Comment l'IA peut rendre la stratégie plus humaine

Comment l’IA peut rendre la stratégie plus humaine

 

Une approche radicalement humaine de l’interaction homme-machine bouleverse les hypothèses sur les éléments de base de l’innovation. Plus précisément, la nouvelle utilité des petites données – y compris la possibilité de créer des données «synthétiques» pour simuler un ensemble de circonstances – met la puissance de l’IA à grande échelle à la portée d’entités qui ne pouvaient pas se le permettre auparavant. Au lieu que les machines “apprennent” en traitant des montagnes de données, les humains peuvent désormais enseigner aux machines en se basant sur l’expérience, la perception et l’intuition humaines. Cela signifie que davantage de personnes dans les organisations peuvent utiliser l’IA de nouvelles façons, en fonction de leur expertise individuelle.

L’image plus grande qui en résulte? L’architecture informatique héritée encombrante cède la place à des systèmes vivants qui peuvent tisser ensemble des technologies, des données et des talents dans un monde hypernumérique d’informatique mobile, d’IA, d’Internet des objets (IoT) et de milliards d’appareils. Ces développements ont ouvert de vastes possibilités d’innovation stratégique – mais seul un petit nombre d’entreprises ont fait un saut radical dans les nouvelles stratégies que ces technologies radicalement humaines ont ouvertes.

Trois de ces nouvelles stratégies à fort potentiel comprennent : Bêta pour toujours, Idée minimale viable (MVI)et Co-lab. Nous expliquerons chacun en détail, avec des exemples d’entreprises qui les emploient actuellement. Bien que leurs stratégies spécifiques soient distinctes, les entreprises qui utilisent ces nouvelles stratégies partagent bien trois caractéristiques importantes. Premièrement, leur technologie, leur stratégie commerciale et leur exécution sont si étroitement liées qu’elles sont presque impossibles à distinguer. Deuxièmement, les humains – et non les machines – sont aux commandes. Troisièmement, ces entreprises comprennent que toutes les entreprises, quel que soit leur secteur d’activité, sont désormais des entreprises technologiques.

Bêta pour toujours

Les stratégies Forever Beta proposent des produits et services logiciels qui évoluent et s’améliorent continuellement après leur achat, de sorte que les clients voient leur valeur et leur utilité augmenter au fil du temps, plutôt que de s’estomper. Par exemple, Tesla, contrairement à d’autres constructeurs automobiles, n’offre pas de mises à jour annuelles de ses modèles. C’est parce que Tesla propose un modèle et l’améliore continuellement après coup. Les propriétaires de Tesla voient leurs voitures existantes se transformer en permanence grâce à des mises à jour qui font progresser les capacités de conduite autonome du véhicule, améliorent les performances et améliorent les caractéristiques de sécurité.

 

 

Grâce à la connectivité cloud/edge avec les voitures, Tesla surveille les performances et fournit un diagnostic et une réparation à distance. Par exemple, un problème de moteur impliquant une surchauffe occasionnelle a été diagnostiqué et réparé par un correctif logiciel. Les conducteurs de Tesla sont dans une boucle de rétroaction constante avec l’entreprise, transmettant leur expertise humaine au réseau neuronal de Tesla et l’améliorant simplement en conduisant.

Le résultat est une expérience de propriété qui voit la voiture croître continuellement en valeur et en utilité. Cette expérience est conçue pour être une partie intrinsèque de l’utilité et de la différenciation du produit pour les clients, qui sont, en effet, des utilisateurs bêta hautement privilégiés de chaque nouvelle amélioration.

Signify, anciennement Philips Lighting, garde la technologie la plus récente et la plus performante entre les mains de ses clients grâce à l’éclairage circulaire Signify, une solution d’entreprise où Signify propose un éclairage basé sur la disponibilité et les besoins énergétiques fournis par ses clients. L’entreprise a assumé la responsabilité de l’éclairage dans toutes les centrales électriques qui fournissent toute l’électricité à Dubaï, ce qui a permis d’économiser 68 % de la consommation d’énergie liée à l’éclairage pour la ville.

En mêlant si étroitement technologie et stratégie commerciale, ces entreprises nouent des relations plus solides avec leurs clients, fondées sur la compréhension que les expériences de service qu’elles achètent aujourd’hui prendront de la valeur demain.

Idée minimale viable

Les stratégies Minimum Viable Idea utilisent des technologies intelligentes pour cibler avec précision les maillons faibles d’un secteur traditionnel et offrir une expérience client supérieure qui peut être rapidement mise à l’échelle pour faire des percées rapides sur le marché. Lemonade, une compagnie d’assurance basée à New York cofondée par Daniel Schreiber et Shai Wininger, offre une couverture aux locataires, aux propriétaires de condos, aux propriétaires et aux propriétaires d’animaux. Leur application alimentée par l’IA rationalise l’obtention de devis et le règlement des réclamations, parfois en quelques secondes. Mais, dit Wininger, “Lemonade est une entreprise de technologie qui fait de l’assurance, pas un assureur qui fait une application.”

Lemonade a combiné les chatbots IA, l’apprentissage automatique et le cloud pour se concentrer avec une précision laser sur les caractéristiques de l’assurance traditionnelle qui font que l’industrie est largement détestée par les consommateurs. Et, pour l’élément d’expertise, ils ont trouvé un moyen incroyablement créatif de mettre un humain dans la boucle.

