Évaluer et définir votre cas d'utilisation professionnel d'IA générative

Last reviewed 2024-03-19 UTC

Ce document vous aide à définir un cas d'utilisation professionnel de l'IA en suivant une approche axée sur la valeur métier.

Les solutions d'IA générative et d'IA traditionnelle sont des outils puissants, mais elles doivent toujours vous aider à atteindre les objectifs de votre entreprise et ne doivent pas exister séparément. Pour créer des solutions d'IA générative ou traditionnelle efficaces, commencez par identifier clairement les objectifs ou besoins commerciaux spécifiques auxquels vous souhaitez répondre. Remontez ensuite à partir des résultats commerciaux souhaités, tels que l'amélioration de l'efficacité des employés ou la satisfaction des clients, pour vous assurer que la solution contribue directement à vos objectifs commerciaux.

Pour définir votre cas d'utilisation de l'IA générative ou de l'IA traditionnelle axé sur la valeur commerciale, utilisez le processus de décision simplifié suivant:

  1. Objectif commercial et critères de réussite: identifiez les objectifs commerciaux mesurables.
    • Concentrez-vous sur l'objectif commercial et la valeur à atteindre, tels que l'amélioration de l'efficacité et de la productivité, la réduction des coûts, l'amélioration de l'expérience client et l'avantage concurrentiel.
    • Clarifiez la manière dont les plans commerciaux mesurent la réussite des objectifs et des objectifs identifiés. Le retour sur investissement (ROI) est l'une des principales mesures de la réussite d'un projet d'IA. Le ROI peut être mesuré à l'aide de plusieurs métriques, telles que les suivantes:
      • Bénéfices financiers directs: augmentation des revenus ou réduction des coûts.
      • Efficacité opérationnelle: temps de production réduit ou résolution des problèmes plus rapide.
      • Expérience client: augmentation des scores de satisfaction ou amélioration de la fidélisation.
    • Identifiez les contraintes et les considérations potentielles de l'entreprise, comme vous assurer que les aspects de sécurité et de confidentialité répondent aux exigences de conformité propres au secteur ou aux exigences réglementaires du pays.

  2. Type d'IA/de ML: déterminez si l'IA/le ML est l'approche appropriée pour résoudre votre problème métier ou atteindre l'objectif identifié.

    Déterminez si les attentes métier identifiées nécessitent une IA générative, d'autres types d'IA ou si l'IA n'est pas nécessaire pour y parvenir. Pour en savoir plus, consultez la section Identifier le résultat dont vous avez besoin dans la section "Identification d'un problème de ML".

  3. Attentes en termes d'expérience utilisateur: identifiez les utilisateurs finaux du cas d'utilisation et découvrez comment ils peuvent interagir avec l'application ou le service basé sur l'IA générative ou sur l'IA traditionnelle. Réfléchissez aux attentes ou aux préférences des utilisateurs.

  4. Solution d'IA axée sur l'utilisateur et axée sur l'entreprise: associez le cas d'utilisation optimal de l'IA générative ou de la technologie d'IA traditionnelle aux exigences métier mesurables, aux priorités exécutives de l'organisation et aux attentes des utilisateurs. Réfléchissez aux éléments suivants :

    • Comment l'entreprise peut optimiser l'efficacité et la productivité en utilisant l'IA générative ou l'IA traditionnelle pour obtenir de meilleurs résultats plus rapidement, avec une complexité opérationnelle réduite ou des efforts réduits (et éventuellement en réduisant les coûts).
    • Comment l'entreprise peut améliorer l'expérience client ou produit en utilisant l'IA générative ou l'IA traditionnelle.
    • Comment créer de la valeur commerciale de manière innovante en utilisant l'IA générative ou l'IA traditionnelle:
      • Analysez les offres et les capacités de votre entreprise pour identifier les domaines dans lesquels l'IA générative ou l'IA traditionnelle peuvent améliorer vos solutions existantes, stimuler la créativité ou explorer de nouvelles possibilités.
      • Découvrez comment l'IA peut permettre des améliorations innovantes qui permettent à votre entreprise de se démarquer. L'IA générative peut vous aider à créer des fonctionnalités et de la valeur différenciées, à aller au-delà de la résolution de problèmes métier immédiats et à explorer des moyens d'améliorer vos offres existantes.
      • Prioriser l'utilisation de la technologie pour améliorer les capacités de votre entreprise en fonction des objectifs prioritaires de votre organisation.

