Comment les entreprises peuvent-elles réaliser la transformation de l’IA ? Après avoir étudié des centaines d'entreprises, nous avons trouvé la réponse

Source : Shidao

Source de l'image : générée par Unbounded AI‌

**Pour les entreprises chinoises, la nécessité et l'urgence de l'intelligence numérique sont des faits incontestables. **

Cependant, chaque fois que l’on parle de « transformation de l’intelligence numérique », c’est comme « un poney traversant la rivière ». La plupart des entreprises sont comme des « poneys » impatients de traverser la rivière, bien qu'elles ne soient pas aussi riches que les « vieilles vaches » (grandes entreprises de grande taille et suffisamment de fonds), mais meilleures que les « écureuils » (petites entreprises peu résistantes au risque). ). Dans l'histoire originale, "poney" peut décider indépendamment "de traverser la rivière ou non". Cependant, dans le monde réel, la quatrième vague de la révolution industrielle déferle sur le monde et de nombreuses entreprises dans le monde sont désormais poussées vers le fleuve de l’intelligence numérique. **

Lorsqu’il s’agit de survie, il faut traverser la rivière.

Il est donc particulièrement important pour les entreprises de « découvrir les pierres qui se cachent dans la rivière de l’intelligence numérique ». Cela nécessite l'expérience d'un "traverseur de rivière à succès".

Un article dans la Harvard Business Review « Qu’est-ce qui fait qu’une entreprise réussit à utiliser l’IA ? « Qu'est-ce qui fait qu'une entreprise réussit à utiliser l'IA ? » donne un « Guide pour réussir à traverser la rivière ».

L’article adopte une étude de McKinsey et de la Machine Intelligence in Manufacturing and Operations Initiative (MIMO) du MIT, qui suit les progrès de 100 entreprises (impliquant diverses industries telles que l’automobile et l’exploitation minière) dans les technologies de numérisation, d’analyse de données et d’intelligence artificielle (MI). Sur la base de la réalisation des objectifs, des actions et des résultats, on peut conclure que les principales entreprises d'intelligence numérique présentent certains points communs sur cinq aspects : la gouvernance, le déploiement, les partenaires, le personnel et la disponibilité des données. **

L'article a deux auteurs, l'un est Vijay D'Silva, associé principal chez McKinsey & Company ; l'autre, Bruce Lawler, est le directeur général de MIMO au MIT. L'auteur souligne que les résultats de recherche de cet article peuvent servir de référence pour toutes les entreprises de transformation de l'intelligence numérique. **

01 Quatre types d'entreprises dans la période de transition

Première conclusion : si vous souhaitez vous démarquer dans le concours de l'intelligence numérique, les grandes entreprises doivent élaborer un plan global de collaboration et ne doivent pas penser à vaincre l'ennemi d'un seul coup. **

En évaluant 21 indicateurs de performance répartis en 9 catégories, l'auteur a divisé 100 entreprises de transformation de l'intelligence numérique en leaders, planificateurs, exécutants et entreprises émergentes.

Les meilleurs sont les « leaders », qui représentent environ 15 % de l'échantillon. Ils ont réalisé des améliorations très significatives dans 20 des 21 indicateurs de performance clés, se classant parmi les 25 % les plus performants dans les 9 catégories de performance. Ce type d’entreprise peut dépenser de l’argent judicieusement et est le plus grand bénéficiaire de l’intelligence numérique.

La deuxième catégorie est appelée « planificateurs » et représente environ 25 % de l'échantillon. Ce type d’entreprise est doué pour traiter avec les gens et possède de solides connaissances en exécution des données. Cependant, de nombreuses entreprises ne récoltent pas actuellement les fruits de la transformation. Certaines entreprises sont même aux prises avec le « piège pilote » proposé par McKinsey en 2018.

** Vu de l'extérieur, le « piège pilote » est également un problème pour de nombreuses entreprises chinoises dans leur transformation numérique et intelligente. **

La transformation à grande échelle d’une entreprise est un processus systématique et à long terme d’accumulation de capacités. Ensuite, lorsqu’elles promeuvent la transformation, les entreprises choisiront des projets pilotes à petite échelle pour vérifier les nouvelles mesures de changement. Cependant, ces cas pilotes sont souvent difficiles à reproduire et à étendre, ce qui rend difficile l’obtention d’effets d’entraînement à grande échelle sur l’ensemble du plan de transformation.

**L'intelligence numérique, y compris la transformation numérique, se solde souvent par un échec, en raison de l'absence de plan global. **Par exemple, les entreprises se concentrent trop sur le déploiement de cas d'utilisation sélectionnés plutôt que sur une approche holistique de la transformation. Selon une enquête mondiale réalisée par McKinsey, une transformation numérique réussie n'est pas « un simple projet informatique » mais une « transformation dirigée par l'entreprise et axée sur le retour sur investissement » soutenue par les hauts dirigeants (tels que le président du conseil d'administration, le CxO, le comité exécutif).

Cette conclusion est similaire à celle de cet article.

