Le parcours de Microsoft pour adopter et déployer l'IA à grande échelle au sein de son organisation commerciale

BRIAN KENNY : Que faut-il pour amener des dizaines de milliers d'employés à changer fondamentalement leur façon de travailler ? L'étude de cas d'aujourd'hui examine une organisation commerciale mondiale qui déploie un puissant assistant IA, intégré de manière transparente aux outils quotidiens. Au début, l'enthousiasme est grand, mais l'adoption stagne lorsque les employés ne savent pas comment utiliser l'outil en pratique et que la frustration s'installe. L'organisation expérimente de nouvelles méthodes pour stimuler l'adoption – formations ciblées, champions pairs et construction d'habitudes – transformant finalement la façon dont l'équipe commerciale opère et crée de la valeur. Mais alors que les progrès s'installent, un nouveau défi émerge. La prochaine génération d'IA ne se contente pas d'assister, elle agit. Des agents autonomes commencent à gérer les interactions avec les clients, soulevant des questions plus profondes sur la confiance, le contrôle et l'avenir du travail lui-même. C'est une histoire sur le déploiement à grande échelle de l'IA et les systèmes humains nécessaires pour la faire perdurer.

Aujourd'hui dans Cold Call, nous discuterons du cas « Microsoft Customer and Partner Solutions, The Deployment of Copilot » avec les professeurs Iav Bojinov et Shunyuan Zhang. Je suis votre hôte, Brian Kenny, et vous écoutez Cold Call sur le réseau de podcasts HBR.

BRIAN KENNY : Les recherches d’Iav Bojinov portent sur le processus de développement et d’intégration des produits d’IA dans le monde réel. Vous êtes un client régulier. Bon retour, Iav.

IAV BOJINOV : Merci. C'est un tel plaisir d'être de retour.

BRIAN KENNY : C’est un plaisir de vous recevoir à nouveau dans l’émission. Shunyuan Zhang utilise l’apprentissage automatique pour résoudre des problèmes marketing apparus dans l’économie de partage naissante. Vous pourrez nous expliquer de quoi il s’agit au fil de la conversation. Merci de vous joindre à nous.

SHUNYUAN ZHANG : Merci, Brian. C'est un plaisir d'être ici.

BRIAN KENNY : Nous sommes ravis de vous accueillir tous les deux. Nous parlons constamment de l’IA, tout le monde en parle, et nos auditeurs aussi, j’en suis sûr : l’IA par-ci, l’IA par-là, et ses implications. Ce cas illustre comment elle est appliquée dans le monde réel, de manière très concrète. Je suis donc heureux que vous ayez rédigé ce cas, et je dois mentionner que Raffaella Sadun était votre co-auteure. Elle n’a pas pu se joindre à nous aujourd’hui. Mais je pense que nos auditeurs seront très intéressés d’apprendre comment l’IA est déployée chez Microsoft, une entreprise légendaire, au sein de leur force de vente mondiale. Ce n’est donc pas une mince affaire. Alors, entrons directement dans le vif du sujet. Shunyuan, je vais commencer par vous : quels sont les enjeux centraux de ce cas ? Et je me demande pourquoi vous, Rafaella et Iav avez trouvé ce cas intéressant à rédiger.

SHUNYUAN ZHANG : Ce qui nous a vraiment attirés vers ce cas, c’est qu’il inverse exactement la conversation habituelle sur l’IA. Et par là, je veux dire que si vous écoutez les débats actuels sur l’IA, la plupart portent sur la question de savoir si la technologie fonctionne. Ici, la technologie, le modèle d’IA, fonctionne dans une entreprise qui construit de l’IA avec une main-d’œuvre sophistiquée. Pourtant, quand on regarde les résultats, l’adoption est passée de 22 % à 5 % après l’enthousiasme initial, chutant très rapidement en un mois. Et ce que nous avons découvert, c’est que le problème plus profond ne concernait pas la technologie. Il s’agissait des couches humaines, organisationnelles et comportementales sous-jacentes. C’est ce qu’on demande aux gens de changer, ce pour quoi ils sont incités à agir et à apprendre, ce que leurs rôles signifient pour eux, et comment vous concevez vraiment le déploiement de l’IA. Et ce qui est intéressant, c’est que Microsoft n’a rien fait d’inhabituel. Ils ont suivi leur manuel standard, et c’est ce qui rend cet échec, je suppose, vraiment intéressant.

