Les ingrédients clés dont les entreprises ont besoin pour réussir l'intégration de l'IA

12 août 2020

2020 Blog Perspectives Une IA digne de confiance

Photo de Scott Graham sur Unsplash

12 août 2020

Contrairement aux startups et aux géants de la technologie qui adoptent des stratégies axées sur l'IA, la plupart des entreprises ne disposent pas de laboratoires d'IA ni d'équipes qui se consacrent exclusivement à la recherche de possibilités d'application de l'IA et à l'adaptation de la recherche à la production.

Pour ces entreprises encore désireuses de profiter des avantages de l'adoption de l'IA, une condition préalable au succès est une capacité réceptrice de l'IA bien développée. La capacité de réception de l'IA est un terme utilisé par l'équipe d'innovation industrielle de Vector pour désigner l'expertise et l'approche requises pour intégrer efficacement l'IA dans les activités existantes d'une organisation.

L'une des caractéristiques essentielles de la capacité de réception de l'IA est l'alignement entre les principales parties prenantes du projet d'IA au sein d'une organisation. Les activités prometteuses en matière d'IA requièrent souvent l'attention de plusieurs niveaux de gestion au sein d'une entreprise, et chacun d'entre eux peut avoir ses propres priorités. Ceux qui travaillent sur le code peuvent avoir des questions sur le paquetage Python nécessaire à l'entraînement des modèles. Les responsables qui les guident peuvent être en train de décider s'il faut poursuivre la conservation des données ou dédier une équipe au développement d'un type de modèle spécifique. Les cadres qui les supervisent peuvent s'attacher à hiérarchiser les objectifs de l'IA en fonction de la dynamique concurrentielle au sein de l'industrie.

Une communication claire des priorités de chaque partie prenante est essentielle pour donner à l'expérimentation de l'IA les meilleures chances de succès. Toutefois, il peut y avoir des difficultés à cet égard. Les dirigeants auront probablement du mal à discuter des objectifs de l'IA avec les équipes techniques en termes de sélection d'hyperparamètres et d'autres concepts techniques. Inversement, les équipes techniques peuvent éprouver des difficultés à expliquer comment les objectifs stratégiques généraux de l'entreprise doivent être affinés et formulés sous forme de problèmes spécifiques adaptés à l'IA.

Il est essentiel de disposer d'une personne ou d'une équipe capable de gérer cet alignement et cette communication. Cette personne doit être capable de passer sans problème du domaine technique au domaine commercial au sein de l'entreprise. Un nom parfois utilisé pour décrire les personnes jouant ce rôle est celui de traducteur commercial.

Les traducteurs commerciaux efficaces ont en commun certaines qualifications et caractéristiques, dont la première figure sur leur CV. Ils ont généralement des diplômes et de l'expérience dans des domaines techniques, notamment l'informatique, l'ingénierie, les mathématiques ou la physique. Leur expérience et leurs compétences doivent également démontrer qu'ils ont l'habitude d'être proches du code et qu'ils sont familiarisés avec d'importants cadres d'IA pour le développement de modèles, tels que Tensor Flow et PyTorch. Idéalement, ils se tiennent au courant des publications universitaires et des tendances dans le domaine et peuvent comprendre l'impact de ces tendances sur le secteur.

Une partie de leur rôle consiste également à aider les organisations à mettre en place des processus permettant d'éviter le dilemme de l'innovateur. Les expériences d'IA peuvent être involontairement écrasées par les processus habituels, la politique et les approches de gestion des risques de l'entreprise. Les initiatives en matière d'IA doivent être préservées d'un tel sort. Lorsqu'il n'existe pas de laboratoire distinct isolant les initiatives de ces pressions, il revient souvent aux traducteurs commerciaux de les protéger et de s'assurer qu'elles obtiennent les ressources, l'attention et l'espace dont elles ont besoin.

En plus de faciliter l'alignement et de protéger les efforts d'adoption précoce, les traducteurs commerciaux peuvent aider les entreprises à évaluer les fournisseurs qui sollicitent des services d'IA. Les technologies en évolution rapide et nouvellement commercialisées s'accompagnent souvent d'un flot de fournisseurs de qualité variable. Les services qui intègrent des problèmes commerciaux dans des modèles inappropriés, qui transforment un code source ouvert en solution commerciale ou qui prétendent résoudre des problèmes d'IA complexes tels que l'explicabilité ou l'équité doivent être examinés de près par des professionnels sceptiques et bien informés. Les traducteurs commerciaux peuvent réduire l'asymétrie d'information entre l'entreprise et les fournisseurs, et contribuer à ce que les décisions d'achat soient fondées sur une analyse éclairée.

L'IA a un impact sur tous les secteurs d'activité. Les entreprises - même dans les secteurs qui ne sont pas historiquement considérés comme les premiers à adopter les nouvelles technologies - doivent suivre l'évolution de l'adoption parmi leurs pairs et rechercher des modèles, des services et des talents en conséquence. Toutefois, la prise de conscience et l'intention d'adopter ne suffisent pas pour progresser. Pour transformer l'adoption en valeur, les organisations doivent aller au-delà de l'intérêt et préparer le terrain pour prospérer. Une capacité de réception de l'IA bien développée, ancrée par des traducteurs commerciaux, contribuera à transformer l'IA en valeur pour l'entreprise.

En rapport :

Vector Membre de la faculté Gautam Kamath
2024
Perspectives
Recherche
Recherche 2024

Gautam Kamath, chercheur spécialisé dans les vecteurs, analyse les derniers développements en matière de robustesse et de protection de la vie privée.

2024
Recherche
Recherche 2024
Une IA digne de confiance

Des experts de renommée mondiale en matière de confiance et de sécurité de l'IA publient un article majeur sur la gestion des risques liés à l'IA dans la revue Science

2024
Perspectives
Grands modèles linguistiques

Des protocoles normalisés sont essentiels pour un déploiement responsable des modèles linguistiques