Votre feuille de route en matière d’intelligence artificielle : qui d’autre devrait participer au parcours?
- Mots-clés :
Détails :
- Cas d’utilisation professionnelle de l’intelligence artificielle
- Limites de l’intelligence artificielle
- Perfectionnement des services de trésorerie
- Qui devrait participer à ce parcours?
Les entreprises de tous les secteurs explorent les occasions d’utiliser l’intelligence artificielle (IA) pour les aider à résoudre les problèmes complexes des clients. La plupart des entreprises reconnaissent que l’intelligence artificielle est importante, mais elles ne savent pas exactement comment elle pourrait rendre leurs activités plus efficaces ou assurer la sécurité de leurs activités.
Pour approfondir la question, nous avons organisé un webinaire avec deux experts de BMO afin de discuter de la façon dont les entreprises peuvent tirer parti de cette technologie émergente et pour déterminer quels intervenants doivent participer à la décision d’intégrer l’intelligence artificielle à leurs activités. Nos panélistes étaient :
- Paul O’Donovan, chef, Données, analyses et intelligence artificielle, Gestion des risques, BMO
- Marc Pfeiffer, chef, Fondations de données, innovation et intelligence artificielle, BMO
Sean Ellery, chef, Numérique et innovation, Services bancaires aux grandes entreprises, BMO, animait la discussion. Voici un balado et un résumé de leurs observations.
Marchés Plus est accessible en direct sur tous les principaux réseaux, y compris Apple
et Spotify.
Commencez à écouter notre série de balados primés.
Cas d’utilisation professionnelle de l’intelligence artificielle
L’intelligence artificielle existe depuis environ 70 ans, mais grâce aux progrès réalisés en matière de capacités de calcul et à l’accent mis plus récemment sur les outils génératifs d’intelligence artificielle, comme ChatGPT et Google Gemini, l’IA fait maintenant partie intégrante de nos conversations. Au cours des dernières années, nous avons tous été confrontés à l’intelligence artificielle sous une forme ou une autre dans nos activités quotidiennes, qu’il s’agisse du correcteur automatique dans l’application de messagerie texte de votre téléphone mobile, des recommandations offertes dans les services de télédiffusion en continu, des assistants personnels numériques ou des appareils intelligents pour la maison. Ces outils sont en grande partie conçus pour être pratiques.
Du point de vue des affaires, M. Pfeiffer a souligné que les avantages potentiels de l’intelligence artificielle sont axés principalement sur trois aspects : la réduction des coûts, l’atténuation des risques et l’augmentation des revenus. Pour atteindre ces résultats, il a expliqué que divers secteurs utilisent l’intelligence artificielle pour obtenir des renseignements leur permettant de prendre de meilleures décisions.
« Cela nous aide à comprendre plus rapidement les tendances décelées dans les données, avec plus de détails et de nuances, puis à transposer ces renseignements dans la gestion de la clientèle en ce qui a trait à la détection des tendances ou à la formulation de recommandations »
-- Marc Pfeiffer, chef, Fondations de données, innovation et intelligence artificielle, BMO --
M. O’Donovan a fait remarquer que, même si de nombreuses entreprises tirent parti des capacités d’automatisation de l’intelligence artificielle générative pour améliorer l’efficacité de certaines tâches, comme l’examen des documents, la prochaine étape de l’évolution de l’intelligence artificielle consistera à passer d’un outil tactique à un catalyseur stratégique. « La question qui demeure est la suivante : une fois que ces outils seront en place et que ces gains d’efficacité commenceront à se réaliser, comment pourrez-vous les transformer en montants concrets augmentant vos résultats? », ajoutait M. O’Donovan.
Limites de l’intelligence artificielle
Les avantages potentiels de l’intelligence artificielle sont importants, tout comme les pièges éventuels. M. Pfeiffer a souligné que l’utilisation responsable commençait par une base de données de qualité.
« Si vous avez de mauvaises données, si elles ne sont pas saisies correctement, si elles sont en quelque sorte biaisées, vous obtiendrez des prédictions ou des décisions erronées », a déclaré M. Pfeiffer. « L’un des aspects qui reviennent souvent quand on pense à l’intelligence artificielle est la capacité d’explication. En général, nous nous soucions peu de savoir pourquoi l’intelligence artificielle nous recommande une série plutôt qu’une autre sur Netflix. Mais dans d’autres situations, il peut être essentiel de comprendre pourquoi l’IA nous propose des recommandations ou des résultats particuliers. Vous devez faire attention au modèle d’intelligence artificielle que vous utilisez : certains ont une bonne capacité d’explication, d’autres pas. C’est une chose à laquelle vous devez réfléchir, en particulier dans les situations de réglementation ou de conformité internes. »
M. O’Donovan a ajouté qu’il est particulièrement important de garder à l’esprit le risque lié aux données biaisées.
« Il s’agit de systèmes complexes qui comportent beaucoup d’éléments de type boîte noire, a-t-il dit. Il est essentiel de comprendre comment vos données évoluent dans le système et de vous assurer qu’elles ne sont pas traitées de différentes façons par les clients ou les employés dans différents groupes protégés. »
-- Paul O’Donovan, chef, Données, analyses et intelligence artificielle, Gestion des risques, BMO --
Perfectionnement des services de trésorerie
C’est pourquoi une certaine formation sera requise au sein des services de trésorerie à mesure que le nombre d’entreprises adoptant l’intelligence artificielle augmente. Le but n’est pas que tous les employés deviennent des informaticiens; cependant, les connaissances en matière de données, la pensée critique et la sensibilisation à l’éthique deviendront des compétences essentielles.
À titre d’exemple, M. O’Donovan a déclaré que les équipes de trésorerie devront être capables de repérer les cas où les fonctions d’IA ne se déroulent pas comme prévu et de transmettre ces renseignements à l’équipe de développement. « Je pense qu’il faut former les employés des services de trésorerie afin qu’ils puissent interagir adéquatement avec le système d’intelligence artificielle et qu’ils soient capables de signaler et d’interpréter les résultats », a-t-il dit.
M. Pfeiffer nous met également en garde contre une dépendance excessive à l’égard de l’IA, en particulier dans les situations qui nécessitent une communication nuancée, comme le service à la clientèle.
« Si vous avez un assistant virtuel qui communique avec un client, vous devez être en mesure de déceler dans quels cas l’IA n’est pas capable de traiter certaines questions et à quel moment ces questions doivent être transmises à un humain, qui aura une compréhension plus nuancée des enjeux de l’organisation. »
-- Marc Pfeiffer, chef, Fondations de données, innovation et intelligence artificielle, BMO --
Dans son état actuel, l’intelligence artificielle fonctionne bien lorsqu’elle soutient les efforts et le travail humains, de sorte que la hiérarchie des responsabilités est claire. « Dans certains cas, lorsque vous traitez des processus ou des renseignements confidentiels, il est essentiel que l’intelligence artificielle soit considérée comme un catalyseur du processus de prise de décision et non comme le facteur ultime des décisions », a déclaré M. O’Donovan.
Qui devrait participer à ce parcours?
À mesure que les entreprises cherchent à tirer parti de l’IA pour répondre aux besoins stratégiques, il est essentiel de faire participer les principales parties prenantes dès le début du processus et de communiquer les objectifs pour assurer une implantation de l’AI réussie.
