Évaluer et définir votre cas d'utilisation professionnel d'IA générative

Ce document vous aide à définir un cas d'utilisation professionnel de l'IA en suivant une approche axée sur la valeur métier.

Les solutions d'IA générative et d'IA traditionnelle sont des outils puissants, mais elles doivent toujours vous aider à atteindre les objectifs de votre entreprise et ne doivent pas exister séparément. Pour créer des solutions d'IA générative ou traditionnelle efficaces, commencez par identifier clairement les objectifs ou besoins commerciaux spécifiques auxquels vous souhaitez répondre. Ensuite, partez des résultats commerciaux souhaités (par exemple, une efficacité accrue des employés ou une satisfaction client améliorée) pour vous assurer que la solution contribue directement à vos objectifs commerciaux.

Pour définir votre cas d'utilisation d'IA générative ou d'IA traditionnelle en mettant l'accent sur la valeur commerciale, utilisez le processus de prise de décision simplifié suivant :

  1. Objectif commercial et critères de réussite : identifiez des objectifs commerciaux mesurables.
    • Concentrez-vous sur l'objectif commercial et la valeur à atteindre, tels que l'amélioration de l'efficacité et de la productivité, la réduction des coûts, l'amélioration de l'expérience client et l'avantage concurrentiel.
    • Clarifiez comment les plans d'entreprise mesurent la réussite des objectifs identifiés. Le retour sur investissement (ROI) est l'une des principales mesures de la réussite d'un projet d'IA. Le ROI peut être mesuré à l'aide de plusieurs métriques, telles que les suivantes :
      • Gains financiers directs : augmentation des revenus ou réduction des coûts
      • Efficacité opérationnelle : délai de mise sur le marché plus court ou résolution des problèmes plus rapide
      • Expérience client : augmentation des scores de satisfaction ou de la conservation
    • Identifiez les contraintes et considérations commerciales potentielles, par exemple en vous assurant que les aspects liés à la sécurité et à la confidentialité sont conformes aux exigences réglementaires spécifiques au secteur ou au pays.

  2. Type d'IA/de ML : déterminez si l'IA ou le ML est la bonne approche pour résoudre les problématiques de votre entreprise ou atteindre l'objectif identifié.

    Déterminez si l'attente métier identifiée nécessite l'IA générative, d'autres types d'IA ou si elle ne nécessite pas d'IA pour être satisfaite. Pour en savoir plus, consultez la section Identifier le résultat dont vous avez besoin dans "Définir un problème de ML".

  3. Attentes en termes d'expérience utilisateur : identifiez les utilisateurs finaux du cas d'utilisation et la manière dont ils peuvent interagir avec l'application ou le service traditionnel basé sur l'IA générative ou l'IA traditionnelle. Tenez compte des attentes ou des préférences des utilisateurs.

  4. Solution d'IA axée sur l'entreprise et centrée sur l'utilisateur : associez le cas d'utilisation optimal de l'IA générative ou de la technologie d'IA traditionnelle à des exigences métier mesurables, des priorités de l'entreprise et des attentes des utilisateurs. Réfléchissez aux éléments suivants :

    • Comment l'entreprise peut optimiser l'efficacité et la productivité en utilisant l'IA générative ou l'IA traditionnelle pour obtenir de meilleurs résultats plus rapidement, avec une complexité opérationnelle réduite ou des efforts réduits (et éventuellement en réduisant les coûts).
    • Comment l'entreprise peut améliorer l'expérience client ou produit en utilisant l'IA générative ou l'IA traditionnelle.
    • Comment créer de la valeur commerciale de manière innovante en utilisant l'IA générative ou l'IA traditionnelle :
      • Analysez vos offres et capacités commerciales existantes pour identifier les domaines dans lesquels l'IA générative ou l'IA traditionnelle peuvent améliorer vos solutions existantes, stimuler la créativité ou vous permettre d'explorer de nouvelles possibilités.
      • Découvrez comment l'IA peut apporter des améliorations innovantes qui distinguent votre entreprise. L'IA générative peut vous aider à créer des capacités et une valeur différenciées, à aller au-delà de la résolution des problèmes commerciaux immédiats et à explorer des moyens d'améliorer vos offres existantes.
      • Priorisez l'utilisation de la technologie pour améliorer les capacités de l'entreprise qui correspondent aux objectifs prioritaires de l'organisation.