IAV BOJINOV : Et pour ajouter à cela, ce qui est fascinant dans cette affaire, c’est qu’elle concerne Microsoft, les personnes qui construisent l’outil.

BRIAN KENNY : C’est vrai.

IAV BOJINOV : Et voici l’équipe commerciale qui vend réellement cet outil. Donc, si ce sont les personnes qui essaient de vous convaincre d’acheter Copilot, et pourtant elles ne l’utilisent pas… Eh bien, il se passe quelque chose d’intéressant ici. Nous avons donc dû creuser et essayer de vraiment comprendre ce qui se passe, ainsi que les défis à relever et comment commencer à les surmonter. Car franchement, si ces personnes n’y arrivent pas, quel espoir une autre organisation peut-elle avoir ?

BRIAN KENNY : Oui. En effet. Je suis assez vieux pour me souvenir de l’époque où Microsoft a lancé Clippy, ce qui était, je pense, une première tentative précoce dans le domaine de l’IA. Je n’ai donc pas pu m’empêcher d’y penser lorsque Copilot est sorti. Mais pour nos auditeurs qui, comme moi, sont peut-être en train d’apprendre l’IA, il s’est passé tellement de choses. Cela a évolué si rapidement, et nous entendons beaucoup de nouveaux termes, comme le « vibe coding » et le « in the flow ». Ce cas concerne précisément l’IA intégrée dans le flux de travail. Iav, pouvez-vous nous expliquer ce que cela signifie dans ce contexte ?

IAV BOJINOV : Oui, absolument. Et pour revenir en arrière, je pense que l'IA a connu une croissance exponentielle. Les modèles deviennent de plus en plus intelligents. J'ai d'ailleurs fait un petit calcul amusant : du jour où mon cours obligatoire de MBA sur « La science des données et l'IA pour les dirigeants » a commencé, fin janvier-début février, jusqu'à sa fin, il y a environ deux semaines, en avril. On peut observer à quel point l'intelligence des modèles a augmenté entre le début et la fin. Et quand on calcule cela sur une série de critères, on constate une amélioration d'environ 2 % de l'intelligence par semaine, avec un effet cumulatif.

IAV BOJINOV : Et donc, les choses avancent vraiment très, très vite. Et ce n’est pas qu’un seul type de modèle. Nous sommes passés des grands modèles de langage qui prédisent le mot suivant aux modèles de raisonnement qui réfléchissent avant de parler. Et maintenant, nous en sommes vraiment aux systèmes agentiques, capables de penser, mais aussi d’agir et d’atteindre des objectifs. Dans ce cas, le cas commence et se construit en quelque sorte, avec un cas A, B et C. Cela commence aux premiers jours de Copilot, où ce n’est qu’un assistant accessible via Teams, Outlook, Microsoft, Docs et Excel, etc. Et là, l’espoir était que les gens commencent à l’utiliser et à l’intégrer dans leur travail. Et ce que vous dites, Brian, à propos du flux des choses, c’est que l’idée est qu’il ne reste pas en marge comme Clippy, mais qu’il s’intègre réellement dans le travail. Et lorsqu’ils le lancent, l’espoir est qu’il y ait une amélioration très rapide de la productivité et de la qualité du travail, mais ce n’est tout simplement pas ce qui s’est passé.

BRIAN KENNY : Oui. Shunyuan y a fait allusion tout à l’heure. Microsoft a déployé ce genre de choses, je suppose, de nombreuses fois au fil des ans. Ils sont doués pour ça, et pourtant, pour une raison quelconque, cette fois-ci, ça n’a pas fonctionné avec le modèle traditionnel. Pourquoi pensez-vous que cela a brisé le modèle traditionnel ?

