Construire de meilleures expériences client avec l'IA et les données

Dayle Hall :

Bonjour, vous écoutez notre podcast, Automating the Enterprise. Je suis votre hôte, Dayle Hall. Ce podcast est conçu pour donner à nos organisations des idées et des bonnes pratiques sur la façon d'intégrer, d'automatiser et de transformer leur entreprise.

Notre prochaine invitée est la vice-présidente de Futures and AI pour The Integer Group, une société de marketing et d'activation de marque basée sur les données. Je suis très heureux d'accueillir Heidi Bailey dans notre podcast aujourd'hui. Bienvenue, Heidi.

Heidi Bailey :

Bonjour, Dayle. Merci de m'accueillir. En fait, j'attendais cette conversation avec impatience depuis un certain temps.

Dayle Hall :

Excellent. En fait, il s'agit d'un type de discussion très différent de celui que nous avons eu lors des autres discussions qui étaient plus - nous avons eu quelques universités, quelques clients et quelques organisations à but non lucratif, mais celle d'aujourd'hui m'enthousiasme vraiment, simplement à cause des discussions sur le marketing et la marque que nous allons avoir.

Merci de nous avoir rejoints. Avant d'entrer dans le vif du sujet, pourquoi ne pas nous donner un bref aperçu de qui vous êtes, de la manière dont vous vous êtes lancé dans ce type d'activité, de qui est le groupe Integer et de la manière dont il aide les gens ?

Heidi Bailey :

Oui, absolument. The Integer Group fait partie d'Omnicom, de la famille Omnicom. Nous sommes l'une des dernières sociétés de croissance au monde et nous nous concentrons principalement sur le commerce et la vente au détail. Nous faisons partie de la famille Omnicom par l'intermédiaire d'Omnicom Commerce Group. Je suis le vice-président de Futures and AI, qui fait partie de notre équipe de sciences de la croissance.

Chez Integer, les sciences de la croissance sont une offre d'analyse complète. Nous disposons d'une suite allant des rapports de performance à la modélisation des médias, en passant par la modélisation de l'attribution, puis mon équipe se concentre sur l'apprentissage automatique, l'IA, l'internet des objets, ce type d'activités. J'ai obtenu ce poste parce que je suis toujours à la recherche de ce qui est nouveau, de ce qui va suivre, de ce que personne ne fait encore.

Je travaille donc dans l'agence depuis sept ans. Ce que mon équipe fait vraiment, c'est que nous sommes assis au centre de l'organisation, et nous sommes assis entre nos équipes de clients internes, mais aussi entre les clients, et nous organisons ces réunions afin de trouver les lacunes, quels sont les défis commerciaux qu'ils essaient de résoudre, mais aussi les domaines d'opportunité, quelque chose auquel quelqu'un n'a peut-être pas pensé auparavant, comme la façon dont nous pourrions réellement résoudre ce problème en utilisant les données technologiques et l'IA.

Nous disposons d'un grand nombre d'outils différents. Nous travaillons sur des compétences de type IA conversationnelle, des compétences vocales, Alexa, Google Home, ce genre de choses. Mais nous avons aussi des capacités en science des données, où nous construisons nos propres solutions et produits. C'est donc ce que je fais. C'est donc ce que je fais.

Dayle Hall :

C'est vraiment intéressant. C'est très intéressant. Il s'agit donc de différents types de technologies, mais vous construisez également des solutions tout en conseillant vos clients, ce qui est unique à mon avis.

Lorsque des clients, des clients potentiels vous approchent, vous venez de mentionner que vous essayez de résoudre des défis commerciaux, comment cela se passe-t-il en général ? Viennent-ils vous voir en vous disant : "Nous avons ce défi à relever, pouvez-vous nous aider à le résoudre grâce à l'IA ? Ou bien viennent-ils vous voir en vous disant : "Écoutez, nous avons un projet plus important que nous essayons de développer sur notre marché, ou nous essayons de résoudre un problème de marché plus important, et ensuite vous les aidez à montrer comment l'IA peut les aider" ? Selon vous, quelle est l'approche habituelle ?

Heidi Bailey :

Parfois, ils ne s'accompagnent même pas d'un défi commercial. Il se peut que nous soyons simplement assis dans une réunion avec un client. Il nous dit : "Oh, si seulement nous pouvions faire ceci, ou si seulement nous pouvions faire cela", n'est-ce pas ? Il y a certainement des cas où nous sommes chargés de résoudre des problèmes très spécifiques et d'atteindre des objectifs commerciaux qu'ils ont. Mais il y a aussi des moments où l'on trouve simplement des idées. Vous restez assis et vous vous dites : "Oh, attendez une minute !

Vous pouvez le faire si vous disposez de cet ensemble de données. Et si vous ne disposez pas de cet ensemble de données, nous disposons en fait d'une technologie qui peut vous aider à rassembler cet ensemble de données afin que nous puissions éventuellement relever votre défi ou construire quelque chose de propriétaire qui relèvera ce défi.

C'est ainsi que nous siégeons. En fait, mon équipe participe à plusieurs réunions différentes. Je fais participer mes scientifiques des données à des revues créatives et à d'autres activités de ce type, afin que nous puissions trouver certaines de ces opportunités et proposer de nouvelles idées, mais aussi pour qu'ils ouvrent simplement leur esprit aux possibilités de ce qui peut être fait.

Dayle Hall :

Oui, non, j'adore ça. J'adore que des scientifiques des données participent à des réunions de création. J'imagine que c'est un point de vue tout à fait unique. Parlons-en un peu. Parlons un peu de l'IA qui utilise les données pour stimuler la croissance. Vous avez dit que les idées naissent parfois en réunion. Parfois, il y a des défis spécifiques qu'un client essaie potentiellement de résoudre.

Vous n'avez pas besoin de citer de noms, mais donnez-moi des exemples de technologies que vous utilisez pour identifier des tendances ou développer des connaissances qui vous aideront à faire de meilleures recommandations à l'équipe. Examinons d'abord l'aspect technologique. Qu'utilisez-vous et comment l'utilisez-vous ?