  5. Changement de processus métier : identifiez les modifications que l'entreprise doit apporter aux processus ou workflows existants pour s'adapter au cas d'utilisation de l'IA générative ou de l'IA traditionnelle.

    Déterminez comment la solution d'IA modifiera la façon dont les employés ou les clients interagissent avec les systèmes et les workflows de l'entreprise, par exemple via une application mobile ou un chatbot d'assistance client. Ces interactions peuvent nécessiter la modification ou la réinvention des processus backend afin de tirer parti des fonctionnalités d'IA telles que l'automatisation des workflows et d'aider l'entreprise à tirer parti des avantages de l'IA.

Exemple de cas d'utilisation professionnel de l'IA générative

Les sections suivantes fournissent un exemple simplifié qui montre comment identifier et associer des besoins et des attentes commerciaux mesurables à des cas d'utilisation professionnels d'IA générative percutants.

Énoncé du problème commercial

Dans ce scénario, les équipes du service client sont surchargées par un volume important de demandes répétitives, de gestion manuelle des demandes et de communications d'assistance par e-mail. Cette surcharge met à rude épreuve les ressources, augmente les heures de travail des agents et ralentit les délais de résolution, ce qui entraîne une baisse de la satisfaction et de la fidélisation des clients.

Domaines potentiels d'optimisation avec une valeur commerciale mesurable

Voici des exemples de valeurs métier mesurables possibles à l'aide d'une solution technologique (un chatbot) basée sur des fonctionnalités d'IA générative permettant de relever les défis commerciaux précédents. En fonction de son modèle économique et de ses priorités, l'entreprise peut prendre en compte tout ou partie de ces objectifs mesurables.

  • Améliorez l'efficacité du service client : réduisez les coûts d'assistance et simplifiez les workflows des agents. Les critères de réussite mesurables sont les suivants :
    • Réduction du pourcentage des coûts opérationnels du service client sur une période définie (telle que trimestrielle).
    • Augmentation du pourcentage du volume de demandes client traitées par le chatbot.
    • Réduction moyenne des heures de travail des agents pour les tâches répétitives.
  • Optimiser la résolution des demandes : améliorez la vitesse de résolution et augmentez le pourcentage de problèmes résolus directement par le chatbot. Les critères de réussite mesurables sont les suivants :
    • Réduction moyenne du délai de résolution des demandes traitées par le chatbot.
    • Pourcentage de demandes résolues sans intervention humaine.
    • Réduction du pourcentage de volume de demandes à transmettre à l'équipe d'assistance technique en raison de leur complexité.
    • Augmentation du taux de résolution au premier contact (problèmes résolus en une seule interaction).
    • Augmentation du pourcentage du volume de demandes client que le chatbot traite et résout.
  • Amélioration de l'expérience client : optimisez la satisfaction client en offrant une réactivité et une assistance personnalisée 24h/24. Les critères de réussite mesurables sont les suivants :
    • Augmentation des scores de satisfaction client (CSAT) dans les enquêtes liées à l'utilisation du chatbot.
    • Réduction du temps d'attente moyen des clients pour l'interaction initiale.
    • Augmentation du nombre de problèmes résolus en une seule interaction.
    • Pourcentage de sentiments positifs détectés dans les conversations du chatbot et les enquêtes de feedback.
    • Amélioration du taux de fidélisation des clients.
  • Soutenir la croissance des opérations commerciales : gérez l'augmentation de la demande client sans entraîner une augmentation linéaire des coûts ni une augmentation des temps d'attente pour l'interaction client initiale. Les critères de réussite mesurables sont les suivants :
    • Capacité à gérer une augmentation spécifiée du pourcentage du volume de demandes d'assistance sans intervention humaine.
    • Maintenir des scores CSAT cohérents et un délai de résolution cohérent pendant les périodes de forte demande.
    • Maintenir des temps d'attente client constants pour l'interaction initiale.

