Moins d’une semaine après son lancement, chatGPT, le chatbot alimenté par l’IA développé par OpenAI, comptait plus d’un million d’utilisateurs, passant à 100 millions d’utilisateurs au cours du premier mois. Le flot d’attention de la presse et des consommateurs provient en partie de la capacité du logiciel à offrir des réponses humaines dans tous les domaines, de la création de contenu long, aux conversations approfondies, à la recherche de documents, à l’analyse et plus encore.
Uljan Sharka, PDG d’iGenius, estime que l’IA générative a un potentiel de changement mondial dans le monde des affaires, car pour la première fois, les données peuvent être véritablement démocratisées. GPT signifie générative pretrained transformer, une famille de modèles de langage entraînés avec des techniques d’apprentissage supervisé et par renforcement. Dans le cas de chatGPT, 45 téraoctets de données textuelles alimentent toute cette création de contenu.
Mais et si l’IA générative pouvait être utilisée pour répondre aux requêtes essentielles liées aux données dans le monde des affaires, et pas seulement au contenu ?
« Jusqu’à présent, les données, l’analyse et même la « démocratisation des données » étaient centrées sur les données et conçues pour les personnes compétentes en matière de données », déclare Sharka. « Les utilisateurs professionnels sont laissés pour compte, confrontés à des obstacles à l’accès aux informations dont ils ont besoin pour prendre des décisions basées sur les données. Les gens ne s’intéressent pas aux données. Ils veulent des réponses commerciales. Nous avons aujourd’hui l’opportunité de faire évoluer l’interface utilisateur vers des interfaces linguistiques et d’humaniser les données pour les rendre centrées sur les personnes. »
Mais l’interface ne représente qu’un petit pourcentage de ce qu’un système complexe doit effectuer pour rendre ce type d’informations intégrées, certifiées, sûres, égales et accessibles pour les décisions commerciales. L’IA composite consiste à réunir la science des données, l’apprentissage automatique et l’IA conversationnelle dans un seul système.
« J’aime le considérer comme l’iPhone de la catégorie, qui offre une expérience intégrée pour le rendre sûr et équitable », déclare Sharka. « C’est la seule façon d’avoir un impact de l’IA générative sur l’entreprise. »
IA générative et humanisation de la science des données
Alors que l’écart entre les applications B2C et B2B s’est creusé, les utilisateurs professionnels ont été laissés pour compte. Les applications B2C ont investi des milliards de dollars dans la création d’applications exemplaires qui sont très conviviales, utilisables en quelques clics ou une conversation. À la maison, les utilisateurs rédigent des documents de recherche à l’aide de chatGPT, tandis qu’au travail, une multitude de données restent cloisonnées lorsque les tableaux de bord complexes qui connectent les données ne sont pas utilisés.
Dans les organisations, l’IA générative peut en fait connecter tous les produits de données partout dans le monde et les indexer dans le « cerveau privé » d’une organisation. Et avec les algorithmes, le traitement du langage naturel et les métadonnées créées par l’utilisateur, ou ce qu’iGenius appelle l’IA conversationnelle avancée, la complexité de la qualité des données peut être améliorée et élevée. Gartner a surnommé cette « analyse conversationnelle ».
La virtualisation de la complexité libère un potentiel illimité de nettoyage, de manipulation et de diffusion de données pour chaque cas d’utilisation, qu’il s’agisse d’informations croisées ou simplement de les rassembler en une seule source de vérité pour un service individuel.
Sur le back-end, l’IA générative aide à faire évoluer l’intégration entre les systèmes, en utilisant la puissance du langage naturel pour créer ce qu’un Sharka appelle un cerveau d’IA, composé de sources d’informations privées. Avec les interfaces sans code, l’intégration est optimisée et la science des données est démocratisée avant même que les utilisateurs professionnels ne commencent à consommer ces informations. C’est un accélérateur d’innovation, qui réduira les coûts car le temps nécessaire pour identifier et développer des cas d’utilisation est considérablement réduit.
