Accueil Épisode 19

Podcast épisode 19

Transformer les processus métier avec l'IA, l'analyse prédictive et les conceptions d'interfaces d'IA

avec Raghu Banda, directeur principal de la gestion des produits d'IA chez SAP Labs

On a l'impression que l'IA ne peut être utilisée que sur le site cloud, ce qui intimide la plupart des entreprises ayant des processus sur site. Dans cet épisode du podcast, Raghu Banda, directeur principal de la gestion des produits chez SAP Labs, explique comment l'entreprise aide ses clients à intégrer les processus in-cloud et on-premise.

Transcription complète

Dayle Hall :  

Bonjour, vous écoutez notre podcast, Automating the Enterprise. Je suis l'animatrice Dayle Hall, CMO de SnapLogic. Ce podcast est conçu pour donner à chaque organisation des idées et des meilleures pratiques sur la façon d'intégrer, d'automatiser et, espérons-le, de transformer leur entreprise. 

Raghu Banda est directeur principal de la gestion des produits d'IA chez SAP Labs. Il nous rejoint aujourd'hui dans l'émission. Il est responsable de l'adoption des processus de gestion SAP S/4HANA infusés par l'IA pour les clients et partenaires cloud et on-prem. Il se concentre sur l'innovation avec les processus d'affaires SAP 4HANA avec des technologies d'IA supplémentaires. Et c'est la clé aujourd'hui, l'espace des technologies de l'IA, pour améliorer l'expérience client pour tous leurs clients. Il nous fera part de ses idées et de son expérience dans le podcast d'aujourd'hui. Nous en sommes très heureux. Nous sommes ravis que Raghu nous rejoigne aujourd'hui. Raghu, bienvenue dans l'émission.

Raghu Banda :  

Merci, Dayle. C'est un plaisir de participer à votre podcast.

Dayle Hall : 

Je sais que vous avez votre propre podcast. Je sais que vous avez votre propre podcast, alors je vais essayer de maintenir votre niveau de professionnalisme. Je ne suis pas sûr d'y parvenir car je pense que vous êtes plus expérimenté, mais nous apprécions votre participation à l'émission. 

Raghu Banda :

Nous vous remercions. 

Dayle Hall :

Bon, nous allons commencer. J'aime bien faire un petit historique pour que les gens aient une idée de qui vous êtes, où vous avez travaillé, comment vous avez progressé dans votre carrière. Donnez-moi quelques informations sur votre carrière, puis j'aurai une question spécifique à vous poser sur la manière dont vous vous êtes impliqué dans l'IA, mais donnez-moi les grandes lignes de votre carrière.

Raghu Banda :

Peut-être que je commencerai ma carrière avant même l'arrivée de SAP. En Inde, lorsque j'ai obtenu mon diplôme d'ingénieur en informatique, c'était au milieu des années 90. Je pense que c'était l'époque où l'on parlait beaucoup des technologies de l'information et de tout ce qui se passait. Et bien sûr, il y avait des traces d'IA et de robotique à cette époque. Même en dernière année, je voulais faire un projet sur l'IA et la robotique. Mais mon doyen, je crois qu'il m'a dit, non, vous ne pouvez pas le faire maintenant, nous n'avons pas toutes les ressources. Nous avons donc fini par rédiger un livre blanc. 

Mais pour en revenir à la carrière que j'ai menée à l'époque dans la Silicon Valley de l'Inde et à Bangalore, j'ai commencé par travailler pour l'une de ces entreprises, une start-up créée par un groupe de professeurs de l'Institut indien des sciences de Bangalore. Ils avaient l'habitude de réaliser des projets, des modélisations par éléments finis et tous ces logiciels de base utilisés dans la conception assistée par ordinateur, etc. Ces logiciels étaient utilisés par la NASA et d'autres grandes entreprises. 