Heidi Bailey :

Nous utilisons différents types de technologies, comme AWS, Snowflake, etc. afin d'automatiser les données en temps réel. Mais en plus de cela, nous travaillons en étroite collaboration avec DataRobot.

Pour présenter rapidement DataRobot, il s'agit d'un fournisseur d'IA cloud qui nous a permis de démocratiser l'IA auprès de nos équipes et de nos clients. Et ce que nous aimons vraiment chez eux, la raison pour laquelle nous travaillons avec eux, c'est qu'ils sont vraiment un outil d'automatisation de bout en bout lorsqu'il s'agit de science des données. Ils ont tout automatisé depuis le travail de développement. Ils ont donc un outil de préparation automatique des données qui, une fois les données préparées - et comme vous le savez, les scientifiques des données passent environ 80 % de leur temps à préparer les données.

Ils ont donc automatisé cela. Il suffit d'appuyer sur un bouton pour passer à la fonction ML automatique, ainsi qu'à la série chronologique automatique, ce qui permet de commencer instantanément à construire ces modèles, jusqu'au déploiement, à la surveillance et à la gestion de ces modèles.

Ce que nous avons trouvé vraiment, vraiment réussi à utiliser avec eux, ce sont leurs applications sans code. Un projet d'intelligence artificielle prend des mois. Et puis vous dépensez tout cet argent en développement pour arriver à une sorte d'application afin de faire fonctionner l'IA. Puis vous commencez à vous rendre compte qu'il y a quelque chose qui ne va pas dans le code, dans le modèle. Il faut alors tout recommencer. À ce stade, vous avez passé tout ce temps à construire quelque chose et à dépenser tout cet argent sans que l'entreprise n'en tire le moindre bénéfice.

Avec les applications sans code, vous pouvez instantanément déployer vos modèles et les expérimenter en quelques jours. Cela nous permet d'augmenter notre production d'IA, mais aussi de libérer beaucoup de temps pour les scientifiques des données, qui peuvent ainsi participer à des réunions créatives et à d'autres activités de ce type.

C'est donc un outil que nous utilisons beaucoup. L'autre outil intéressant s'appelle Q. Il a été conçu par l'une de nos agences sœurs, Sparks & Honey. Ils ont établi un partenariat avec six ou sept milliers d'éditeurs qui recueillent environ 90 milliards de signaux par jour sur les tendances, les tendances culturelles et d'autres sujets de ce genre. Et ils s'appuient sur une tonne de données historiques.

Ce qu'ils ont fait, c'est qu'ils ont construit un site plateforme qui non seulement vous montre - si vous pensez à l'écoute sociale ou à d'autres choses comme ça, non seulement vous montre les tendances à court terme ou les choses qui se passent sur le marché aujourd'hui, mais vous pouvez aussi - parce qu'ils ont regardé la vitesse des tendances, vous pouvez en fait prédire deux ans à l'avance.

Lorsque nous élaborons des stratégies de croissance pour nos clients, nous utilisons des outils comme celui-ci, ainsi que DataRobot et d'autres outils dont nous disposons, afin de comprendre sur quoi nous devons nous concentrer aujourd'hui, mais aussi quel sera le pouvoir durable du marché dans deux ans.

Dayle Hall :

Oui, c'est vrai. C'est intéressant. Ce que nous voyons dans notre activité, les clients potentiels et les approches des clients, c'est qu'ils cherchent à faire quelque chose de similaire en utilisant notre outil pour obtenir un meilleur accès aux données. C'est très similaire en termes de local. Il s'agit donc généralement de résoudre un problème immédiat.

Et vous venez de mentionner le fait de leur montrer des choses qui sont potentiellement dans quelques années, comment le prennent-ils ? Parce qu'en général, ils se disent qu'ils savent qu'ils doivent résoudre ce problème maintenant. Lorsque vous leur montrez ce qui est possible, ou que vous leur donnez un aperçu de ce qui se passera dans quelques années, sans vouloir vous offenser, est-ce qu'ils y croient ? Pensent-ils que tout cela est inventé ? Comment s'assurer qu'ils peuvent vraiment apprécier ou adhérer à certaines des projections que vous leur présentez ?

Heidi Bailey :

En vérité, c'est beaucoup plus facile avec certains clients qu'avec d'autres, car certains sont plus ouverts d'esprit que d'autres. Mais j'ai toujours trouvé que si l'on est très transparent sur la façon dont ces outils sont construits, au lieu de dire simplement, hé, voici un autre outil d'IA que vous pouvez acheter, ou que nous pouvons utiliser, la façon dont nous le mettons en place est très transparente sur la façon dont tous les produits sont construits en arrière-plan, les données utilisées, la technologie qui est utilisée.

Lorsque nous l'expliquons de cette manière, il est beaucoup plus facile de dire, oh, d'accord, maintenant je vois comment vous pouvez prédire cette tendance dans deux ans ou comment vous pouvez prévoir mes budgets dans deux ans. C'est ainsi que nous abordons la question.

Dayle Hall :

Oui, c'est vrai. Dans l'un des autres podcasts que j'ai réalisés pour cette série en particulier, nous avons discuté du fait qu'il ne faut pas nécessairement faire confiance à un fournisseur ou à une organisation de services, s'ils ne vous disent pas comment ils utilisent l'IA, comment elle est construite et quelles sont les données qu'elle contient.

S'ils l'appellent la sauce secrète, en général, les clients n'adhéreront pas aux données que vous montrez, car peuvent-ils croire que votre boîte noire produira réellement le bon résultat ? J'aime donc la transparence de l'IA. Je pense que c'est quelque chose que certaines des entreprises avec lesquelles j'ai travaillé et qui disposent de ce type d'outil, plus elles sont transparentes, plus il est facile d'obtenir l'adhésion des clients et de s'en tenir aux résultats. Je suis sûr que vous trouverez quelque chose de similaire.