IAV BOJINOV : Oui. Je pense que la plus grande erreur que commettent la plupart des organisations est de traiter l'IA générative comme n'importe quel autre déploiement technologique. La raison pour laquelle elle est différente, c'est que cette technologie est un outil d'IA à usage général. Elle peut faire énormément de choses, mais le problème est qu'elle peut faire beaucoup de choses, sans que personne ne vous dise ce que vous devriez en faire. Avec les vagues technologiques précédentes, si vous déployiez SAP, il était très clair ce que vous deviez faire avec SAP. Et il était très clair que lorsque vous passiez d'un système analogique à un système numérique, vous ne faisiez que cartographier les choses. Les gens savaient donc ce qu'ils faisaient. Mais avec cette technologie, ce que nous avons appris, c'est qu'il faut créer un espace pour que les gens puissent réellement expérimenter. Il y a donc toute une phase d'expérimentation où les gens doivent simplement jouer avec cette technologie pour découvrir quels sont les schémas qui émergent et qui peuvent réellement créer de la valeur pour l'organisation. Et il s'avère que tout le monde n'est pas bon dans cette expérimentation. Tout le monde n'a pas cet état d'esprit. Beaucoup de gens veulent simplement faire leur travail. Ce n'est donc pas surprenant que beaucoup de gens aient essayé, n'aient trouvé aucun cas d'utilisation valable, puis aient arrêté de l'utiliser. Mais une petite poignée de personnes doit persévérer et continuer à expérimenter. Ainsi, la première étape du déploiement consiste désormais à créer un espace pour que les gens puissent expérimenter et trouver ces cas d'utilisation à forte valeur ajoutée.

BRIAN KENNY : Mais pour revenir à votre point, je pense que cela soulève une question intéressante, notamment concernant les commerciaux : leur temps est vraiment précieux. Ils doivent être constamment concentrés sur leurs tâches. Ils ont des objectifs à atteindre. Leurs managers exercent une pression pour qu'ils les atteignent. Donc, l'idée de prendre du temps pour « jouer » avec quelque chose est probablement une hérésie pour ces personnes. Pouvez-vous nous parler un peu, Shunyuan, de l'écart qui existe peut-être entre la façon dont les gens perçoivent le potentiel de ces outils d'IA et ce que cela signifie dans leur réalité quotidienne ?

SHUNYUAN ZHANG : Il y a clairement un écart. Au début, l’adoption était élevée et l’enthousiasme n’était pas feint, car les gens espéraient sincèrement que l’IA prenne en charge les parties de leur travail qu’ils détestaient. Mais le problème, comme l’expliquait Iav, c’est qu’il faut de l’expérimentation. Et en tant que vendeur soucieux des quotas, je n’ai pas le temps de rester là à essayer 14 ou 15 invites différentes juste pour obtenir un résultat utilisable. Je pense que l’écart se situe vraiment entre une belle démonstration et une journée de travail réelle. Dans une démo, en laboratoire, l’IA semble magique, mais dans la vie quotidienne d’un vendeur, pendant sa journée de travail, ils posent simplement cette question : « Est-ce que cela m’aide maintenant, au milieu de mon flux de travail ? » Si la réponse est seulement : « Eh bien, parfois, ça dépend », alors les gens retournent rapidement à leurs anciennes habitudes. C’est la baisse que nous avons observée, mais je ne dirais pas que les gens rejettent l’IA. Cela signifie simplement que la valeur précoce est inégale et vraiment difficile à évaluer pour les gens.

BRIAN KENNY : Oui. Et je pense que le changement est difficile en général, n'est-ce pas ? Donc changer quoi que ce soit dans votre flux de travail est difficile. Iav, tu allais dire quelque chose.

IAV BOJINOV : Oui, j'allais justement ajouter que, d'après 20 ans de recherche sur l'adoption technologique, lorsqu'une nouvelle technologie apparaît — ce sont les travaux d'Erik Brynjolfsson — on observe une courbe en J de la productivité : au début, quand on l'utilise, on perd en productivité. Et si l'on pense à Copilot ou à tout outil d'IA générative — et je suis sûr que tous nos auditeurs peuvent s'y reconnaître — la première fois qu'on utilise cet outil, on n'est certainement pas plus productif. En fait, on est probablement beaucoup plus lent. Puis, peut-être deux jours plus tard, on est encore plus lent, mais après quelques semaines de travail, on retrouve peut-être enfin son niveau de productivité initial, et quelques semaines plus tard, on pourrait même être plus performant. Ce que nous avons appris de ce cas, c'est qu'il se produit en réalité trois choses. La première, c'est le produit lui-même.

