Les chatbots intelligents et la tendance plus large de l'"IA générative" font les gros titres aujourd'hui - et ce sont également des sujets qui préoccupent les acheteurs de technologies de l'information et les experts en données des grandes entreprises.

Lors de la retraite d'innovation pour cadres de Battery Ventures, qui s'est tenue au début du mois à Carmel Valley, en Californie, des cadres de plus de 30 entreprises du Fortune 500 et du Global 2000 ont discuté d'une multitude de nouvelles applications de données et d'intelligence artificielle qu'ils utilisent pour gérer leurs entreprises plus efficacement et mieux servir leurs clients.

Dans le même temps, nombreux sont ceux qui reconnaissent que l'IA générative n'en est encore qu'au tout début de son adoption dans les grandes entreprises. De plus, il est encore souvent difficile d'évaluer le retour sur investissement de certaines initiatives futuristes en matière de données, ou d'exécuter de nouvelles applications sur une infrastructure informatique tentaculaire qui est plus démodée (c'est-à-dire qui ne fonctionne pas dans le nuage) que beaucoup ne le pensent. Si les données sont un actif, je veux savoir quel est le "rendement de l'actif"", a fait remarquer un participant.

Toutefois, dans l'ensemble, en ce qui concerne l'IA, "beaucoup de choses se profilent à l'horizon et il est important de s'y intéresser", a déclaré un cadre d'une grande compagnie d'assurance nationale qui s'est exprimé lors d'une table ronde à l'occasion de l'événement.

De nombreuses entreprises essaient encore de maîtriser les éléments fondamentaux de l'IA générative et d'avoir "confiance dans les données", ce qui conduit à l'adoption et à l'utilisation rapides de technologies telles que l'étiquetage des données, l'observabilité des données et la gouvernance des données. Certains participants ont convenu qu'il faudra des années pour que ces systèmes fondamentaux soient renforcés avant que l'IA de nouvelle génération puisse réellement proliférer au sein des organisations.

Pourtant, même de petites applications de l'IA peuvent avoir un impact. L'utilisation de données pour cibler plus intelligemment les ventes de polices Medicare Advantage aux personnes âgées a permis d'augmenter les ventes de ce produit de quelques pour cent pour une entreprise présente, ce qui a eu un impact, selon un dirigeant. Un autre a parlé de l'utilisation des données/de l'IA pour associer des agents du service clientèle de certaines régions du pays à des clients similaires ; l'entreprise a constaté que certains clients du nord-est, par exemple, ne répondaient pas aussi bien au téléphone à un agent ayant un fort accent texan.

D'autres dirigeants ont parlé de l'utilisation réussie de l'IA en interne, par exemple en associant des avatars à des chatbots pour aider les employés à s'y retrouver dans leurs avantages sociaux.

Mais pour beaucoup, "l'IA est un mot à la mode, mais il est difficile à mettre en œuvre", a fait remarquer un participant. Les obstacles réglementaires sont l'un des problèmes : Dans le domaine de la santé, de nombreuses batailles se profilent pour savoir qui est propriétaire des dossiers médicaux, par exemple, et dans quelle mesure les fournisseurs et les entreprises de l'informatique dématérialisée peuvent les exploiter pour en tirer des informations à des fins commerciales ultérieures.

À la fin d'une table ronde, Battery General Partner Dharmesh Thakker a demandé au groupe s'il y avait quelque chose qu'il ne confierait pas à l'IA. Il a été difficile de trouver des exemples. Un participant a noté qu'une nouvelle société appelée DoNotPay proposait d'utiliser l'IA pour aider les défendeurs à lutter contre les contraventions au tribunal. Elle est contestée par des avocats qui craignent que l'IA ne les mette sur la paille, selon l'entreprise. L'entreprise affirme déjà avoir utilisé l'IA pour aider à régler deux millions de litiges et de problèmes juridiques liés au service à la clientèle.

La retraite de Battery comprenait également de courtes séances de présentation par une poignée d'entreprises de Battery Portefeuille et des discussions sur des sujets autres que les données, notamment sur la manière de favoriser des cultures DevOps positives et d'obtenir une productivité maximale des équipes de développement de logiciels, qui sont souvent décentralisées et difficiles à gérer aujourd'hui. De nombreux participants ont été intrigués par une discussion sur les mesures dites "DORA", quatre points de référence pour mesurer les performances DevOps. (Ces paramètres ont été élaborés par l'équipe DevOps Research and Assessment de Google à l'issue d'une étude pluriannuelle).

Les quatre normes - dont certains participants ont convenu qu'elles pourraient être un bon moyen d'impliquer à la fois les développeurs et les dirigeants des entreprises - sont la fréquence de déploiement, le délai d'exécution des changements, le taux d'échec des changements et le temps moyen de récupération.