Heidi Bailey :

Oui, c'est vrai. Et avec certains clients, en particulier ceux qui sont encore un peu sceptiques, nous les impliquons dans le processus de construction des modèles si nous construisons quelque chose nous-mêmes. Nous leur présentons l'ensemble des données d'entraînement, ils les examinent, ils comprennent les dimensions qu'elles contiennent, de sorte qu'en fin de compte, ils comprennent également ce que l'IA fournit au final. Cela s'est avéré très efficace.

Dayle Hall :

En raison de l'Integer Group et de l'accent mis sur le marketing, l'image de marque, l'expérience client, ce genre de choses, quel genre de travail faites-vous ? Quelles sont les considérations qu'un responsable du marketing ou de l'expérience client devrait prendre en compte lorsqu'il envisage d'utiliser l'automatisation, l'IA ou l'apprentissage automatique pour résoudre des problèmes clés ?

Je sais que nous en avons parlé un peu au début, de la façon dont les gens vous approchent, mais typiquement, quand vous êtes assis avec, je ne sais pas, un CMO ou quelqu'un qui est responsable de l'expérience client, quelle base de référence établissez-vous avec eux ? Quelles sont les lignes directrices ou les rôles qui vous permettent de dire, d'accord, c'est ainsi que nous allons commencer. Comment entamez-vous cette conversation ?

Heidi Bailey :

Tout dépend du client et évidemment de ce qu'il essaie de vendre. Mais pour ce qui est de l'utilisation de l'IA, de l'automatisation, de la façon dont nous abordons les clients sur la façon dont ils devraient commencer à penser - et si vous y réfléchissez vraiment, l'automatisation, l'IA, l'apprentissage automatique et la technologie utilisée dans l'industrie du marketing ont toujours été assez avancés.

Pensez aux médias programmatiques. Vous définissez vos paramètres instantanément et ces publicités sont diffusées aux consommateurs, où qu'ils se trouvent. Ce n'est pas nouveau de pouvoir utiliser certaines de ces technologies dans le secteur du marketing, mais c'est nouveau dans la mesure où l'on commence à y penser même du point de vue de la personnalisation, si l'on y réfléchit.

Ce n'est pas nouveau, ce n'est pas un nouveau concept. Il nécessite beaucoup de données. Et la personnalisation existe depuis longtemps. Si vous réfléchissez, vous devez toujours segmenter les clients, vous devez toujours comprendre qui est votre public cible, afin de pouvoir le cibler à grande échelle. Vous pouvez ensuite utiliser des plates-formes d'optimisation créative dynamique pour diffuser toutes ces bannières publicitaires personnalisées supplémentaires.

Cependant, nous abordons la question d'un point de vue différent, car nous disons qu'au lieu de laisser les machines prendre ces décisions pour vous, une fois que vous êtes en train d'exécuter, vous devriez déjà savoir ce qui va conduire au succès avant de l'exécuter.

Ainsi, au lieu de laisser une optimisation créative dynamique plateforme prendre toutes les décisions à votre place, vous devriez déjà avoir une très bonne compréhension du fait que si vous ciblez ce public, ce sont les types de conversions que vous obtiendrez. Et si vous les touchez avec ce type de création, si vous changez la couleur du rouge au bleu, par exemple, comment cela va-t-il générer des conversions supplémentaires, ou non ? Nous essayons en fait de prendre de l'avance - avant même que vous n'atteigniez ces plateformes - pour avoir une très bonne compréhension de ce que vous devez exécuter.

Dayle Hall :

C'est intéressant, parce que cela me fait penser que l'utilisation de ces technologies permet de compléter ce que fait le marketing et ce qu'il devrait faire, et pas nécessairement de remplacer ce qu'il fait. Et je pense que c'est un point très important. Mais lorsque je fais ces podcasts, j'essaie de m'assurer que tout le monde peut en retirer quelque chose et ne pas se contenter de dire que c'était intéressant, mais que je ne sais pas quoi en faire.

Mais je pense qu'il s'agit d'un point essentiel : si vous êtes dans le marketing, vous devez savoir ce que vous voulez servir, quel type de conversions vous attendez. Ensuite, vous utilisez l'IA pour vous aider à évoluer, à devenir plus efficace ou autre, mais ne vous lancez pas dans cette aventure avec l'idée que nous avons un problème et que l'IA va le résoudre pour nous, ce qui, je pense, est une différence essentielle.

Vous avez vu le graphique comme moi, combien d'outils MarTech existe-t-il aujourd'hui ? 7 000, 8 000, n'est-ce pas ? Vous l'avez vu. À votre avis, combien d'entre eux mentionnent l'IA aujourd'hui ? Probablement beaucoup.

Heidi Bailey :

Tous.

Dayle Hall :

Tous, n'est-ce pas ?

Heidi Bailey :

Oui. Ils mentionnent s'ils le font ou non. Ils le mentionnent certainement.

Dayle Hall :

Oui, c'est vrai. Oui, c'est vrai. C'est sûr. Tout à fait. Mais j'aime cette différenciation, qui consiste à comprendre vos propres processus, puis à utiliser l'IA pour les améliorer potentiellement. Je sais que vous travaillez avec de nombreux clients, et je suis sûr que les détaillants sont très, très impressionnants. Avez-vous des exemples de la manière dont ils utilisent - certaines de ces personnes utilisent l'IA en tandem avec une partie du travail qu'elles effectuent pour potentiellement développer des connaissances ou de meilleures opportunités d'engagement pour augmenter ce qu'elles font dans leur processus ?

Heidi Bailey :

Un bon exemple, et nous ne faisons que reprendre ce dont nous avons parlé précédemment, est la façon d'utiliser l'IA pour augmenter ce que vous faites déjà. Je considère que l'IA combat l'IA, si vous voulez.

