Naviguer dans le dédale de l’adoption de l’IA

Exploring the maze of AI adoption

Réflexions sur cinq années d’aide aux entreprises pour innover avec l’IA, révéler les obstacles courants et tirer les leçons apprises.

Au cours des cinq dernières années de travail avec plusieurs entreprises et de les aider à déployer des solutions d’IA, j’ai observé certains schémas courants et j’ai décidé de les partager avec vous.

Dans cet article de blog, nous souhaitons mettre en lumière les obstacles que les organisations rencontrent souvent (sur la base de mon expérience) lorsqu’elles adoptent l’innovation en matière d’IA. Mais ne vous inquiétez pas ! Cet article de blog ne se limite pas à énumérer les défis, il s’agit d’en tirer des enseignements.

Plongeons-y !

La quête de la solution d’IA parfaite

Dans le paysage en constante évolution des technologies d’IA, trouver la solution idéale pour un cas d’utilisation spécifique peut être similaire à chercher une aiguille dans une botte de foin. Les entreprises désireuses d’adopter la puissance de l’IA se lancent souvent dans une quête exhaustive, consacrant un temps et des ressources considérables pour rechercher et évaluer divers fournisseurs.

• Introduction à la science des données Guide du débutant
• Découverte de produits alimentée par LLM un bond au-delà de la recherche hybride
• Du Chaos à l’Ordre Exploiter le regroupement de données pour une prise de décision améliorée

Lorsqu’il s’agit d’adoption de l’IA, je crois que toutes les solutions ne conviennent pas à tous les cas d’utilisation. Chaque cas d’utilisation nécessite une approche personnalisée, parfois une exploration approfondie de plusieurs fournisseurs d’IA. En moyenne, les entreprises avec lesquelles j’ai travaillé ont consacré environ trois mois à cette activité cruciale.

Alors que les entreprises luttent contre les complexités de la recherche et de l’évaluation, certaines choisissent de demander de l’aide externe à des cabinets de conseil. Bien qu’ils puissent offrir des informations précieuses, leurs services ont un coût (très élevé dans certains cas).

Pour éviter de passer trop de temps dans la phase de recherche et d’évaluation, voici deux choses que vous pouvez faire :

• Listes de fournisseurs pré-validées : Établir une liste de fournisseurs d’IA pré-validés en fonction de leur expérience et de leur crédibilité peut vous faire gagner un temps précieux et des ressources. Cette approche réduit la nécessité de recherches approfondies et minimise le risque de choisir le mauvais fournisseur. Cependant, gardez à l’esprit que l’innovation peut venir de sources inattendues, ne négligez donc pas les acteurs de niche. Les grandes entreprises technologiques (Google, OpenAI, etc.) ne sont pas les seuls acteurs du marché.
• “Appeler un ami” : Collaborez avec des pairs et des experts de l’industrie pour obtenir des informations précieuses sur les capacités des fournisseurs d’IA et leur expérience d’utilisation.

L’odyssée de l’intégration des nouveaux fournisseurs d’IA

À mesure que les entreprises progressent dans la phase initiale de recherche et d’évaluation, le prochain obstacle dans le parcours d’adoption de l’IA est le processus d’intégration de ces fournisseurs. Cette étape critique implique la création de comptes, l’accès à leur plateforme/API et la définition de règles de sécurité, nécessitant souvent trois mois supplémentaires d’échanges.

De plus, chaque fournisseur peut avoir des exigences et des interfaces uniques. Comprendre la documentation de l’API de chacun peut rapidement devenir accablant. Tout cela ajoute de la complexité au processus d’adoption, en particulier pour les organisations nouvelles dans le domaine de l’IA.

Pour surmonter les défis d’intégration, voici trois choses que vous pouvez faire :

• Projets pilotes pour la familiarisation : Lancez-vous, n’attendez pas. Lancez des projets pilotes ou des preuves de concept pour acquérir une expérience pratique et des connaissances concrètes sur la nouvelle solution d’IA. Ces projets à plus petite échelle vous prépareront non seulement à une intégration à grande échelle, mais ils mettront également en lumière les différentes façons dont la technologie peut être utile.
• Procédures d’intégration standardisées : Déterminez où les données doivent être stockées, quel protocole API utiliser et quelles sont les 2 à 3 choses que vous devez valider pour être aligné sur les systèmes de votre entreprise.

Juste avant de franchir la ligne d’arrivée : Réalité vs. Attente

Après avoir investi plus de 6 mois et mobilisé de nombreuses ressources de l’entreprise, il est frustrant de constater que plus de 50% des initiatives échouent et ne répondent pas aux attentes.

L’une des sources les plus importantes de frustration après la mise en œuvre est lorsque les fournisseurs ne parviennent pas à tenir leurs grandes promesses. Comme de nombreuses autres technologies, mais surtout en ce qui concerne l’IA, les entreprises adhèrent facilement aux affirmations marketing et aux démonstrations spectaculaires. Elles se rendent ensuite compte que les performances et les résultats réels ne correspondent pas aux attentes fixées lors de la preuve de concept. Ce désalignement peut avoir un impact négatif sur la perception de l’IA en tant que technologie précieuse par l’organisation (c’est-à-dire les cadres supérieurs et les responsables budgétaires).

De plus, la tarification des solutions d’IA peut être complexe. Selon les fournisseurs, cela peut parfois inclure le modèle, l’hébergement, le support, ou seulement une partie de ces trois éléments. De nombreux fournisseurs ont adopté un modèle de paiement à l’utilisation, de sorte que les prix varient également en fonction du volume.

Enfin, gardez à l’esprit que l’IA touche différents aspects de l’entreprise : des données que vous utilisez au système informatique avec lequel vous intégrez, jusqu’aux exigences commerciales. Ainsi, les entreprises peuvent sous-estimer le temps et les ressources nécessaires pour une intégration transparente, ce qui peut entraîner des défis de développement imprévus. Ces complexités imprévues peuvent perturber les délais initiaux du projet.

Pour réduire la frustration après la mise en œuvre, voici 3 choses que vous pouvez faire :

• Essayer avant d’acheter : Vous ne devriez pas faire aveuglément confiance à ce que vous voyez sur la page marketing du fournisseur. En creusant un peu, vous pouvez découvrir les écarts potentiels entre les revendications marketing et les performances réelles. Par conséquent, effectuez toujours vos propres tests avant de vous engager.
• Négociations de tarification transparentes : Assurez-vous de discuter des diverses sources de coûts (coût du service, mises à jour, maintenance, etc.). De plus, assurez-vous de demander des remises sur les prix en fonction du volume si vous pouvez vous y engager.
• Aider votre fournisseur : N’hésitez pas à partager vos commentaires avec vos fournisseurs et à signaler ce qui ne fonctionne pas. Ils travaillent constamment sur l’amélioration de leur service et de ses performances, en les aidant, vous vous aidez vous-même à obtenir un meilleur service à long terme.

Conclusion

Les défis sont nombreux dans le monde dynamique de l’adoption de l’IA, de la recherche du bon fournisseur à la navigation des complexités de l’intégration et des frustrations après la mise en œuvre. Mais espérons qu’armé de ces stratégies concrètes, vous pourrez surmonter ces obstacles.

N’oubliez pas, l’adoption de l’IA ne se résume pas simplement au déploiement de technologies de pointe ; c’est un voyage d’innovation et de transformation.

Merci de votre lecture ! Si vous avez des questions, n’hésitez pas à me contacter sur Twitter (@rami-iguerwane) ou Linkedin (Rami Iguerwane).

We will continue to update IPGirl; if you have any questions or suggestions, please contact us!