C'est ainsi que j'ai commencé ma carrière. Plus tard, j'ai commencé à travailler sur les dernières technologies de pointe et j'ai rejoint Wipro, l'une des grandes sociétés de conseil en technologie PHI en Inde. C'est là que j'ai commencé à me familiariser avec toutes ces nouvelles technologies, comme l'internet de la fin des années 90, les technologies de l'internet, et la manière dont nous construisons ces différents programmes logiciels. J'ai ensuite beaucoup entendu parler des entreprises, des logiciels d'entreprise. C'est à ce moment-là que j'ai commencé à chercher ce qui pourrait m'aider à propulser ma carrière. C'est alors que j'ai eu l'occasion de travailler avec SAP. À l'époque, SAP a démarré avec une start-up appelée SAP markets. Il s'agissait d'une coentreprise avec Commerce One, le bon vieux temps du début du millénaire. C'était l'époque où nous construisions une application liée aux achats, qui s'est avérée plus tard être une gestion des relations avec les fournisseurs dans le domaine des achats. 

C'est ainsi que je suis entré dans le monde de SAP. Et entrer dans SAP, c'était une grande réussite à l'époque et il y a beaucoup à apprendre et beaucoup à déballer. C'est ainsi que mon parcours a commencé.

Dayle Hall : 

Vous êtes vous-même dans l'organisation de la réussite des clients, vous comprenez donc l'impact de la technologie sur les clients. Et je pense que c'est l'un des domaines où je crois vraiment que si vous êtes dans une organisation aujourd'hui et que vous cherchez à vous impliquer davantage, les entreprises ont des données, comment puis-je m'impliquer davantage dans certaines de ces nouvelles technologies autour de l'IA ? Je pense que si vous êtes dans l'organisation, si vous pensez à ce que vous essayez de résoudre pour les clients et les données que vous avez, cela peut être dans les opérations de vente, les opérations de marketing, les opérations de succès des clients, cela peut être dans l'informatique. Mais si vous pouvez réfléchir aux problèmes que vous essayez de résoudre pour les clients, commencez à examiner la technologie disponible et les données dont vous disposez. Je pense que cela vous permettra de vous impliquer davantage dans l'IA sans pour autant vous dire que vous voulez devenir un ingénieur en IA. J'ai l'impression qu'il s'agit plutôt d'un processus de mise en commun des personnes, des compétences et des technologies disponibles. Nous disposons de toutes ces données. C'est juste le bon moment pour potentiellement évoluer dans ce domaine et moins pour prendre une décision, nous allons changer de carrière et nous voulons nous impliquer davantage dans l'IA. Et je pense que votre carrière chez SAP en est un bon exemple.

Raghu Banda : 

Oui, je suis très attentif à ce que vous avez mentionné. Le fait est que lorsque toutes ces nouvelles technologies sont arrivées et que nous savons qu'il y a beaucoup de processus d'entreprise réalisés et que nous savons qu'il y a beaucoup de données, la première question que nous nous posons pour résoudre un défi ou un problème d'entreprise particulier est de savoir si je peux continuer à utiliser le mécanisme habituel basé sur des règles et le résoudre ou si j'ai besoin d'algorithmes supplémentaires ou de mécanismes supplémentaires. Et lorsque les nouvelles technologies sont arrivées, vous voulez évidemment essayer des choses plus nouvelles ou différentes. Et comme nous le savons tous, la forme exponentielle de l'augmentation des technologies, vous pourriez voir, tous les deux ans, une augmentation exponentielle et maintenant vous avez beaucoup plus de puissance pour construire de meilleurs modèles. C'est donc de cela qu'il s'agit.

Dayle Hall : 

Passons donc à l'un de nos premiers sujets, à savoir l'IA dans l'entreprise. Et évidemment, l'une des choses qui représente une énorme opportunité est d'améliorer, de rendre plus efficace au sein de l'entreprise, en fait, nos propres processus d'affaires. Avez-vous des exemples, basés sur votre expérience, votre expertise, de la façon dont l'IA aide à transformer les processus d'entreprise ? Si vous avez parlé à des clients, ou ce que vous voyez au sein de SAP, je pense que ce serait vraiment intéressant et que cela donnerait aux personnes qui écoutent l'occasion de dire, hmm, peut-être que je devrais regarder ce genre de choses, comment pourrais-je faire cela dans ma propre organisation ?