À titre d'exemple, on peut citer tous les géants des médias, Google, Facebook, Amazon, walmart.com, et j'en passe. Mais toutes ces plateformes ont leurs propres outils d'IA qu'elles utilisent pour exécuter les médias. Et elles vous donnent très, très peu d'informations sur leur fonctionnement. Par exemple, vous exécutez une campagne sociale pendant une semaine et vous obtenez d'excellents résultats. Les taux d'engagement sont excellents. Vous avez beaucoup de partages. Vous avez beaucoup de likes, ce genre de choses.

Peut-être que quelques mois plus tard, vous exécutez une campagne très similaire, avec une audience similaire, un type d'unité créative très similaire, et que cela ne marche pas. Et elle est épouvantable. Vous avez probablement dépensé plus d'argent pour cette campagne que pour la précédente, car vous vous attendiez à un succès. On ne comprend pas vraiment pourquoi cela se produit.

Ce que nous avons fait, c'est que nous nous sommes dit : " D'accord, nous sommes assis sur - nous exécutons des campagnes de médias sociaux sur Facebook depuis des années et des années, pourrions-nous utiliser nos données historiques pour qu'une IA trouve les modèles de ce qui pourrait potentiellement se produire afin que nous puissions prédire le succès de nos futurs posts ? C'est exactement ce que nous avons fait.

C'est tout ce que nous ne comprenons pas fondamentalement, ou un calcul de leurs algorithmes, ou une compréhension de la façon dont ils font cela, nous pouvons maintenant demander à l'IA de regarder les futurs messages qui seront mis en ligne, et ensuite nous donner un score de prédiction sur la réussite ou non de ces messages. Voilà comment nous envisageons d'utiliser l'IA pour lutter contre l'IA.

Dayle Hall :

Je suis sûr que nous pourrions avoir un podcast à part entière sur l'IA qui combat l'IA. J'aime bien cela. J'aime cette terminologie.

Heidi Bailey :

C'est ce que l'on observe généralement dans les services informatiques et de sécurité, car la sophistication est telle qu'il faut presque recourir à l'IA pour lutter contre toutes les personnes qui tentent de s'introduire. Mais je n'ai jamais entendu parler d'une telle utilisation dans le domaine du marketing. C'est donc très amusant.

Dayle Hall :

Oui, c'est vrai. Donc, à mesure que nous avançons dans la réflexion sur - c'est un très bon exemple. Et évidemment, il y a beaucoup de - que ce soit dans le marketing ou spécifiquement dans l'expérience client, je pense qu'à peu près tout ce qui a un workflow ou un processus, peut être automatisé.

Si je suis assis là, je me dis que c'est une excellente discussion entre ces deux-là. Mais comment puis-je retourner dans mon organisation et dire : "Comment puis-je identifier ces processus ? Comment les appliquer ? Comment identifier les tâches qui peuvent être automatisées ou pour lesquelles l'IA peut être utile ? Si vous deviez conseiller quelqu'un qui vient de se lancer, par où commencerait-il ? Par le marketing ? Par n'importe quel processus ? Quel est un bon premier projet ?

Heidi Bailey :

Il s'agit de bien comprendre à qui s'adresser au sein de votre organisation pour savoir par où commencer. Il s'agit essentiellement d'avoir des conversations avec les principales parties prenantes au sein de chacun des différents départements.

Puis vous commencez à les interviewer. C'est juste une conversation naturelle, comme, hey, qu'est-ce que vous avez toujours à faire au quotidien qui vous rend fou, que vous aimeriez ne pas avoir à faire et pouvoir consacrer plus de temps à quelque chose de plus précieux ? C'est ce genre de conversation qui est à l'ordre du jour.

Et pour vous donner un exemple de ce que nous avons fait, c'était en fait... c'est venu tout seul. Il s'agissait d'un cas où nous n'essayions pas vraiment d'interviewer différentes personnes au sein de l'organisation, mais il se trouve que je faisais partie de ce que nous appelons - c'est notre département des ressources humaines, mais notre équipe de personnes au sein d'Integer. J'étais en ligne avec eux. La personne m'a dit : "J'aimerais avoir plus de temps à consacrer à des conversations plus émotionnelles, des conversations qui comptent vraiment". Je lui ai demandé ce qu'elle entendait par là. Elle m'a répondu : "Toute la journée, je ne fais que répondre à la même question, encore et encore, où puis-je trouver ce formulaire, où puis-je trouver mon bulletin de salaire, etc.

La solution la plus simple est donc de se dire que ces questions ne sont pas sensibles et qu'il est possible de créer rapidement une sorte de chatbot RH ou de chatbot personnel. Il suffit de lui demander où se trouve ce formulaire. Et il répondra automatiquement avec le lien. C'est l'exemple le plus simple que je puisse vous donner.

C'est ce genre de choses qui leur libère environ cinq heures par semaine et leur permet de consacrer plus de temps à leurs interlocuteurs, de mieux les comprendre, de passer plus de temps à traiter les courriels sensibles et d'autres choses de ce genre. Il s'agit donc d'un gain d'efficacité considérable.

Dayle Hall :

Encore une fois, dans l'un des autres podcasts de cette série, j'ai parlé à quelqu'un qui fait de l'analyse de personnes. J'ai été stupéfait de voir à quel point l'IA, l'automatisation et l'analyse des données qu'ils envisagent aujourd'hui pour les personnes sont nombreuses. Il vient de l'une de nos organisations clientes et vient de rejoindre une énorme société d'événementiel appelée Freeman. Et ils ont des milliers et des milliers de personnes.

Et comment ils utilisent maintenant les données pour déterminer si les gens répondent aux enquêtes internes. S'engagent-ils davantage en ligne ? Que font-ils ? Pour essayer d'identifier des choses comme : sont-ils susceptibles de quitter l'entreprise, et combien pourrions-nous économiser si nous pouvions identifier cela et arrêter le départ ?

Et c'est tout simplement comme vous l'avez souligné, c'est-à-dire en examinant les processus, les choses qui vous rendent fou. Et cela nous ramène à ce que vous avez dit au début. Ce n'est peut-être pas un défi commercial, mais c'est certainement un défi de rôle. Il s'agit d'une tâche quotidienne qui rend quelqu'un fou.

