Cinq grands défis pour l'adoption et le succès de l'IA

Il existe peu de technologies pour lesquelles les entreprises sont plus enthousiastes que l'intelligence artificielle (IA), et pour cause : l'IA a le potentiel de remodeler complètement le fonctionnement des entreprises dans toutes les fonctions, y compris le marketing, le service client et la finance.

Mais comme pour de nombreuses technologies émergentes, il y a des défis, et l'IA n'en manque pas. Cela pourrait expliquer pourquoi, selon une nouvelle enquête du MIT-Boston Consulting Group, 85 % des dirigeants pensent que l'IA changera le monde des affaires, mais seulement 20 % des entreprises l'utilisent d'une manière ou d'une autre et seulement 5 % en font un usage intensif.

Alors, qu'est-ce qui empêche l'IA de réaliser son potentiel ? Voici cinq des plus grands défis que les entreprises doivent relever si elles veulent commencer à utiliser efficacement le nombre croissant d'outils basés sur l'IA qui sont disponibles aujourd'hui.

Accès aux données

Les données sont l'élément vital de l'économie numérique et pour les entreprises qui cherchent à appliquer l'IA à un certain nombre de domaines, l'accès aux données va être l'un des plus grands défis. En fait, selon George Zarkadakis, responsable numérique de la société de conseil mondiale Willis Towers Watson, les données seront le plus grand défi auquel les entreprises seront confrontées.

"Pour former des algorithmes d'apprentissage automatique, il faut des ensembles de données massifs et propres, avec un minimum de biais", a-t-il déclaré à AI Business . « Il faut également garder à l'esprit les problèmes de confidentialité des données lorsqu'il s'agit de collecter des données personnelles, en particulier à la lumière du règlement général sur la protection des données qui entrera en vigueur en 2018. »

La bonne nouvelle est que la plupart des marques sont attachées à la valeur des données depuis des années. Grâce au marché publicitaire en particulier, les entreprises ont reconnu la valeur des données first party, notamment au vu du coût croissant d'acquisition de données tierces.

En conséquence, de nombreuses entreprises ont investi massivement dans la création d'infrastructures pour collecter et stocker les données qu'elles génèrent et pour recruter des talents capables de les exploiter. Ceux qui sont plus avancés dans ce domaine découvriront qu'ils ont un avantage concurrentiel en intégrant l'IA dans leurs entreprises.

Le fait que le passé n'est pas toujours un prologue

Même lorsqu'une entreprise dispose de suffisamment de données sur lesquelles créer des applications d'IA, il est important qu'elle reconnaisse que les modèles sur lesquels ses applications d'IA sont formées ne fonctionneront pas nécessairement pour toujours.

Prenez, par exemple, les applications d'IA utilisées pour gérer les campagnes marketing. L'année dernière, IBM a annoncé qu'elle utiliserait sa plate-forme Watson pour gérer toutes ses campagnes programmatiques d'ici 2017. Selon les rapports, IBM a réduit son coût par clic en moyenne de 35% en utilisant Watson et dans certains cas, ce chiffre est allé aussi haut. à 71%.

Comme AdAge l'a expliqué, Watson « utilise des analyses avancées pour créer des gains d'efficacité dans le processus d'appel d'offres en ingérant des quantités massives de données et en attribuant une valeur aux consommateurs cibles potentiels en fonction de l'heure de la journée, de l'appareil qu'ils utilisent, de la langue qu'ils parlent et du navigateur qu'ils utilisent. utilisent."

Le niveau auquel Watson peut analyser les données est « ahurissant ». Par exemple, il peut déterminer « si une [annonce] de petite taille est plus efficace lorsqu'elle est diffusée à 3 h 00 pour un CPM de 2 $, ou un coût pour mille impressions, que des annonces plus grandes à midi à un CPM de 3 $ ».

Mais le marché de la publicité numérique n'est pas statique et les modèles qui ont fonctionné pendant des mois ou des années ne sont pas garantis de fonctionner demain. Bien que l'IA puisse apprendre au fur et à mesure, sa capacité à le faire dépend en grande partie des conditions qui restent similaires à celles sur lesquelles elle a été formée.

L'évolution des formats d'annonces, le va-et-vient des acheteurs dans l'écosystème et l'augmentation du nombre d'entreprises utilisant l'IA pour acheter des annonces, par exemple, ont tous le potentiel de changer radicalement les conditions du marché, de sorte qu'elles sont très différentes de celles qui existait lorsque les données sur lesquelles l'IA a été entraînée ont été recueillies.

Cela signifie qu'il existe des risques que les modèles d'IA diminuent considérablement en efficacité ou se cassent rapidement, causant ainsi des dommages.

Un manque d'intelligence émotionnelle

Les entreprises cherchent de plus en plus à utiliser la technologie de l'IA pour soutenir leurs efforts de service client. Par exemple, beaucoup créent des chatbots alimentés par l'IA avec lesquels les clients peuvent interagir sur des plateformes comme Facebook Messenger.

