Comme toute nouvelle technologie, de nombreuses personnes souhaitent utiliser l’IA générative pour les aider dans leur travail. Accenture un article a révélé que 89 % des entreprises pensent que l’utilisation de l’IA générative pour rendre les services plus humains leur ouvrira davantage d’opportunités. Cela forcera le changement – ​​Accenture a également constaté que 86 % des entreprises pensaient qu'elles devraient moderniser leur infrastructure informatique et technologique.

Le défi est que les projets d’IA générative d’entreprise prendront du temps à concevoir, tester, construire et mettre à l’échelle. Même avec le chemin rapide vers la production qu’offrent les nouvelles piles d’IA générative, le risque est que les gens prennent les choses en main. Cela conduira à des déploiements d’IA générative qui ne sont pas officiels et ne relèvent pas du domaine informatique, appelés shadow AI. Ces déploiements non autorisés d'IA fantôme auront lieu lorsque les entreprises n'engageront pas dès le début des conversations autour de l'IA générative et ne fourniront pas aux équipes les outils à faible friction dont elles ont besoin pour réussir. 

À titre d'exemple, supposons qu'une équipe commerciale souhaite obtenir de l'aide pour rédiger ses lettres de prospection par courrier électronique et souhaite utiliser l'IA générative dans ses activités de prospection. Mettre les données dans un domaine public grand modèle de langage (LLM) pourrait aider cette équipe à être plus productive, à remporter plus de contrats, puis à générer de la croissance pour l'entreprise. La question sera de savoir pourquoi devraient-elles s’arrêter et risquer que d’autres entreprises prennent de l’avance ?

Prenez de l'avance sur la demande d'IA générative

Les entreprises devraient discuter avec leurs services de la manière dont elles envisagent l’IA générative et de ce qu’elles souhaitent améliorer. Cela peut offrir des opportunités de s'engager, d'écouter ce que veulent les équipes commerciales, puis de planifier l'élaboration d'une stratégie plus complète. Cela peut également être l’occasion de conseiller les équipes sur ce qui est possible, d’en détailler les avantages et de dissiper tout battage médiatique ou tout malentendu. 

Ces conversations peuvent offrir aux membres de l'équipe l'occasion d'en savoir plus sur les problèmes commerciaux auxquels leurs collègues sont confrontés, puis d'examiner comment concevoir et créer des services d'IA générative qui répondront à ces besoins. Un élément essentiel de cela sera la manière dont les entreprises pourront utiliser les données dont disposent déjà leurs équipes et les combiner avec l’IA générative pour les rendre encore plus utiles.

Dans l’exemple d’une équipe commerciale, comment préparer les informations sur vos produits pour qu’un système d’IA générative puisse utiliser votre terminologie et vos arguments de vente précis dans les réponses qu’il apporte ? Plutôt que d'utiliser uniquement les données sur lesquelles les LLM ont été formés, l'ajout de vos données au mélange peut apporter cette amélioration de la productivité, réduire les hallucinations potentielles de l'IA et offrir une personnalisation efficace. Dans le même temps, vous pouvez garder tout matériel sensible sous votre contrôle, plutôt que de le confier à un tiers.

Différenciation avec les données et l'IA générative

L'IA générative devrait vous aider à différencier ce que fait votre entreprise. Cependant, l’utilisation seule de LLM publics n’y parviendra pas et vous aurez la même voix que tout le monde. Les entreprises peuvent rendre leurs stratégies d'IA générative plus efficaces et adaptées à elles-mêmes et à leurs employés en apportant leurs propres données à l'aide de la génération augmentée par récupération, ou RAG. 