Le produit vous indique à quel point vous pouvez réellement progresser avec cette technologie. Jusqu'où votre productivité peut-elle aller ? Le deuxième élément est le processus, c'est-à-dire la rapidité avec laquelle vous pouvez apprendre, du niveau débutant au niveau avancé. Autrement dit, avons-nous des formations en place ? Avons-nous des guides pratiques pour vous aider à identifier ces cas d'usage à forte valeur ajoutée ? Cela détermine la vitesse à laquelle vous sortez de la baisse de productivité. Et le troisième élément, ce sont les personnes. Comme le disait Shunyuan, tout le monde ne fournit pas le même effort. Ce que nous avons observé, c'est que ceux qui fournissent un effort minimal n'ont pas cette baisse, mais ils n'en tirent pas non plus les bénéfices. Et ceux qui fournissent beaucoup d'efforts connaissent une baisse importante, mais finissent par en sortir. Cependant, ce dont on parle moins, c'est le piège de la compétence : les personnes très compétentes ne tirent pas forcément un meilleur parti de cet outil.

BRIAN KENNY : Intéressant.

IAV BOJINOV : Parce qu’ils connaissent peut-être tous les raccourcis, ils savent tout, comment utiliser parfaitement chaque système. Et quand on leur donne ce nouveau système, qui est puissant, mais à l’époque, c’était un peu les débuts de Copilot, encore très nouveau, très expérimental, ils peuvent en fait être moins performants avec cet outil. Il n’est donc pas surprenant que les gens l’aient essayé, n’aient pas vu la valeur ajoutée, aient constaté une baisse de productivité, et soient rapidement revenus à ce qu’ils faisaient avant.

BRIAN KENNY : Oui. Je sais que les personnes comme vous qui étudient l'IA s'empressent de nous dire que nous utilisons l'IA depuis des années. Vous ne le saviez pas, mais vous l'utilisiez pour ceci, pour cela, et pour autre chose encore. Et je suis sûr que tout cela est vrai, et que c'est peut-être ce qui a rendu son utilisation plus facile, car il s'agissait d'une chose à usage unique. Elle avait une fonction très spécifique à remplir pour moi. Ce sont des outils polyvalents, n'est-ce pas ? On peut tout faire avec, ou peut-être pas tout, mais on peut faire beaucoup de choses. Comment faut-il envisager différemment le déploiement d'un outil polyvalent par rapport à quelque chose conçu pour une tâche spécifique ?

IAV BOJINOV : Oui, je pense que cela revient à cette expérimentation. Et après avoir expérimenté, il faut déterminer comment passer à l’échelle et partager cela avec les autres. Ce qui est vraiment intéressant dans cette étude de cas, c’est que les personnes très douées pour expérimenter ne sont pas celles qui excellent pour faire adopter l’outil par les autres. En général, si l’on devait décrire les expérimentateurs, ils sont souvent plus jeunes et très à l’aise avec la technologie, mais ce ne sont pas eux qui convaincront tout le monde d’adopter l’outil. Ceux qui sont bien plus susceptibles d’inciter les autres à l’utiliser sont ceux qui sont là depuis 20 ou 30 ans.

Et l'une des choses fascinantes que nous avons observées dans cette étude de cas, c'est qu'en discutant avec divers dirigeants, l'un d'eux a mentionné avoir placé leur employé le plus senior, le plus expérimenté, le plus anti-IA et anti-technologie comme champion de l'adoption, en le jumelant avec un jeune prêt à expérimenter et à essayer toutes sortes de choses folles. La raison était la suivante : cette personne expérimente et découvre de nouvelles choses. Si elle parvient à convaincre cet employé présent dans l'entreprise depuis 15 ou 20 ans, qui connaît parfaitement l'organisation et le modèle d'affaires, que cela apporte de la valeur, alors dès que cette personne bascule, tout le monde bascule.

BRIAN KENNY : Oui. Parce que ça a une sorte de crédibilité instantanée, je suppose, quand on fait comme ça.

IAV BOJINOV : Exactement.