Raghu Banda :

Je peux citer différents exemples. Je peux choisir un secteur d'activité lié à l'approvisionnement ou à la vente. Permettez-moi d'évoquer un scénario très courant. De nombreuses personnes ou entreprises, ou même des sociétés de logiciels grand public, peuvent apporter leur contribution ou même se rendre compte qu'elles reçoivent de nombreuses demandes de renseignements commerciaux. J'aimerais - en tant que représentant ou directeur commercial - comprendre lesquelles de ces demandes seront converties en devis, et comment je peux ensuite créer une commande à partir de ce devis. Une fois que j'ai créé une commande particulière, je dois livrer un article avec cette commande. Il peut s'agir d'un service en ligne ou d'un article particulier, etc. Il y a un processus complet qui commence par une demande de vente, se poursuit par une offre de vente, une commande de vente et la livraison d'un article particulier, puis le suivi de cet article, et enfin, évidemment, l'obtention du paiement, et enfin le suivi de tout cela.

Dayle Hall : 

Le fait d'être payé, c'est important.

Raghu Banda :

C'est important, n'est-ce pas ? C'est notre pain et notre beurre. Dans ces différentes étapes du processus, vous comprenez qu'il y a des choses que vous pourriez améliorer pour rendre le processus meilleur, fournir de meilleures informations, augmenter l'efficacité, ou même fournir de meilleures expériences en tant que telles, et comment traiter ce scénario complet de bout en bout. De nombreuses entreprises, qu'il s'agisse de SAP ou d'autres entreprises, ont intégré ou exploité différentes technologies d'IA pour améliorer leur processus d'entreprise de bout en bout.

Dayle Hall :

Oui, c'est vrai. Et je pense que l'une des choses que nous entendons le plus souvent lorsque nous parlons aux clients, c'est que si vous commencez par ce que nous essayons de résoudre, que ce soit pour le processus de vente, le call to cash, l'expérience client, peu importe, si vous commencez par cela et réfléchissez, nous l'avons mentionné plus tôt, à ce que vous essayez de résoudre pour le client, et le client pourrait être vous si vous faites quelque chose en interne, mais ce que vous essayez de résoudre et ensuite regardez où l'IA peut réellement aider, est-ce qu'elle va aider le processus ? Et je pense que l'une des choses que j'ai entendues au cours des podcasts que nous avons faits récemment, c'est que l'humain est toujours impliqué, l'IA est un assistant pour l'humain afin qu'il puisse aller plus vite, qu'il puisse être plus efficace, mais ce n'est pas un remplacement pour l'humain. Je pense que cet exemple correspond à vos ventes. Je suis sûr que vous constatez que, même avec vos propres clients, ils veulent augmenter ce que font les humains. Il ne s'agit pas d'un remplacement.

Raghu Banda :  

Je suis tout à fait d'accord avec vous. Je pense que nous sommes loin, très loin, du moment où les robots d'IA prendront complètement le dessus sur les êtres humains. À l'heure actuelle, je pense que nous sommes encore - tout comme les calculatrices ont été remplacées par des ordinateurs, je pense que nous avons fait - il y a d'autres choses que les humains pourraient faire pour augmenter leurs performances et leur potentiel. De la même manière, je pense que je ferais une distinction entre les entreprises ou les sociétés de logiciels grand public ou les clients qui utilisent des outils ou des processus commerciaux assistés par l'IA et ceux qui ne les utilisent pas. Il est évident que si vous utilisez ces processus et ces outils, vous serez mieux à même de fournir des avantages supplémentaires à vos clients. Dans le monde de l'entreprise, on ne s'intéresse pas seulement à son client, mais aussi aux clients de ses clients, et c'est là qu'il y a deux niveaux de complexité,

Dayle Hall :  

C'est certain. Mais parlez-moi un peu du défi que représente l'aide potentielle aux processus d'entreprise IA ou aux processus d'entreprise influencés par l'IA lorsque vous avez une solution cloud par rapport à une solution sur site. Chez SnapLogic, par exemple, nous avons de nombreux clients. Les entreprises les plus récentes sont probablement purement cloud. De nombreux clients essaient encore de comprendre comment transférer une partie de la solution sur site vers cloud. Et je pense qu'il y a une petite perception selon laquelle on ne peut utiliser l'IA que sur cloud. Si vous utilisez SAP ou AWS ou Snowflake, il y a un peu de cela comme, eh bien, je ne peux pas le faire parce que j'ai beaucoup d'applications sur site. Comment gérez-vous cette situation avec vos clients actuels et est-ce une pierre d'achoppement ?