RAG prend vos propres données, les prépare à être utilisées avec l'IA générative, puis transmet ces données comme contexte dans le LLM lorsque votre employé demande une réponse. RAG participe à la résolution de problèmes tels que les hallucinations, et rend également les résultats plus pertinents pour votre organisation et vos clients, plutôt que d'obtenir des résultats similaires à ceux d'autres entreprises qui posent le même type de questions. C’est quelque chose que vous devez faire pour votre organisation et vos clients, car aucune autre entreprise ne disposera de la même profondeur ou de la même combinaison de données que vous pouvez fournir.

Pour mettre en œuvre cela, vous devrez combiner divers outils de magasins de données vectorielles et d'intégrations d'IA pour créer une pile RAG qui facilite et accélère le démarrage. En procédant rapidement, vous éviterez certains déploiements « officieux » que les équipes pourraient tenter de réaliser elles-mêmes en attendant l'intervention du service informatique central. Des techniques telles que RAG réduisent également les risques de fuite de données en vous permettant d'exploiter les données de l'entreprise pour un contexte amélioré sans les entraîner dans le LLM.

Au fil du temps, vous souhaiterez peut-être rendre les services d'IA générative accessibles à davantage d'utilisateurs au sein de votre organisation en adoptant des approches low-code et sans code pour créer des services. Adopter une approche de « centre d'excellence », où vous pouvez offrir des conseils et une assistance plutôt que d'exécuter des mises en œuvre complètes, augmente les chances de rendre ces technologies accessibles à tous sans être ralenti par l'informatique centrale, tout en ayant les garde-fous appropriés en place pour savoir comment ces services sont utilisés dans la pratique.

Construire une approche mature de l'IA générative au fil du temps

D'une manière plus générale, les entreprises devront proposer leurs propres modèles de maturité de l'IA générative, dans lesquels elles examineront les éléments technologiques ainsi que des questions telles que confidentialité et conformité des données, l'impact social et la culture d'équipe. Ces éléments ne se produisent pas en vase clos, donc y réfléchir tôt vous donne une meilleure chance de vous assurer que vous adoptez la bonne approche au fil du temps, ce qui facilite le respect des règles et réglementations pertinentes élaborées.

Parallèlement à cela, vous devez tempérer les attentes et les niveaux fixés quant à ce qu’est l’IA générative et ce qu’elle peut réellement offrir. Par exemple, l’IA générative ne vous permettra pas de remplacer des pans entiers du personnel par l’IA. Au lieu de cela, l'IA générative peut fournir un personnel meilleur et plus productif, capable d'utiliser des outils dans sa vie professionnelle pour rivaliser avec d'autres entreprises qui ne disposent pas d'IA générative ou qui disposent d'outils LLM vanille. Le personnel basé sur l'IA peut accomplir davantage de travail, atteindre des niveaux de qualité plus élevés et commencer à traiter les éléments de votre carnet de commandes pour lesquels vous n'aviez pas auparavant la bande passante nécessaire. Avec autant de potentiel pour ces outils, nous devons anticiper les pièges potentiels, notamment l’IA fantôme.

Comme on le dit toujours à Peter Parker dans « Spiderman », un grand pouvoir s’accompagne de grandes responsabilités. Dans le cas de l’IA générative, exploiter cette puissance sera un enjeu de taille pour toutes les organisations. C’est en prenant la responsabilité de mettre rapidement l’IA générative entre les mains de ceux qui peuvent réellement tirer parti de ce pouvoir que les organisations pourront se différencier et éviter les pièges de l’IA fantôme.

• Contenu propulsé par le référencement et distribution de relations publiques. Soyez amplifié aujourd'hui.
• PlatoData.Network Ai générative verticale. Autonomisez-vous. Accéder ici.
• PlatoAiStream. Intelligence Web3. Connaissance Amplifiée. Accéder ici.
• PlatonESG. Carbone, Technologie propre, Énergie, Environnement, Solaire, La gestion des déchets. Accéder ici.
• PlatoHealth. Veille biotechnologique et essais cliniques. Accéder ici.
• La source: https://www.dataversity.net/getting-ahead-of-shadow-generative-ai/