme du changement est le plus lent qu’il ait jamais été, et les entreprises qui veulent révolutionner et se développer doivent changer la façon dont elles génèrent de la valeur, et vous ne pouvez pas y parvenir sans l’IA si vous n’investissez pas. Si vous utilisez l’intelligence artificielle, vous aurez l’air impuissant.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!