Le retour sur investissement de l’Intelligence Artificielle dans l’entreprise

Les promoteurs de l’Intelligence Artificielle (IA) ont besoin de cas d’utilisation viables et de mesures convaincantes pour faire avancer leur cause. Voici comment aborder la justification des coûts, identifier le retour sur investissement et éviter les erreurs de mise en œuvre.

Une étude récente réalisée par la société américaine MarketMuse, un évaluateur de contenu Web, a révélé que 80 % des chefs d’entreprise et des responsables informatiques veulent en savoir plus sur le coût de la mise en œuvre d’une technologie d’IA dans une entreprise ; 74 % sont intéressés à savoir combien il en coûterait de plus que les dépenses actuelles pour appliquer l’IA dans leur entreprise et 69 % veulent plus de renseignements sur la mesure du retour sur investissement (RCI) d’une nouvelle solution.

Les préoccupations au sujet de l’IA et des coûts et des gains du Learning Machine (LM) étaient en corrélation avec les données récemment évaluées pour Tech Pro Research sur les Etats Unis. Cette recherche a montré que la majorité des entreprises américaines ne comprennent pas clairement comment l’IA/ML va aider leurs entreprises. 64 % des répondants au sondage ont déclaré avoir utilisé des projets pilotes pour mettre à l’essai les concepts d’IA et de LM avant de procéder à la mise en œuvre complète.

Les faits sont clairs. Tout comme la technologie du Cloud a présenté sa part d’incertitudes lorsqu’elle a été déployée pour la première fois, l’Intelligence Artificielle, le Learning Machine, utilisés dans le domaine par exemple de la fraude contre le blanchiment d’argent, génèrent des brûlures d’estomac similaires au fur et à mesure que les entreprises progressent prudemment.

Bref, les champions de l’IA veulent une réponse à ces deux questions : Comment puis-je présenter une analyse de rentabilisation de l’IA/LM ? Comment puis-je m’assurer qu’il y aura un retour sur investissement acceptable et une compréhension des coûts permanents pour toute recommandation que je pourrais faire ?

Élaboration de l’analyse de rentabilisation

Selon une étude de TechRepublic réalisée récemment aux Etats Unis, 53 % des entreprises interrogées ont déclaré qu’elles ne comprenaient pas clairement comment l’intelligence artificielle pourraient être bénéfiques pour leurs activités.

Cette étude a été réalisée auprès d’entreprises du secteur industriel américain.

Les consultants peuvent travailler aux côtés des responsables informatiques et commerciaux de l’entreprise pour les aider à identifier les cas d’utilisation commerciale judicieuse où l’intelligence artificielle peuvent être mis en œuvre et rentabilisés.

Les fournisseurs d’intelligence artificielle peuvent aider en préemballant des cas d’utilisation d’intelligence artificielle qui sont destinés à des marchés verticaux spécifiques de l’industrie. Un exemple est IBM Watson pour les soins de santé, qui est maintenant une solution  » éprouvée  » et préemballée que les hôpitaux et les cliniques médicales peuvent utiliser pour aider aux diagnostics médicaux.

Cependant, même avec des solutions préemballées et éprouvées, il est actuellement la meilleure pratique de l’entreprise d’essayer ces systèmes avec un projet pilote préliminaire qui peut 1) montrer que la solution donnera ce que l’entreprise pense qu’elle donnera et 2) qu’elle offrira un rendement sur l’argent et les efforts investis.

Un projet pilote d’IA/ML est important en tant que preuve de concept technologique qui pourrait justifier une augmentation des dépenses. Il est tout aussi important en tant que moyen d’accroître la confiance et l’expérience en matière d’intelligence artificielle, tant dans le domaine des TI que dans celui de l’entreprise finale.

Justifier l’investissement

Une fois les cas d’utilisation commerciale identifiés et mis à l’essai, la tâche de définir un ROI et de financer les coûts d’une mise en œuvre plus vaste de l’IA/de la DL commence.

Une méthode couramment utilisée par les services informatiques pour calculer le retour sur investissement d’un projet informatique consiste à évaluer combien de temps et d’argent une amélioration du système génèrera une économie sur un processus métier. Par exemple, si vous investissez dans des serveurs virtuels pour remplacer des serveurs physiques dans le centre de données, comme la plupart des entreprises l’ont fait il y a 10 ans, il est relativement simple de calculer vos coûts initiaux pour de nouveaux logiciels et équipements de virtualisation, puis de les comparer à l’espace de plancher, à l’énergie et aux investissements en serveurs physiques que vous économisez.