  5. Changement des processus métier: identifiez les modifications que l'entreprise doit apporter aux processus ou aux workflows existants pour s'adapter au cas d'utilisation de l'IA générative ou de l'IA traditionnelle.

    Réfléchissez à la manière dont la solution d'IA changera la façon dont les employés ou les clients interagissent avec les systèmes et les workflows de l'entreprise, par exemple via une application mobile ou un chatbot de support client. Ces interactions peuvent nécessiter la modification ou la réinvention des processus backend afin de tirer parti des fonctionnalités d'IA telles que l'automatisation des workflows et d'aider l'entreprise à tirer parti des avantages de l'IA.

Exemple de cas d'utilisation professionnel de l'IA générative

Les sections suivantes fournissent un exemple simplifié qui montre comment identifier et relier les besoins et attentes métier mesurables à des cas d'utilisation métier d'IA générative efficaces.

Énoncé de la problématique métier

Dans ce scénario, les équipes du service client sont surchargées par un volume important de demandes répétitives, de gestion manuelle des demandes et de communications d'assistance par e-mail. Cette surcharge surcharge les ressources, augmente le temps de travail des agents et ralentit les délais de résolution, ce qui entraîne une baisse de la satisfaction et de la fidélisation des clients.

Domaines potentiels d'optimisation avec une valeur commerciale mesurable

Voici des exemples de valeurs métier mesurables possibles à l'aide d'une solution technologique (un chatbot) basée sur des fonctionnalités d'IA générative permettant de relever les défis commerciaux précédents. En fonction de son modèle économique et de ses priorités, l'entreprise peut prendre en compte tout ou partie de ces objectifs mesurables.

  • Améliorez l'efficacité du service client: réduisez les coûts d'assistance et simplifiez les workflows des agents. Les critères de réussite mesurables sont les suivants:
    • Réduction du pourcentage des coûts opérationnels du service client sur une période définie (telle que trimestrielle).
    • Augmentation du pourcentage du volume de demandes client traitées par le chatbot.
    • Réduction moyenne des heures de travail des agents pour les tâches répétitives.
  • Optimiser la résolution des demandes: améliorez la vitesse de résolution et augmentez le pourcentage de problèmes résolus directement par le chatbot. Les critères de réussite mesurables sont les suivants:
    • Diminution moyenne du délai de résolution pour les demandes traitées par le chatbot
    • Pourcentage de demandes résolues sans intervention humaine.
    • Réduction du pourcentage de volume de demandes à transmettre à l'équipe d'assistance technique en raison de leur complexité.
    • Augmentation du taux de résolution au premier contact (problèmes résolus en une seule interaction).
    • Augmentation en pourcentage du volume de demandes des clients traitées et résolues par le chatbot
  • Amélioration de l'expérience client: optimisez la satisfaction des clients en leur offrant réactivité et assistance personnalisée 24h/24. Les critères de réussite mesurables sont les suivants:
    • Augmentation des scores de satisfaction client (CSAT) dans les enquêtes liées à l'utilisation du chatbot.
    • Réduction du temps d'attente moyen des clients pour l'interaction initiale
    • Augmentation du nombre de problèmes résolus en une seule interaction.
    • Pourcentage de sentiments positifs détectés dans les conversations de chatbot et les enquêtes de satisfaction.
    • Amélioration du taux de fidélisation des clients
  • Soutenir la croissance des opérations commerciales: gérez l'augmentation de la demande des clients sans augmenter linéairement les coûts ni augmenter les temps d'attente pour l'interaction initiale des clients. Les critères de réussite mesurables sont les suivants:
    • Possibilité de gérer un pourcentage spécifié d'augmentation du volume des demandes d'assistance sans intervention humaine.
    • Maintenir des scores CSAT cohérents et un délai de résolution cohérent pendant les périodes de forte demande.
    • Maintenir des temps d'attente client constants pour l'interaction initiale.