Troisièmement, les exécuteurs testamentaires représentent environ 33 % de l’échantillon. Ces entreprises sont axées sur les résultats, capables de tirer parti d'un bassin croissant d'expertise, de travailler avec des partenaires et de saisir les opportunités pour développer et mettre en œuvre des solutions concrètes. Bien que la construction de leurs infrastructures soit inférieure à celle des deux types d'entreprises ci-dessus, elles peuvent néanmoins obtenir des résultats significatifs.

Cependant, le problème des « exécuteurs testamentaires » réside toujours dans la contradiction entre la partie et le tout. Il est difficile pour ces entreprises d'intégrer les efforts de toutes les parties dans la performance de l'entreprise et de former une force commune.

La dernière catégorie est celle des « entreprises émergentes », qui représentent environ 25 % de l'échantillon. Ces entreprises sont les moins matures et présentent les plus petits bénéfices ; nombre d’entre elles viennent tout juste de démarrer. De nombreuses « entreprises émergentes » ont du mal à trouver où investir. Seules quelques entreprises disposant des stratégies, des compétences ou de l’infrastructure peuvent développer davantage l’intelligence numérique.

02 Cinq secrets des entreprises intelligentes

Par rapport aux entreprises médiocres, les « dirigeants » peuvent obtenir des résultats plus de deux fois supérieurs à ceux des autres entreprises en deux fois moins de temps. Pourquoi sont-ils si bons?

L'article résume ce que font les meilleurs joueurs dans cinq domaines clés.

Gouvernance

L’article souligne que pour les « leaders », l’intelligence artificielle (IM) constitue une priorité stratégique. De nombreuses entreprises ont également créé des centres d’excellence (CoE) dédiés à cet effet.

Il faut le mentionner : même si de nombreuses entreprises sont conscientes de la transformation numérique, elles ont également acheté des outils d'automatisation tels que le no-code, le low-code et le RPA pour la transformation numérique, mais elles sont limitées par des structures organisationnelles complexes et des données entre les équipes. Dans les îles isolées, une coopération efficace au sein de l'entreprise ne peut pas être réalisée, ce qui rend difficile l'avancement du projet d'intelligence numérique et une grande quantité de ressources de l'entreprise est gaspillée.

Le Centre d'excellence (CoE) mentionné dans l'article peut mettre en commun la technologie, les talents, les installations et d'autres ressources pour superviser l'entreprise afin qu'elle fasse les bonnes choses pour accélérer ses objectifs de transformation. De nombreuses entreprises qui ont introduit la RPA ont déjà créé des CoE. Par exemple, Chai Yicui, directeur du CoE de Dongfeng Nissan, a un jour expliqué que le CoE d'entreprise joue un rôle important dans sept aspects : le positionnement, la stratégie de promotion, le système de promotion, le dynamisme et la gouvernance, la formation, l'échange d'informations, ainsi que le sérieux et la motivation. En outre, de nombreuses sociétés de conseil, dont PricewaterhouseCoopers et Deloitte, ont également créé des CoE avec différentes orientations commerciales. Parmi eux, Ernst & Young et IBM ont annoncé la création d'un CoE sous la forme d'un centre virtuel centralisé pour aider les institutions financières à utiliser des solutions cloud hybrides pour accélérer la transformation numérique.

De plus, les auteurs soulignent que les « dirigeants » préfèrent un processus clair pour évaluer et mettre en œuvre les innovations numériques, et ils reconnaissent également que le changement est inévitable dans ce domaine en évolution rapide. En conséquence, la plupart des « leaders » évaluent et améliorent constamment leurs processus, tandis que les « exécuteurs » et les « planificateurs » ont tendance à rester bloqués, ce qui limite leur capacité à faire évoluer avec succès les cas d'utilisation.

Déploiement

Les « leaders » utiliseront l’intelligence artificielle (IM) aussi largement que possible.

Chacun des « leaders » de l’étude utilise l’intelligence artificielle (IM) dans des domaines tels que la prédiction, l’optimisation de la maintenance, la logistique et le transport. Par rapport aux trois autres types d’entreprises, les « dirigeants » sont également plus enclins à adopter des méthodes plus avancées.

Par exemple, la société biopharmaceutique Amgen travaille au développement d’un système d’inspection visuelle éprouvé utilisant l’IA qui augmentera les taux de détection de particules de 70 % et réduira les fausses alarmes de 60 %.

L'auteur donne un exemple en début d'article : Vistra, le plus grand producteur d'électricité aux États-Unis. Pour que les usines fonctionnent efficacement, les travailleurs surveillent et ajustent en permanence des centaines d'indicateurs différents dont même les opérateurs les plus qualifiés ne peuvent garantir l'exactitude. Plus tard, l'usine a installé un outil piloté par l'IA (optimiseur de taux de chaleur), qui a finalement augmenté l'efficacité de l'usine de 1 %. Cela peut paraître peu, mais cela a en fait permis d'économiser des millions de dollars et de réduire les émissions de carbone.

Partenaire

Les partenariats interentreprises se produisent souvent au sein du monde universitaire, des start-ups, des fournisseurs de technologies existants et des consultants externes. Cependant, les « leaders » préfèrent établir des liens avec des partenaires plus larges et plus intensifs afin de maximiser leur propre vitesse de développement et l’efficacité de leur apprentissage.