Avec AI et ML, déterminer le retour sur investissement n’est pas si simple.

Le plus souvent, l’intelligence artificielle peut être utilisé pour réaliser des économies de main-d’œuvre parce qu’ils permettent d’automatiser une partie des processus opérationnels et décisionnels, mais ils permettent rarement d’automatiser ou d’économiser toutes les parties d’un processus opérationnel de bout en bout.

Pourquoi est-ce important ?

Parce que les promoteurs de l’intelligence artificielle et du blanchiment d’argent devront fournir un retour sur investissement que leurs entreprises verront au bout du compte. Cela signifie que l’ensemble du flux de travail de l’entreprise, et non seulement une partie de celui-ci, doit apporter une valeur ajoutée tangible.

Par exemple, si vous automatisez l’emballage sur une chaîne de montage, réduisant ainsi le temps et le gaspillage, mais que tous vos autres processus de bout en bout ne sont pas affectés et continuent à limiter le flux de travail, la visibilité du retour sur investissement de votre insertion AI/ML et sa diffusion seront perdues.

LECON N°1

Si vous pilotez un projet AI/ML pour un seul processus dans toute une chaîne de processus métier de bout en bout, assurez-vous que l’AI/ML que vous utilisez peut également être utilisé pour d’autres processus métier afin que vous puissiez avoir un impact total sur l’activité sans goulots d’étranglement. Et dans le cadre de cet effort, si vous documentez d’abord un retour sur investissement pour un seul processus métier, assurez-vous de structurer ce retour sur investissement autour de ce seul processus métier, afin que les attentes de l’entreprise soient correctement définies.

Comprendre (et prendre en compte) les coûts pour un véritable retour sur investissement

Dans sa forme la plus simple, une formule de RCP compare un processus actuel à un processus révisé. Ainsi, si vous utilisez l’IA/ML à des fins de diagnostic médical, vous disposez soudainement d’une puissance de calcul et d’algorithmes prédictifs qui permettent de digérer des milliers de pages de données médicales en quelques secondes, ce qui entraîne un diagnostic rapide de l’état médical du patient qu’un spécialiste médical examine et évalue ensuite. Les résultats souhaités pour lesquels vous mesurez sont la rapidité du diagnostic, la réduction du nombre d’heures-personnes et l’amélioration de la précision des résultats. Si ces paramètres opérationnels sont atteints, le ROI est en bonne voie parce que l’IA/ML a réduit le temps nécessaire au diagnostic, économisé des heures de travail et, espérons-le, réduit les marges d’erreur.

Malheureusement, ce retour sur investissement initial ne tient pas compte du coût d’obtention d’une plus grande puissance de calcul, de stockage et ainsi de suite, pour supporter la nouvelle solution. Il n’inclut pas non plus de temps pour restructurer les processus d’affaires, réviser les systèmes environnants, intégrer ces systèmes disparates à la nouvelle plate-forme d’IA, former les utilisateurs des TI et les utilisateurs finaux, la consommation d’énergie et les coûts des centres de données, les coûts de mise en œuvre initiale, les licences, et cetera. Ces coûts d’installation et d’assistance doivent également être pris en compte dans l’équation du retour sur investissement pour vous assurer que vous obtenez toujours des résultats positifs au fil du temps.

LECON N°2 L’obtention d’un ROI initialement intéressant dans le cadre d’un projet pilote en réduisant le temps d’exploitation ou en améliorant le potentiel de revenus n’est pas un résultat de ROI suffisamment solide pour aller de l’avant. Le champion d’un projet d’IA/ML devrait se réunir avec les responsables des finances et déterminer les prévisions de ROI à long terme sur plusieurs années. Ces projections à long terme devraient tenir compte de tous les actifs de l’entreprise nécessaires à l’exploitation, comme le nouvel équipement et les nouveaux logiciels, les coûts du cloud, les coûts de l’énergie et des centres de données, les coûts de formation, les coûts de révision et d’intégration des systèmes et processus opérationnels, et même la main-d’œuvre supplémentaire qui pourrait être nécessaire pour exploiter cette nouvelle technologie. L’objectif devrait être d’obtenir un rendement du capital investi qui reste positif au fil du temps et qui tire parti de sa valeur en continuant d’enrichir les processus opérationnels et les résultats.

Laisser votre commentaire