Les flux de travail sont le véritable champ de bataille de l'IA

Dans de nombreuses organisations qui expérimentent l'intelligence artificielle, les premières améliorations tendent à apparaître là où la connaissance constitue le principal goulot d'étranglement. Les systèmes basés sur de grands modèles linguistiques peuvent résumer des documents, récupérer des informations à partir de bases de données internes et aider les employés dans des tâches de recherche qui nécessitaient auparavant un temps considérable. Ces capacités se sont avérées précieuses, en particulier dans les environnements où de grands volumes d'informations doivent être traités rapidement. Pourtant, malgré ces progrès, la mécanique quotidienne des opérations commerciales reste souvent largement inchangée. Même les entreprises qui ont largement adopté les outils d'IA s'appuient encore fortement sur la coordination humaine pour faire avancer le travail dans leurs processus opérationnels. La raison devient généralement claire une fois que l'attention se déplace des tâches individuelles vers les flux de travail qui les relient.

Où réside réellement la complexité opérationnelle

Les processus d'entreprise ne consistent rarement en une seule action. Une interaction client typique peut nécessiter la récupération des informations du compte, la vérification de l'éligibilité, la mise à jour des enregistrements, le déclenchement d'actions en aval et la notification d'autres systèmes. Chaque étape peut impliquer différentes applications et différentes règles opérationnelles. Une demande d'assurance simple pourrait toucher une plateforme CRM, une base de données de polices, un système de facturation et un système de gestion de documents. Dans le domaine de la santé, la planification d'un rendez-vous peut impliquer des vérifications d'éligibilité, la disponibilité du médecin, la validation de l'assurance et la documentation réglementaire. Les flux de travail existent précisément parce que les organisations s'appuient sur plusieurs systèmes pour fonctionner - des systèmes qui ont souvent été mis en œuvre à des années d'intervalle et rarement conçus les uns pour les autres. Dans les grandes entreprises, il n'est pas rare qu'un seul processus traverse des logiciels introduits à des décennies complètement différentes. L'automatisation d'une seule étape élimine rarement la nécessité de coordonner le reste du processus.

Pourquoi l'automatisation traditionnelle peine

Les technologies d'automatisation traditionnelles ont été conçues pour des environnements prévisibles. Les outils d'automatisation des processus robotiques (RPA), par exemple, fonctionnent bien lorsque les étapes d'un processus sont fixes et que les entrées restent cohérentes. Les flux de travail opérationnels se comportent rarement de cette manière. Les demandes varient, les informations peuvent être incomplètes et les exceptions surviennent fréquemment - souvent au moment exact où un script d'automatisation soigneusement conçu s'attend à ce que tout se comporte de manière prévisible. Même de petites déviations, telles que des données manquantes ou une demande client inhabituelle, peuvent interrompre des flux d'automatisation rigides. Cela explique pourquoi de nombreuses organisations s'appuient encore fortement sur des opérateurs humains pour coordonner les processus opérationnels, même lorsque certaines parties de ces processus ont déjà été automatisées.

L'IA change la façon dont les flux de travail peuvent être coordonnés

L'intelligence artificielle introduit une capacité différente : l'interprétation du contexte. Au lieu d'exécuter une séquence d'actions fixe, les systèmes d'IA peuvent évaluer une demande, déterminer les informations pertinentes nécessaires pour la résoudre et interagir avec les systèmes nécessaires pour accomplir la tâche. Cela permet d'automatiser des processus qui nécessitaient auparavant un jugement humain simplement pour coordonner le flux de travail. Les outils d'automatisation antérieurs se concentraient sur les étapes individuelles d'un processus. Les systèmes d'IA rendent de plus en plus possible la coordination du flux de travail lui-même. Les économistes étudiant le changement technologique observent depuis longtemps des modèles similaires. Les recherches de l'économiste du MIT David Autor montrent que les nouvelles technologies ont tendance à automatiser des tâches au sein des flux de travail, plutôt qu'à remplacer des professions entières. L'intelligence artificielle semble suivre la même trajectoire.

L'essor des systèmes de flux de travail agiles

Les progrès récents des architectures d'IA ont accéléré ce développement. Les systèmes basés sur des agents peuvent interpréter une demande, déterminer les actions nécessaires pour la résoudre et interagir avec plusieurs systèmes afin de compléter le processus. Ce modèle apparaît déjà dans plusieurs secteurs. Les fournisseurs de télécommunications utilisent des systèmes pilotés par l'IA pour diagnostiquer les problèmes de réseau et lancer des flux de travail de remédiation. Les compagnies d'assurance s'appuient de plus en plus sur des agents automatisés pour vérifier les polices et traiter des parties de la gestion des sinistres. Les entreprises de logistique utilisent des systèmes de coordination d'IA pour ajuster les itinéraires et les horaires sur des réseaux opérationnels complexes. Dans chacun de ces exemples, la véritable valeur de l'intelligence artificielle réside non pas dans la réponse aux questions, mais dans la résolution des situations opérationnelles.

La gouvernance devient centrale

Alors que l'intelligence artificielle commence à exécuter des flux de travail opérationnels, la gouvernance devient rapidement essentielle. Les organisations doivent savoir quelles actions ont été entreprises, pourquoi elles l'ont été et si ces actions sont conformes aux politiques internes et aux exigences réglementaires. Une fois que les systèmes automatisés commencent à prendre des décisions opérationnelles, la capacité d'expliquer ces décisions devient aussi importante que la capacité de les exécuter. Dans les secteurs réglementés tels que la santé, l'assurance et la finance, ces exigences sont renforcées par des cadres juridiques régissant la prise de décision automatisée. L'AI Act de l'Union européenne, par exemple, introduit des exigences de transparence pour les systèmes qui interagissent avec les clients ou influencent les résultats opérationnels. Les systèmes d'IA opérationnels nécessitent donc une architecture qui s'intègre aux systèmes d'entreprise, applique les règles de gouvernance de manière cohérente et maintient des enregistrements clairs des actions effectuées par le système.

Elba et l'orchestration des flux de travail

C'est précisément le type d'environnement opérationnel pour lequel des plateformes comme Elba ont été développées. Plutôt que de se concentrer uniquement sur l'interaction conversationnelle, Elba fonctionne comme une couche d'orchestration omnicanale et agile capable de traduire les requêtes - qu'elles soient reçues par voix, messagerie ou autres canaux - en flux de travail exécutés sur les systèmes d'entreprise. Une fois l'intention identifiée, la plateforme récupère le contexte, interagit avec les applications connectées, applique la logique métier et complète les processus opérationnels définis dans les limites de gouvernance établies par l'organisation. Du point de vue de l'utilisateur, l'interaction commence souvent par une simple demande. En coulisses, cependant, le système coordonne la séquence d'actions opérationnelles nécessaires pour résoudre cette demande à travers l'infrastructure numérique de l'organisation.

Où se dirige l'adoption de l'IA

La première phase d'adoption de l'IA en entreprise s'est largement concentrée sur l'information. Les systèmes répondaient aux questions, résumaient des documents et aidaient les employés dans les tâches de connaissance. La phase suivante se déroule au sein des flux de travail opérationnels. Les organisations qui intègrent avec succès l'IA dans les processus qui coordonnent le travail entre les systèmes verront l'impact opérationnel le plus important. Alors que l'intelligence artificielle continue de mûrir, sa contribution la plus significative pourrait ne pas être de générer de meilleures réponses, mais de permettre aux organisations d'exécuter des flux de travail plus efficacement et de manière plus fiable.