Heidi Bailey :

Oui, c'est vrai. Parce que si vous y réfléchissez, la plupart des gens partent parce qu'ils font un travail inintéressant. Si vous ne faites plus un travail intéressant, vous avez tendance à partir. Et qu'est-ce qui est considéré comme un travail intéressant ? Cela dépend de votre rôle, évidemment, mais tout le monde veut éviter de rester assis à faire la même chose tous les jours et d'être répétitif.

Dayle Hall :

Je me demande si, à l'avenir, lorsque vous passerez un entretien d'embauche, vous demanderez à l'entreprise quel type d'IA ou d'automatisation elle a mis en place pour vous permettre de mieux faire votre travail. Cela pourrait déterminer si vous rejoignez ou non cette entreprise. Faites-vous tout manuellement ? Ou bien l'entreprise dispose-t-elle de ces technologies pour vous aider ?

Permettez-moi de vous poser une question, parce que, évidemment, lorsque nous voyons différentes personnes avec lesquelles nous travaillons, différents profils de clients, mais typiquement, ils sont soit dans l'informatique, soit dans le secteur d'activité. Donc, soit ils essaient de résoudre des défis informatiques plus importants et ils recherchent l'échelle, soit il y a un processus, un rôle, ou quelque chose dans une ligne d'affaires, RH, marketing, ventes, finances, peu importe ce que c'est. Ils s'adressent alors à nous et nous disent qu'ils essaient d'obtenir un meilleur accès à ces données.

D'après votre expérience, pour le travail que vous faites, est-ce que vous trouvez que c'est le secteur d'activité qui vous approche ? Est-ce que c'est l'informatique ? Et lorsque vous commencez vos projets avec eux, est-ce que les deux groupes interviennent ? S'agit-il d'un défi plus important où davantage de personnes d'une organisation sont impliquées dans la résolution de ces défis ? Ou bien le projet commence-t-il et se termine-t-il généralement au sein d'un groupe spécifique ?

Heidi Bailey :

Non, il s'agit de plusieurs personnes, en particulier du point de vue du marketing. Et surtout parce que nous sommes une agence mondiale dont le siège se trouve à Denver, vous voyez que des personnes différentes venant de clients et d'horizons différents s'adressent à nous. Cela ne commence pas au niveau informatique. En particulier parce que notre informatique est centralisée au niveau d'Omnicom, vous aurez ces différentes fonctions qui viendront.

Un jour, je peux donc m'adresser à notre équipe de personnel. Le lendemain, je parle à l'équipe chargée des comptes. Le lendemain, je parle à nos créatifs. Le lendemain, je peux parler à notre équipe média. C'est donc très variable. Ensuite, il y a tous les projets différents qui se présentent, et puis vous avez aussi la possibilité d'obtenir beaucoup de données différentes de la part de différentes personnes, ce qui est intéressant.

Dayle Hall :

C'est intéressant. Nous avons parlé de la manière de l'utiliser, des processus potentiels. Vous nous avez donné quelques bons exemples. Parlons de la manière dont vous mettez en œuvre ces choses et dont vous guidez les clients dans cette mise en œuvre.

Parce qu'il y a quelques années, peut-être plus longtemps que cela maintenant, mais il y a toujours eu cette tendance à pontifier ou à penser que l'utilisation de l'IA allait mettre les gens au chômage. Or, comme vous l'avez décrit il y a quelques minutes, l'IA libère les gens des tâches banales et leur permet d'être plus créatifs dans leur rôle, mais cela ne signifie pas nécessairement que leur rôle disparaît. En fait, ils peuvent travailler sur des tâches plus importantes et plus créatives.

Lorsque vous commencez à travailler avec certains de vos clients, comment abordez-vous ces défis, et comment abordez-vous des choses comme la gestion du changement ? La gestion du changement n'est pas un gros mot lorsqu'il s'agit des clients, mais les gens n'y pensent pas souvent à l'avance. Comment l'abordez-vous ?

Heidi Bailey :

Oui, absolument. Je pense qu'il faut avant tout mettre en place une bonne stratégie. Parce que beaucoup de projets d'IA ont une vision massive. Les gens se disent, oh mon Dieu, je vais avoir ce chatbot d'IA, je vais faire ces choses-là et tout le reste. Et il faut beaucoup de temps pour mener à bien ce type de projet.

Comment ajouter de la valeur très rapidement ? Comment créer un scénario de type " ramper, marcher, courir " pour les clients, et dire, d'accord, dans la phase de rampement, voici les choses que nous allons livrer ? Mais assurez-vous que... et ce que nous cherchons, ce sont les choses qui peuvent avoir le plus d'impact immédiatement et qui sont tape-à-l'œil et amusantes. Parce que les gens sont vraiment enthousiastes. C'est ainsi que l'on peut conduire. C'est un peu comme raconter des histoires avec vos produits.

Nous procédons de cette manière, mais nous les impliquons également, comme je l'ai dit précédemment, dans l'ensemble du processus afin qu'ils comprennent très bien comment les modèles sont formés, quels seront les résultats, et comment ils peuvent travailler avec ces modèles et comment ils vont les aider.

Et parce qu'ils sont impliqués, pour vous donner un exemple du cas d'utilisation sociale que je vous ai donné précédemment, l'équipe sociale a été impliquée dans l'ensemble de la construction de ce processus. Nous avons pris en compte leurs commentaires sur la façon dont ils allaient l'utiliser pour les aider à mieux faire leur travail, de sorte que le résultat final a été un outil qui les a aidés à comprendre quel jour nous devrions placer notre contenu social, sur quel site plateforme nous devrions le placer, quelle devrait être l'image, quel devrait être le texte. Tout cela est optimisé. Ainsi, même s'ils continuent à rédiger le texte et à créer les images, ils disposent désormais d'un outil qui leur permet d'avoir l'air vraiment, vraiment intelligent devant leurs clients.