Raghu Banda :

Je sais que c'est une question tangentielle que vous avez posée. Je comprends votre point de vue parce qu'aujourd'hui, nous voyons beaucoup plus de conversations sur cloud, la montée de cloud et la montée de cloud clients et comment l'IA peut améliorer les processus. Et puis, avec cloud, nous nous dirigeons maintenant vers l'informatique de pointe, n'est-ce pas ? Comme nous le disons maintenant, sur cloud, vous finissez par utiliser beaucoup plus de données, beaucoup plus d'espace, et vous devez alors payer plus. Je dirais donc que nous avons différentes solutions, qu'il s'agisse de cloud , de services sur site ou de services en périphérie. Lorsque nous parlons des solutions cloud , il est évident que vous avez - la plupart de ces services d'IA pourraient être exécutés en tant que service, vous pourriez récupérer la fonctionnalité particulière et présenter les résultats dans le contexte des clients sur site ou des solutions sur site. 

Bien sûr, l'IA profiterait encore beaucoup plus aux clients on-promise. Il y a deux façons de procéder : soit vous avez un bot d'entreprise, qui est implémenté dans votre solution sur site, ou un service d'apprentissage automatique, qui est déjà implémenté dans votre solution sur site, soit vous pouvez l'exécuter en tant que service cloud bien que vous fonctionniez sur site. C'est donc là que vos cadres hybrides ou vos solutions hybrides entrent en jeu. Et oui, nous travaillons sur tous ces différents types de solutions.

Dayle Hall :

Oui, c'est vrai. C'est l'un des domaines où nous n'en parlons pas autant publiquement. Comme vous l'avez dit, nous parlons de l'IA sur le site cloud, principalement. Beaucoup de clients à qui nous parlons, et je suis sûr que c'est la même chose pour vous, essaient encore de gérer cela. Il est donc bon de savoir qu'il est encore possible d'en tirer parti pour ne pas être aussi nerveux, beaucoup de ces entreprises sont déjà nerveuses à l'idée de passer à cloud, sans parler de la manière dont elles peuvent tirer parti de l'IA. 

Passons maintenant à l'analyse prédictive, à l'apprentissage automatique, mais surtout à l'analyse prédictive. J'ai une réaction un peu piquante à ce sujet parce que je pense que l'analyse prédictive en tant que terme existe depuis 10 ans, et qu'il y avait un tas d'entreprises qui essayaient de créer l'espace de l'analyse prédictive. Ce qui s'est passé, c'est qu'elles sont tombées dans l'oubli ou qu'elles ont dû s'orienter vers autre chose que l'analyse prédictive. 

Tout d'abord, j'aimerais savoir ce que vous pensez de l'analyse prédictive dans le contexte de votre expérience. S'agit-il de quelque chose qui est fourni par un fournisseur spécifique, ou de quelque chose qui est inhérent à tout ce que vous faites maintenant que vous avez les données ? Si je vous demandais de définir l'analyse prédictive en fonction de votre expérience, que diriez-vous ?

Raghu Banda :

Je dirais qu'aujourd'hui, l'analyse augmentée ou l'analyse prédictive dont nous avons parlé a parcouru un long chemin. L'analyse prédictive d'hier était différente. Je pense que je dirais que ces prédictions ou analyses prédictives existent depuis deux ou trois décennies. Mais la façon dont nous avons fait les choses à ce moment-là, c'est de fournir de simples informations à partir des données dont nous disposons. C'est ainsi que nous procédions il y a 20 ou 30 ans. Vous avez juste - peut-être que si vous revenez en arrière, vous savez toujours que vous avez votre base de données et vos tables, vous avez beaucoup d'informations là, vous faites juste une requête, interrogez votre base de données, obtenez des informations. Et une fois que vous avez obtenu les informations, vous les affichez à l'utilisateur, vous les mettez dans de beaux tableaux de bord. 