BRIAN KENNY : Vous avez tous deux évoqué le fait que cette initiative est déployée auprès d'une main-d'œuvre férue de technologie. C'est aussi, en tant qu'organisation commerciale, une équipe qui a tous ses processus bien en place, je suis sûr qu'ils sont très rigoureux sur le plan procédural. Et cela représente un écart par rapport au processus, ce qui est difficile. Nous avons parlé du fait que le changement est difficile. Selon vous, Shunyuan, quels ont été les leviers les plus importants qu'ils ont activés pour inciter les gens à changer ?

SHUNYUAN ZHANG : Je pense que ce que nous avons appris de ce cas, et aussi ce que Microsoft a finalement fait, il y a différents leviers, et Iav en a couvert la plupart. Il y a un levier de formation : il faut des compétences de base, les gens doivent comprendre ce que l’IA peut faire et comment la solliciter. Ensuite, il y a un levier de gestion : lorsque vous traversez cette courbe en J, cette baisse, les gens souffrent au fond. Ils assument un travail supplémentaire aujourd’hui pour un gain incertain demain. Maintenant, s’ils n’atteignent pas leur quota ce mois-ci, qu’est-ce que cela signifie pour eux ? Qui va en assumer la responsabilité ? La direction doit se lever et dire : « Hé, c’est un apprentissage, vous ne serez pas pénalisés à cause de la courbe d’apprentissage. »

BRIAN KENNY : Ont-ils fait cela ? Ont-ils relevé le défi de cette manière ?

SHUNYUAN ZHANG : Eh bien, je suis sûr qu'il y a eu des conversations au sein de l'entreprise, sinon vous ne pourriez pas amener les gens à se sentir à l'aise pour expérimenter et traverser la phase descendante de la courbe d'apprentissage. Il y a aussi un levier social ou entre pairs, qu'ils appellent « trouver les cool kids », c'est-à-dire les personnes très respectées qui utilisent déjà l'IA, et vous voulez vous assurer qu'elles gagnent en visibilité, afin que les autres voient comment elles réussissent avec l'IA. Donc, la formation et les leviers de gestion sociale — je pense que le levier social est peut-être le plus important et pas le plus évident, car face à quelque chose d'aussi nouveau, il s'agit d'une IA à usage général censée être intégrée dans un rôle spécifique au sein d'un flux de travail, et vous demandez aux gens d'assumer le coût d'apprentissage pour quelque chose d'incertain dans le futur. Ils veulent regarder sur les côtés avant de lever les yeux, pour voir comment leurs pairs l'utilisent et quels en sont les résultats. Et c'est ce qui serait le plus évident pour les convaincre de l'utiliser.

BRIAN KENNY : Fort de mon expérience à la Harvard Business School, Iav, vous avez participé à ce que nous appelons l'AI Academy, un programme que nous déployons dans toute l'école. C'est formidable. Nous formons 2 000 membres du personnel à ce programme pour que chacun puisse au moins reconnaître les façons d'utiliser l'IA. Voilà mon point de référence pour cela, mais cela est devenu concret pour moi lorsque vous nous avez fait faire des exercices qui ressemblaient presque à un jeu, comme si nous participions à une compétition. Ainsi, cette idée de ludification, qui apparaît également dans le cas, est peut-être un autre levier qu'ils ont essayé d'utiliser.

IAV BOJINOV : Oui, absolument. Et je pense que c'est un autre point de défaillance : beaucoup d'organisations, et Microsoft a fait de même au début, voulaient que les gens se concentrent sur la valeur. Mais si l'on pense en termes d'expérimentation et d'apprentissage, il faut le faire dans un environnement sécurisé, où l'on est presque extrait de son travail pendant un certain temps, au sein de l'AI Academy. D'ailleurs, j'y enseignais justement cette semaine, lundi et mardi, nous avons eu deux sessions à ce sujet, cela nous permet de sortir notre personnel. Et au passage, les enseignants aussi vivent une version de cela. Cela nous donne l'occasion de les sortir, de leur expliquer ce qu'est l'IA, puis de créer un espace sécurisé où ils peuvent apprendre et explorer les capacités. Ainsi, à la fin, ils peuvent déterminer : « D'accord, nous avons vu ces neuf cas d'usage différents de l'IA, lesquels s'appliquent à mon travail quotidien et comment puis-je, dès demain et la semaine prochaine, commencer à utiliser ces capacités dans mon travail ? » Et nous avons rédigé des études de cas sur d'autres entreprises. Nous avons un cas sur Moderna, et l'une des choses qui retient toujours l'attention des étudiants dans ce cas, c'est que quelqu'un a construit ce qu'on appelle un CatGPT. Ils génèrent essentiellement des images de chats. Et tous nos étudiants en MBA disent toujours : « Il n'y a aucune productivité là-dedans. Pourquoi feriez-vous cela ? Cela semble si stupide. » Mais si l'on creuse un peu, en réalité, cela a créé un espace —

BRIAN KENNY : Sans jeu de mots.

