Depuis que l'intelligence artificielle générative (IA gén) est devenue une expression courante l'année dernière, les responsables des technologies d'entreprise ont subi une pression incroyable pour déployer la technologie, entre une vague de demandes des utilisateurs et des mandats imposés par les conseils d'administration.

Toutefois, la mise en œuvre de l'IA dans les entreprises s'avère plus compliquée, ce qui pourrait avoir un impact négatif sur les sociétés de logiciels qui vendent leurs produits aux entreprises, du moins à court terme.

Plus précisément, de nombreuses organisations qui envisagent de mettre en œuvre l'IA s'inquiètent de la perte potentielle de données d'entreprise, un risque qui pèse lourdement sur les acheteurs et leurs homologues juridiques, par exemple. Du côté des fournisseurs, de nombreuses startups du secteur du logiciel s'efforcent de créer des produits et des flux de travail d'IA générique pour permettre de nouvelles expériences utilisateur. Mais les entreprises de logiciels ne peuvent pas adopter une approche du type "construisez-le et ils viendront" ; elles doivent en effet satisfaire les acheteurs hésitants face à l'IA - ou pire, elles risquent de nuire à leur croissance à long terme.

Nos conversations avec les responsables des technologies et de la gestion des risques nous ont permis d'identifier un grand nombre des principales préoccupations des entreprises lors des négociations avec les nouveaux vendeurs de logiciels :

• Ea formation des employés : À mesure que les flux de travail évoluent pour intégrer l'IA, de nombreux dirigeants comprennent qu'il faudra former leurs employés sur les risques Associate, ce qui peut créer une charge administrative importante.
• Enquêtes d'évaluation des risques et accréditation : L'IA générique étant encore une technologie émergente, il n'existe pas de critères normalisés pour sa mise en œuvre. Jusqu'à ce que la situation se stabilise, les vendeurs seront confrontés à un large éventail de nouvelles questions dans le cadre du processus d'évaluation des fournisseurs, ce qui nécessitera l'attention des équipes chargées des ventes, des produits et autres.
• des accords contractuels non standard, tels que l'indemnisation : Étant donné que de nombreux produits d'IA sont conçus à partir d'outils tiers, les vendeurs voient apparaître de nouvelles clauses contractuelles qui peuvent les exposer à de nouveaux risques.
• Conservation zéro des données : Pour des raisons de sécurité et de confidentialité des données, certaines entreprises exigent que leurs données ne soient pas conservées à des fins de formation ou autres.
• La tokenisation des données: Souvent Associate avec la génération augmentée par récupération (RAG), ainsi que le masquage et l'expurgation des données, la tokenisation ou l'obscurcissement des données dans un modèle peut limiter sa capacité à effectuer un raisonnement itératif.
• Bloquer les services : La réaction spontanée de nombreuses entreprises est de bloquer les services de modèles de langues étendus (LLM) tels que ChatGPT, bien que de nombreuses applications approuvées aient intégré ces LLM dans leur produit.
• Abstraction des services sous-jacents : Le concept d'abstraction des applications sous-jacentes par l'intermédiaire d'un "bot-of-bots" construit par l'entreprise est potentiellement le plus intéressant (et le plus perturbateur).

Nous avons constaté bon nombre de ces défis et inquiétudes de la part des acheteurs lors de l'émergence du SaaS il y a plusieurs années. Heureusement, au fil du temps, à mesure que les organisations technologiques, juridiques et de conformité comprenaient mieux le risque réel Associate avec SaaS et les produits en nuage, ces inquiétudes se sont atténuées et le processus de vente est devenu plus facile. Ce processus a pris des années, comme ce sera probablement le cas pour la mise en œuvre de l'IA.

Impacts sur les startups qui vendent aux entreprises

Une approche disparate de la mise en œuvre de l'IA, par laquelle des acheteurs d'entreprise prudents exercent un contrôle strict sur différents outils pour répondre aux besoins individuels des différentes parties de l'organisation, peut entraver la productivité, l'efficacité et la stratégie de multiples façons :

• Incertitude et retards dans les cycles de vente: Une évaluation incohérente des risques peut introduire de l'incertitude et des retards dans les cycles de vente d'une startup. Les clients potentiels peuvent demander plusieurs évaluations, ce qui entraîne des négociations prolongées et un examen plus approfondi du produit. Cette incertitude peut dissuader les clients d'adopter de nouveaux produits et ralentir le processus de vente.
• Augmentation des coûts: Travailler avec plusieurs fournisseurs de services d'évaluation des risques peut s'avérer coûteux. Les vendeurs doivent payer pour des évaluations individuelles, gérer les relations avec les fournisseurs et allouer des ressources internes pour coordonner le processus. Ces coûts peuvent grever les budgets et limiter les ressources disponibles pour l'innovation des produits.
• Séparer la feuille de route: Lors de changements technologiques antérieurs, tels que la transition vers l'informatique en nuage, les fournisseurs de logiciels traditionnels ont été contraints par nombre de leurs clients les plus importants d'adopter une stratégie à deux produits. Étant donné que l'équipe chargée des produits et de l'ingénierie dispose de ressources limitées pour maintenir l'infrastructure et la base de code, de nombreuses sociétés de logiciels prendront la décision de licencier les clients qui les retiennent.

Nous craignons que le paysage fragmenté des risques et l'approche disparate de la mise en œuvre de l'IA qui en résulte ne favorisent un environnement d'entreprise inefficace dans lequel les entreprises et les fournisseurs de logiciels gèrent les calculs de risque. Une approche normalisée du secteur - parallèlement à des normes de produits et de services - simplifierait la prise de décision, améliorerait les stratégies d'atténuation des risques, accélérerait les cycles de valorisation et, en fin de compte, favoriserait l'innovation.

Repenser l'utilisation du logiciel

On assiste également à l'émergence d'un changement qui va au-delà des modifications juridiques et des changements de produits. Les entreprises qui réussissent le mieux sur B2B Logiciel ont conçu des produits qui impliquent les utilisateurs dans le produit et qui sont facturés en fonction de l'augmentation de la productivité. Beaucoup de ces modèles de revenus sont basés sur le nombre d'employés ayant un login. Ce calcul peut changer lorsque le produit est désintermédié par un robot de niveau supérieur.

L'exemple d'une grande entreprise est celui d'un bot d'intelligence artificielle interne construit à la maison qui orchestre plusieurs applications et services pour les employés. Par exemple, pour demander des congés, un employé peut simplement formuler sa demande en langage naturel au robot interne. Le bot va mettre en relation les bots à travers un réseau d'applications telles que Workday, Office 365, ADP et d'autres, pour planifier les congés et les approuver, créant ainsi des efficacités qui suivent exactement les règles et les lignes directrices internes.

Nous avons vu des entreprises spécifiques à un secteur, comme les agrégateurs de voyages en ligne (OTA), détourner le client de l'entreprise qui fournit le service, comme les hôtels. L'industrie du voyage a passé des années à fidéliser les consommateurs.

Dans ce monde de robots, les entreprises et les startups du logiciel devront comprendre ce que signifie construire des expériences de produits et des modèles d'affaires différenciés qui commandent la prime nécessaire pour financer l'innovation future.