C'est ainsi que tout a commencé. Maintenant, lorsque vous disposez de beaucoup plus de données et que vous comprenez que, sur la base des données dont vous disposez et des modèles que vous pouvez dégager, vous pouvez dire que, hé, j'ai 10 ans de données et que ces 10 ans de données ont des modèles. Ne puis-je pas faire une sorte d'algorithme de régression, une sorte d'analyse de régression ou d'analyse non linéaire ? C'est ainsi que je qualifierais l'analyse prédictive ou la façon dont nous avons progressé dans ce monde. Et nous continuons à faire - sur la base des informations dont nous disposons, nous effectuons une sorte d'analyse, que l'on peut appeler analyse de régression ou analyse prévisionnelle, puis nous fournissons des détails et des prédictions rapides, qui sont proches de la perfection. Mais il n'y aura jamais de solution prédictive parfaite à 100 %. Vous ne pouvez jamais dire cela lorsque vous voyez la courbe, je pense que nous disons toujours qu'au-dessus de 90% et près de 100%, c'est là que nous disons que le pouvoir prédictif et la confiance prédictive vous donnent les meilleurs résultats. C'est ainsi que je définirais l'analyse prédictive à un niveau élevé.

Dayle Hall :

Il est intéressant que vous disiez que ce n'est pas une solution parfaite. Lorsque vous parlez à vos clients ou à vos collaborateurs internes, comment les guidez-vous pour mesurer l'efficacité de cette solution ? Parce qu'en général, quand nous disons que c'est ce que fait notre entreprise ou que ce sont les choses que nous allons livrer, nous ne disons pas, ok, mais ce n'est pas parfait, il va y avoir des erreurs là-dedans ou quoi que ce soit. Comment mesurer l'efficacité réelle de l'analyse prédictive si nous disons qu'elle n'est pas parfaite ?

Raghu Banda :

Ainsi, lorsque je dis qu'elle n'est pas parfaite, toute solution d'analyse prédictive, je pense - par exemple, revenons en arrière et prenons ce que nous avons avec ChatGPT. Il s'agit d'un énorme modèle linguistique. Il contient beaucoup de données et permet d'obtenir des réponses. Dans 95 % des cas, ces réponses sont vraies, mais dans 5 % des cas, les réponses peuvent ne pas être vraies, ou dans 5 %, ou dans certains scénarios, dans 0,5 % des cas, parce qu'il s'agit toujours de comprendre les modèles et de fournir un résultat. 

Mais en tant qu'être humain dans la boucle et utilisateur final de l'outil, de la machine ou de tout autre service, un être humain peut toujours agir d'une manière différente. Et ce sera la première fois que cela se produira, il y a toujours une première fois dans tout. C'est pourquoi je ne croirais pas quelqu'un qui dirait qu'il peut prédire 100 % du temps et 100 % des résultats. C'est donc ainsi que nous expliquons. Et l'efficacité est toujours fournie. Nous expliquons comment vous obtenez un résultat. Lorsque vous fournissez un résultat, vous l'expliquez en indiquant quels sont les facteurs qui l'influencent. Et c'est ainsi que l'on fournit l'explication derrière ce résultat.

Dayle Hall : 

Avez-vous des exemples au sein de votre propre organisation ou de votre expérience sur la façon dont les gens utilisent l'analyse prédictive potentiellement autour d'autres parties de l'intégration ou de l'automatisation ? Il ne doit pas nécessairement s'agir d'une solution complète de type RPA, mais comment la modélisation prédictive peut-elle aller de l'avant et aider les clients à être plus efficaces ?

Raghu Banda :

Cette fois-ci, je vais prendre un exemple dans le domaine de l'approvisionnement. Tout à l'heure, j'ai parlé du secteur des ventes. Dans le secteur de l'approvisionnement, nous savons que le responsable des achats se trouve dans l'atelier. Je pense que nous savons qu'une pièce détachée ou un article particulier est en rupture de stock. Il faut alors procéder à un appel d'offres ou acheter l'article en question. Vous savez donc que vous disposez déjà d'un certain nombre de fournisseurs. Si vous avez déjà une sorte de négociation contractuelle avec un fournisseur, une commande sera automatiquement passée. Si vous n'avez pas de négociation contractuelle, vous lancez évidemment une procédure d'appel d'offres. 