Par exemple, deux entreprises de biens de consommation, Colgate-Palmolive et PepsiCo/Frito-Ray, se sont associées au fournisseur de systèmes Augury et ont déployé des systèmes de diagnostic de l'état des machines basés sur l'intelligence artificielle sur leurs lignes de production respectives. Cette décision a permis aux deux entreprises mentionnées ci-dessus d'éviter les temps d'arrêt. d'une durée maximale de huit jours.

La société de semi-conducteurs Analog Devices s'est associée au MIT pour développer un nouveau système de contrôle qualité de l'intelligence artificielle (MI). Le système est capable d'identifier quels processus de production et quels outils peuvent être défectueux. Cela signifie que les ingénieurs de l'entreprise n'ont besoin d'examiner que 5 % des données de processus précédentes, ce qui permet d'économiser considérablement de la main d'œuvre.

On constate que même si les « leaders » sont très compétents, ils semblent mieux que les autres entreprises savoir puiser l'énergie des partenaires extérieurs.

Personnel

Les « leaders » ne seront pas avares : ils permettront au plus grand nombre de collaborateurs de maîtriser les compétences en intelligence numérique au lieu de laisser les connaissances professionnelles à quelques experts de la data.

L'étude révèle que plus de la moitié des « dirigeants » dispensent une formation de base en intelligence artificielle (IM) aux employés de première ligne, contre seulement 4 % dans les autres entreprises.

Par exemple, les restaurants McDonald's utilisent l'intelligence artificielle (IM) pour prédire les réactions des clients et le flux de clients en temps réel afin d'améliorer une gamme de tâches opérationnelles.

Les experts en données de l'Enterprise Center of Excellence (CoE) testent et développent de nouvelles méthodes, puis regroupent ces développements dans des outils faciles à utiliser pour les employés sur le terrain. Grâce au système, les employés sur site comprennent l'importance des données et développent leur capacité à identifier les problèmes, afin de pouvoir également redonner à l'entreprise.

Disponibilité des données

L'article souligne que tous les « dirigeants » autorisent les employés de première ligne à accéder aux données, alors que seulement 62 % des autres entreprises le permettent. De plus, les « dirigeants » obtiennent des données auprès des clients et des fournisseurs. En échange, 89 % des Leaders partagent leurs propres données avec les clients et les fournisseurs.

Dans l’ensemble, cette démocratisation des données contraste fortement avec d’autres entreprises, où parmi les « dirigeants », l’information détient le pouvoir et est vigoureusement gardée.

Éléments constitutifs de la transformation numérique

En résumé, l'article souligne : Lorsque les cinq aspects de la gouvernance, du déploiement, des partenariats, des personnes et des données seront imbriqués et prendront en compte les uns les autres, la transformation numérique des entreprises deviendra également efficace. Cependant, dans des circonstances normales, les entreprises organiseront également un Centre d'excellence (CoE) pour coordonner les cinq aspects ci-dessus.

Tous les débuts sont difficiles. L’auteur estime que les entreprises déterminées à se transformer doivent d’abord procéder à une évaluation honnête et complète de leur niveau actuel d’intelligence numérique. À ce stade, l’entreprise peut commencer à formuler un « plan de transition ». Même si ce plan est approximatif, il peut éliminer les obstacles qui peuvent être rencontrés dans la transformation, tels que les talents qualifiés, les capacités d'investissement et les infrastructures critiques ; comment déplacer les données des systèmes existants vers le cloud, etc. En outre, l’auteur estime que le rythme de la transformation des entreprises ne devrait pas être trop lent. Après tout, la plupart des « leaders » commencent par utiliser des données et des outils simples, mais à mesure que leurs compétences augmentent, ils adoptent des technologies plus avancées.

03 L'écart pourrait se creuser à l'avenir‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍‍

L’intelligence numérique est une restructuration de toutes les industries. À l'heure actuelle, de nombreuses grandes entreprises nationales ont non seulement mené à bien leur transformation, mais ont également étendu leur expérience et leur technologie de transformation à tous les horizons, enrichissant constamment les scénarios d'application pour l'intégration de l'intelligence numérique et de l'industrie.

Cela signifie-t-il que les entreprises défavorables à la transformation seront progressivement éliminées ?

L'auteur estime que la réponse n'est pas optimiste. Les « leaders » de l'article ont augmenté leurs dépenses en matière d'intelligence numérique de 30 à 60 % et devraient augmenter leurs budgets de 10 à 15 %, alors que d'autres entreprises ont quasiment arrêté de progresser. Cela signifie que l’écart entre les deux parties risque de se creuser à l’avenir.

Cependant, l’intelligence artificielle (IM) a récemment fait des progrès significatifs et des opportunités de transformation globale commencent tout juste à émerger. Seuls ceux qui bravent les rapides peuvent apprécier les merveilles et les paysages à la source de la rivière. Bien que les points de départ des entreprises soient différents, les voies de développement sont également différentes. **Mais au moins, là où se trouve le « nombre de pierres dans le fleuve de l’intelligence », nous avons des « dirigeants » qui montrent la voie. **