ParPaul Hardy,Directeur de l’innovation, ServiceNow
L’ accès mondial aux données explose. Parallèlement, notre capacité à catégoriser, classer et analyser ces données est également en pleine expansion. Au fur et à mesure que ce nouveau monde de données se développe, les entreprises cherchent à créer de nouveaux modèles de données — et leurs fonctions d’analyse des données de soutien — pour avoir un impact direct et positif sur la croissance, le profit et l’expansion.
Mais revenons un instant aux premiers principes. Nous savons que l’intelligence artificielle (IA) et l’apprentissage automatique (ML), lorsqu’ils sont correctement appliqués, peuvent améliorer le fonctionnement et le fonctionnement des organisations. Mais les organisations savent-elles par où commencer lorsqu’elles cherchent à créer ces nouveaux modèles de données ?
Nous — et par « nous », je veux dire vous en tant que clients, nous chez ServiceNow, ainsi que nos partenaires, tout le monde, nous devons nous demander où catégoriser et compartimenter les processus et les fonctions pour créer de nouveaux workflows numériques. Nous devons examiner quels aspects de l’entreprise devraient être les plus directement « exposés » à l’IA. Nous devons également savoir ce qui est et ce qui n’est pas possible à court, moyen et long terme.
En d’autres termes, nous devons être intelligents pour être plus intelligents si nous voulons faire avancer une nouvelle ère d’affaires. Alors, que signifie vraiment smart en termes commerciaux modernes ? Je pense qu’il est temps d’examiner l’IA et les flux de travail numériques à travers l’optique des objectifs SMART (spécifiques, mesurables, atteignables, pertinents, limités dans le temps).
Spécificité
Paul Hardy, Directeur de l’innovation, EMEA, ServiceNow
Lorsque nous utilisons le mot « spécifique » et exigeons un plus grand niveau de spécificité du produit ou du service, nous l’entendons dans le sens le plus granulaire possible.
Nous ne pouvons pas simplement dire qu’il nous faut plus de trombones, plus de vendeurs, plus de climatisation de bureau ou plus d’automobiles de vente sur le terrain. Nous devons nous demander quel type de trombone nous avons besoin, de quelle couleur, quelle est la force de construction et peut-être même quel niveau de « clippyness » chaque clip doit exposer.
Lorsque vous envisagez de fournir de l’IA et du ML dans votre entreprise, vous devez être vraiment concentré sur ce que vous essayez d’atteindre — et je veux dire par là, vous devez être en mesure de fixer des cas d’utilisation spécifiques pour chaque trombone.
Mesurabilité
Pour devenir intelligent avec de nouveaux flux de travail numériques, il faut également être mesurable. Si vous ne pouvez pas le mesurer et le mettre dans votre plan d’affaires et votre bilan (un processus, un service, un élément de workflow, n’importe quoi), alors vous devez prendre du recul et demander si vous devriez vraiment le faire.
La réalité est que les données sont souvent capturées et ne sont jamais utilisées. Il tombe simplement non mesuré, et mal aimé, dans le lac de données. Le coût réel de ceci est le « bruit » qui est créé dans l’ensemble de l’entreprise parce que pour un, les données gaspillées vont s’écraser dans le lac et d’autre part, il y a alors les éclaboussures qui est qu’ils doivent commencer à plonger dans le lac pour chercher les données dont ils pourraient réellement avoir besoin pour améliorer leurs expériences de travail !
Atteinabilité et pertinence
Si une initiative d’IA n’est pas réalisable ou réalisable, alors pourquoi a-t-elle fait partie de votre stratégie commerciale actuelle ? De nos jours, nous pouvons prévoir dans quelle mesure l’IA sera en mesure de changer concrètement une activité donnée en termes concrets.
De même, si une initiative commerciale IA n’est pas pertinente pour l’entreprise et ne peut pas exister dans le contexte des objectifs actuels et immédiats de l’organisation, elle ne fait pas partie intégrante d’un plan d’affaires intelligent.
Rapidité
Enfin, nous arrivons à l’actualité. Dans un passé moins lointain, les cycles économiques et l’approche générale à l’égard des objectifs commerciaux étaient généralement annuels. À l’ère de l’après-millénaire, les entreprises se mesurent par incréments stratégiques beaucoup plus petits.
Indicateurs de rendement clés (ICP) et objectifs opérationnels utilisés pour changer d’une année à l’autre. Aujourd’hui, ils peuvent être calibrés pour changer mensuellement, hebdomadaire ou peut-être même sur la base d’activités individuelles (billets) liées à des emplois individuels.
Vos prochaines étapes
L’ objectif de toute entreprise devrait être d’arriver au point où elle peut utiliser des flux de travail numériques intelligents pour accroître la productivité, une meilleure qualité de tous les services et une plus grande expérience pour tous les employés.
Nous savons qu’une proportion croissante d’organisations étudient déjà où elles peuvent apporter l’IA et créer une nouvelle valeur dans leur entreprise. Nous savons également que beaucoup sont déjà sur cette voie et créent de nouvelles applications et de nouvelles expériences. Les facteurs qui comptent le plus aujourd’hui sont la qualité du service, la réduction des coûts, la rapidité de livraison et la nécessité d’une disponibilité géographique pour tous les nouveaux produits et services. Ce sont toutes les tendances déterminantes qui devraient façonner la façon dont nous développons de nouveaux workflows numériques qui tirent parti de l’IA et du ML.
En tant que fournisseurs, nous devons aider les entreprises à identifier les domaines à améliorer, non seulement avant qu’elles commencent à perdre des profits et des parts de marché, mais surtout avant qu’elles ne commencent à perdre des contrats. Il existe une nouvelle culture de stratégie d’entreprise prédictive que nous soutenons et rendons possible.
Smart est plus intelligent s’il est plus productif et crée de meilleures expériences pour tout le monde à l’intérieur et à l’extérieur de votre organisation. C’est là que se trouve l’argent intelligent, crois-moi.