« De nombreux secteurs de l’organisation peuvent être touchés. Il sera essentiel de vous assurer de l’adhésion des parties prenantes dès le départ. »
-- Paul O’Donovan, chef, Données, analyses et intelligence artificielle, Gestion des risques, BMO --
À cette fin, M. O’Donovan a énuméré les principaux groupes qui devraient participer à ces discussions :
- Gestion des risques
- Approvisionnement
- Affaires juridiques
- Service de TI
- Gestion des risques et conformité
- Ressources humaines
- Tiers fournisseurs de technologies
En plus de faire participer les bonnes parties prenantes, la collaboration entre ces groupes est également essentielle. « Ce qui a vraiment bien fonctionné, c’est la mobilisation collective », a déclaré M. O’Donovan. « Il y a beaucoup de chevauchement entre l’équipe Affaires juridiques et le groupe de tiers, le groupe technologique et le groupe de gestion des risques. Il est important de réunir ces gens dans une même pièce pour s’assurer que tous les différents points de vue peuvent être entendus. »
La participation de toutes les principales parties prenantes vous aidera à prendre en compte l’ensemble des considérations nécessaires à un déploiement réussi. Il s’agit également de s’assurer d’utiliser l’intelligence artificielle pour résoudre les cas pertinents et d’employer des données structurées de grande qualité. Cela signifie également de comprendre l’incidence que l’intelligence artificielle peut avoir sur vos activités.
« Le modèle d’intelligence artificielle représente seulement la moitié du défi », a déclaré M. Pfeiffer. « L’autre moitié consiste à s’assurer que la technologie implantée répondra aux besoins de votre organisation. Vous devez comprendre comment l’IA sera utilisée, de quelle façon elle sera perçue par les utilisateurs – qu’il s’agisse d’employés ou de clients – et comment elle changera leurs activités quotidiennes et leurs interactions avec l’organisation. La formation des employés et la gestion du changement sont des éléments essentiels pour vous assurer de comprendre les fonctionnalités après la mise en œuvre. »
Au bout du compte, vous devez déterminer ce que l’intelligence artificielle doit vous aider à accomplir, ce qui orientera toutes les autres décisions auxquelles participeront les principales parties prenantes. « Les entreprises ont tendance à moins bien réussir lorsqu’il n’y a pas un ensemble clair de critères de succès établis dès le départ », a déclaré M. O’Donovan. « Il faut définir clairement ce qui constitue un bon résultat dès le début afin que tous les différents partenaires puissent s’entendre sur les objectifs de réussite finale. »
*Ce balado est en anglais seulement.
Lire la suite
(voix de l'interprète) Bon après-midi à tous. Je suis la directrice de TPS et I&CB US aux États-Unis. Pour ceux qui sont nouveaux à notre série, l'objectif de vous présenter un excellent contenus et des idées sur ce qui va être pertinent pour la personnel de la trésor et des finances. On vous donne l'opportunité de recevoir des crédits pour chaque séance de présentation. Aujourd'hui, on va parler de la liquidité, la gestion la trésorerie un, aperçu économique et la cyber-fraude. Ils vont discuter dans notre sujet important, l'intelligence artificielle. Débutons.
(voix de l'interprète) Merci, Johanna. Je suis Sean Ellery, directeur de l'innovation numérique chez BMO. Nous cherchons des opportunités pour considérer les opportunités comme la technologie émergent pour résoudre des défauts complexe, améliorer la stratégie de BMO. Il y a 800 participants, ça veut dire que l'intelligence artificielle est un sujet intéressant et important. Voyons ce qu'il en a pour notre travail. Il y a beaucoup de bruit autour de l'IA. Est-ce que ça va sauver le monde? Est-ce que ça va devenir commun Terminator? Est-ce que ça va nous autodétruire? Comprenons que l'IA a un énorme potentiel pour BMO, pour notre compagnie. Il faut savoir où le mettre en oeuvre, où il y aura le plus d'impact. Voilà pourquoi nous allons discuter de ça aujourd'hui. On va définir ce que ça il y a, ce que ce n'est pas. On va examiner comment l'IA est utilisé et de quoi nous parlons. Nous allons discuter de comment assurer la réussite à long terme et à court terme. Deux de mes collègues seront ici. Ils sont experts. Marc Pfeiffer, codirecteur de la science des données chez BMO, banques commerciales. Il s'occupe de la mise en oeuvre des solutions de l'IA pour optimiser les stratégies pour une croissance financière. Paul O'Donovan, directeur de l'analytique des données. Il dirige une équipe pour l'analytique des données. Il a dirigé de programmes qui se concentre sur les cadres de qualité, les risques émergents et la transformation complexe. C'est bien de vous avoir les deux aujourd'hui. Définissons-nous terme. Paul, nous parlons de l'IA, qu'est-ce que c'est exactement l'IA?
L'intelligence artificielle. C'est deux lettres qui couvre un grand spectre de modélisation que des gens ont utilisé pour la gestion de grandes quantités de données. Simplement, ce sont différentes manières de traiter l'information. Pour remplacer, informer les activités humaines dans la prise de décision. Donc l'IA par elle-même est un concept qui n'est pas nouveau. Ça a été développé dès les années 50. On voit qu'il y a eu beaucoup d'avancées technologiques en termes de capacité, calcule et surtout pour l'IA générative. Depuis quelque temps, ça a dynamisé ce qu'on a maintenant 11 2024. On voit que les gens s'intéressent davantage à l'IA. On voit comment on peut augmenter la croissance et les opportunités de revenus. Nous pensons à l'IA, nous pensons à tout un éventail. C'est important de comprendre ce qu'une part l'IA. On pourra parler de cela. Donc, vous savez que l'IA a plusieurs capacité de modélisation. On parle de normaliser des capacités et des technologies. On parle de l'automatisation et des robots. On va se concentrer sur le traitement de grand chose de Dunning.
(voix de l'interprète) Paul, quelles sont les différents types de l'IA? Quelles sont les capacités?
(voix de l'interprète) À nouveau, il y a un grand éventail d'intelligence artificielle. Plusieurs sont plus complexes que d'autres. Il y a plusieurs méthodes comme utiliser pour prédire la fraude, et identifier comment plusieurs clients utilisent cela. Ça peut être pour les capacités de modélisation. Plus récemment, c'est devenu plus compliqué. Ça veut dire qu'il y a des applications qui utilise les réseaux de neurones, l'apprentissage profond ou approfondie, on se concentre pour tenter de comprendre la relation était trame compliqué dans les données. C'est pour mieux comprendre ce qui se passe pour la prévision grâce à plusieurs modèles. Nous avons vu les modèles machine traditionnelles qui sont vont maintenant vers l'apprentissage approfondie et des algorithmes plus complexe. On parle également beaucoup de l'IA générative. C'est surtout parce qu'on voit que ça permet de traiter des données pour faire des prévisions et de générer un contenu comme un texte, des images et même des vidéos. On peut le publier à plusieurs endroits. Donc, ici à l'interne, on va se concentrer sur certaines possibilités. C'est une perspective qui pourrait révolutionner notre travail pour être plus efficace tel qu'on le connaît.