En même temps, nous leur fournissons le matériel de marketing pour qu'ils puissent s'en servir et dire à leurs clients : "Regardez ce que nous avons fait". Cela facilite grandement les choses. Oui, c'est vrai.

Dayle Hall :

J'adore l'idée que nous essayons de résoudre un problème pour un certain groupe de personnes, et qu'il faut évidemment les impliquer tout au long du processus. Cela semble élémentaire, mais je suis sûr que parfois les personnes plus haut placées dans l'organisation ont l'impression que nous allons y arriver de toute façon.

Et en fait, j'aime beaucoup ce que vous avez dit, à savoir les gains rapides, les victoires éclatantes. Ce n'est peut-être pas le cas d'utilisation ultime, ou ce n'est peut-être pas le plan le plus important, mais obtenir ces gains immédiats - je ne veux pas dire tape-à-l'œil, mais obtenir ces gains rapides qui ont potentiellement une grande visibilité, alors que ce n'est peut-être pas la chose la plus complexe que vous résolvez, mais je peux imaginer que cela amènerait les gens à suivre ce voyage. Et vous l'avez mentionné vous-même, les gains rapides, le fait de ramper, de marcher, de courir. Nous obtiendrons des gains dans la phase de rampement, puis vous constaterez que l'organisation soutient le projet.

Heidi Bailey :

C'est ainsi que nous avons vu des gens qui, au départ, ne voulaient pas travailler avec nous. Nous sommes donc un peu sceptiques à l'égard de l'IA. Au fil du temps, ils commencent à s'intéresser à ce type d'approche, parce qu'ils se disent : "Oh, attendez une minute, ce n'est pas ce que je pensais.

Car en général, les données ne sont pas le sujet le plus intéressant. Les gens pensent à des feuilles de calcul Excel et à un autre tableau de bord. Lorsque vous pouvez leur montrer des choses tape-à-l'œil, ou les faire participer au processus, et qu'ils voient réellement le pouvoir des données au-delà du simple chiffre, cela les intéresse vraiment.

Et pour en revenir à la gestion du changement, l'autre chose que cela permet de faire - et cela s'est fait naturellement, je ne l'ai même pas fait - la première fois que nous l'avons fait, ce n'était pas intentionnel. Mais ce qui s'est passé, c'est qu'au fur et à mesure que nous faisions progresser ces équipes, nous les avons fait monter en compétences. Nous avons commencé à parler d'IA, d'apprentissage automatique. Bien sûr, ce ne sont pas des experts, mais ils ont maintenant le vocabulaire nécessaire pour avoir des conversations supplémentaires avec les gens, nous ne pouvons pas être dans la pièce ou quelque chose comme ça. Mais ils ont une compréhension fondamentale et peuvent toujours répondre à toutes ces questions. C'est donc un peu comme si vous amélioriez les compétences des membres de votre équipe, de votre personnel et d'autres personnes en faisant cela aussi.

Dayle Hall :

Oui. Lorsque nous parlons de l'exemple des médias sociaux, j'ai parlé des secteurs d'activité, puis il y a les types plus complexes d'IA et d'apprentissage automatique que vous utilisez, qui, dans une certaine mesure, nécessitent un peu plus d'expertise, des scientifiques de données, par exemple, parce qu'ils veulent faire quelque chose de plus complexe.

Avez-vous le sentiment que ce qui se passe avec l'IA, l'apprentissage automatique, l'automatisation, fait que nous n'avons plus besoin de data scientists dans les organisations ? Ou avons-nous moins besoin d'eux, ou se concentrent-ils sur d'autres choses ? Que constatez-vous chez les clients ? À quoi utilisent-ils les data scientists si vous les aidez à résoudre certains de ces problèmes commerciaux ?

Heidi Bailey :

Peut-être que tout le monde ne pense pas de cette manière, mais si vous pensez à l'IA, elle améliore ce que nous faisons, fondamentalement. Chaque outil que je construis, chaque outil que mon équipe construit, je m'assure qu'il y aura toujours un aspect humain.

Si vous l'abordez de cette manière, que se passe-t-il pour un scientifique des données - et il y a beaucoup d'histoires qui ont été diffusées récemment selon lesquelles dans 10 ans, les scientifiques des données, les analystes des données seront obsolètes. En effet, des outils comme DataRobot ont permis d'automatiser le processus et sont très faciles à utiliser. On voit aussi des choses comme ThoughtSpot, qui est un outil plus analytique, mais dont les données sont consultables. Avez-vous encore besoin d'un analyste si une IA crée automatiquement les graphiques et les analyses pour vous, simplement en effectuant une recherche ?

Mais le fait est que les emplois vont simplement changer. Il y a toujours des scientifiques des données, mais au lieu d'écrire du code et de créer des applications et tout ce genre de choses, ils deviennent des interprètes, ou des personnes qui s'assurent que l'IA est saine d'un point de vue éthique. Quel est le résultat de l'IA ? S'agit-il du bon résultat que nous souhaitons obtenir ? Pourquoi prend-elle ce genre de décisions ? Pouvons-nous revenir en arrière et l'examiner ? On commence donc à s'orienter vers un rôle d'explication pour un scientifique des données, car on a toujours besoin de ces compétences pour interroger les modèles. Vous devez disposer de ces compétences, même si c'est un automate plateforme qui s'en charge, quelqu'un qui peut aller derrière le code et l'examiner.

Il s'agit donc simplement d'un changement : une personne créative restera une personne créative, mais elle disposera d'outils d'IA pour améliorer ce qu'elle doit faire. Prenons l'exemple de l'outil GLIDE d'OpenAI. Essentiellement, vous pouvez prendre un texte et écrire, hé, j'ai besoin d'une image, un canapé assis devant une cheminée, et j'ai besoin que le canapé soit rouge, et il doit y avoir une table basse, et peut-être une lampe, et toutes ces choses différentes, et des livres ou quoi que ce soit d'autre. Traduit cela et vous donne automatiquement un grand nombre d'images parmi lesquelles choisir.