Alors que les premières incarnations de chatbots pour ces plates-formes laissaient beaucoup à désirer, la technologie de traitement du langage naturel (NLP) s'améliore rapidement et les robots pilotés par l'IA comprennent mieux ce que disent les humains avec lesquels ils interagissent.

Mais même ainsi, les applications d'IA manquent d'intelligence émotionnelle et, plus important encore, elles sont incapables de faire preuve d'empathie, ce qui constitue un énorme obstacle au succès de l'IA dans les applications de service client telles que les chatbots. Après tout, certaines demandes de service client peuvent faire ou défaire une relation client.

Une façon pour les marques de relever ce défi est de limiter l'application de l'IA au service client où l'empathie n'est pas nécessaire. Les chatbots, par exemple, peuvent être conçus pour servir de service client de première ligne, répondant aux questions fréquemment posées et traitant des demandes simples, généralement sans émotion. Lorsque les demandes sont plus complexes ou potentiellement sensibles, les chatbots alimentés par l'IA devraient être en mesure de connecter en douceur les clients aux représentants du service client humain.

Spécialisation

David Raab, directeur du cabinet de conseil en marketing Raab Associates, a noté que « les systèmes d'IA d'aujourd'hui et du futur proche sont des spécialistes ». Ils effectuent des tâches spécifiques, telles que la notation d'un prospect ou la détermination du prix optimal pour enchérir pour une annonce graphique.

Bien sûr, les technologies basées sur l'IA sont actuellement meilleures pour certaines tâches spécialisées que pour d'autres. Prenez la création de contenu automatisée par l'IA, un rêve des spécialistes du marketing de contenu partout dans le monde. D'ici 2018, Gartner prévoit que 20 % de tout le contenu commercial sera produit par des machines.

Bien qu'il existe des preuves que l'IA est capable de créer certains types de contenu qui sont pratiquement impossibles à distinguer du contenu humain en termes de clarté et de précision, le contenu produit par machine est nettement plus ennuyeux et moins agréable à lire selon une étude.

Étant donné que le contenu émotionnel est essentiel au succès du marketing de contenu, les marques ont des raisons de se méfier de mettre toute la tâche de création de contenu entre les mains d'un logiciel d'IA.

Mais cela ne signifie pas que l'IA ne peut pas effectuer des tâches de contenu spécialisées. Les marques peuvent utiliser l'intelligence artificielle pour identifier les tendances et les sujets qui se prêtent à un contenu populaire, prédire quels titres écrits par des humains seront les plus performants ou organiser le contenu.

Un exemple innovant de curation de contenu basée sur l'IA a été exposé lors de l'US Open cette année. L'Association de tennis des États-Unis (USTA) a formé IBM Watson « à reconnaître les gestes et les expressions faciales des joueurs, les bruits de la foule et la réaction des diffuseurs », puis à utiliser Watson pour aider ses équipes de diffusion et de contenu à identifier les moments forts des matchs à transmettre aux fans.

Une incapacité à collaborer

Comme l'a observé David Raab de Raab Associates, une campagne marketing implique la coordination de nombreuses tâches spécialisées, ce qui signifie que pour que l'IA prenne en charge une campagne marketing complète « exigera la coopération de nombreuses IA ».

En théorie, ce n'est pas nécessairement une rupture d'accord. Mais la théorie et la réalité ne sont pas la même chose. Il a expliqué ce qui est impliqué pour que cela se produise :

Il est facile - et amusant - d'imaginer une collection complexe de composants basés sur l'IA collaborant pour créer des expériences client entièrement automatisées et parfaitement personnalisées. Mais ce système sera sujet à des pannes fréquentes car l'un ou l'autre des composants se trouvera confronté à des conditions pour lesquelles il n'a pas été formé. Si les systèmes sont bien conçus (et nous avons de la chance), les composants s'arrêteront d'eux-mêmes lorsque cela se produira. Si nous n'avons pas cette chance, ils continueront à fonctionner et donneront des résultats de plus en plus inappropriés.

Cela signifie en fin de compte qu'il sera plus complexe et plus coûteux pour les entreprises de créer le type de campagnes marketing autonomes que l'IA promet. Pour cette raison, dans l'intervalle, les marques avisées seront stratégiques quant à la technologie d'IA dans laquelle elles investissent. Par exemple, une entreprise peut réaliser une valeur significative en appliquant l'IA à la notation des leads tandis qu'une autre peut réaliser plus de valeur en appliquant l'IA à l'analyse des sentiments des médias sociaux.

Étant donné que les retours sur investissement peuvent tellement varier en fonction de la marque et de ses besoins, les entreprises devront de manière réaliste analyser les technologies d'IA et déterminer celles qui leur offrent le plus de valeur.