(voix de l'interprète) Merci, Paul. Marc?
(voix de l'interprète) Alors, dites-nous, aux trouvons-nous l'IA dans notre vie quotidienne?
(voix de l'interprète) C'est incroyable à quel point l'IA est présente dans nos vies comme des assistants personnels comme Siri est l'assistant Google avec Netflix. Le système de recommandations que vous allez voir chez Amazon. Même les compagnies de cartes de crédit vont utiliser la détection de fraude grâce à l'IA. Donc, vous pouvez dire avant il fallait voyager dans certains pays, maintenant c'est l'IA qui va s'en occuper. Elle va détecter si vous êtes à l'étranger. Voilà. Également, vous avez les médias sociaux. Vous allez avoir l'autocorrection de taxes comme sur les téléphones. C'est un peu partout.
(voix de l'interprète) Parlons de la perspective commerciale. Comment est-ce que les gens utilisent l'IA pour faire face à plusieurs défis? On va commencer avec Marc.
(voix de l'interprète) Merci. Vous savez, laissez-moi débuter on disons que l'IA est un outil. On en entend beaucoup parler, la compagnie ne l'ont pas encore bien intégrés. On parle de seulement 5%, selon à un sondage au mois de février de compagnies qui ont intégré l'IA dans leur travail. Ça varie selon le type d'industrie et selon les compagnies. La compagnies technologiques qui l'utilisent à 20%, ce sont les grandes compagnies qui le font actuellement. Ça change, bien entendu. Mais comment cette compagnie utilise l'IA? Il y a deux catégories. Donc, premièrement, c'est pour la prise de décision comprendre la trame dans les données, être plus rapide, plus de détails, avoir un aperçu. Ça c'est pour la gestion et répondre aux clients. Vous avez les systèmes de recommandations qui utilise l'IA., Ce genre de chose. L'autre catégorie c'est pour permettre plusieurs fonctions de différenciation. Pensez à ces compagnies qui vont opérer comme un fabricant et qui vont utiliser l'IA pour, justement, améliorer leur gestion d'affaires, que ce soit au niveau logistique, pour être plus efficace, pour être juste à temps. Les 100 approvisionnement, ce genre de choses. Il y a des avantages. Au niveau financier et opérationnel. Pour être plus efficace, on voit cela au niveau du service de la clientèle. On voit les robots conversationnels pour répondre aux besoins des clients, pour la gestion. On a parlé de logistique, les chaînes d'approvisionnement. Avoir une gestion plus efficace, plus rapide, un meilleur contrôle des coûts. Ce sont les deux catégories principal.
(voix de l'interprète) Paul, avez-vous quelque chose à rajouter?
(voix de l'interprète) Bien sûr. Je dirais qu'au niveau des applications de l'IA générative suite à ce que mon collègue a dit, on voit plus de productivité et d'efficacité grâce à l'IA. On peut être plus efficace en termes d'automatisation pour déployer l'IA générative pour remplacer les tâches répétitives à travers plusieurs postes comme pour les postes d'appui ou de support. Par exemple, révision de certaines document, la consolidation. Voilà, on va beaucoup voir l'IA générative dans ces espaces. La question principale en ce qui a trait à l'utilité finale est la valeur de l'IA générative c'est qu'une fois que ces outils sont en place, l'efficacité vous permettra de mieux comprendre comment cela pourra affecter vos revenus. On parle du fait qu'il y a beaucoup d'investissements. Il y a beaucoup de recherches pour améliorer ce genre d'outil. Je pense qu'on va commencer à voir comment cela va se déployer. Quand ces éléments du productivité ... on verra comment on aura une meilleure image.
(voix de l'interprète) On va commencer avec Marc, on voit qu'il y a beaucoup de possibilités. Qu'en est-il des limites de l'IA? Il a-t-il des domaines où on ne devrait pas l'utiliser? Il a-t-il des mises en garde, des gardes à vous?
(voix de l'interprète) Oui. Il y a certaines choses que je peux mentionner. Premièrement, le fondement pour l'IA ce sont les bonnes données. Avoir des données de qualité et qu'elles soient disponibles pour les scientifiques des données. Pour avoir des modèles efficace, si vous avez de mauvaises données, ou des données biaisées ça va mener à des résultats non précis, inadéquat. Ça exige certains contrôles, programme, pour s'assurer que les données soient bien entrer, qu'on a des données de qualité, qu'elles puissent être validé. Voilà. Autre chose par rapport à l'IA c'est l'explique habilité. Dans certains cas, on ne sait pas pourquoi on l'IA appris de telles décisions. Pourquoi est-ce que cette émission de Netflix m'a été recommandé? Mais à d'autres moments, c'est facile de savoir pourquoi l'IA on a fait cette recommandation, ce résultat. Il faut être prudent par rapport à certains modèles de l'IA. Certains ont pu les expliquer, d'autres pas. On ne peut pas juste avoir une boîte noire. Surtout, dans la question de régulation, ça peut être sensible. Ça peut être sensible pour la conformité, par exemple. Il faut être prudent. Ça peut être critique. Un autre domaine où il faut être prudent c'est quand on se fie trop à l'IA. Elle peut faire des prévisions, mais elle peut se tromper. Il faut être nuancée par rapport à certaines situations. Si vous avez un client qui discute avec un robot conversationnel, il faut reconnaître qu'on on doit répondre à une question, un individu, un être humain pour interagir avec une autre personne pour s'assurer qu'on répond correctement à un client à un certain moment donné. Il faut bien comprendre comment l'IA il est utile. Si elle fait de mauvaises prévisions, il faut s'assurer de corriger la situation. Le dernier point ce sont les coups. Ça peut coûter cher dépendamment de votre approche, de ce que vous voulez investir. Voilà pourquoi le retour sur l'investissement est quelque chose qu'il faut également considérer. C'est important. Il faut considérer les coûts de l'IA. Ma perspective ce que je peux ajouter quelques éléments à ce que, quelques éléments que Marc a dit. L'IA n'est pas là pour remplacer l'être humain. Dans certains cas, il est clair que ça peut être utilisée pour certaines tâches qui peuvent être automatisé pour interagir avec les consommateurs, par exemple, dans certains cas. Dans certains cas, vous avez des processus sensible d'affaires. Vous avez des décisions critique apprendre. Dans ces moments-là, il faut considérer l'IA comme conseiller et non pas comme l'élément qui va prendre la décision finale. On a parlé de ... on a parlé des résultats, il ne faut pas trop se fier sur les recommandations de l'IA. Il faut s'assurer qu'il y ait des êtres humains qui supervise pour utiliser l'IA quand c'est logique de le faire dans certains processus. Ça c'est vraiment un point important. L'éthique et les billets sont des choses importantes dans notre industrie. On parle de l'utilisation éthique et responsable de l'IA. Ce sont des systèmes complexes qui sont comme des boîtes noires. Alors, il faut comprendre les données d'entrée, comment le système fonctionne, comment on va traiter les clients, les employés? Comment protéger certaines classes, certains niveaux? Voilà, la façon d'utiliser l'IA, l'IA c'est très important. Le point final, en termes de conformité, à nouveau, Mark y as fait allusion. On voit de plus en plus qu'au niveau mondial et même dans certains États qu'il y a des règlements ou des attentes par rapport à l'utilisation de l'IA par des compagnies, par exemple, face aux consommateurs. Donc, l'aspect régulateur et de conformité est très important. Il y a de nouvelles lois sur l'utilisation de l'IA. La perspective nord-américaine à importante à tenir en compte dans certains environnements, certains espaces. À nouveau, vous avez l'utilisation appropriée et éthiques de l'IA. On peut avoir certaines lois qui vont naître et dont il faut tenir compte, voilà.