Mais en tant que personne créative, cela peut vous effrayer parce que vous vous dites : "Oh mon Dieu, cette chose vient d'automatiser mon travail. Je n'aurai plus besoin de créer quoi que ce soit. Mais vous avez toujours besoin d'une compréhension fondamentale de ce que vous vouliez créer. Parce qu'on ne peut pas avoir une personne assise là qui dit, oh, je ne sais pas si j'ai besoin d'une table basse ou non. Je ne sais pas si je veux des livres. En effet, il faut toujours que le design et l'aspect artistique soient présents. Ils deviennent donc des outils pour améliorer ce que vous faites plutôt que de prendre la place de ce que vous faites. Mais c'est un changement dans la façon de penser, c'est certain. Et je pense que c'est la partie la plus difficile.

Dayle Hall :

Et j'aime ce que vous avez dit. Et j'aime ce que vous avez dit, à savoir qu'il y a toujours un aspect humain dans tout cela. Et nous avons parlé de l'IA, qui augmente ce que nous faisons. Je vois de plus en plus d'exemples de cela dans le travail que nous faisons, les partenaires et les vendeurs avec lesquels nous travaillons. Mais avez-vous constaté des réticences à ce sujet ?

Encore une fois, nous en parlons comme si c'était facile à comprendre. C'est juste une augmentation. Il ne s'agit pas de vous remplacer. Mais avez-vous vu des entreprises qui ont des réticences ou qui se disent : " Je n'ai pas besoin de ce soutien de la part de mon entreprise " ? Comment abordez-vous cette question ? Ou les gens l'adoptent-ils ?

Heidi Bailey :

Non, il est certainement difficile d'amener certaines personnes à l'adopter, mais je pense que plus vous leur parlez - et encore une fois, je pense que cela revient à l'aspect de l'implication, parce qu'ils sont enthousiastes. Vous les éduquez sur ce qu'il peut et ne peut pas faire.

Parce qu'à l'heure actuelle, fondamentalement, l'IA est construite, elle est entraînée à effectuer des tâches spécifiques. Je veux dire, oui, il y a des entreprises qui se penchent sur l'IA cognitive et d'autres choses comme ça, qui lui donneraient une capacité plus personnelle par rapport à ce que la plupart des IA sont censées faire aujourd'hui. Si vous regardez Hollywood et toutes les choses qu'ils ont faites pour créer des expériences de type Terminator, où l'IA prend le contrôle de tout, au fond d'eux, c'est ce qu'ils pensent.

Il faut donc surmonter cela. Je pense qu'une fois de plus, il s'agit simplement d'implication, d'éducation, de transparence et de la manière dont les choses sont construites, puis de trouver des moyens de les enthousiasmer.

Dayle Hall :

Il ne faut jamais laisser la réalité se mettre en travers d'une bonne histoire. Je pense que c'est la réponse d'Hollywood. Vous venez de mentionner quelque chose alors que nous commençons à conclure, mais vous avez mentionné quelque chose de spécifique à l'IA et à son éthique. Nous pourrions parler de l'éthique derrière l'IA, des préjugés, etc. Cela pourrait faire l'objet d'un podcast à part entière. Mais il serait intéressant de connaître votre point de vue. Cette question est-elle abordée par les clients ? Est-ce une préoccupation ? Et comment gérez-vous cette question s'ils craignent que cette technologie et ces données ne soient biaisées ?

Heidi Bailey :

Je pense qu'il est très important de s'intéresser à l'IA explicable. Cela nous ramène à la question de savoir comment traduire ces modèles ou comment interroger l'IA que vous construisez. Et je pense que cela commence dès le début, en examinant l'ensemble des données d'entraînement, en comprenant exactement ce qu'il y a dans cet ensemble de données d'entraînement.

C'est une conversation très intéressante. J'ai d'ailleurs eu cette conversation avec une personne interne il y a quelques semaines. Mais il faut aussi comprendre que si vous avez un segment cible, disons que vous faites une campagne publicitaire et que vous dites, je veux atteindre ce segment cible. Mais en dessous, tout ce que vous savez, c'est que vous avez construit une taxonomie de personnes qui aiment potentiellement acheter du café, conduire ce type de voiture, avoir ce type de maison, de revenu, ce genre de choses.

Mais savez-vous vraiment quelle est la composition de ces personnes ? Parfois, ce niveau de transparence n'existe pas. Nous avons donc essayé de comprendre - nous n'y sommes pas encore tout à fait, mais nous essayons de comprendre - si vous pouvez vraiment creuser et obtenir une très bonne compréhension de la répartition en pourcentage des personnes que vous ciblez réellement ? Vous pouvez cibler les personnes qui aiment le café et qui ont toutes ces caractéristiques différentes, mais est-ce que vous allez vraiment au-devant des personnes dont vous avez besoin ?

Il commence par un ensemble de données d'entraînement. Cela commence par une transparence totale sur la façon dont les modèles sont construits, afin que vous puissiez comprendre ce que sera le résultat. Il faut donc être capable de revenir en arrière et de l'expliquer.

Dayle Hall :

Je suis sûr que l'IA explicable est une bonne terminologie. Je suis sûr que l'IA explicable est une bonne terminologie parce que je pense que de cette façon, nous en avons parlé plus tôt, on fait en sorte que les gens y adhèrent. Les gens y croient, car, soyons réalistes, nous essayons de faire cela pour mieux réussir, pas seulement pour améliorer nos vies et nos processus, mais aussi pour mieux réussir dans nos rôles. Si l'on comprend comment ces ensembles de données sont construits et comment l'IA est utilisée, il sera beaucoup plus facile d'obtenir l'adhésion de l'ensemble de l'organisation.

