Problèmes clés affectant l’efficacité de GenAI

Alors que les entreprises tentent d'appliquer GenAI dans leur activité, elles sont confrontées à de nombreuses résistances et à des problèmes surprenants de gestion du changement. Même si les hauts dirigeants peuvent soutenir cette décision, les cadres intermédiaires et les personnalités du secteur s’y opposent. Certains peuvent résister parce qu’ils ont peur de perdre leur emploi ou parce qu’ils ont besoin de repenser la manière de mieux faire leur travail. En outre, les entreprises sont également confrontées au problème entre les réponses aléatoires et les réponses déterministes lorsqu'elles utilisent des outils d'IA, ce qui augmente encore l'existence de résistances. prochaine étape, donc lorsqu'il s'agit de rédiger une lettre ou un travail écrit, elle fournit le prochain mot, phrase ou idée la plus probable, cependant, la réponse la plus probable n'est pas la même que la bonne réponse. Certes, c'est généralement une bonne réponse et, compte tenu de la grande quantité de données d'entraînement disponibles, il s'agit très probablement d'une bonne réponse, mais elle est très différente de la bonne réponse.

Ce problème est encore plus compliqué par le défi d'avoir une piste d'audit de la façon dont la réponse a été dérivée. De nombreux défis rencontrés dans les implémentations de GenAI proviennent d'applications qui nécessitent des réponses déterministes et de la nécessité d'expliquer pleinement comment la réponse a été dérivée. Lorsque la certitude des réponses est requise ou perçue comme requise, les entreprises et les personnes qui les composent résistent à ces applications parce qu'elles créent un doute sur l'utilité ou la fiabilité des résultats.

Il s’avère que c’est le cas même lorsque l’IA est fournie comme assistant et que l’on demande aux humains d’être les arbitres finaux des réponses, le manque d’explications et l’incertitude entourant l’assistance créant méfiance et résistance.

Ce n'est pas parce que l'intelligence artificielle fournit des réponses probabilistes qu'elle n'a aucune valeur, de nombreux exemples montrent qu'elle le fait, cependant, si une entreprise applique cette réponse à une question qui nécessite une réponse déterministe, alors elle semble mentir

Les entreprises rencontrent de la frustration lorsqu'elles cherchent à appliquer GenAI à leur activité, car lorsqu'elles ont besoin de réponses déterministes, elles finissent par utiliser des réponses probabilistes. Elles ont donc besoin d'un apprentissage automatique pour commencer avec des probabilités (par exemple, c'est un arbre parce qu'il a des feuilles vertes), puis doit être testé. pour déterminer s'il y a des problèmes qui affectent la validité de la réponse (par exemple l'automne).

Quels domaines sont adaptés aux modèles probabilistes d'IA ?

Comment les entreprises devraient-elles introduire GenAI dans la programmation ? L'industrie technologique a fait des prédictions audacieuses selon lesquelles GenAI ou l'IA peuvent apprendre à programmer et améliorer considérablement les compétences ou l'efficacité des programmeurs, ce qui est très intéressant.

Dans le monde du codage, cela fonctionne immédiatement, par exemple, le développement de scripts de test peut lui-même être géré via des modèles probabilistes, ce qui est important ici est qu'une entreprise puisse tester dans de nombreuses conditions et générer des scripts aussi largement et profondément que possible. . La création de tests efficaces pour les vulnérabilités du code et de la sécurité est un exercice intrinsèquement probabiliste, c'est pourquoi GenAI brille et peut être facilement adopté par les praticiens.

D'un autre côté, cela n'est pas propice au développement réel du code. Une entreprise souhaite que le code soit correct à 100 %, ce qui nécessite une réponse plus déterministe. Cependant, cela est exceptionnel dans la prise en charge de la gestion des connaissances du développement du code, ce qui est le cas. d'accord. Créez d'excellents ensembles de démarrage et augmentez considérablement la productivité.