Prenons l'exemple suivant : le responsable des achats ou le responsable de l'inventaire sait automatiquement qu'il n'y a plus rien à acheter. Je veux aller de l'avant et commander cet article particulier. Maintenant, ce qui se passe, c'est que l'information est déjà transportée, et l'information est toujours - déjà transmise au fournisseur ou au vendeur, et elle est maintenant expédiée, je dirais, mais maintenant vous devez comprendre quand vous l'obtenez à votre emplacement, à l'emplacement de l'usine en particulier. Cela peut donc prendre un certain temps. Et maintenant, vous revenez aux données historiques et vous voyez que dans le passé, lorsque j'ai commandé ce type de pièces détachées à ce genre d'endroits, à ce genre de fournisseurs, il y a un délai typique ou une fenêtre de temps typique qui se situe entre 5 et 15 jours. En fonction de cela, vous ferez une sorte de prédiction en disant, hé, maintenant qu'il y a ces paramètres météorologiques supplémentaires, il y a un blizzard qui arrive ou une tempête qui s'annonce, donc l'itinéraire du camion doit être différent. 

En plus des paramètres que vous avez déjà dans le système, vous avez ces paramètres supplémentaires, vous pouvez construire une solution personnalisée supplémentaire et fournir des prédictions supplémentaires et dire, hey, cette fois, l'article pourrait être retardé de quatre jours, ou cette fois, il n'y a pas de tempête et nous sommes déjà en train d'expédier à un autre endroit. En chemin, je serai donc en mesure de livrer cet article également. Cette fois-ci, je pourrai peut-être livrer avec un ou deux jours d'avance. Ce type de prévisions pourrait donc déjà se produire sur la base de vos données historiques, de l'analyse de régression et de l'ajout de données saisonnières supplémentaires.

Dayle Hall : 

C'est intéressant. Fondamentalement, si vous êtes dans ce secteur d'activité, si vous êtes dans l'approvisionnement, en utilisant cette modélisation, les données que vous obtenez aident en fait votre production, l'exécution des commandes des clients, tous ces éléments, où vous pouvez être plus précis, ce que je pense être intéressant. Cela pourrait-il être utile dans le cas d'un événement totalement imprévu comme le COVID ? Pendant le COVID, nous avons évidemment un tas de problèmes liés à la chaîne d'approvisionnement, etc. Et je sais que cela affectera la modélisation parce qu'il s'agit de données différentes, les données que vous introduisez dans le système sont probablement différentes. Je ne pense pas que nous aurons une autre pandémie ou quelque chose d'aussi important qu'une perturbation. Mais je me demande si la modélisation dont nous disposons maintenant grâce à COVID nous aide réellement à mieux utiliser ces données, ou s'il s'agit d'une anomalie telle qu'elle perturbe le système ?

Raghu Banda :  

Il est certain que cela vous aide dans ce genre de pandémie. Et je ne me souviens pas exactement, mais je pense que pendant la pandémie de COVID, même SAP, en particulier le réseau de fournisseurs Ariba, les solutions basées sur Ariba, ont fait des choses supplémentaires qui ont aidé leurs fournisseurs et le réseau pendant la pandémie de COVID. Je ne connais pas les détails exacts, mais vous pouvez faire des recherches. 

Mais pour répondre à votre question, d'après mon expérience personnelle, les discussions que j'ai eues avec différentes personnes et mes antécédents, oui, cela sera certainement utile pendant la pandémie de grippe aviaire. Et j'ajouterai un paramètre supplémentaire ici, n'est-ce pas ? Avec ces technologies IoT, avec les données des capteurs IoT, celles-ci sont également intégrées. Maintenant que nous avons ces données supplémentaires, non seulement vos modèles de données historiques, les données que vous avez dans votre système sur les fournisseurs et les vendeurs et les pièces, les données saisonnières aussi. 

Mais en plus de cela, j'ajoutais également les données météorologiques, peut-être à partir d'IBM Watson. Et maintenant, vous ajoutez les données des capteurs IoT, c'est-à-dire que vous avez ces différentes - il y a beaucoup de ces applications intégrées IoT qui apparaissent maintenant, dans lesquelles vous pourriez dire que le camion est en route, mais qu'il y a un retard. Et ces informations de capteurs IoT continuent à fournir constamment des informations disant que, hey, à ce moment-là, je suis là, ce genre de choses pourrait également être exploité pour fournir de meilleures capacités de prédiction. Il s'agit donc d'applications réelles, en temps réel.

