Pourquoi l’IA est partout sauf dans votre entreprise

Pas un jour ne se passe sans qu’une nouvelle réalisation, un nouvel investissement ou un nouveau plan national propulsé par l’intelligence artificielle ne soit signalé. L’IA est intégrée dans de nombreuses applications et logiciels que nous utilisons, et elle fait de fonctions telles que l’interaction vocale une réalité.

Pourtant, l’adoption de l’IA elle-même est largement absente de la plupart des organisations avec lesquelles nous interagissons ou travaillons directement. Alors que des applications qui n’étaient qu’un rêve il y a encore quelques années se sont généralisées, leur développement est encore limité à une poignée d’entreprises avisées.

Par exemple, Meta (anciennement Facebook) construit le plus grand superordinateur du monde. La société a déclaré que son pouvoir était nécessaire non pas pour exécuter le métaverse, mais pour former des modèles d’IA « qui peuvent apprendre à partir de milliards d’exemples ; travailler dans des centaines de langues différentes ; analysez en toute transparence du texte, des images et des vidéos ensemble. . . et beaucoup plus ».

Le nombre de jours ou de mois nécessaires pour former un modèle d’IA peut déterminer l’étendue de l’innovation et de la compétitivité. Pour une entreprise telle que Meta, raccourcir le temps de développement pour permettre une expérimentation plus rapide est essentiel pour être compétitif.

Mais l’adoption de l’IA est douloureusement lente dans la plupart des entreprises, contrairement à d’autres perturbations technologiques, des voitures à la photographie numérique en passant par les smartphones. La raison en est les conditions spécifiques requises pour l’adoption de l’IA. Pour de nombreuses technologies, il s’agit simplement d’acheter une innovation, comme un smartphone, où les applications locales accélèrent les processus.

Dans d’autres cas, comme Internet ou les médias sociaux, une infrastructure et un soutien locaux importants sont nécessaires pour créer un contenu pertinent et stimuler les effets de réseau et l’adoption.

Cela conduit à des courbes d’adoption relativement plus lentes. L’IA exige des conditions préalables encore plus complexes et l’implication active des entreprises. Dans « L’intelligence artificielle comme augmentation de l’automatisation : implications pour l’emploi » – mon article avec Feichin Ted Tschang dans la revue Academy of Management Perspectives – nous soulignons comment l’IA permet aux entreprises de modulariser et de contrôler le travail de routine et, ce faisant, nécessite la transformation de leurs structures.

La perturbation peut être importante. Dans les premières époques d’automatisation, la perte d’emplois était compensée par la croissance de nouveaux secteurs et emplois, et la perte d’emplois routiniers et moyennement qualifiés avec une polarisation des emplois entre les emplois hautement et peu qualifiés. À l’ère de l’automatisation de l’IA, cela peut être encore aggravé.

De tels obstacles signifient que nous assistons à une adoption à deux vitesses dans laquelle l’IA peut sembler être partout sauf dans nos propres organisations. Pourtant, l’IA est de plus en plus essentielle pour rivaliser efficacement, offrant un coût marginal nul et une évolutivité rapide.

La conséquence est un grand écart de productivité entre les entreprises « frontières » et les autres. La quantité d’informations est plus importante dans les industries de services que dans l’industrie manufacturière, de sorte que les entreprises de services sont celles dans lesquelles la différenciation est la plus importante – et celles sans IA risquent de prendre encore plus de retard.

L’introduction de l’IA entraîne la traduction de routines en code et la création de nouvelles tâches impossibles à réaliser par d’autres moyens. Pour de nombreux pays interconnectés de l’OCDE, les augmentations de salaire sont tirées par l’inflation et la mobilité des travailleurs, ce qui signifie qu’il sera essentiel pour les entreprises de s’attaquer à la productivité avec l’IA pour rester compétitives.

Nous assistons à l’intégration de l’IA dans les produits et les solutions. Les meilleurs exemples sont les entrepôts utilisant des robots et le déploiement généralisé de moteurs de recommandation, de logiciels de reconnaissance d’images, de systèmes de détection et de prévision des fraudes et de chatbots.

Cependant, l’adoption de l’IA nécessite des changements dans les modèles commerciaux et opérationnels des organisations. Ceci, combiné à un rythme toujours plus rapide, explique notre monde à deux vitesses. Cela explique aussi pourquoi les organisations non frontalières sont confrontées à une concurrence de plus en plus rude.

L’accélération exige de nouvelles capacités, y compris à la fois des talents suffisants en IA et des moyens de favoriser des pratiques innovantes grâce à une culture plus favorable et « can-do ». Une génération de talents efficace nécessite un réseau pour produire, attirer et retenir des personnes qualifiées. Cela peut signifier des universités et des centres de recherche de premier plan pour la formation et le développement de l’expertise, ainsi que la perspective de salaires élevés et de projets suffisamment stimulants pour garantir que du personnel spécialisé peut être recruté et motivé pour rester.

La puissance de calcul est également nécessaire. Alors que les plates-formes cloud sont désormais largement disponibles, exploiter leur potentiel nécessite également la présence d’universités et d’organisations expertes en cloud.

Enfin, les organisations ont besoin de données spécifiques pour leur donner un avantage concurrentiel. Cela peut être dérivé en interne, ce qui signifie qu’il doit être collecté et traité ; ou en externe, auquel cas il doit aller au-delà des données transactionnelles de base pour être utile.

La capacité seule est insuffisante. Les progrès de l’IA passent par les pôles de compétitivité. Alors que les connaissances sont devenues mondiales, l’innovation reste locale. Sans une meilleure compréhension de tous ces facteurs, un nombre croissant d’entreprises seront laissées pour compte par la révolution de l’IA.

Mais comme l’automatisation induite par l’IA remplace de plus en plus de travail et que la plupart des emplois restants sont concentrés dans une main-d’œuvre plus petite et hautement technique, nous devons également réfléchir à la manière d’utiliser les nouvelles technologies pour promouvoir des formes de travail et des moyens de subsistance durables.

Esteve Almirall est professeur associé au Département des opérations, de l’innovation et des sciences des données à Entreprise Esade & Faculté de droit à Barcelone