Solutions basées sur l'IA générative

Chatbot conversationnel : les chatbots ou agents virtuels basés sur l'IA générative offrent une amélioration significative en termes de personnalisation et de conversation naturelle et humaine. Cela est dû à la capacité de l'IA générative à comprendre le contexte, les sentiments et les relations complexes dans le langage. Cette capacité permet d'interagir plus naturellement, de poser des questions pertinentes et de fournir des recommandations personnalisées pour une expérience utilisateur améliorée.

Les capacités de l'IA générative aident également les organisations à améliorer l'efficacité et la productivité de leur travail. En revanche, un chatbot traditionnel basé sur des règles est généralement limité à des mots clés et des modèles d'intention prédéfinis. Par conséquent, à mesure que les modèles conversationnels évoluent ou que de nouvelles questions se posent, un chatbot basé sur des règles nécessite des efforts opérationnels supplémentaires pour les mises à jour et les améliorations des règles, ainsi que pour l'entraînement des intentions. Pour ce cas d'utilisation, les chatbots d'IA générative offrent les avantages suivants par rapport aux chatbots traditionnels basés sur des règles :

  • Les réponses du chatbot basées sur l'IA générative ne se limitent pas aux questions fréquentes (FAQ). Le chatbot peut trouver des réponses dans de grands ensembles de données provenant de différentes sources, telles que les données historiques des demandes d'assistance, les sites Web, la documentation produit, l'inventaire, les e-mails et les anciennes conversations de chat avec résolution. Il peut également comprendre les requêtes conversationnelles et synthétiser des informations complexes.
  • Les agents virtuels d'IA générative synthétisent les informations de toutes vos sources de données. Cette synthèse leur permet de fournir des réponses spécifiques, raisonnées et exploitables basées sur les données que vous avez fournies et qui correspondent à vos attentes commerciales.
  • L'IA générative interprète le langage complexe et les nuances d'une demande. Elle permet de comprendre le contexte global du problème du client. Un chatbot d'IA traditionnel se concentre principalement sur des mots clés spécifiques.
  • Les chatbots d'IA générative offrent aux clients la possibilité de s'exprimer à l'aide de la méthode de leur choix (texte, voix, image), tandis que le chatbot exploite toutes les entrées pour améliorer la résolution des problèmes. Par exemple, les clients peuvent partager des photos d'un produit endommagé lors de la conversation par chat, et l'IA générative peut combiner la description du client avec la photo afin d'améliorer la précision du diagnostic et du dépannage.

Workflow de gestion des demandes et de génération d'insights : un chatbot basé sur l'IA générative peut générer automatiquement des demandes pour chaque interaction. Le chatbot utilise des fonctionnalités d'IA générative pour comprendre l'urgence, l'analyse des sentiments et la complexité du problème. Ces fonctionnalités garantissent que les demandes sont hiérarchisées de manière efficace. Le chatbot peut interagir avec votre système de demande d'assistance de différentes manières :

  • Le chatbot d'IA générative communique directement avec votre système de demande d'assistance pour créer et remplir la demande d'assistance avec les informations requises, telles que les suivantes :
    • Détails du client
    • Catégorisation et priorité des problèmes techniques
    • Transcription complète de la conversation pour le contexte
    • Synthèse du problème principal
  • Pour les problèmes nouveaux et complexes, le chatbot peut attribuer la demande à l'équipe appropriée avec un contexte d'assistance tel qu'un résumé du problème et de la conversation.

Étapes suivantes