Tenez compte du processus de réclamation de l’entreprise. Les utilisateurs appuient sur le bouton “Réclamer” dans l’application et disent simplement au chatbot, nommé Maya, ce qui s’est passé. Il n’y a pas de formulaires à remplir, pas d’attente dans une file d’attente téléphonique, pas de transfert d’un service à l’autre. L’IA de l’entreprise exécute ses algorithmes anti-fraude et si la réclamation est approuvée instantanément – comme le sont environ 30% – l’IA la paie immédiatement. Dans le cas contraire, la réclamation est transmise à un humain qui contacte l’assuré dans les plus brefs délais.

Le processus est si fluide grâce en partie à un modèle financier qui résout ce que les fondateurs de Lemonade considéraient comme un conflit d’intérêts inhérent aux compagnies d’assurance : chaque dollar de réclamation d’un client qu’une entreprise nie est un autre dollar de profit pour l’entreprise. Cela incite l’assureur à faire tout son possible pour refuser ou réduire le montant d’une réclamation et motive le client à gonfler les réclamations.

La limonade prend simplement un pourcentage fixe de chaque prime. Il restitue le reste non réclamé lors d’une « journée de remise » annuelle, lorsque l’argent est reversé à des causes dignes d’intérêt pour les assurés. Les assurés qui choisissent la même cause sont regroupés dans un groupe de pairs virtuel. L’argent des primes collecté auprès de chaque groupe de pairs est utilisé pour payer les réclamations du groupe. L’argent qui reste va à la cause de ce groupe. Lors du Giveback Day en 2020, la société a fait don de plus de 1,1 million de dollars à 34 organisations à but non lucratif, dont l’UNICEF, Direct Covid Relief Response, le Malala Fund, Born This Way et d’autres.

Les humains impliqués dans le processus de réclamation sont les clients eux-mêmes. Lorsqu’ils entrent dans une réclamation, ils savent que Lemonade n’a aucune incitation à la refuser ou à la réduire de manière déraisonnable. Tout aussi important, ils savent que chaque dollar par lequel ils gonflent une réclamation signifie moins d’argent pour une cause qui leur tient à cœur. Cette dynamique met non seulement un humain dans la boucle, mais place ce qui est uniquement et radicalement humain au centre – la conscience morale.

Co-lab

Les stratégies de co-lab produisent des résultats supérieurs dans les sciences ou d’autres environnements à forte intensité de connaissances grâce à la découverte guidée par l’homme et pilotée par la machine. Libérés par l’automatisation et l’apprentissage automatique pour tirer parti des connaissances humaines au plus haut niveau, des spécialistes et des travailleurs du savoir, pilotant ces puissantes plates-formes technologiques, augmentent de manière exponentielle la productivité, multiplient la valeur et érigent de hautes barrières à l’entrée.

Exscientia, une start-up basée au Royaume-Uni, a développé une plateforme de découverte de médicaments basée sur l’IA qu’elle appelle Centaur Chemist. Pour identifier une maladie à cibler, Exscientia applique initialement des algorithmes d’apprentissage en profondeur pour réduire le nombre presque illimité de candidats potentiels à la maladie. Ensuite, les experts de l’entreprise conçoivent une stratégie qui est mise en œuvre par le système « d’apprentissage actif » du Centaur Chemist qui « apprend » son chemin dans un ensemble de données de découverte de médicaments avec des points de données limités, en s’appuyant sur des algorithmes hautement efficaces. En règle générale, dans la découverte de médicaments, on sait peu de choses sur les nouvelles cibles thérapeutiques et il existe peu de données qui pourraient être utilisées dans les approches d’apprentissage automatique des mégadonnées. En 2020, Exscientia est devenue la première société pharmaceutique à créer une molécule conçue par l’IA pour entrer dans des essais cliniques sur l’homme, suivie d’une autre en 2021. Des exemples tout aussi impressionnants de la puissance de la stratégie Co-Lab peuvent être trouvés dans le développement de vaccins Covid par Moderna et Pfizer/BioNTech en un temps record.

Petits pas ou pas de géant ?

Forever Beta, Minimum Viable Idea et Co-lab épuisent à peine les stratégies commerciales audacieuses qui émergent du virage radicalement humain des technologies intelligentes. Mais les stratégies commerciales axées sur la technologie ne s’auto-génèrent pas. Ils ont besoin de dirigeants clairvoyants. Ceux qui sont capables de voir les opportunités du nouveau lien radicalement humain entre les personnes et la technologie anticiperont les perturbations et saisiront l’avenir. Ceux qui continuent sur la voie de l’automatisation incrémentale en souffriront. Les travailleurs aussi. Dans des recherches révolutionnaires sur le déplacement des travailleurs par l’automatisation, les économistes Daron Acemoglu du MIT et Pascual Restrepo de l’Université de Boston ont conclu que « ce ne sont pas les technologies d’automatisation « géniales » qui menacent l’emploi et les salaires, mais les « technologies passablement » qui génèrent une faible productivité. améliorations. La même chose peut être dite pour les stratégies so-so.

#Comment #lIA #peut #rendre #stratégie #humaine