Un autre avantage de GenAI est la capacité de synthétiser et de résumer les connaissances, donc dans le domaine de la gestion des connaissances, GenAI a accompli beaucoup de choses

En termes de capacités de gestion de la relation client, Salesforce a réussi beaucoup de choses grâce à son produit Einstein et d'autres produits. Gros progrès. Ces produits sont conçus pour synthétiser ou regrouper les informations issues des besoins des clients afin de permettre aux vendeurs de gérer plus efficacement les connaissances. Il s'agit d'un cas d'utilisation très efficace pour GenAI

Le marketing est un domaine formidable, par exemple : quelle pourrait être la meilleure prochaine étape à franchir ? GenAI peut avoir un impact immédiat énorme lorsqu'il s'agit de classer les données des clients afin de déterminer la meilleure solution, et pourrait donc devenir un outil puissant

Dans des processus tels que le traitement des réclamations, où des réponses concluantes sont nécessaires. Par exemple, pour les réclamations médicales, nous devons déterminer comment obtenir le montant d’indemnisation approprié. Dans la plupart des cas, il ne suffit pas d'avoir raison, nous devons avoir raison tout le temps

Les questions suivantes peuvent être utiles comme point de départ efficace pour utiliser GenAI afin de réduire la frustration et la résistance :

Où pouvons-nous être efficaces immédiatement ? L'utiliser ?

Où doit-il être combiné avec d'autres techniques ?

• Où ne devrions-nous pas l'utiliser ?
• Qu'en est-il du facteur humain ?
• Bien que les réponses probabilistes soient un outil utile pour résoudre des problèmes, ce sont les humains. ne sont généralement pas exclus. Au lieu de cela, cela donne aux humains des outils plus sophistiqués, en particulier lorsqu'une entreprise a besoin de réponses déterministes.

Si une entreprise utilise des outils d'IA pour aider avec les données commerciales et agréger les données, cela peut réduire les frictions, ce qui est utile, mais dans l'utilisation pour prendre des décisions. , les gens peuvent se sentir mal à l'aise avec les décisions car elles ne sont pas toujours correctes, et comme ils ne savent pas comment l'outil d'IA est arrivé à la réponse, ils ne savent pas comment la vérifier.

Quelle est la solution à ces dilemmes ?

L'objectif de la solution est de comprendre pleinement le fonctionnement de l'automatisation et son impact sur d'autres tâches humaines, et de fournir des conseils et une assistance pour gérer les travaux en aval ou d'autres choses inattendues qui peuvent survenir.

L'application de cet outil doit être plus mature et les utilisateurs doivent être réfléchis lorsqu'ils prennent des décisions et pleinement considérer son impact. Lorsque vous évaluez la maturité d'un produit, vous devez tenir compte à la fois des individus et des entreprises, ainsi que des conséquences imprévues qui peuvent survenir, de peur de repousser et d'étouffer la croissance de l'outil

Certaines questions qui nécessitent ce processus de réflexion incluent :

• Pensez au-delà des simples tâches d’automatisation, mais considérez également l’impact du rôle humain automatisé.
• Réfléchissez bien à la réalité selon laquelle toute augmentation de productivité nécessaire entraînera une diminution du nombre de personnes travaillant sur la tâche. Comment pourriez-vous même envisager cela ?
• Réfléchissez à la façon dont vous pouvez tester cet outil pour que les gens puissent lui faire confiance. Plus l’incertitude créée par une nouvelle technologie disruptive est grande, moins les gens seront disposés à lui faire confiance.
• Avant de vous lancer dans des changements radicaux, réfléchissez à la manière dont vous pouvez piloter les outils d’IA pour démontrer leurs avantages.

Quelques réflexions finales

Après un an d'expérimentation frénétique avec GenAI, l'industrie a mené avec succès des milliers de pilotes, cependant, la plupart de ces pilotes n'ont pas réussi à atteindre la production parce qu'ils étaient sous-financés, la gestion du changement et l'adaptation sont entravées par de nombreux défis.

Cependant, GenAI entre rapidement en production et réalise des rendements impressionnants. Le succès de ces cas d'utilisation en production semble être davantage dû au fait que le cas d'utilisation correspond parfaitement aux fonctionnalités de GenAI plutôt qu'au choix des outils ou à d'autres facteurs

De plus, il semble que pour la plupart des fonctions commerciales, GenAI a un rôle productif, presque tous concentrez-vous sur la sous-fonction correcte. Compte tenu de l’énorme investissement dans l’expérimentation, le moyen le plus efficace pour la plupart des entreprises de découvrir où GenAI peut fonctionner pour elles est peut-être d’examiner les cas d’utilisation dans lesquels GenAI est passé avec succès du pilote à la production. Là où ces progrès se produisent déjà en grand nombre, les entreprises peuvent être sûres qu’il existe une bonne adéquation et réduire considérablement le risque de gaspillage d’efforts et d’argent.

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!