Nos 5 constats sur la productivité IA

De nombreuses entreprises aspirent à utiliser l’IA générative (GenAI) pour gagner en efficience et en productivité. Ainsi, 81 % des entreprises à travers le monde prévoient d’augmenter leurs investissements dans l’IA au cours de l’année prochaine, selon l’indice de maturité IA des entreprises établi par ServiceNow et Oxford Economics. Mais comment ?

Parlons de notre propre expérience. En quelques mois seulement, nous avons obtenu plus de 10 millions de dollars d’avantages tangibles et amélioré notre productivité grâce à l’IA générative. La technologie effectue désormais un travail équivalent à celui de 50 employés à temps plein sur une base annuelle. Ainsi, les tâches manuelles sont réduites et nos équipes disposent de plus de temps pour se consacrer à des activités à plus forte valeur ajoutée. Voici quelques exemples de ce que nous a appris notre quête de productivité avec l’IA.

1. Les tâches répétitives se prêtent à l’IA

Fondamentalement, tout métier est constitué d’une série de tâches. Si vous êtes chef cuisinier, vous planifiez un menu, vous vous procurez les ingrédients, vous cuisinez les aliments, vous préparez les plats et les servez aux clients. Si vous êtes commercial, vous commencez généralement par rechercher des clients potentiels, puis vous élaborez un argumentaire convaincant, suivi d’une démonstration adaptée au client, et enfin vous négociez le prix avant de conclure la vente.

Certaines de ces tâches sont manifestement propices à l’automatisation et à l’augmentation par la technologie. La question qui se pose est donc la suivante : quelles tâches conviennent le mieux aux humains et lesquelles devraient être déléguées aux machines ?

Les tâches qui entrent dans cette dernière catégorie sont de nature répétitive, dépendent fortement des données et impliquent une synthèse, des prédictions ou des recommandations. Elles peuvent être gérées par l’IA avec une marge d’erreur acceptable.

Par exemple, le suivi personnalisé des clients représente une part importante du travail d’un commercial. Chez ServiceNow, nous avons déployé la GenAI pour ce type de communication et avons constaté que le taux de réponse avait doublé.

Depuis, nous avons commencé à utiliser l’IA générative pour la personnalisation digitale. Par exemple, nous utilisons un outil appelé Assistance e-mail, qui permet d’adapter les messages des équipes commerciales afin de trouver davantage d’écho auprès des clients en fonction d’un certain nombre de caractéristiques, notamment leur secteur d’activité, leur rôle et leurs comportements individuels.

Nos équipes de vente peuvent ainsi consacrer plus de temps à leurs tâches essentielles : développer l’activité en identifiant de nouvelles opportunités et entretenir des relations productives avec les clients. D’ailleurs, nous estimons que cet outil nous a permis de réduire de 60 % le temps consacré à chaque lead.

2. La simplification de la recherche est très appréciable

Dans pratiquement tous les rôles des travailleurs du savoir, il y a une tâche pour laquelle le recours aux machines est particulièrement utile : la recherche d’informations.

Malheureusement, pour de nombreux travailleurs du savoir, la recherche d’informations s’apparente à une chasse au trésor frustrante. Nous passons tous beaucoup de temps à rechercher des données et du contenu.

Nous avons dû relever ce même défi chez ServiceNow. Lorsque nous avons déployé l’IA générative pour rationaliser notre approche de la recherche, les employés y ont gagné un outil puissant leur permettant de trouver facilement des réponses par eux-mêmes. Cela a permis de faire gagner du temps aux collègues qui devaient auparavant répondre à ces questions. En somme, nous avons constaté une augmentation importante de la productivité, aussi bien le demandeur que pour la personne qui fournit les informations requises.

3. L’exploration de processus peut accélérer les résultats

Au cours des 25 dernières années, la transformation digitale a conduit à une automatisation poussée d’innombrables processus, générant au passage de vastes quantités de données. De nombreuses entreprises ont accumulé ces données, comme les écureuils avec les noisettes. L’exploration de processus peut aider à donner un sens à ces données, en identifiant les inefficacités et les moyens de gagner en rapidité.

Lorsque nous avons mis en œuvre l’exploration et l’optimisation des processus chez ServiceNow, la technologie a bien fonctionné, mais dans un premier temps, nous n’avons observé qu’un effet minime. Personne n’avait été désigné clairement comme responsable des processus et nous ne disposions pas la possibilité d’organiser les étapes suivantes une fois les inefficacités identifiées.

Pour remédier à cette situation, nous avons mis au point une pratique d’amélioration continue dans le cadre de laquelle le propriétaire du processus définit les actions spécifiques nécessaires pour éliminer le goulot d’étranglement. Cette approche a permis d’améliorer la vitesse du processus de plus de 20 % en quelques mois seulement.

4. L’IA doit être intégrée à l’expérience

L’intégration à l’expérience utilisateur est un élément clé de la productivité basée sur l’IA. Les plateformes de logiciels en tant que services (SaaS) basées sur le cloud ont déployé des modèles d’IA personnalisables et prêts à l’emploi, intégrés dans leurs expériences utilisateur.

Dans le passé, les modèles d’IA sur mesure permettaient aux entreprises d’adapter les solutions aux besoins spécifiques des métiers, en utilisant des ensembles de données et des algorithmes uniques. Il fallait généralement des semaines pour créer ces modèles. Aujourd’hui, les plateformes SaaS proposent des modèles prêts à l’emploi qui peuvent être déployés en quelques jours ou quelques heures.

Ces plateformes permettent de s’affranchir du codage intensif et facilitent les cas d’utilisation de bout en bout. Grâce à la plateforme ServiceNow, nous avons atteint une réduction exceptionnelle de 70 % du temps de développement des modèles.

5. La mesure de l’IA est cruciale

Aujourd’hui, l’IA fait couler beaucoup d’encre. Qu’est-ce qui distingue le battage médiatique de la réalité ? Les mathématiques. Des mesures rigoureuses sont cruciales.

Chez ServiceNow, nous pensons qu’il faut gérer nos modèles d’IA de la même manière que nous gérons les talents humains. En d’autres termes, nous devons tenir les modèles responsables des performances. Par exemple, nous utilisons une application de gouvernance de l’IA pour suivre les approbations, les performances et la valeur des modèles, ce qui nous permet de garder les modèles efficaces et d’abandonner ceux qui ne sont pas assez performants.

Le déploiement de la GenAI chez ServiceNow a joué un rôle clé dans l’obtention de millions de dollars en quelques mois seulement, grâce à l’amélioration de la recherche, des assistants virtuels et des outils de développement.

Alors que les entreprises adoptent l’IA, celles qui se concentrent sur l’accélération de leur productivité peuvent en tirer d’énormes bénéfices. Chez ServiceNow, nous prévoyons que l’IA augmentera nos capacités et nous permettra de nous concentrer sur des tâches plus stratégiques, plus créatives, voire plus fun.

Découvrez comment ServiceNow aide les entreprises à mettre l’IA à leur service.