(voix de l'interprète) Merci pour vos réponses, ça nous aide à mieux comprendre où on peut utiliser l'IA.
(voix de l'interprète) Merci.
(voix de l'interprète) Souvent, on approche ça comme d'autres initiatives technologiques ou d'autres processus. Ce que nous considérons ... mais l'IA il n'est pas si différent que les autres choses. On va voir qu'on peut épargner des coups. Où sont les coups les plus importants? Là on pourrait tenter d'appliquer l'IA dans ses tâche-là. Donc, on voit certains modèles pour améliorer l'expérience de la clientèle. Ça ce sont des choses à considérer. Lorsque vous voyez ce type de dimension, vous pouvez voir où il peut y avoir des domaines dans votre travail, dans vos affaires, dans votre entreprise ou vous êtes tenu d'améliorer votre rendement. Alors, il faut voir où c'est nécessaire d'utiliser l'IA. Il faut voir ce qui est requis pour trouver des solutions. On a dit plutôt, le retour sur l'investissement est important. Et faut qu'il y ait la tenue en compte de la mise en oeuvre, du coup, des bénéfices pour les clients, les employés et est-ce qu'il y a de véritables avantages? C'est une frontière très fine. Parfois, vous devez vous assurer que ce que vous envisagez et le coup aux requis est tenue en compte. Donc, vous devez appliquer les intervenants très tôt pour l'acceptation. Vous devez expliquer ce que vous faites, pourquoi vous le faites également. Cela va créer un impact. Pensez aux ressources humaines. Quel est l'impact de la technologie? Donc, il y a plusieurs parties d'une organisation qui peuvent s'impliquer pour avoir une bonne adhérence à ces nouveaux outils. Pour comprendre ce qui sera mis en oeuvre en termes de l'IA, il faut que les intervenants comprennent de quoi il en retourne.
(voix de l'interprète) Excellente, Paul. Alors, je pense que tout ça ce sont de beaux points. J'aimerais ajouter à cela que lorsque nous considérons il y a en général, plusieurs entreprises considère cela, il faut savoir que l'IA peut être un outil pour vos stratégies. L'IA, par elle-même, n'est pas l'outil qui va trouver toutes les solutions. Non! Il faut utiliser l'IA au bon endroit et au moment opportun pour améliorer l'efficacité de votre entreprise. Il peut y avoir certains aspects négatifs. Alors, on doit adopter une stratégie d'affaires pour l'adoption de la technologie de manière à des. Selon la capacité des autres prix d'aujourd'hui et de l'avenir. Je pense qu'au niveau critique, l'appétit est la réponse de vos clients. C'est très important lors de la mise en oeuvre de l'IA. Il faut considérer comment on l'IA peut être utilisé dans les entreprises. À nouveau, on doit s'assurer que c'est un bon outil, une bonne stratégie et non pas juste l'IA pour l'IA. Donc, on va voir que certains pensent que l'IA va tout résoudre. Mais la réalité est différente. Souvent, il peut y avoir des solutions plus simples qui coûtent moins cher. D'autres technologies qui peuvent donner un résultat équivalant ou même meilleur. Alors, bien sûr, on peut penser au robots conversationnels. Dans certains cas, ça peut être simplement un être humain qui répondent. Il y a d'autres possibilités, d'autres choix. Donc l'IA n'est pas la solution miracle à tous.
(voix de l'interprète) Oui, c'est très utile. Pour la prochaine question, c'est quelque chose qui m'intéresse beaucoup, on a eu beaucoup de conversations à la BMO, lorsqu'on pense aux prochaines étapes pour établir une feuille de route. En connaissant les impacts, il faut créer une feuille de route. Paul, je sais que vous avez eu beaucoup de discussions sur ce sujet, qu'on a-t-il d'compagnies?
(voix de l'interprète) Oui, bien sûr. Vous connaissez déjà ma réponse, beaucoup de gens vont s'impliquer dans ce processus. On peut s'attendre à cela. Certains des groupes clés qui vont s'impliquer en termes de gestion dans ce processus sont les services d'achat, par exemple, selon l'emporter et l'échelle de ces solutions. L'engagement des tierces parties et le support pour intégrer l'IA. Que ce soit un service d'infonuagique ou que ce soit pour d'autres types de solutions, comme l'intégration deux nouveaux ... l'intégration de nouvelles personnes, par exemple. L'un des département juridique va jouer un rôle très important ici, ce qu'on verra souvent c'est le concept qui a trait à la propriété intellectuelle qui doit être protégé à travers tout le cycle de vie d'une solution pour maintenir une protection appropriée dans le texte un contrat qui va impliquer plusieurs intervenants. Voilà, ça fait partie des discussions. L'un des aspects les plus important c'est la technologie.
(voix de l'interprète) Marc a fait allusion. Mais les capacités technologiques et particulièrement comment l'IA peut exister dans un système multi-couches, par exemple, pour la cybersécurité. En termes de CIO, les PDG, les administrateurs. Tous ces gens doivent être impliqué dans le déploiement de l'IA. Donc, il faut véritablement avoir une feuille de route. Les clients savent que c'est un sujet chaud actuellement, l'IA. Les législateurs sont au courant de cela. Donc, il faut penser à ces changements qui peuvent être importants en termes de risque. Il faut s'assurer qu'il y allait bon contrôle en place. Est-ce que ... comment la formation sera protégé, comment l'information sera déployée? Comment s'assurer qu'on aura des solutions efficaces? Il y a plusieurs solutions IA qui peuvent être déployés. Mais il faut qu'il y a un processus qui entoure cela pour qu'on s'assure de continue à bien performer et que le déploiement soit harmonieux. Ce sont les aspects importants. Les groupes importants qui peuvent participer à ce déploiement. Il peut y avoir d'autres groupes, d'autres départements qui peuvent être impliqué à plusieurs moments du déploiement. J'ai mentionné certains d'entre eux. Selon notre expérience, ce qui fonctionnent bien c'est l'mon collectif. Donc, avoir un forum de discussion pour déployer la solution est très important. Par exemple, il peut y avoir un chevauchement, à un groupe tierce partie, un groupe technologie et le groupe du risque qui peuvent avoir une réunion pour discuter de cette question. C'est important. C'est pour s'assurer que toutes les perspectives puissent être entendus à travers la discussion de ces solutions entourant l'IA.
(voix de l'interprète) Absolument. Marc? Qu'on a-t-il de la valeur globale?
