Créer de la valeur avec l'IA générative à grande échelle

IA générative présente un casse-tête organisationnel. Les entreprises ont collectivement investi des milliards de dollars pour donner aux employés un accès à des modèles de langage étendus (LLM) à usage général afin d'améliorer leur productivité personnelle, tout en ayant du mal, dans la plupart des cas, à développer et à adopter des applications plus stratégiques de la technologie. Un retour sur investissement significatif, et encore moins un avantage concurrentiel, restera probablement insaisissable à moins que les entreprises ne puissent utiliser l'IA générative pour réaliser des améliorations de processus innovantes qui s'étendent à travers les fonctions et les unités commerciales.1

Nos entretiens avec 87 praticiens dans 23 grandes organisations ont révélé que les dirigeants qui développent la création de valeur à grande échelle avec l'IA générative cultivent trois pratiques clés. Premièrement, ils élargissent la portée des cas d'utilisation à travers les processus plutôt que de rester concentrés sur une tâche spécifique. Deuxièmement, ils traitent chaque cas d'utilisation comme un travail en cours à améliorer continuellement. Et troisièmement, ils identifient et abandonnent rapidement les cas d'utilisation qui n'apportent pas de valeur mesurable à l'organisation.

Cependant, la plupart des entreprises traditionnelles ne sont pas structurées pour institutionnaliser ces trois pratiques. Beaucoup fonctionnent comme des organisations multidivisionnelles caractérisées par de multiples unités de profit et de perte avec des fonctions dupliquées, un flux d'informations interfonctionnel limité et une concurrence interne pour les ressources.2 Cette configuration rend difficile le développement à grande échelle des cas d'utilisation de l'IA générative à travers les processus et les unités.

Dans notre recherche, nous avons constaté que les quelques dirigeants qui surmontent ces défis vont au-delà des modèles classiques en étoile que de nombreuses organisations ont utilisés pour relier l'expertise technique centralisée en IA à chaque unité. Ils développent un nouveau type de ressource interne que nous appelons la colonne vertébrale IA. Elle fournit une structure centrale flexible pour mettre en œuvre, faire évoluer et abandonner les cas d'utilisation des LLM à grande échelle, en maintenant le portefeuille d'IA générative à la fois ciblé et à jour.