IAV BOJINOV : Oui. Cela a créé un espace pour que les gens puissent expérimenter, cela a rendu les choses sûres et amusantes, cela a éliminé la peur, et leur a montré une autre façon de travailler. Pour moi, c’est un aspect tellement crucial que beaucoup de gens négligent, en se concentrant uniquement sur la productivité, la productivité, la productivité, sans réaliser que cela ne fait que créer de la peur et de l’anxiété, sans susciter cette excitation que nous devrions ressentir face à cette nouvelle technologie. C’est tellement incroyable. Elle peut faire tant de choses, mais je pense que si nous nous accrochons uniquement à la productivité, nous échouons dès le premier obstacle.

BRIAN KENNY : Oui. Et un autre avantage qui ressort également dans le cas, surtout dans une organisation commerciale où peut-être beaucoup de choses que vous faites sont routinières dans la vente et vous ne vous sentez pas vraiment comme un consultant, vous êtes plutôt comme quelqu’un qui effectue des transactions avec les gens, n’est-ce pas ? Donc l’un des avantages qui ressort dans le cas, c’est que cela libère les vendeurs pour qu’ils soient plus consultants et moins transactionnels. Est-ce quelque chose que vous avez observé lorsque vous leur parliez ?

SHUNYUAN ZHANG : Oui, absolument. Et je pense que cela ne concerne pas seulement Microsoft dans ce cas précis, mais aussi d'autres entreprises avec lesquelles j'ai travaillé, comme cette société de vente B2B en Turquie, qui vend ces grosses machines. Dès lors que vous utilisez l'IA pour assister les vendeurs — car 70 % de leur temps est consacré à des tâches administratives, non orientées client, alors que les vendeurs sont censés être en contact avec les clients —, lorsque l'IA libère vraiment leur temps et leur fournit des informations basées sur les données concernant les besoins et les désirs des clients, sans exiger des vendeurs qu'ils mémorisent, je ne sais pas, peut-être les préférences des clients, vous transformez — ou le mot que j'aime utiliser est « recharter » — le rôle : vous faites passer le vendeur d'une vente transactionnelle à un espace de construction relationnelle avec le client, en jouant un rôle de conseil. Vous aidez les clients à comprendre ce qu'ils veulent vraiment et ce dont ils pourraient bénéficier grâce à un produit qu'ils n'ont peut-être pas encore découvert, mais qui pourrait vraiment leur être utile.

BRIAN KENNY : Oui. Cela vous permet peut-être de prendre du recul et de repenser la relation que vous entretenez. Iav, vous étiez ici plus tôt pour discuter avec moi du cas de Pernod, sur la façon dont ils ont adopté l'IA au sein de leur organisation. Et nous avons beaucoup parlé de la mentalité des commerciaux, n'est-ce pas ? Les commerciaux sont très axés sur les relations. Ils valorisent ces relations. Ils les gardent très proches et serrées, n'est-ce pas ? Je voudrais aborder un peu le changement vers l'IA agentive qui se produit chez Microsoft et comment cela pourrait jouer sur certaines des craintes et préoccupations qu'un commercial pourrait avoir en voyant cela pénétrer son domaine.