(voix de l'interprète) Suite à ce que Paul a dit, même si vous devez vous assurer que toutes ces parties soit autour de la Table, vous devez également réfléchir entendu capacité qui peut être mis en oeuvre à travers toute une entreprise. Ça va, je pense que c'est un bon début de discussions, mais il faut également s'assurer qu'on aura une structure unifiée pour pouvoir le déployer ou l'échelonné. Donc, non seulement il faut avoir ces intervenants autour de la table, il faut entendre leurs perspectives. Il faut voir comment ça va s'insérer dans l'organisation. Ensuite, on commence à déployer cela dans l'organisation, tel que vous allez avoir certaines désapprobation et certains cossus, ainsi qu'une collaboration. Lorsqu'un département résout un problème, ça peut être une approche qui peut être appliqué ailleurs possiblement. Voilà comment on peut avancer.
(voix de l'interprète) Paul l'a déjà dit je pense. Il y a la gouvernance qui est relié à tout cela. Au niveau éthique, au niveau réglementaire, il y a les règles. Il faut avoir un cadre de gouvernance. Ça fait partie des capacités d'une organisation. Elle commence précis, on réfléchit autour de cela. Vous allez avoir quelque chose qui est un fondement pour pouvoir déployer cela dans une organisation.
(voix de l'interprète) Marc?
(voix de l'interprète) Par rapport aux intervenants clés, s'assurer qu'il soit autour de la table pour entendre leurs commentaires, quelles sont les considérations clés qu'on doit considérer par rapport à certaines limites? Surtout si vous êtes une petite ou si vous êtes une entreprise de taille moyenne, que faut-il éviter?
(voix de l'interprète) Alors. On peut penser à plusieurs cas d'usage. C'est important de commencer petit, de prendre et ensuite croître. C'est ce qu'on a découvert nous-mêmes à l'interne par rapport à l'IA. Parfois, on pense que c'est la meilleure chose, qu'il y aura le meilleur résultat pour un modèle. Ça dépend des données. Qu'est-ce que les données nous disent? Peut-on faire des prévisions? Donc, on va commencer petit, on va apprendre et ensuite on va croître. C'est une partie importante à tenir compte dans cette équation. Vous voulez, comme je le dis, avoir des données structuré pour avoir une bonne mise en oeuvre de l'IA. Si nous n'avons pas de bonnes données, si on ne connaît pas la qualité ça commence mal. Assurez-vous d'avoir de bonnes données de qualité. Assurez-vous d'avoir une infrastructure sur laquelle vous pouvez bâtir. L'autre chose qui est critique elle a mis en oeuvre réussi. Comment vous vous assurez que vous allez répondre aux besoins de l'entreprise. J'ai vu certains endroits où, par exemple, un modèle de marketing bâti et ça arrive entre les mains des vendeurs, de l'équipe devant, ils veulent travailler avec, mais ça ne fonctionne pas bien. Donc, il faut recréer ça modèle avec les partenaires. Assurez-vous que vous allez avoir une stratégie de bout en bout au sein de l'organisation en vous assurant que vous comprenez comment ça va être utilisé. Comment l'utilisateur, que ce soit le client ou un employé, comment ce sera reçu. Comment ça va changer leur travail et leurs interactions dans leurs opérations quotidiennes. Là, ça va fonctionner. La formation des employés et des gestionnaires c'est très important. Pour vous assurer que vous élaborer une bonne mise en oeuvre est une bonne fonctionnalités après la mise en oeuvre.
(voix de l'interprète) Je pense que Marc a dit ce qui est important. C'est très important. L'un des défis principaux que nous avons vu c'est quand vous avez une idée, vous voulez faire un test mais il n'y a pas de critères établis pour la réussite. Alors, il faut être clair. Quelles sont les critères pour une mise en oeuvre réussi? Que voulez-vous atteindre comme objectif si vous déployez l'IA? C'est très important du (---), avec les intervenants, les partenaires, etc.. C'est pour vraiment s'entendre sur l'objectif final de l'IA dans votre solution. La différentes choses à mentionner c'est par rapport aux écueils. L'idée c'est de protéger l'information. Bien sûr, la compagnie ont beaucoup de contrôle et de cadre pour limiter les risques gérer, les risques assurait. L'information confidentielle à protéger. Elle est protégée à l'interne avec le déploiement de l'IA. Il faut s'assurer de continuer à protéger l'information, même si les données sont bons sur le nuages informatiques, par exemple. C'est très critique. À nouveau, ça peut être un écueil. Vous devez bien comprendre comment vous allez déployer l'IA comment vous allez miser sur cette solution. Comment est-ce que les données seront utilisés? Qui aura accès aux données? Quelles sont les mesures en place pour protéger les données? Vous ne voulez pas que c'est donné tombe entre des mains indésirables. On voit qu'il y a beaucoup de travail en ce sens actuellement. Donc, que ce soit en Europe. L'Union européenne. Il y a également des changements législatifs en Amérique du Nord. Beaucoup de gens se concentre sur la protection de la vie privée, des informations lors du déploie de l'IA. Ce sont des choses que nous devons tenir en compte.
(voix de l'interprète) Merci, regardons vers l'avenir, on sait que la technologie évolue rapidement. Où est-ce que liasses on va? Comment vous assurer qu'on ne va pas manquer le bateau? Mark, commençons avec vous.
(voix de l'interprète) Bien sûr. Là où je vois la croissance c'est une meilleure précision. Une meilleure prévision, pardon, pour les soucis d'analyse. Ça, ça va s'améliorer, les techniques vont s'améliorer. Il y aura de meilleures prévisions de résultats en utilisant deux mois ont moins de données possiblement. On va crier des meilleurs jeux de données pour la prévision. Ensuite, pour le traitement du langage naturel, c'est un domaine où on va s'améliorer. On va mieux comprendre les nuances. Si vous écrivez une phrase, on va mieux comprendre le contexte. Aujourd'hui, ce n'est pas toujours le cas. Je pense que ça va s'améliorer à travers le temps. Il y a des outils comme par exemple ChatGPT, ou les autres grands modèles, Microsoft copilote, ça va s'améliorer. Il faut comprendre ce que vous demandez. On va avoir de meilleures données, de meilleurs résultats. On va limiter les hallucinations de l'IA avec l'IA générative. 80% du temps c'est bon, 20%, ou bien 10%, ce n'est pas très bon. Vous vous posez une question. Sosa être convaincant, mais il faut faire attention. C'est la partie où on doit censurer que la technologie devient plus mature. Il y a plusieurs modalités. Que ce soit le texte, l'image, la vidéo, ou l'avoir. Alors, au début, il y a générative a commencé à traiter le texte. Maintenant, on va vers l'image. Lavoie est une autre composante qui va devenir de plus en plus répandu avec les chatons ton réel. Ça va être quelque chose qui va s'améliorer. On va commencer à avoir de nouvelles applications en termes de voir pour le marketing. Avec des vidéos. Pour la publicité, ça va être géré de manière presque instantanée, ça peut être personnalisé. Finalement, jeu dirais qu'on voit de plus en plus des assistons IA, c'est-à-dire que ça va vous augmentez comme individu. On va commencer avoir des plates-formes où on pourra consommer les données que nous générons de notre vie quotidienne on pourra utiliser ces données pour nous améliorer et améliorer nos vies. Ça ça va mener à d'autres résultats qui aideront avec le temps. Ici, on parle des agents de l'IA. Donc, autrement dit, il y aura des agents plus autonome dans certaines compagnies qui vont être plus autonomes. Actuellement, ce sont des assistantes. Mais de plus en plus, ses assistantes de l'IA vont devenir de plus en plus autonomes. Ça pourra accroître dans l'avenir. Bien entendu, il faut qu'il y ait des barrières, des contrôles en place. Ça ce que je vois dans l'avenir par rapport à l'avancement de l'IA. Du point de vue de l'application et de l'utilisation, en tant que compagnie, ça va continuer à optimiser les opérations. Il y a certaines tâches qui coûterait cher aujourd'hui, où il y a des éléments de risques. On pourra mieux prédire certains bris, certains problèmes comme dans l'entretien de l'équipement, par exemple. On va commencer à avoir de plus en plus d'outils. La personnalisation pour les clients et pour les employés. On commence à voir cela en place. Comme vous le savez, Netflix et Amazone offre un contenu personnalisé. Ce genre de choses vont se présenter ailleurs aussi. Donc, on interagit dans une compagnie. La compagnie pourra avoir une meilleure perspective de qui vous est pour vous présenter deux meilleures solutions, pour mieux interagir avec vous et de manière personnalisée. Finalement, on parle de prise de décision intelligente. On parle d'analyse des données ou d'analytique. Dans le contexte de la trésorerie, je voir la prévision de la trésorerie. Pour mieux comprendre quels sont les besoins en termes de trésorerie, liquidités, capitale. Pour voir comment on peut optimiser tout cela. Voilà, ça, ça nous donne un aperçu de ce qu'on verra à l'avenir. En ce sens, on verra plus de services basé sur l'IA. Des choses qui sont bâtis par bloc ou dans l'infonuagique. De plus en plus de compagnies vont penser à de nouvelles solutions pour la prévision. On parle d'algorithmes et de prévisions. Tout ça ce sont des choses que les compagnies vont s'améliorer en ce sens, améliorer leur capacité de prévisions. On verra. Ces compagnies technologiques vont débuter, ça va se déployer sur le marché. C'est logique. Une compagnie va résoudre un problème et ensuite, les clients pourront en bénéficier.
