Il s'agit d'une approche dont beaucoup sont impatients de bien faire.

Ils rencontrent plusieurs obstacles - la technologie en est encore à ses balbutiements, il y a un manque de feuilles de route claires pour les entreprises et un scepticisme généralisé sur l'utilisation de modèles de gros langues (LLM) pour automatiser les opérations de base.

Alors, que devraient faire les dirigeants?

La perspicacité d'un leader

J'ai récemment acquis une perspective précieuse d'un article de Lidiane Jones, ancien chef de Slack et PDG de Bumble, une plate-forme de rencontres de premier plan.

Jones décrit les considérations clés que les dirigeants pèsent lors de l'intégration de l'IA dans leurs organisations.

Intégration et surveillance des données

Elle note que si les processus de données comme ETL (extrait, transformée, charge) et ELT (extrait, charge, transformée) existaient bien avant l'IA, les silos de données restent un problème persistant.

Sa solution proposée? Une ?stratégie de données omnicanal?. Selon Jones, cette approche ?assure la confidentialité et la sécurité des données, simplifie l'accès pour les applications commerciales, permet les fonctionnalités en temps réel et s'intègre de manière transparente aux outils de tous les jours.?

Adhérer aux normes de conformité financière

Jones souligne l'importance de la conformité, en particulier aux données financières.

?Chaque organisation gère les informations financières sensibles régies par des audits, des réglementations et des exigences de conformité qui doivent être rigoureusement sauvegardées?, déclare-t-elle. ?Dans les grandes entreprises, ces données résident généralement dans les systèmes ERP. Les PDG, les CFO, les CoOS et les CRO dépendent tous des informations en temps opportun de ces systèmes pour évaluer les performances par rapport aux objectifs, surveiller les dépenses par rapport aux budgets, ou évaluer comment les changements de l'investissement de la main-d'?uvre peuvent avoir un impact sur les co?ts globaux et le moment commercial.?

Autonomiser les décisions avec l'intelligence d'affaires

Sur le sujet de Business Intelligence, Jones partage un exemple convaincant:

?Imaginez un dirigeant de vente qui a nourri une relation pluriannuelle et à haute confiance avec l'un des meilleurs clients de l'entreprise - puis décide de partir pour une nouvelle opportunité?, écrit-elle. ?Bien qu'il puisse y avoir des dossiers et des notes sur le client, une grande partie des connaissances profondes et contextuelles sort de la porte avec elle. La sagesse organisationnelle est fa?onnée par les personnes, la culture et les processus - et réside souvent chez les individus.?

Elle souligne comment les plateformes de collaboration peuvent aider à préserver ces connaissances.

?Des outils comme Slack, Google Workspace et les équipes de Microsoft contiennent de grandes quantités de perspicacité humaine intégrée qui sont rarement exploitées?, observe-t-elle. ?Les données non structurées de ces sources sont incroyablement utiles pour la formation des LLM, débloquant de nouvelles possibilités, telles que l'identification des aspects de la relation de vente que ce client clé a le plus apprécié.?

Elle reconna?t le défi: ?L'élargissement de la stratégie de données à cette échelle peut sembler écrasante?, mais suggère que la collaboration avec les fournisseurs et les partenaires peut atténuer la transition.

?La phase et la priorisation de l'intégration de vos données dans un système unifié est essentielle pour faire des progrès réguliers et offrir une valeur commerciale tangible?, conseille-t-elle.

Les agents de l'IA agissent

Jones souligne le potentiel transformateur des agents de l'IA. Contrairement aux systèmes traditionnels qui traitent et présentent des données, ces agents peuvent réfléchir activement et reconfigurer les flux de travail.

?Dans de nombreux cas, les agents peuvent s'optimiser les processus en découvrant des moyens plus efficaces de terminer les taches?, explique-t-elle.

Un voyage réel

En faisant référence à l'ascension rapide de Chatgpt, Jones réfléchit à son temps à Slack - une plate-forme con?ue pour la communication d'entreprise - et la fa?on dont les premiers partenariats ont fa?onné son évolution de l'IA.

?Quand je dirigeais Slack, il était énergisant de travailler avec Openai, Cohere et Anthropic, en tirant parti de leur LLMS pour relever certains des défis de productivité les plus difficiles de nos clients?, se souvient-elle.

Ceux-ci comprenaient: ?Localiser une conversation oubliée dans une mer de canaux, résumer et hiérarchiser la surcharge des messages, améliorer les fonctionnalités de recherche pour une récupération d'informations plus rapide, et plus encore.?

L'équipe a également développé de nouveaux outils.

?Nous avons lancé Slack Canvas avec des modèles pour aider les utilisateurs à générer du contenu à l'aide des données de l'entreprise et avons commencé à capturer des notes de réunion et des éléments d'action de Huddles, juste le début?, dit-elle. ?Les LLM nous ont permis de traiter de véritables points de douleur des clients de manière intuitive et significative, tout en préservant l'essence de l'expérience lache.?

Jones décrit des capacités telles que les ?enjeux de table? du paysage d'entreprise d'aujourd'hui, ouvrant la voie à ce qu'elle appelle la ?co-intelligence? - un avenir motivé par l'automatisation du flux de travail, l'IA agentique, les systèmes multi-agents et les interfaces innovantes.

Gérer notre main-d'?uvre numérique

Jones offre une métaphore puissante pour la manipulation des agents d'IA:

?La consultation des agents autonomes en tant que? travailleurs numériques ?peut aider à cadrer des questions de gestion familières: comment l'organisation évalue-t-elle la qualité de sa sortie? Quels systèmes sont-ils autorisés à accéder? Pendant un audit, comment tracer les actions prises par un travailleur numérique? Et si un agent se comporte de manière malicieusement, comment le fermons-nous?

à l'autonomie, elle précise que même les agents entièrement indépendants ont besoin de paramètres clairs.

?Comme les humains, les agents autonomes nécessitent une portée d'emploi définie ou un ensemble d'instructions pour fonctionner efficacement?, note-t-elle. ?Il s'agit d'une réalité que les dirigeants doivent se préparer - à savoir.?

Quatre principes de leadership pour l'ère IA

Jones se termine par des orientations exploitables pour les dirigeants naviguant sur l'adoption de l'IA:

1. Soyez pratique: restez activement impliqué dans les initiatives de l'IA en tant que leader
2. Collaborer stratégiquement: associer des fournisseurs et des experts externes
3. Cultivez un état d'esprit AI-First: lancez des projets natifs AI pour stimuler l'innovation
4. Concentrez-vous sur la valeur: identifier et hiérarchiser les cas d'utilisation qui offrent un impact commercial réel

Ce cadre offre une sagesse pratique pour quiconque planifie un changement stratégique majeur dans l'ère de l'IA. Certaines des idées de leadership les plus percutantes ne proviennent pas des manuels, mais des expériences du monde réel - ont traversé des discussions TED, des événements de l'industrie et des comptes de première main comme celui de Jones.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!