IAV BOJINOV : Oui, absolument. Et j'ajouterais que nous n'avons pas terminé l'histoire de l'adoption. Après avoir redéfini leur approche et créé un espace d'expérimentation, ils ont pu pousser l'organisation à atteindre environ 80 à 90 % d'utilisateurs actifs quotidiens. Cela a pris un peu de temps. Cela a soulevé une grande question : que faire après deux ans avec les retardataires ? C'est une conversation vraiment intéressante à avoir. Mais en même temps, là où nous nous sommes arrêtés dans le cas C, c'est cette notion d'agent de vente autonome. Ce sont des systèmes d'IA qui peuvent essentiellement gérer l'ensemble du pipeline de vente, des premières conversations avec les clients aux recommandations, aux négociations potentielles, à l'exécution de la transaction, de la vente, pardon, à l'exécution de la vente, puis au suivi de son déroulement. Dans le cas, nous parlons de la façon dont ils ont mené une expérience en déployant ces agents de vente dans l'espace PME, et il faut savoir que Microsoft a une mentalité d'abord tournée vers les grandes entreprises, où ils ne travaillent vraiment qu'avec de grandes organisations. Donc, si vous êtes une entreprise de deux ou trois personnes, vous ne parlez pas à un représentant commercial.

BRIAN KENNY : C’est vrai.

IAV BOJINOV : C’est en libre-service. Et donc l’idée était que cela pourrait essentiellement s’inscrire dans cet espace blanc, un endroit qu’ils ne couvrent pas —

BRIAN KENNY : Donc, ils ne sont pas menaçants.

IAV BOJINOV : Ils ne les menacent pas.

BRIAN KENNY : Les commerciaux en entreprise, oui.

IAV BOJINOV : Là où nous en sommes, c'est avec cette question vraiment intéressante : « Bon, cela a été très réussi lors des premiers pilotes et expérimentations. » Que faites-vous maintenant avec ces agents ? Commencez-vous à élargir leur portée et leur champ d'action, et à leur confier de vrais clients, de vrais clients d'entreprise avec qui interagir ? Qui les gère ? Restent-ils gérés de manière centralisée par une équipe centrale de gestion des agents ? Ou donnez-vous aux professionnels de la vente les moyens de déployer leurs propres agents personnels pour interagir avec leurs propres clients personnels, n'est-ce pas ?

BRIAN KENNY : Ça a l’air effrayant.

IAV BOJINOV : Eh bien, c’est effrayant, mais c’est aussi une énorme opportunité pour eux, car ils connaissent leurs clients et savent lesquels d’entre eux accepteraient de recevoir une réponse instantanée d’un agent pour une question rapide, sans avoir à décrocher le téléphone pour parler à une personne réelle. C’est là que nous en étions dans le cas : les agents sont là, ils peuvent faire des choses incroyables. Comment les gérer ? Qui les développe ? Comment vérifier qu’ils font du bon travail ? Et comment les déployer à grande échelle ?

BRIAN KENNY : Eh bien, explorons peut-être certains de ces aspects. Shunyuan : Comment envisagez-vous les possibilités, mais aussi les limites de l’automatisation pour gérer quelque chose d’aussi axé sur les relations et les nuances qui les accompagnent ? En tant que commercial, j’aime penser : « Hé, je connais vraiment ce client. Je sais qu’il s’agit d’une famille. Je sais tout sur cette personne. » Un agent automatisé peut-il avoir le même niveau de compréhension ? Je vous mets au défi. Après tout, c’est Cold Call.

SHUNYUAN ZHANG : J'adorerais en avoir un. En prenant un peu de recul, cet agent autonome... Iav en a parlé, et nous avons eu cette conversation sur la façon dont l'IA transforme les agents de vente, je veux dire les vendeurs, en leur offrant plus de capacités et de flexibilité. Maintenant, un agent autonome pousse un peu les choses plus loin, n'est-ce pas ? Mais il faut être prudent, car nous parlons de vendeurs ici. C'est un travail en contact direct avec les clients, un travail relationnel. Et pour moi, le travail relationnel, c'est ce que j'appellerais un travail à forte variance, car il implique beaucoup de jugements humains subtils, cachés mais importants.

Et ma théorie est que si l’on considère cela comme un spectre ou une échelle, plus l’IA devient autonome, plus le problème technique ou technologique devient facile, mais la partie la plus difficile serait la composante humaine. Et c’est précisément à cause de cette frontière définie par la relation. Je veux dire, si l’on pense aux experts humains, ils savent lire une situation et savent quand insister et mettre la pression dans un moment tendu, quoi ne pas dire, quand s’arrêter et quand reculer. Mais c’est vraiment la partie la plus difficile à encoder avec l’IA. Et si l’IA se contente d’analyser tous les e-mails, elle peut certes extraire toutes les informations d’un e-mail client, mais un expert humain regarde l’e-mail et sait qu’une phrase spécifique compte dix fois plus que tout le reste. C’est donc vraiment cela, je suppose, la relation, qui concerne la construction de la confiance et de la marque, qui rend les choses vraiment… nous devons être très prudents. Donc la limite, je dirais en général, est que l’IA fonctionne mieux sur la partie la plus structurée du travail. Mais il y a des parties plus humaines, basées sur le jugement et non structurées, avec lesquelles nous devons être plus prudents, car dès qu’il s’agit de clients, de relations, de construction de marque et de confiance.