(voix de l'interprète) Marc, tout ça ce sont des points très intéressants. Je pense qu'il y a deux points que j'aimerais ajouter au court terme. On verra une convergence en termes d'outils dans l'industrie, que ce soit ChatGPT. Vous avez vu que plusieurs compagnies ont voulu présenter leur version du ChatGPT, par exemple. Donc, on voit certains et Gagnon qui pourront émerger. On verra des gagnants émerger dans l'avenir. Ensuite, il y aura peut-être une adaptation. (---). Marc vient de mentionner quelques avancées. En ce qui a trait à ne pas manquer le bateau pour mieux s'engager actuellement, les points clés, Marc qui a fait allusion, il y a eu un effet de mode dernièrement. Mais pour réussir, il faudra qu'on soit en mesure de séparer le cycle de vie du retour sur l'investissement et de l'efficacité. Ça veut dire qu'il y a n'est pas elle-même une stratégie, mais fait partie des stratégies.
Merci. Il faudra mettre les opportunités qui vont améliorer la retour sur l'investissement plutôt que de se concentrer sur la technologie IA, juste pour se concentrer dessus. Donc, si on fait ça, on sera mieux positionné pour l'avenir.
(voix de l'interprète) Merci à vous deux. On a vu des questions qui arrivent au clavardage comment suivre les changements?
(voix de l'interprète) Les changements se présente très rapidement. Alors, si un département qui doit apprendre à Cook, comment évoluer au sein de l'industrie, si vous avez des choses à partagions ce sens.
(voix de l'interprète) Merci, Chantal.
(voix de l'interprète) En termes de capacité, d'habiletés dans ce parcours, il va y avoir une certaine mise à niveau. Vous allez voir des gens qui interagissent avec l'IA. Comment mieux utiliser pour leurs opérations quotidiennes? Je pense que dans le contexte où nous devons voir quand les choses ne fonctionnent pas tel qu'attendu. Il faudra parfois faire un pas en arrière. Alors, en termes, de formation et de mise à niveau dans le départements de trésorerie, elle pourra apprendre à interagir avec le système IA pour être capable d'interpréter à partir de cela. Ça ne veut pas dire que tout le monde a besoin d'être monte ... ça ne veut pas dire que tout le monde doit être un expert. Les jaunes vont simplement apprendre à ... apprendre comment ça fonctionne. On parle de système centralisé du point de vue d'une entreprise. Pour la première ligne d'une entreprise, il faut apprendre à bien utiliser la technologie pour voir comment donner des rétroactions si la technologie ne fonctionne pas, il y aura des mises à niveau, la formation sera là. Je ne dis pas que tout le monde va devenir un expert de l'IA. Et vous, Marc?
(voix de l'interprète) J'aimerais simplement dire, pensez aux employés. Vous voulez qui soit familier avec plusieurs choses qui doivent comprendre. Les données la valeur des données. Suite à ce que Paul a dit, on n'a pas besoin de devenir un expert mais il faut y avoir une culture de donner une littératie des données. Ça va dépendre de quels types d'outils vous déployez il. Faut comprendre de quoi il en retourne, quelles sont les résultats. Comment gérer ces cas où vous n'avez pas les bons résultats. Vous avez besoin d'un outil qui pourra vous aider à trouver la meilleure réponse. Il faudra une formation à ce sens. Voilà ce que je raser. Bien entendu,. La conscientisation. C'est important.. Comment vous assurer de ne pas être biaisés? Que ce soit en termes de race ou d'agent? Comment être conscient dans l'environnement réglementaires, également. Voilà.. Ce sont des règlements apportant comprendre. Ce sera important à comprendre pour la mise en oeuvre. L'ajustement par la suite. La partie critique ce sont les données dans toute (---). La qualité des données très importantes. C'est le fondement de l'IA. L'IA, c'est la partie presque facile, si je peux le dire comme ça. C'est important, de notre discours. À nouveau, l'IA ne sera pas mis en oeuvre partout, à tous les niveaux maintenant l'analyse, ça peut être important. Ce n'est qu'un outil, mais c'est un outil important, dans notre trousse à outils il doit faire partie de nos discussions. Ça ne va pas tout résoudre mais il faut avoir une discussion à ce sujet. À l'interne, l'agilité c'est important. Vous voulez vraiment vous adapter. Alors, il peut y avoir un cycle de développements on va concevoir, il y aura des exigences on va (---). Il faut y terrain, pratiquer, et ensuite échelonné. Ça va être un cycle qui va être continue. Cette culture d'agilité est très important pour le développement de l'IA. La compagnies doivent se demander, est-ce que je suis suffisamment agile pour penser à expérimenter, à changer, a déployé l'IA. Peut-être que la réponse aujourd'hui elle non. Il y aura des changements dans l'avenir. Ce sera important l'agilité pour s'adapter. Finalement, l'intégration. Ça va être de plus en plus serré. Dans les services, comme on l'a dit, il faut se prépare à cela il faut voir comment interagir avec certains intervenants en termes de politique, etc.. Si on tient compte de cela, on sera bien positionné.
(voix de l'interprète) Oui, excellent point. On va maintenant faire la transition vers la dernière partie., La leçon clés à retenir Paul? Ensuite Mark?