Des solutions basées sur l'IA générative

Chatbot conversationnel: les chatbots ou agents virtuels basés sur l'IA générative offrent une amélioration significative de la personnalisation et des conversations naturelles semblables à des humains. Cela est dû à la capacité de l'IA générative à comprendre le contexte complexe, les sentiments et les relations au sein du langage. Cette capacité permet d'interagir plus naturellement, de poser des questions pertinentes et de fournir des recommandations personnalisées pour une expérience utilisateur améliorée.

Les capacités d'IA générative aident également les organisations à gagner en efficacité et en productivité au travail. En revanche, un chatbot traditionnel basé sur des règles est généralement limité à des mots clés et des modèles d'intent prédéfinis. Par conséquent, à mesure que les modèles de conversation évoluent ou que de nouvelles questions se posent, un chatbot basé sur des règles nécessite un effort opérationnel supplémentaire, pour les mises à jour et les raffinements de règles, ainsi que pour l'entraînement des intents. Pour ce cas d'utilisation, les chatbots basés sur l'IA générative offrent les avantages suivants par rapport aux chatbots traditionnels basés sur des règles:

  • Les réponses du chatbot basées sur l'IA générative ne se limitent pas aux questions fréquentes (FAQ). Le chatbot peut trouver des réponses dans de grands ensembles de données provenant de différentes sources, telles que l'historique des données de demandes d'assistance, des sites Web, la documentation produit, l'inventaire, les e-mails et d'anciennes conversations par chat avec résolution. Elle peut également comprendre les requêtes de conversation et résumer des informations complexes.
  • Les agents virtuels d'IA générative synthétisent les informations de toutes vos sources de données. Cette synthèse leur permet de fournir des réponses spécifiques, raisonnées et exploitables, basées sur les données que vous avez fournies et qui sont conformes aux attentes de votre entreprise.
  • L'IA générative interprète le langage complexe et les nuances d'une demande. Elle permet de comprendre le contexte global du problème du client. Un chatbot d'IA traditionnel se concentre principalement sur des mots clés spécifiques.
  • Les chatbots d'IA générative permettent aux clients de s'exprimer en utilisant la méthode de leur choix (texte, voix, image), tandis que le chatbot exploite toutes les données fournies pour améliorer la résolution des problèmes. Par exemple, les clients peuvent partager les photos d'un produit endommagé lors d'une conversation par chat, et l'IA générative peut combiner la description du client avec la photo afin d'améliorer la précision du diagnostic et du dépannage.

Workbot de gestion des demandes et de génération d'insights: un chatbot basé sur l'IA générative peut générer automatiquement des demandes à partir de chaque interaction. Le chatbot utilise des fonctionnalités d'IA générative pour comprendre l'urgence, l'analyse des sentiments et la complexité du problème. Ces fonctionnalités garantissent que les demandes sont classées efficacement. Le chatbot peut interagir avec votre système de demande d'assistance de différentes manières:

  • Le chatbot d'IA générative communique directement avec votre système de demande d'assistance pour créer et remplir la demande d'assistance avec les informations requises, telles que les suivantes:
    • Détails du client
    • Catégorisation et priorité des problèmes techniques
    • Transcription complète de la conversation pour plus de contexte
    • Synthèse du problème principal
  • Pour les nouveaux problèmes complexes, le chatbot peut attribuer la demande à la bonne équipe avec du contexte supplémentaire, comme un résumé du problème et la conversation.

Étapes suivantes