Pourquoi devriez-vous considérer l'IA comme un sport d'équipe

Que signifie considérer l'IA comme un sport d'équipe ? Nous voyons les projets d'IA passer du battage médiatique à l'impact, en grande partie parce que les bons rôles s'impliquent pour fournir le contexte commercial qui manquait auparavant. L'expertise du domaine est essentielle; les machines n'ont pas la profondeur de contexte dont disposent les gens, et ceux-ci doivent connaître suffisamment bien l'entreprise et les données pour comprendre les actions à entreprendre en fonction des informations ou des recommandations qui apparaissent.

Lorsqu'il s'agit de faire évoluer l'IA, de nombreux dirigeants pensent qu'ils ont un problème de personnel, en particulier, pas assez de data scientists. Mais tous les problèmes commerciaux ne sont pas des problèmes de science des données. Ou du moins, tous les défis commerciaux ne devraient pas être lancés à votre équipe de science des données. Avec la bonne approche, vous pouvez profiter des avantages de l'IA sans les défis liés aux cycles traditionnels de science des données.

Pour déployer et faire évoluer les solutions d'IA, les dirigeants doivent changer l'état d'esprit de l'organisation pour considérer l'IA comme un sport d'équipe. Certains projets d'IA ont besoin d'un ensemble différent de personnes, d'outils et d'attentes pour ce à quoi ressemblent des résultats réussis. Savoir comment reconnaître ces opportunités vous aidera à aborder des projets d'IA plus réussis et à approfondir votre banc d'utilisateurs d'IA, en ajoutant de la vitesse et de la puissance à la prise de décision au sein de la main-d'œuvre. Découvrons pourquoi et comment.

Les organisations démocratisent l'analyse avancée avec l'IA

L'utilisation de l'IA pour résoudre les problèmes des entreprises est en grande partie du ressort des data scientists. Souvent, les équipes de science des données sont réservées aux plus grandes opportunités et aux défis les plus complexes d'une organisation. De nombreuses organisations ont réussi à appliquer la science des données à des cas d'utilisation spécifiques tels que la détection des fraudes, la personnalisation, etc., où une expertise technique approfondie et des modèles affinés génèrent des résultats extrêmement fructueux.

Cependant, la mise à l'échelle des solutions d'IA par le biais de votre équipe de science des données est un défi pour les organisations, pour de nombreuses raisons. Attirer et retenir les talents coûte très cher et peut être difficile dans un marché concurrentiel. Les projets traditionnels de science des données peuvent souvent prendre beaucoup de temps à développer et à déployer avant que l'entreprise n'en perçoive la valeur. Et même les équipes de science des données les plus expérimentées et les plus solides peuvent échouer si elles ne disposent pas des données ou du contexte nécessaires pour comprendre les nuances du problème qu'elles sont invitées à résoudre.

Le Gartner® 2021 L'état de la science des données et de l'apprentissage automatique (DSML) indique que "la demande des clients évolue, avec des publics moins techniques souhaitant appliquer DSML plus facilement, des experts devant améliorer leur productivité et des entreprises nécessitant un délai de rentabilisation plus court pour leurs investissements¹.” Bien que de nombreux problèmes commerciaux puissent bénéficier de la rapidité ou de la minutie de l'analyse que l'IA peut fournir, une approche traditionnelle de la science des données n'est pas toujours le meilleur plan d'attaque pour voir rapidement la valeur. En fait, le même rapport Gartner prédit que "d'ici 2025, la pénurie de scientifiques des données n'empêchera plus l'adoption de la science des données et de l'apprentissage automatique dans les organisations".

L'expertise du domaine est essentielle pour faire évoluer l'IA dans l'ensemble de l'entreprise

L'IA aide déjà à apporter des capacités d'analyse avancées aux utilisateurs qui n'ont pas d'expérience en science des données. Les machines peuvent choisir parmi les meilleurs modèles et algorithmes de prévision, et les modèles sous-jacents peuvent être exposés, offrant la possibilité de les ajuster et de s'assurer que tout correspond à ce que l'utilisateur recherche.