BRIAN KENNY : Oui. Et cela me rend plutôt optimiste, car alors que les gens s’inquiètent de la disparition de nombreux emplois, on entend beaucoup de sonnettes d’alarme concernant l’IA et son impact sur la main-d’œuvre. Une chose que j’ai entendue de manière constante, c’est que l’IA ne fait pas preuve de jugement comme le font les humains. Ce fut une excellente conversation. Je le savais. Il ne nous reste plus beaucoup de temps. J’ai donc une question pour chacun d’entre vous. En fait, c’est la même question. Je vais peut-être commencer par vous, Shunyuan : s’il y a une chose que vous souhaitez que les gens retiennent de cette affaire Microsoft, quelle serait-elle ?

SHUNYUAN ZHANG : En matière d'adoption de l'IA, transformer une entreprise est certes possible, mais la technologie est la partie la plus facile. La partie la plus difficile est tout ce qui l'entoure, à savoir l'identité, les incitations, la gestion et le comportement humain.

BRIAN KENNY : Oui. Iav, vous ne pouvez pas dire que vous êtes d’accord avec cela, et cela ne peut pas être votre réponse, vous devez ajouter quelque chose.

IAV BOJINOV : Cela semble formidable. J'ajouterai ceci. L'un des principaux enseignements que je tire de ce cas est que l'IA modifie les descriptions de poste, mais pas les emplois eux-mêmes, ce qui signifie que le travail effectué avec l'IA commence à se transformer. Certaines tâches spécifiques ne sont plus réalisées, mais cela ne signifie pas pour autant une perte d'emploi. Cela signifie plutôt que les personnes peuvent accomplir davantage. Dans cet exemple précis, le fait que l'IA prenne en charge une grande partie du travail administratif a permis aux commerciaux de se concentrer sur les tâches à forte valeur ajoutée et d'apporter une réelle contribution. Il y a eu des exemples remarquables de collaboration avec des organisations pour créer d'excellentes idées de partage des revenus, qu'ils n'avaient tout simplement pas le temps d'explorer auparavant, ni même les capacités de mettre en œuvre. Ils faisaient appel à une équipe de conseil interne pour les aider. Mais désormais, grâce à l'IA, ils sont en mesure de le faire par eux-mêmes. Ainsi, l'IA modifie les descriptions de poste, mais je suis moins inquiet pour les emplois.

BRIAN KENNY : Oui. Donc vous êtes tous les deux optimistes quant à l’avenir avec l’IA, j’imagine.

IAV BOJINOV : Oh, absolument.

BRIAN KENNY : Y aura-t-il une affaire D concernant Microsoft ?

IAV BOJINOV : Probablement, oui. Je veux dire, ils ont tellement fait depuis, et nous travaillons très étroitement avec eux sur plusieurs autres projets, et c'est un domaine tellement fascinant qu'il change si, si rapidement.

BRIAN KENNY : Oui, et c'est une entreprise incroyable. Donc entendre comment ils ont lutté avec cela et ont ensuite trouvé un moyen de s'en sortir, je pense que c'est vraiment intéressant et encourageant. Alors, Shunyuan, Iav, merci de vous joindre à moi.

IAV BOJINOV : Merci.

SHUNYUAN ZHANG : Merci.

BRIAN KENNY : Si vous aimez Cold Call, vous aimerez peut-être nos autres podcasts : Augmentation du climat, Coacher de vrais leaders, IdeaCast, Gérer l’avenir du travail, Pont aérienet Pensez grand, achetez petit. Trouvez-les partout où vous obtenez vos podcasts.

Si vous avez des suggestions ou si vous souhaitez simplement nous dire bonjour, nous souhaitons vous entendre. appel à froid@hbs.edu.