Sur le front-end, les utilisateurs professionnels ont littéralement une conversation avec les données et obtiennent des réponses commerciales en langage naturel clair. Rendre l’expérience utilisateur frontale encore plus consumérisée est la prochaine étape. Au lieu d’une plate-forme réactive et basée sur une tâche unique, posant des questions textuelles et obtenant des réponses textuelles, elle peut devenir multimodale, offrant des graphiques et des graphiques créatifs pour optimiser la façon dont les gens comprennent les données. Cela peut devenir une expérience de type Netflix ou Spotify, à mesure que l’IA apprend de comment vous consommez ces informations pour fournir de manière proactive les connaissances dont un utilisateur a besoin.
IA générative et iGenius en action
D’un point de vue architectural, cette couche de langage naturel s’ajoute aux applications et aux bases de données déjà existantes, devenant un cerveau d’IA virtuel. La connexion entre les services ouvre de nouvelles opportunités.
« Il ne s’agit pas d’utiliser davantage les données ; il s’agit d’utiliser les données au bon moment de leur livraison », déclare Sharka. « Si je peux utiliser des données avant ou pendant que je prends une décision, que je sois dans le marketing, les ventes ou la chaîne d’approvisionnement, les RH, la finance, les opérations, c’est ainsi que nous allons avoir un impact. »
Par exemple, connecter les données marketing et les données de vente signifie non seulement surveiller les campagnes en temps réel, mais aussi corréler les résultats avec les transactions, les conversions et les cycles de vente pour offrir des KPI de performance clairs et voir l’impact direct de la campagne en temps réel. Un utilisateur peut même demander à l’IA d’adapter les campagnes en temps réel. Dans le même temps, l’interface fait apparaître d’autres questions et domaines de recherche que l’utilisateur pourrait souhaiter approfondir ensuite, afin d’approfondir sa compréhension d’une situation.
Chez Enel, le leader italien de l’énergie désormais axé sur le développement durable, les ingénieurs consomment des informations IOT en temps réel, mélangeant des données financières avec des données provenant des usines de production, discutant avec ces données en temps réel. Chaque fois que leurs équipes doivent effectuer une maintenance préventive ou planifier des activités dans l’usine, ou doivent mesurer la comparaison entre les résultats réels et les budgets, demander à l’interface les informations synthétisées nécessaires débloque de puissantes analyses opérationnelles sur lesquelles il est possible de réagir immédiatement.
L’avenir de l’IA générative
ChatGPT a suscité un énorme intérêt pour l’IA générative, mais iGenius et OpenAI (qui ont tous deux été lancés en 2015) ont compris depuis longtemps qu’ils allaient dans des directions différentes, explique Sharka. OpenAI a construit le GPT pour le texte, tandis qu’iGenius a construit le GPT pour les nombres, un produit appelé Crystal. Son cerveau d’IA privé connecte des informations exclusives à son modèle d’apprentissage automatique, permettant aux utilisateurs de commencer à le former à partir de zéro. Il utilise des modèles de langage petits et larges plus durables, au lieu de grands modèles de langage, pour donner aux organisations le contrôle de leur propriété intellectuelle.
Cela permet également une collaboration à grande échelle, dans laquelle les entreprises peuvent tirer parti de l’expertise et des connaissances des travailleurs pour certifier les données utilisées pour former des modèles et les informations générées afin de réduire les biais à grande échelle et de fournir des expériences plus localisées et hyper personnalisées. Cela signifie également que vous n’avez pas besoin d’être un ingénieur rapide pour travailler ou appliquer en toute sécurité les données fournies par ces algorithmes afin de produire des informations exploitables de haute qualité.
« J’ai toujours pensé qu’il s’agirait d’une collaboration homme-machine », déclare Sharka. « Si nous pouvons tirer parti des connaissances que nous avons déjà chez les personnes ou dans les systèmes informatiques traditionnels, où vous avez beaucoup de couches sémantiques et de cas d’utilisation certifiés, alors vous pouvez réduire le biais de manière exponentielle, car vous le réduisez à la qualité. Avec l’IA générative et un système certifié en continu, nous pouvons réaliser une automatisation à grande échelle et être en mesure de réduire les biais, de la rendre sûre, de la rendre égale et de continuer à promouvoir cette idée de copilotes virtuels dans le monde. » < /p>
.
Toute l’actualité en temps réel, est sur L’Entrepreneur
