Dans un contexte d’adoption croissante d’agents d’IA au niveau de l’entreprise, un fossé apparaît entre l’ambition et l’exécution.
Bien que 85 % des organisations déclarent vouloir devenir agentiques au cours des trois prochaines années, 76 % déclarent que leurs opérations et leur infrastructure actuelles ne peuvent pas prendre en charge ce changement. Ils citent un manque de préparation des personnes, des processus et des flux de travail.
Le problème du ruban adhésif
Le défi est que de nombreuses organisations superposent souvent des agents d’IA aux opérations existantes, plutôt que de réimaginer le modèle opérationnel et la façon dont le travail devra être reprogrammé, explique Prasun Shah, directeur technique mondial du conseil en main-d’œuvre et directeur de l’IA chez PwC UK Consulting. “Ils intègrent les employés de l’IA dans ce qui est un modèle opérationnel humain”, en superposant les agents IA aux structures de travail existantes alors que “c’est comme ajouter des rubans adhésifs à des parties d’un modèle opérationnel qui est en panne”.
Cela pourrait empêcher les organisations d’exploiter toute la valeur offerte par l’IA agentique, créant ainsi des circonstances propices à la désillusion. Cette pleine valeur réside dans la capacité des agents à exécuter des flux de travail complets avec une intervention humaine limitée. Ils peuvent coordonner des tâches complexes, prendre des décisions indépendantes, s’adapter aux conditions changeantes et itérer les performances.
Dans les premiers tests qui couvrent le service client, les ressources humaines et les ventes, on estime déjà que les agents d’IA pourraient accélérer les processus métier de 30 à 50 % et le temps de travail à faible valeur de 25 à 40 % lorsqu’ils sont déployés à grande échelle. Mais cette capacité s’accompagne d’une plus grande complexité et de la nécessité d’un changement à l’échelle de l’entreprise.
Développer le vocabulaire de l’IA
La plateforme d’IA agentique d’entreprise Ema décrit ce changement comme une transformation d’entreprise agentique (ABT), un terme qu’elle a inventé l’année dernière en partenariat avec HFS Research, dans le but de combler ce qu’elle considère comme une lacune dans le lexique existant sur les agents d’IA et de fournir aux entreprises un nouveau cadre avec lequel réfléchir à leur propre adoption de la technologie.
« Aucun vocabulaire existant ne rend compte de toute la portée du changement », explique Surojit Chatterjee, PDG et fondateur d’Ema. “La transformation numérique consistait à passer du papier au logiciel. La transformation de l’IA consistait à ajouter l’intelligence artificielle aux processus existants. Le copilote consiste à aider l’IA dans diverses tâches humaines. Mais l’ABT est quelque chose de catégoriquement différent : il s’agit de l’intégration d’agents d’IA dans le tissu de l’organisation.”
Pour Shah, le terme dédié (ABT) “contribue à exprimer le besoin de repenser une organisation dans son intégralité : son modèle opérationnel, ses flux de travail, ses droits de décision et ses systèmes de gestion des performances”. Il souligne que « tout est nécessaire pour garantir que ces agents participent réellement activement à la création de valeur, plutôt que de simples outils ponctuels ou aides à la productivité ».
Selon Ema, ABT englobe trois piliers fondamentaux : la pile technologique d’une organisation, sa main-d’œuvre et les indicateurs utilisés pour réussir.
Les agents d’IA comme tissu conjonctif
Le premier pilier d’ABT est la pile technologique. « Votre pile technologique existante a été conçue pour des flux de travail pilotés par des humains et centrés sur les applications », explique Chatterjee. “Cela doit être reconsidéré lorsque l’acteur est un agent d’IA fonctionnant à la vitesse d’une machine sur plusieurs systèmes simultanément.”
À mesure que les agents d’IA sont intégrés dans une organisation, les entreprises devront passer d’un ensemble de processus et d’étapes linéaires à une recâblage du travail d’une manière très différente, explique Shah. En effet, la valeur des agents d’IA n’est pas une couche supplémentaire dans une pile technologique existante, mais un tissu conjonctif, explique-t-il, se déplaçant entre ou à travers les couches pour coordonner une tâche de haut niveau ou récupérer et interpréter des données provenant de plusieurs applications discrètes. Les agents d’IA peuvent créer « une véritable différenciation concurrentielle pour une entreprise » en prenant des décisions basées sur cette capacité de contextualisation, dit-il. “C’est là que se déroulera le prochain champ de bataille.”
Pour construire ce tissu conjonctif, les dirigeants doivent adapter leur pile technologique pour faire émerger des décisions de meilleure qualité de la part des agents d’IA, en donnant la priorité à l’accès simultané à plusieurs ensembles de données et applications pour développer des connaissances tacites. « Les organisations qui opèrent ce changement architectural deviennent véritablement plus adaptatives », explique Chatterjee. “Lorsqu’une nouvelle exigence commerciale apparaît, vous n’attendez pas six mois pour qu’un éditeur de logiciels crée une fonctionnalité. Vous configurez un employé IA en utilisant un langage naturel et le connectez aux systèmes dont il a besoin. Le temps entre l’entreprise et le flux de production passe de plusieurs mois à quelques jours.”