Heidi Bailey :

Oui, tout à fait. Et en plus de cela, il est évident que vous devez avoir des équipes diversifiées, et que vous devez les faire participer à la conversation. Et cela ne concerne pas seulement l'équipe elle-même, mais lorsque vous êtes dans la salle, lorsque vous commencez à élaborer un cas d'utilisation ou à comprendre comment résoudre un problème, vous devez également vous assurer qu'il y a différentes fonctions à l'intérieur de cette salle. Il est donc extrêmement important d'avoir différents types de personnes et différents types de fonctions avec différents types de perspectives.

Dayle Hall :

Oui, c'est vrai. En guise de conclusion, j'ai une dernière question à vous poser. Je suis sûr qu'au cours de ces dernières années, vous avez assisté à de nombreux développements. Je suis sûr qu'il y a beaucoup de choses qui vous enthousiasment. Mais s'il y avait deux ou trois choses ou une chose qui vous enthousiasmerait au cours des 12 prochains mois ou des 10 prochaines années, quelle est la chose que - dans ce domaine de l'IA et de l'automatisation, de l'utilisation des données et de l'apprentissage automatique, quelle est la chose que vous êtes très impatient de voir se concrétiser ou se produire au cours des 12 prochaines années, des deux prochaines années, peu importe ?

Heidi Bailey :

C'est intéressant parce que si l'on pense au marketing et à la publicité, depuis la nuit des temps, il s'agit toujours de changer le comportement du consommateur. Je vais vous donner un coupon pour que vous achetiez mon produit, alors que vous ne l'auriez pas acheté sans coupon, ou je vais mettre cette publicité devant vous pour vous faire changer d'avis et vous faire croire que mon produit est meilleur que celui d'un autre.

Nous avons donc exploré l'idée de ce qui se passerait si - vous n'essayez pas de changer le comportement de quelqu'un parce que c'est très inefficace et pas du tout efficient parce que vous devez bombarder quelqu'un avec une fréquence de 11 fois pour qu'il change enfin d'avis. Mais que se passerait-il si vous pouviez utiliser l'IA et la technologie pour avoir une très bonne compréhension de votre client, de votre consommateur ? Au lieu d'essayer de les faire changer de comportement, vous créez des produits en ayant cette compréhension pour les soutenir.

Dans cette optique, l'une des technologies que nous avons étudiées ou l'une des IA est l'IA émotionnelle, qui est très intéressante si l'on se penche sur la recherche et d'autres choses de ce genre. Les émotions sont généralement à l'origine d'un achat, et presque tout ce que nous faisons dans la vie est guidé par les émotions. Donc, si vous avez une très bonne compréhension de l'aspect émotionnel de votre client ou consommateur, mais que vous avez aussi une compréhension du type d'émotion qui va réellement conduire à une action, alors vous pouvez commencer à jouer dans cet espace.

Nous avons donc travaillé avec une société appelée Cognovi Labs, qui fait des choses très intéressantes dans ce domaine. Il ne s'agit pas seulement de comprendre les émotions du point de vue de l'écoute sociale, comme le sentiment net et l'intensité de la passion. Il s'agit aussi de comprendre si la colère est l'élément qui nous permet d'agir le plus. Mais c'est une bonne colère, ce n'est pas une mauvaise colère. Ou est-ce l'anticipation, ou l'excitation ? Il ne s'agit pas seulement d'amour de la marque. Il ne s'agit pas d'être toujours - parce que si vous êtes satisfait de quelque chose, vous ne changerez rien.

C'est donc très intéressant. Et puis, comment quantifier cela ? Comment quantifier l'émotion et comment elle affecte les inversions et les revenus, c'est quelque chose qui nous intéresse vraiment. Et je pense que cela aura un impact assez important dans l'année ou les deux années à venir.

Dayle Hall :

Oui, non, c'est intéressant. Comme vous l'avez mentionné, l'émotion est généralement à l'origine d'un grand nombre de décisions d'achat, de notre comportement d'achat, et comment tirer parti de cette émotion pour le bien, non pas de manière négative, mais pour nous aider. Car en fin de compte, lorsque nous prenons ces décisions, nous n'achetons pas des choses que nous ne voulons pas vraiment. Mais s'il y a un moyen de nous encourager à le faire, nous y sommes déjà, mais parfois nous avons juste besoin de le voir d'une certaine manière. C'est très intéressant.

J'en ai tiré beaucoup d'enseignements. Nous avons parlé de s'assurer que vous avez de bons défis commerciaux. J'aime l'idée d'avoir certains de ces scientifiques des données, certaines parties des examens créatifs.

Nous avons beaucoup parlé de l'IA comme d'une augmentation, et je pense que c'est l'un des points essentiels dont nous avons discuté aujourd'hui, à savoir qu'elle ne remplace rien. Cela ne signifie pas que si vous ne comprenez pas qui est votre client ou le profil que vous visez ou ce qu'il veut, si vous ne le comprenez pas, l'IA n'y remédiera pas. Mais l'IA peut vous aider à automatiser et à en tirer le meilleur parti.

J'adore le concept de l'IA qui combat l'IA. C'est un terme que je pense entendre un peu plus souvent à l'avenir. J'ai beaucoup aimé ce que vous avez dit sur l'augmentation, mais aussi sur le fait qu'il y a toujours un aspect humain dans tout cela. L'utilisation de l'IA et des données peut en fait nous aider à mieux réussir. J'ai hâte de voir ce que vous allez publier sur l'IA émotionnelle au cours des prochaines années.

C'était donc une excellente discussion. Je suis sûr que nous pourrions - lorsque vous aurez autre chose à dire sur l'IA émotionnelle, nous reprendrons peut-être contact et nous consacrerons un podcast entier à ce sujet. Mais Heidi, je vous remercie pour le temps que vous nous avez consacré aujourd'hui.

Heidi Bailey :

Oui, c'est vrai. Merci de m'avoir invité.

Dayle Hall :

D'accord. C'est tout. Merci à tous d'avoir écouté. Nous vous retrouverons dans le prochain épisode d'Automating the Enterprise.