Votre connaissance de l'IA générative est-elle à jour ? Découvrez votre niveau !

Le paysage de l'IA évolue rapidement, rendant difficile pour les DSI et les responsables de données de définir leurs priorités. Dans l'épisode de cette semaine de CarCast, l'entrepreneur technologique Bruno Aziza examine les résultats du rapport AI Readiness de Scale AI, soulignant les questions essentielles que chaque dirigeant devrait se poser au sujet de l'IA générative.

Points clés du rapport AI Readiness :

- Adoption : Le pourcentage d'entreprises sans plan pour l'IA générative est passé de 19 % l'année dernière à seulement 4 % cette année.

- Production : La part d'entreprises en production est passée de 21 % l'année dernière à 38 % cette année.

- Défis : Le principal obstacle à la mise en œuvre de l'IA générative reste la sécurité et la gouvernance.

Questions cruciales sur l'IA générative :

1. Comment identifier les cas d'utilisation appropriés de l'IA générative à explorer ?

2. Comment budgétiser les initiatives d'IA générative ?

3. Quand est-il inapproprié d'utiliser l'IA générative ?

Cas d'utilisation de l'IA générative :

Trois domaines clés à considérer pour les applications d'IA générative :

1. Clients internes : Cette approche présente un faible risque et un fort potentiel de récompense. Elle peut améliorer la qualité des données et renforcer la productivité des équipes, comme la génération de contenu marketing, l'assistance au codage pour les développeurs ou la synthèse d'informations pour les rôles financiers et de support. Par exemple, Twilio utilise l'IA générative pour aider les représentants à répondre rapidement et à résumer les appels.

2. Clients externes : Cela inclut des applications telles que des chatbots pour le service client et des outils contextuels comme Decorify de Wayfair, qui permet aux utilisateurs de télécharger des photos de leurs espaces de vie pour recevoir des suggestions de produits personnalisées.

3. Intégration de l'IA générative dans les applications existantes : Cette méthode est puissante pour des cas d'utilisation ciblés qui s'appuient sur des applications anciennes ou établies, comme les systèmes ERP, HCM ou CRM. Bien que les données impliquées ne soient pas nécessairement vastes, leur valeur et leur sensibilité sont élevées, nécessitant des critères de sélection rigoureux pour ces cas d'utilisation.