(voix de l'interprète) Très bien. Je peux mentionner certains éléments clés selon ma perspective. Bien entendu, la première chose à dire c'est que IA c'est une stratégie, ... est un outil, pas une stratégie. Reconnaissons que ça va nous aider dans les processus d'affaires et pour trouver certaines solutions pour être plus efficace. Ce n'est pas une solution miracle à tous les problèmes, il faut le reconnaître. Surtout lorsque nous sommes en train de bâtir une feuille de route. C'est important reconnaître. Deuxième point important par rapport à la formation, la protection de la formation et des données. Lorsque nous allons déployer l'IA, il faut s'assurer de protéger les données, protéger l'information. Surtout la sensible, il faut être très prudent en ce sens. Lorsqu'on va interagir avec les solutions IA en reconnaissant que la machinerie sous jacentes et la complexité des algorithmes peuvent être difficiles à comprendre. Parfois, c'est difficile à comprendre comment les données sont transférées à travers divers systèmes. Voilà pourquoi il est important de bâtir des gardes à vous pour gérer les risques, pour protéger les données. La dernière partie à mentionner, ceux qui a bien fonctionné pour nous, jusqu'à maintenant, c'est de commencer simplement et de grandir par la suite. C'est vrai pour l'IA générative, peut-être également pour l'apprentissage de machines. Lorsqu'on parle de l'IA générative, il faut penser à cela (---), pour aller voir la réussite, il faut conteste sur un petit auparavant de déployer plus amplement. On veut, au début, s'assurer de comment les utilisateurs interagissent avec la technologie et apprendre à cela. Ce concept et itératif est important. C'est très important lorsque nous parlons de l'IA générative. Au niveau traditionnelle, pour la modélisation prédictive, et la modélisation, ça peut aller faire une mise en oeuvre plus direct. Mais en termes de IA générative, il faut voir ce qui fonctionne au début avant de déployer.
(voix de l'interprète) Voilà, c'est tout le temps que nous avons. J'aimerais nous dira qu'il faut l'utiliser avec le bon cas d'usage. Réfléchissez-y, voyez ce qui est efficace en termes de coûts. Comment faire des épargnes? Comment améliorer votre revenu? Ensuite, il faut comprendre quelles sont vos capacités. Je pense qu'il faut choisir les bons cas d'usage au début. C'est important pour réduire le risque. Deuxièmement, la qualité des données, on l'a répété plusieurs fois, c'est très important. Il faut avoir des données doute qualité et ... cela est nécessaire dans les programmes, les processus, au niveau de l'organisation. Lorsque les gens recueille des données, lorsqu'ils entre des données, il faut que ce soit fait de la même façon partout. Il faut que ce soit des données de qualité. Lorsque vous bâtissez un modèle de l'IA il y a des aspects critiques. Ignorer pas cela, pensez-y durant la planification. C'est important. Lorsque vous avez votre signale, lorsque vous avez vos résultats. Comment vous allez utiliser cela? Comment intégrer cela dans vos équipes quotidiennement? Sous quelle forme? Comment est-ce que ça va s'intégrer dans les processus? C'est très important à considérer. Finalement, l'IA c'est un parcours. C'est quelque chose qui va être continue itératif. Il y aura des jalons à travers le temps lorsque l'environnement va changer autour de vous. Ça va être critique de vous assurer que même s'il y a des changements dans la compagnie aussi votre concurrent change ... il faut s'assurer de bien examiner les changements et d'agir de manière logique. Merci pour tous ces conseils. Il faut avoir les bons intervenants autour de la table, considéré tout le parcours, considérer et considérer plusieurs perspectives que ce soit les ressources humaines, département du risque, la technologie, on en a fait allusion également au département juridique. Voilà, il faut poser la question difficile.
(voix de l'interprète) Merci à tous ceux qui ont pris le temps d'être parmi nous aujourd'hui. Vous allez recevoir un courriel de la BMO après cette séance. Vous pouvez avoir des crédits. Vous pouvez également avoir accès à un lien pour revoir cette présentation. On espère que cela a été une présentation informative par rapport à l'IA. Nous vous souhaitons une bonne journée, merci et au revoir.
Susan Witteveen
Première vice-présidente et chef, Solutions de trésorerie et de paiement
Susan Witteveen est une dirigeante accomplie au sein du secteur financier à l’échelle de l’Amérique du Nord, ayant occupé pe…(..)
Voir le profil complet >Détails :
- Cas d’utilisation professionnelle de l’intelligence artificielle
- Limites de l’intelligence artificielle
- Perfectionnement des services de trésorerie
- Qui devrait participer à ce parcours?
Les entreprises de tous les secteurs explorent les occasions d’utiliser l’intelligence artificielle (IA) pour les aider à résoudre les problèmes complexes des clients. La plupart des entreprises reconnaissent que l’intelligence artificielle est importante, mais elles ne savent pas exactement comment elle pourrait rendre leurs activités plus efficaces ou assurer la sécurité de leurs activités.
Pour approfondir la question, nous avons organisé un webinaire avec deux experts de BMO afin de discuter de la façon dont les entreprises peuvent tirer parti de cette technologie émergente et pour déterminer quels intervenants doivent participer à la décision d’intégrer l’intelligence artificielle à leurs activités. Nos panélistes étaient :
- Paul O’Donovan, chef, Données, analyses et intelligence artificielle, Gestion des risques, BMO
- Marc Pfeiffer, chef, Fondations de données, innovation et intelligence artificielle, BMO
Sean Ellery, chef, Numérique et innovation, Services bancaires aux grandes entreprises, BMO, animait la discussion. Voici un balado et un résumé de leurs observations.
Marchés Plus est accessible en direct sur tous les principaux réseaux, y compris Apple et Spotify.
Commencez à écouter notre série de balados primés.
Cas d’utilisation professionnelle de l’intelligence artificielle
L’intelligence artificielle existe depuis environ 70 ans, mais grâce aux progrès réalisés en matière de capacités de calcul et à l’accent mis plus récemment sur les outils génératifs d’intelligence artificielle, comme ChatGPT et Google Gemini, l’IA fait maintenant partie intégrante de nos conversations. Au cours des dernières années, nous avons tous été confrontés à l’intelligence artificielle sous une forme ou une autre dans nos activités quotidiennes, qu’il s’agisse du correcteur automatique dans l’application de messagerie texte de votre téléphone mobile, des recommandations offertes dans les services de télédiffusion en continu, des assistants personnels numériques ou des appareils intelligents pour la maison. Ces outils sont en grande partie conçus pour être pratiques.
Du point de vue des affaires, M. Pfeiffer a souligné que les avantages potentiels de l’intelligence artificielle sont axés principalement sur trois aspects : la réduction des coûts, l’atténuation des risques et l’augmentation des revenus. Pour atteindre ces résultats, il a expliqué que divers secteurs utilisent l’intelligence artificielle pour obtenir des renseignements leur permettant de prendre de meilleures décisions.
