L'intelligence artificielle doit tirer les leçons de la tendance à l'échec de la transformation numérique

En janvier de cette année, IBM a publié un rapport de recherche détaillé expliquant que la transformation numérique ne peut fournir qu'un retour sur investissement de -5 à 10 %, et non les 150 % attendus. Cet écart est lié à l’expérience accumulée au cours des dernières décennies en matière d’implémentation client/serveur, de migration de systèmes d’exploitation, d’applications Big Data et d’implémentation technologique.

Toutes les implémentations techniques ne ratent pas la cible, mais la plupart des implémentations le font. Le principal problème est que la technologie est immature et que les fournisseurs de technologie et les sociétés de déploiement utilisent souvent des arguments de vente pour attirer les acheteurs, mais manquent de suivi pour garantir que la valeur promise est livrée.

La même chose peut arriver avec l’intelligence artificielle.

Lorsque la tendance client/serveur a décollé, la technologie n'était pas encore prête, laissant IBM en difficulté et le marché se précipitant pour s'implanter dans un domaine qui n'était pas encore mature.

Les ventes peuvent généralement aller au-delà du produit lui-même, car elles mettent souvent l'accent sur la valeur ajoutée et les services du produit. À l’ère de l’essor des nouvelles technologies comme l’intelligence artificielle, de nombreuses entreprises espèrent prendre pied dans ce domaine. Cependant, à l’exception d’entreprises comme IBM et Nvidia, qui font des recherches sur l’intelligence artificielle depuis des décennies, aucune autre entreprise (y compris Google) n’a annoncé qu’elle était prête à entrer pleinement dans le domaine de l’intelligence artificielle.

La raison pour laquelle IBM est si enthousiasmé est qu'il possède WatsonX, l'une des solutions d'IA les plus matures du marché. Dans le domaine de l'IA générative au niveau de l'entreprise, IBM est le plus mature, tandis que d'autres entreprises s'appuient sur peu ou pas d'engagements commerciaux et marketing pour survivre.

Les acheteurs peuvent souffrir lorsque les ventes sont en avance sur la technologie. Les données montrent que de nombreuses personnes ne font pas preuve de diligence raisonnable, ce qui conduit à cette situation.

Solution : faites vos devoirs et suivez le processus

Une stratégie efficace dans cette situation consiste à adopter une approche « tester d'abord ». Après s'être assuré que la solution proposée par le fournisseur est mature et complète, sa faisabilité est vérifiée au travers d'un projet pilote. Même si le produit est mature, il doit être déployé progressivement en fonction de la situation réelle pour éviter d'éventuelles pannes à grande échelle. Les échecs des projets pilotes sont acceptables et corrigibles, conduisant à des décisions plus éclairées pendant la phase de production.

Avant le pilotage, assurez-vous que les exigences du fournisseur en matière de revenus et de retour sur investissement sont réalisables et recherchez des références auprès d'entreprises qui ont déployé avec succès la technologie. Demandez au fournisseur s'il a déployé la technologie en interne et discutez avec le personnel informatique des entreprises utilisant la technologie pour obtenir de véritables commentaires.

Recherchez et obtenez les meilleures pratiques avec d'autres qui tentent la même tâche, en réalisant que toutes les solutions ne fonctionneront pas pour chaque entreprise ou même pour chaque département.

Le multi-cloud hybride est la pratique consistant à offrir le meilleur équilibre entre disponibilité, coût, disponibilité et fiabilité. Il faut un fournisseur qui comprend ce concept, entretient une relation étroite avec un fournisseur de cloud en qui vous avez confiance et a acquis suffisamment d'expérience pour ne pas l'apprendre sur le tas.

Particulièrement pour les données d'IA, la qualité est cruciale et vous avez besoin de beaucoup d'aide pour la garantir. Vous ne voulez pas d’une IA biaisée ou hallucinante, tout comme vous ne voulez pas d’une analyse qui fournit toujours des réponses inexactes.

Ces nouvelles capacités d'IA devraient être multimodales, incluant le langage naturel, les images, l'audio, la vidéo et même des éléments temporels critiques. L'utilisation de l'IA a souvent tendance à être optimisée pour l'un des types de données et à être peu performante pour les autres. Vous devez donc comprendre les différences et faire savoir au fournisseur que dans les domaines où elle n'est pas capable, l'autre fournisseur peut être un meilleur choix. .

Enfin, vous avez besoin d'aide avec les mesures et les jalons afin que si un fournisseur est sous-performant, vous puissiez identifier le problème tôt et changer de fournisseur ou d'équipe. Si le fournisseur avec lequel vous travaillez ne peut pas vous aider à définir des mesures et des objectifs pour votre projet, vous travaillez avec le mauvais fournisseur.

Du client/serveur dans les années 1980 à l'intelligence artificielle aujourd'hui, le problème que nous rencontrons souvent dans les grandes technologies récentes est que les ventes dépassent de loin la structure du produit et du support. Le résultat est un déploiement qui ne répond pas aux objectifs et aux attentes. Dans de nombreux cas, il est plus sage d’attendre que le bon partenaire, la bonne équipe et la bonne solution se présentent.

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!