La main-d’œuvre repensée
Alors que les agents d’IA sont déployés pour davantage de cas d’utilisation, les dirigeants d’entreprise doivent réfléchir à ce que cela signifie pour la dynamique de leur personnel, le deuxième pilier de l’ABT.
Les structures de la main-d’œuvre s’écartent aujourd’hui peu du modèle hiérarchique des premiers jours de l’industrialisation. Pour maximiser l’efficacité et l’évolutivité, les processus sont standardisés, les tâches sont clairement délimitées entre les unités commerciales stratégiques (SBU) et les employés progressent dans l’organisation en fonction de leur capacité à optimiser le rendement des équipes situées en dessous d’eux. Mais avec des agents d’IA capables d’exécuter, de coordonner et d’optimiser des tâches, souvent sans coordination managériale, les lignes de cette hiérarchie établie deviennent floues.
Dans une main-d’œuvre mêlant agents IA et employés humains, les managers seront libérés de nombreuses tâches basées sur l’exécution mais assumeront de nouvelles responsabilités associées à la gestion d’équipes hybrides. Les managers « devront être capables de gérer les problèmes liés à la confiance, à l’explicabilité, à la sécurité psychologique et même à la dynamique de la situation » pour faire face aux nouvelles tensions qui pourraient surgir dans une main-d’œuvre hybride, explique Shah.
L’impact de l’IA agentique sur les structures de main-d’œuvre existantes va également bien au-delà de la couche de gestion. McKinsey prédit que d’ici 2030, les les trois quarts des emplois actuels nécessiteront une refonte, une amélioration des compétences ou redéploiement, et les organisations devront agir rapidement pour modifier le recrutement, la rétention et la rémunération.
De la production au résultat
Les indicateurs de réussite constituent le troisième et dernier pilier d’ABT.
À mesure que les agents d’IA s’approprient davantage les processus fondamentaux de l’entreprise, en assumant des rôles collaboratifs aux côtés des employés humains, les mesures traditionnelles des effectifs axées sur l’activité ou les résultats (comme les appels traités ou les rapports déposés) n’ont plus de sens.
“Lorsque vous ajoutez des employés de l’IA à vos effectifs, les mesures d’activité perdent tout leur sens ou sont carrément trompeuses”, explique Chatterjee. “Un employé de l’IA peut gérer un millier d’interactions client dans le temps qu’il faut à un humain pour en gérer dix. Si vous mesurez le succès par les interactions gérées, vous conclurez que l’IA fonctionne à merveille sans savoir si l’une de ces interactions a réellement généré la satisfaction, la fidélisation ou les revenus des clients. ” Pour corriger cela, les entreprises doivent développer un nouvel ensemble de mesures axées sur les résultats plutôt que sur les résultats. Autrement dit, des mesures sur les avantages ou les changements plus larges obtenus, plutôt que sur les livrables individuels.
Par exemple, lorsque l’une des grandes entreprises clientes d’Ema a remanié ses propres métriques, passant des métriques d’outils telles que le coût par requête et la précision de l’IA à des résultats tels que le pourcentage de contrats examinés sans escalade humaine, le retour sur investissement mesuré de l’IA agentique a triplé en deux trimestres. Ces changements signifiaient que « ce client a arrêté de créer des solutions ponctuelles dans des flux de travail à volume élevé et peu complexes et a commencé à déployer des employés IA là où la valeur du résultat était la plus élevée », explique Chatterjee.
L’intégration de nouveaux indicateurs peut également nécessiter une reconfiguration complète des processus de récompense et de gestion des talents, ainsi que de la responsabilité et de l’appropriation au sein des organisations, souligne Shah. Dans les équipes humain-IA, par exemple, même si les responsabilités éthiques et fiduciaires resteront probablement du ressort des employés humains, la responsabilité opérationnelle deviendra beaucoup plus diffuse pour refléter le rôle systémique des agents d’IA.
Ce changement soulèvera de nouvelles questions auxquelles les équipes de direction devront répondre, ajoute Shah. Ils devront se poser les questions suivantes : qui est responsable lorsqu’un employé d’IA commet une erreur ? Que se passe-t-il lorsque l’IA et les humains ne sont pas d’accord ? Quels garde-corps ériger pour protéger les clients ?
Préparer le terrain pour un changement au niveau des systèmes
Le changement au niveau des systèmes est progressif. Il s’agit de pistes de recherche complexes avec lesquelles les experts continuent de se débattre. Mais en lançant un dialogue interne sur les piliers fondamentaux d’ABT (la main-d’œuvre, la pile technologique et les indicateurs permettant d’évaluer le succès), les dirigeants peuvent jeter les bases d’une entreprise mieux préparée à adopter les agents d’IA au niveau des systèmes et commencer à réduire l’écart entre leur ambition et leur exécution.
Ce contenu a été produit par Insights, la branche de contenu personnalisé du MIT Technology Review. Il n’a pas été rédigé par l’équipe éditoriale du MIT Technology Review. Il a été recherché, conçu et écrit par des écrivains, éditeurs, analystes et illustrateurs humains. Cela comprend la rédaction d’enquêtes et la collecte de données pour les enquêtes. Les outils d’IA qui ont pu être utilisés étaient limités aux processus de production secondaires qui ont passé un examen humain approfondi.
Bir yanıt yazın