eGain lie le dépassement des coûts de l'IA et les échecs des chatbots à une mauvaise organisation de l'information

eGain Corporation a publié deux livres blancs identifiant une cause commune à deux problèmes majeurs qui affectent l'IA d'entreprise : les coûts incontrôlables et les chatbots IA inefficaces. L'entreprise affirme que aucun des problèmes n'est intrinsèquement lié à l'intelligence de l'IA, mais plutôt au manque d'informations organisées et accessibles sur lesquelles les systèmes d'IA s'appuient.

Le premier document, "Ending Runaway Token Costs in Enterprise AI", aborde l'escalade rapide des dépenses liées à l'IA. eGain explique qu'une part importante de ces coûts est due à un traitement inutile. Lorsque les systèmes d'IA manquent de bases de connaissances organisées, ils doivent retraiter de vastes quantités de documentation pour chaque requête, un peu comme rechercher à plusieurs reprises dans un entrepôt non étiqueté. De plus, l'utilisation de l'IA pour des tâches routinières qui pourraient être gérées par des logiciels plus simples entraîne des dépenses inutiles. eGain propose d'organiser les connaissances de l'entreprise en une source unifiée et cartographiée pour rationaliser les opérations de l'IA et orienter les tâches basées sur des règles vers des logiciels conventionnels.

Le second document, "The Trust Gap in AI Self-Service", examine pourquoi les déploiements d'IA dans les rôles orientés client échouent souvent avant leur mise en service. Le problème principal, selon eGain, réside dans le risque d'erreurs de l'IA lors de l'interaction directe avec les clients. Bien qu'une précision de 95 % puisse sembler élevée, les 5 % d'erreurs restants peuvent avoir des conséquences importantes. Le document critique également la pratique consistant à permettre à l'IA de choisir dynamiquement les systèmes backend auxquels accéder, arguant que cette approche manque de fiabilité pour les interactions client en direct sans supervision humaine.

"Une facture IA incontrôlable ne signifie presque jamais que le modèle est trop petit. Cela signifie que personne ne lui a dit où chercher", a déclaré Ashu Roy, PDG d'eGain. "Et une fois qu'un client parle directement à l'IA, il n'y a plus personne pour rattraper une erreur avant qu'elle ne se produise. Avoir la bonne information sous-jacente n'est pas une fonctionnalité. C'est tout le travail." Les deux livres blancs sont disponibles sur eGain.com.