Ces capacités donnent aux analystes et aux experts qualifiés du domaine commercial la possibilité de concevoir et d'exploiter leurs propres applications d'IA. Étant plus proches des données, ces utilisateurs ont un avantage sur nombre de leurs homologues data scientists. Mettre ce pouvoir entre les mains de ceux qui ont une expertise dans le domaine peut aider à éviter les longs délais de développement, les charges de ressources et les coûts cachés associés aux cycles traditionnels de la science des données. De plus, les personnes ayant une expertise dans le domaine devraient être celles qui décident si une prédiction ou une suggestion d'IA est même utile ou non.

Avec des processus de création de modèles plus itératifs, de révision et de redéploiement, les personnes ayant un contexte commercial peuvent tirer parti de l'IA plus rapidement, même en déployant de nouveaux modèles à des milliers d'utilisateurs en quelques jours ou semaines, au lieu de semaines ou de mois. Ceci est particulièrement puissant pour les équipes dont les défis uniques ne sont peut-être pas une priorité pour les équipes de science des données, mais qui peuvent bénéficier de la rapidité et de la rigueur de l'analyse de l'IA.

Cependant, il est important de noter que si ces solutions peuvent aider à combler le fossé des compétences entre les analystes et les data scientists, elles ne remplacent pas ces derniers. Les scientifiques des données restent un partenaire essentiel des experts métier pour valider les données utilisées dans les solutions basées sur l'IA. Et en plus de cette collaboration, l'éducation et les compétences en matière de données seront essentielles pour utiliser avec succès ces types d'outils à grande échelle.

La littératie des données permet à davantage de personnes de tirer parti de l'IA

Votre stratégie de données fondamentale joue un rôle énorme dans la mise en place de votre organisation pour réussir avec l'IA, mais apporter des solutions d'IA à plus de personnes dans l'entreprise nécessitera une base de littératie des données. Comprendre quelles données sont appropriées à appliquer à un problème commercial, ainsi que comment interpréter les données et les résultats d'une recommandation d'IA aidera les gens à faire confiance et à adopter l'IA dans le cadre de leur prise de décision. Un langage de données partagé au sein de l'organisation ouvre également davantage de portes pour une collaboration réussie avec des experts.

La dernière enquête mondiale de McKinsey sur l'IA a révélé que dans 34 % des organisations très performantes, "un centre de formation dédié développe les compétences en IA du personnel non technique grâce à un apprentissage pratique", contre seulement 14 % de toutes les autres personnes interrogées. De plus, dans 39 % des organisations très performantes, "il existe des canaux de communication et des points de contact désignés entre les utilisateurs de l'IA et l'équipe de science des données de l'organisation", contre seulement 20 % des autres.

Les dirigeants peuvent adopter une variété d'approches pour développer la littératie des données, de l'éducation et de la formation, des programmes de mentorat, des concours de données de renforcement de la communauté, et plus encore. Pensez à normaliser l'accès et le partage des données, ainsi que la façon dont vous célébrez et promouvez les succès, les apprentissages et la prise de décision avec les données.

"La littératie des données et l'éducation à la visualisation et à la science des données doivent être plus répandues et enseignées plus tôt", a déclaré Vidya Setlur, responsable de Tableau Research. « Il y a une sorte de responsabilité sociale et organisationnelle qui accompagne la dépendance à l'utilisation des données. Les gens devraient être mieux équipés pour comprendre, interpréter et tirer le meilleur parti des données, car l'IA ne fera que devenir plus sophistiquée, et nous devrions avoir quelques longueurs d'avance sur le jeu. »

Continuer à développer la culture des données de votre organisation crée de puissantes opportunités pour développer les compétences et favoriser de nouvelles solutions dans l'ensemble de l'entreprise. De nombreuses organisations ont déjà augmenté leurs investissements dans les données et l'analyse ces dernières années, à mesure que la transformation numérique s'est accélérée. Il n'est pas envisageable de considérer les données comme un sport d'équipe, et nous avons maintenant les moyens d'étendre cet état d'esprit à l'IA.