L'IA nécessite un modèle d'entreprise compréhensible pour l'optimisation

La capacité de l'intelligence artificielle à optimiser les opérations d'une entreprise dépend de sa compréhension approfondie de la structure et des méthodes opérationnelles de l'organisation, selon Fast Company. La simple fourniture de contexte à l'IA est insuffisante ; un modèle complet de la dynamique de l'entreprise est essentiel.

L'IA doit comprendre ce qui doit être optimisé au sein d'une entreprise. Bien que les grands modèles linguistiques possèdent des connaissances dans des domaines commerciaux généraux, ils manquent de familiarité avec les clients spécifiques de l'entreprise, les processus internes, la tolérance au risque ou les implications en cascade des changements. Comprendre ces interdépendances nécessite plus que de simples souvenirs ; cela exige un modèle de données formel qui décrit les identités, les relations et les contraintes.

Les entreprises tentent de combler ce fossé en fournissant à l'IA plus d'informations contextuelles, mais cela ne répond pas à la question du fonctionnement de l'organisation. La solution proposée est de définir une ontologie, c'est-à-dire de spécifier les "noms", "verbes" et règles d'une entreprise. Cela jette les bases d'un modèle d'entreprise interne, agissant comme une sorte de jumeau numérique.

Après l'ontologie, la prochaine étape consiste en un "modèle de monde" qui apprend la dynamique de l'entreprise et prédit les événements futurs. Cela permet de comprendre les relations de cause à effet, ce qui est crucial pour une prise de décision algorithmique fiable. Les entreprises peuvent améliorer continuellement ce modèle en y injectant des informations sur les décisions prises et leurs résultats, permettant ainsi à l'entreprise de posséder son propre apprentissage.

L'objectif final est d'évoluer vers une "entreprise compréhensible" avant qu'elle ne puisse devenir véritablement optimisable. La prochaine phase de la numérisation des entreprises consistera à modéliser les entreprises de manière à ce que l'IA puisse saisir le sens de ses actions, en s'appuyant sur des représentations propriétaires qui ont plus de valeur que le modèle d'IA lui-même.