Dayle Hall :

J'aime ce concept, même lorsque des événements majeurs se produisent. D'accord, COVID est un peu plus important qu'une tempête de neige ou un accident sur l'autoroute ou quelque chose comme ça, mais j'aime l'idée qu'il y a tellement de points de données différents qui sont en dehors - même en dehors de ce que vous faites dans votre propre entreprise. Mais si vous pouvez commencer à intégrer ces éléments, tout ce que vous faites en termes de gestion de votre entreprise, de chaîne d'approvisionnement, de satisfaction des besoins des clients, etc. Même s'il y a - même si vous devez dire à votre client qu'il y a plus de retard, eh bien, devinez quoi ? Nous utilisons tellement de sources différentes. Vous serez précis en leur disant qu'il y a un retard et voici pourquoi. Et je pense que si vous êtes un client, vous voulez savoir où en sont les choses et vous ne voulez pas être tenu dans l'ignorance. J'aime donc - je pense que cela aiderait beaucoup de grandes entreprises dans leurs livraisons. 

Parlez-moi un peu de l'utilisation de ce type d'outils disponibles aujourd'hui, de la manière dont un humain s'en sert. Ce que je veux dire par là, c'est qu'il s'agit plutôt de la conception, de la manière dont nous utilisons ce type d'outil d'analyse prédictive et de l'importance que vous accordez à l'interface, à l'expérience et à la manière dont vous interagissez avec ces outils. Est-ce vraiment important ou les données sont-elles plus importantes ? Qu'est-ce qui est primordial selon vous ?

Raghu Banda :

Permettez-moi de faire le lien avec mon processus de réflexion précédent, lorsque j'ai commencé à parler des personnes, des processus et des technologies, les données étant l'élément sous-jacent. Nous sommes donc en 2023, à un stade où nous disposons d'une énorme quantité de données. Quelle que soit l'entreprise, vous avez mûri suffisamment de technologies. Il est évident que les technologies continueront à s'améliorer. Nous avons réalisé des processus commerciaux. 

Les personnes sont donc un facteur très important pour comprendre comment vous pouvez améliorer vos processus commerciaux ou vos processus d'entreprise, en exploitant les données dont vous disposez, en mettant en œuvre les outils que vous avez à votre disposition, de sorte que tout est lié à la façon dont cela peut aider l'utilisateur final. Le point que vous avez soulevé est donc excellent. Même lorsque je conçois le système, si le système est adaptable à l'utilisateur final, qu'il s'agisse d'un utilisateur novice ou d'un utilisateur expert, parce que vous aurez différents types de personnes qui utiliseront le système, lorsque vous faites la conception, il devrait être disponible de manière simpliste pour que les gens comprennent comment je peux utiliser le système afin qu'il puisse fournir les résultats. Il est donc évident que la conception centrée sur l'utilisateur, les conceptions basées sur les personas jouent un rôle très important lorsque nous parlons de processus d'entreprise infusés par l'IA. C'est la raison pour laquelle le facteur humain est essentiel. 

Dayle Hall :

Oui, c'est vrai. La plupart des discussions que nous avons eues dans le cadre de cette série de podcasts sur l'IA en général n'ont pas vraiment porté sur ce sujet. Nous avons parlé de l'IA responsable et de l'éthique de l'IA, et nous avons commencé par une analyse de rentabilité pour nous assurer que l'IA correspond à ce dont nous avons besoin. Mais de plus en plus, je commence à penser que l'interface utilisateur doit être un élément clé. Pensez-vous qu'il est préférable d'avoir une interface distincte lorsque vous utilisez certains de ces outils, ou devriez-vous utiliser les outils existants et l'IA est sous-jacente ? Cela fait-il une différence ?

Raghu Banda :

C'est là que les assistants numériques joueront un rôle très important. Dans certaines situations, il n'est pas possible de repenser le système, de modifier la conception de l'utilisateur de manière à rendre intuitive l'utilisation des processus centrés sur l'IA par l'utilisateur final, mais il est toujours possible de disposer d'une couche d'intégration supplémentaire à l'aide de l'assistant numérique. C'est donc là que l'assistant numérique ou votre IA conversationnelle peut, à certains égards, vous aider à accélérer ce processus. En fin de compte, vous pouvez migrer vers un meilleur système ou une meilleure conception centrée sur l'utilisateur.

