Transformation d'entreprise avec IA: Metrics ROI chez certains utilisateurs

La transformation commerciale avec l'IA est mesurée non seulement dans les technologies adoptées, mais aussi dans la capacité de les faire des outils concrets pour des objectifs commerciaux mesurables. C'est sur ce plan que l'intervention s'est concentrée surAux pourparlers du polytechnique de Milan de Luca del Corso, Portfolio Enterprise Professional Services, Tim Enterprise. Le cours a décrit comment l'intelligence artificielle peut être incluse dans les processus des entreprises par le biais de méthodologies, de classifications et de cas d'utilisation déjà testés.

Ai oltre le consommateur: les défis de l'adoption pour les entreprises

Le cours a mis en évidence la distance entre l'IA perçue dans le monde des consommateurs et ses applications réelles dans l'entreprise. « Google nous a montré comment, grâce à une photo, nous pouvons obtenir le prix des arachides », a-t-il observé, soulignant cependant que « l'imagination du même principe dans l'entreprise est beaucoup plus compliquée ».

Pour surmonter cet écart, il a décrit deux approches distinctes. Le premier, lié à la phase de sensibilisation, se développe à travers des ateliers qui introduisent les clients les différences entre l'apprentissage des machines et l'IA génératrice, montrant une démo capable de rapprocher la technologie des besoins réels des entreprises. La deuxième approche est plus de conception et est adoptée lorsque l'entreprise a déjà identifié un domaine d'amélioration sur lequel appliquer l'intelligence artificielle.

La classification des données comme clé de conception

L'un des principaux axes de l'intervention concerne la classification des données. Tim Enterprise propose de quitter non pas des taxonomies rigides, mais par deux moteurs fondamentaux: le type de données disponibles et les objectifs commerciaux.

Les types identifiés sont trois:

• Les données décrites, telles que les e-mails ou les textes gratuits, peuvent être traitées avec l'apprentissage automatique et les outils génératifs.
• Les données structurées, en revanche, vous permettent de travailler avec des algorithmes prédictifs plus traditionnels et des modèles réédités.
• Les données multimédias, souvent associées au monde des consommateurs, trouvent également l'espace dans les processus métier, de la reconnaissance documentaire à l'analyse audio.

Données de deker: de la conception rapide vers l'assistant virtuel

Les exemples concrets montrés par Del Corso ont donné une substance à cette approche. Un premier cas concerne l'utilisation du modèle de grande langue pour générer des descriptions de produits à partir des avis et des cartes techniques. Pas un exercice de créativité autonome, mais une application dans laquelle les algorithmes excellent dans le Récapitulationproduisant des textes cohérents et fiables lorsqu'il est basé sur le contenu déjà disponible.

Un autre projet concernait la classification automatique des e-mails reçus via PEC par un client. Dans ce cas, l'apprentissage automatique a permis de structurer les messages liés au dédain, aux plaintes et aux litiges, à générer des billets automatiquement et à attacher des modèles de réponse calibrés sur les problèmes.

Ici, l'IA génératrice a été intégrée dans un système de chiffon (génération auprès de la récupération), qui a fourni des suggestions aux personnes chargées de gérer les demandes.

Toujours dans le domaine non structuré, du cours, il a mentionné l'assistant virtuel: pas de chatbots simples capables de répondre à n'importe quelle question, mais des systèmes basés sur des flux conversationnels conçus pour guider l'utilisateur vers des actions spécifiques, telles que la réservation d'un service ou d'un enregistrement dans un appel.

L'utilisation d'outils tels que la boîte de dialogue Flow CX combinée à des modèles de recherche documentaire sur Vertex AI a également permis de traduction automatiquement les questions des utilisateurs en requêtes SQL, facilitant la consultation de bases de données complexes.

Données structurées: prix dynamique et détection d'anomalies

Dans la transition vers des données structurées, l'attention s'est déplacée vers les applications avec un fort impact économique. Le cas le plus immédiat est celui de la tarification dynamique: grâce à des algorithmes d'apprentissage automatique, un portail de commerce électronique a pu moduler les prix en fonction du KPI prédéfini, simulant des stratégies similaires à celles utilisées dans l'avion. À l'appui, ils ont été effectués au test A / B pour vérifier la propension à acheter dans différents plages horaires.

À côté de cet exemple, du cours, il a mentionné les modèles de détection de fraude et de détection d'anomalies, développés dans des contextes tels que la distribution du carburant et le cloud computing. L'utilisation des techniques de prévision des séries chronologiques a permis d'identifier les modèles et les anomalies récurrents dans les comportements de consommation ou de paiement, contribuant à réduire les risques et à prédire des changements importants de la demande.

La catégorie des données multimédias a offert un aperçu diversifié des applications. Une première concerne la reconnaissance des documents. Ici, les réseaux Gan (réseau adversaire génératif) ont été utilisés pour améliorer la qualité des analyses, permettant à l'OCR de lire avec précision des textes manuscrits ou des documents sales. Une solution qui a trouvé une large utilisation dans la numérisation des bulles de transport, où les applications mobiles permettent aux opérateurs de photographier les documents et d'intégrer leurs données dans les systèmes de gestion.

Également sur le front du commerce électronique, la reconnaissance des détails dans les vêtements photographiés a été expérimentée, tels que des colliers ou des lignes, afin de rendre la recherche de produits dans les portails en ligne plus avancée. Une application qui enrichit les catalogues avec des métadonnées à peine insérées manuellement.

Enfin, l'analyse audio a montré comment il est possible d'intervenir sur le service client. Grâce aux modèles d'analyse des sentiments, les enregistrements de conversations ont permis d'identifier les escalades de tonalité, en particulier par les opérateurs, et de surveiller la conformité aux communications obligatoires dans les contacts sortants. Le système a produit des performances de performances en fonction des mots clés et de l'analyse des sentiments, générant des indicateurs utiles pour la gestion du service.

Du POC au ROI: mesurer la valeur des projets à

Dans la dernière partie de son intervention, du cours, il a illustré la méthode par laquelle Tim Enterprise propose aux entreprises de passer des expériences aux projets opérationnels. L'approche prévoit une phase de découverte, suivie du pilote ou de la preuve de concept (POC), jusqu'à la sortie en production. Pendant cette voie, le KPI à atteindre est défini et le retour d'investissement.

La mesure est basée sur la comparaison entre le TCO (coût total de possession) et le retour sur investissement, à la fois direct et indirect. Si le retour sur investissement direct peut être calculé en termes économiques, l'indirect concerne les aspects tels que l'expérience utilisateur ou la réputation de la marque.

Pour clarifier la méthodologie, le cours a donné l'exemple d'un projet de service client: un assistant vocal connecté au canal téléphonique a automatiquement géré 5% des réservations, permettant de réduire le nombre d'opérateurs nécessaires de 305 à 288, sans recourir à des coupes d'emploi.

Un résultat qui, selon le haut-parleur, a garanti un rendement mesurable et immédiat.