« Cela nous aide à comprendre plus rapidement les tendances décelées dans les données, avec plus de détails et de nuances, puis à transposer ces renseignements dans la gestion de la clientèle en ce qui a trait à la détection des tendances ou à la formulation de recommandations »
-- Marc Pfeiffer, chef, Fondations de données, innovation et intelligence artificielle, BMO --
M. O’Donovan a fait remarquer que, même si de nombreuses entreprises tirent parti des capacités d’automatisation de l’intelligence artificielle générative pour améliorer l’efficacité de certaines tâches, comme l’examen des documents, la prochaine étape de l’évolution de l’intelligence artificielle consistera à passer d’un outil tactique à un catalyseur stratégique. « La question qui demeure est la suivante : une fois que ces outils seront en place et que ces gains d’efficacité commenceront à se réaliser, comment pourrez-vous les transformer en montants concrets augmentant vos résultats? », ajoutait M. O’Donovan.
Limites de l’intelligence artificielle
Les avantages potentiels de l’intelligence artificielle sont importants, tout comme les pièges éventuels. M. Pfeiffer a souligné que l’utilisation responsable commençait par une base de données de qualité.
« Si vous avez de mauvaises données, si elles ne sont pas saisies correctement, si elles sont en quelque sorte biaisées, vous obtiendrez des prédictions ou des décisions erronées », a déclaré M. Pfeiffer. « L’un des aspects qui reviennent souvent quand on pense à l’intelligence artificielle est la capacité d’explication. En général, nous nous soucions peu de savoir pourquoi l’intelligence artificielle nous recommande une série plutôt qu’une autre sur Netflix. Mais dans d’autres situations, il peut être essentiel de comprendre pourquoi l’IA nous propose des recommandations ou des résultats particuliers. Vous devez faire attention au modèle d’intelligence artificielle que vous utilisez : certains ont une bonne capacité d’explication, d’autres pas. C’est une chose à laquelle vous devez réfléchir, en particulier dans les situations de réglementation ou de conformité internes. »
M. O’Donovan a ajouté qu’il est particulièrement important de garder à l’esprit le risque lié aux données biaisées.
« Il s’agit de systèmes complexes qui comportent beaucoup d’éléments de type boîte noire, a-t-il dit. Il est essentiel de comprendre comment vos données évoluent dans le système et de vous assurer qu’elles ne sont pas traitées de différentes façons par les clients ou les employés dans différents groupes protégés. »
-- Paul O’Donovan, chef, Données, analyses et intelligence artificielle, Gestion des risques, BMO --
Perfectionnement des services de trésorerie
C’est pourquoi une certaine formation sera requise au sein des services de trésorerie à mesure que le nombre d’entreprises adoptant l’intelligence artificielle augmente. Le but n’est pas que tous les employés deviennent des informaticiens; cependant, les connaissances en matière de données, la pensée critique et la sensibilisation à l’éthique deviendront des compétences essentielles.
À titre d’exemple, M. O’Donovan a déclaré que les équipes de trésorerie devront être capables de repérer les cas où les fonctions d’IA ne se déroulent pas comme prévu et de transmettre ces renseignements à l’équipe de développement. « Je pense qu’il faut former les employés des services de trésorerie afin qu’ils puissent interagir adéquatement avec le système d’intelligence artificielle et qu’ils soient capables de signaler et d’interpréter les résultats », a-t-il dit.
M. Pfeiffer nous met également en garde contre une dépendance excessive à l’égard de l’IA, en particulier dans les situations qui nécessitent une communication nuancée, comme le service à la clientèle.
« Si vous avez un assistant virtuel qui communique avec un client, vous devez être en mesure de déceler dans quels cas l’IA n’est pas capable de traiter certaines questions et à quel moment ces questions doivent être transmises à un humain, qui aura une compréhension plus nuancée des enjeux de l’organisation. »
-- Marc Pfeiffer, chef, Fondations de données, innovation et intelligence artificielle, BMO --
Dans son état actuel, l’intelligence artificielle fonctionne bien lorsqu’elle soutient les efforts et le travail humains, de sorte que la hiérarchie des responsabilités est claire. « Dans certains cas, lorsque vous traitez des processus ou des renseignements confidentiels, il est essentiel que l’intelligence artificielle soit considérée comme un catalyseur du processus de prise de décision et non comme le facteur ultime des décisions », a déclaré M. O’Donovan.
Qui devrait participer à ce parcours?
À mesure que les entreprises cherchent à tirer parti de l’IA pour répondre aux besoins stratégiques, il est essentiel de faire participer les principales parties prenantes dès le début du processus et de communiquer les objectifs pour assurer une implantation de l’AI réussie.
« De nombreux secteurs de l’organisation peuvent être touchés. Il sera essentiel de vous assurer de l’adhésion des parties prenantes dès le départ. »
-- Paul O’Donovan, chef, Données, analyses et intelligence artificielle, Gestion des risques, BMO --
À cette fin, M. O’Donovan a énuméré les principaux groupes qui devraient participer à ces discussions :
- Gestion des risques
- Approvisionnement
- Affaires juridiques
- Service de TI
- Gestion des risques et conformité
- Ressources humaines
- Tiers fournisseurs de technologies
En plus de faire participer les bonnes parties prenantes, la collaboration entre ces groupes est également essentielle. « Ce qui a vraiment bien fonctionné, c’est la mobilisation collective », a déclaré M. O’Donovan. « Il y a beaucoup de chevauchement entre l’équipe Affaires juridiques et le groupe de tiers, le groupe technologique et le groupe de gestion des risques. Il est important de réunir ces gens dans une même pièce pour s’assurer que tous les différents points de vue peuvent être entendus. »
La participation de toutes les principales parties prenantes vous aidera à prendre en compte l’ensemble des considérations nécessaires à un déploiement réussi. Il s’agit également de s’assurer d’utiliser l’intelligence artificielle pour résoudre les cas pertinents et d’employer des données structurées de grande qualité. Cela signifie également de comprendre l’incidence que l’intelligence artificielle peut avoir sur vos activités.
« Le modèle d’intelligence artificielle représente seulement la moitié du défi », a déclaré M. Pfeiffer. « L’autre moitié consiste à s’assurer que la technologie implantée répondra aux besoins de votre organisation. Vous devez comprendre comment l’IA sera utilisée, de quelle façon elle sera perçue par les utilisateurs – qu’il s’agisse d’employés ou de clients – et comment elle changera leurs activités quotidiennes et leurs interactions avec l’organisation. La formation des employés et la gestion du changement sont des éléments essentiels pour vous assurer de comprendre les fonctionnalités après la mise en œuvre. »
Au bout du compte, vous devez déterminer ce que l’intelligence artificielle doit vous aider à accomplir, ce qui orientera toutes les autres décisions auxquelles participeront les principales parties prenantes. « Les entreprises ont tendance à moins bien réussir lorsqu’il n’y a pas un ensemble clair de critères de succès établis dès le départ », a déclaré M. O’Donovan. « Il faut définir clairement ce qui constitue un bon résultat dès le début afin que tous les différents partenaires puissent s’entendre sur les objectifs de réussite finale. »
*Ce balado est en anglais seulement.
À lire ensuite
Quatre questions sur les fusions et acquisitions pour les chefs des finances afin de rendre les opérations de trésorerie plus efficientes
Susan Witteveen | 05 septembre 2024 Gestion Des Flux De Trésorerie
Détails : S’appuyer sur des partenaires financiers pour établir des stratégies de gestion de trésorerie Qua…
Continuer à lire>
Saisir une courte description ici
Dites-nous trois choses simples pour
personnaliser votre expérience.