Dayle Hall :

À l'avenir, si vous considérez l'IA en dehors de l'entreprise, que voulez-vous qu'elle fasse pour vous et votre vie à l'avenir ? Quelle est la chose la plus excitante pour Raghu dans votre vie personnelle ? Si l'IA pouvait résoudre un problème pour vous, quel serait-il ?

Raghu Banda :

C'est une excellente question. Je pense qu'il y a une chose que j'aime beaucoup, en dehors de l'aspect entreprise, c'est que je suis un grand amateur de vélo et de voyages, et un grand amateur de lecture et d'écoute. Je voudrais - quand je fais du vélo ou quand je voyage, je veux écouter certaines de ces conversations. Auparavant, je lisais, mais aujourd'hui, je fais moitié-moitié. Il y a beaucoup de conversations qui se déroulent, mais je ne peux obtenir que des recommandations sur les grands acteurs. Mais il y a beaucoup de petites conversations qui se déroulent sans que l'on s'en rende compte. Il faut donc faire beaucoup plus de recherches à ce sujet. 

Si l'IA peut me donner un aperçu de ce qui se passe là-bas, c'est peut-être l'une de ces conversations. Il y a donc beaucoup d'autres conversations de ce type. Mais je ne peux accéder qu'aux grandes conversations, comme celles des Elon Musk ou des Lex Fridman. Mais là, mon plus grand défi est qu'il y a tellement d'informations qui circulent, mais qu'il n'y a pas de visibilité. Si l'IA peut fournir cette visibilité à partir d'un grand nombre de conversations, cela sera utile d'une manière différente. Je ne sais même pas comment cela va se passer, mais... cette chose.

Dayle Hall :

J'aime bien cela. J'en ai une : avec 10 000 outils martech, je reçois 300 courriels par jour de la part de martech. Et nous le faisons aussi. Je comprends. Je suis un spécialiste du marketing. Je sais comment ces choses fonctionnent. Mais s'il y avait un moyen pour l'IA de comprendre ce que j'ai dans mon entreprise, quels sont nos défis et ensuite de mieux filtrer ou d'aller chercher ces outils, les choses sur lesquelles je devrais me concentrer, qui m'aideront dans ma vie de tous les jours. Et puis le reste, c'est surtout si je pouvais avoir une interface IA qui me permette de comprendre où mes enfants ont besoin d'être à quelle heure de la journée et qui les conduit là-bas, si leurs amis peuvent les emmener et tout ce genre de choses pour que je ne sois pas le parent Uber pour mes enfants tous les soirs, ce serait une grande victoire. 

Raghu Banda :

Bien sûr, je n'y suis pas allé pour ce qui est de l'aspect personnel. Oui, il y a beaucoup de choses que j'aimerais vraiment y trouver.

Dayle Hall :

Oui, je vous remercie de m'avoir accordé du temps aujourd'hui. Nous avons abordé un grand nombre de sujets très différents. Nous avons approfondi certains sujets liés à l'IA que nous n'avions pas abordés auparavant. J'aime le concept dont vous parlez, à savoir que les processus humains et la technologie sont les éléments clés de l'IA, mais que les données sous-jacentes doivent toujours être présentes. J'adore penser aux clients des clients. Ainsi, lorsque nous mettons ces technologies sur le marché, ne pensez pas seulement à la manière dont nous aidons les clients. Est-ce que cela les aide vraiment avec leurs propres clients ? Je pense qu'il s'agit là d'une question que les auditeurs devraient se poser en se demandant s'ils ont pensé à cela ou s'ils se concentrent uniquement sur ce qu'ils apportent à leurs propres clients. Et je pense que, si nous y pensons de cette manière, cela encouragera, je l'espère, encore plus cette IA responsable et éthique et ses résultats. 

Raghu, merci beaucoup d'avoir participé au podcast aujourd'hui.

Raghu Banda :

Merci, Dayle, de m'avoir fait participer à votre podcast. J'ai vraiment adoré la conversation.

Dayle Hall :

C'est très bien. Merci à tous d'avoir écouté. C'est la fin de cet épisode, et nous vous donnons rendez-vous pour le prochain épisode d'Automating the Enterprise.