¿Cómo digerieron los grandes grupos la ola de IA generativa, que siguió a la liberación de ChatGPT poco más de dos años? Es para esta pregunta que un estudio de la oficina de consultoría Wavestone y el francés Grand París, una asociación afiliada a la misión pública, está tratando de responder. "Necesitamos un shock de confianza, porque observamos una adopción más lenta de la tecnología que podríamos anticipar hace dos años", dice Catherine Mayenobe, subdirectora de Caisse des Dépôts, una institución que organizó la presentación del estudio. Además, depende de las tecnologías venir a nuestras empresas para usar nuestros datos y no al revés. Además, existen los desafíos vinculados a la impresión ambiental de la tecnología y la evolución de las habilidades, según el gerente a cargo de las operaciones y la gestión de la transformación operativa de la institución financiera.

Problemas encontrados en el estudio de Wavestone y French Tech Grand Paris, presentado aguas arriba de la Cumbre de Acción de IA que se celebra el 10 y 11 de febrero en Francia. Basado en entrevistas con alrededor de cuarenta datos y/o gerentes de IA de grandes empresas esencialmente francesas, el documento subraya la fase de retorno a la realidad después del fugitivo causado por el lanzamiento de ChatGPT. “Hemos experimentado un período marcado por el deseo de que los intercambios se apoderen de la tecnología. Este fenómeno se está desvaneciendo. Volvemos a una alineación de la tecnología en las necesidades comerciales ”, dice Chadi Hantouche, asociado con Wavestone. Según este último, la locura para el Genai, sin embargo, hizo posible restaurar la visibilidad del campo y financiar mejor "desafíos persistentes en términos de IA y datos", como la calidad de este último.

"Las prioridades estratégicas son nuestros corredores de natación"

Otro desafío subrayado por el estudio: la cuestión de la elección de los casos de uso y la de la rentabilidad de las soluciones implementadas. "Asistimos a una carrera por casos de uso, ciertas organizaciones alineando docenas, incluso cientos", dice Chadi Hantouche. Pero, en realidad, muy poco de estos casos fueron realmente revolucionarios y capaces de ampliar en grandes organizaciones. "Para Stéphane Lannuzel, director del programa BeautyTech en L'Oréal, la priorización de los casos de uso es una gran alineación con las prioridades estratégicas de la empresa:" No es un enfoque ascendente. Tenemos mucha de esta creatividad que emana del campo y es difícil, pero es importante mantener estos corredores de natación que son nuestras prioridades estratégicas. »»

Los practicantes de datos y IA también encontraron las complejidades del cálculo de un rey en las aplicaciones basadas en Genai. "Las horas ganadas son difíciles de convertir a euros", dice Chadi Hantouche. En Stellantis, Annabelle Gérard, IA y Data Business Insights Manager, indica en particular que un caso de uso hoy desplegado en 20 fábricas grupales, la exploración de la documentación de las máquinas para facilitar el mantenimiento de equipos industriales, ha permitido desbloquear este debate internamente : "Hemos ganado la confianza de los operadores por la calidad de las respuestas proporcionadas", dice ella. Este caso hizo posible demostrar que un rey era alcanzable y facilitó la adopción de la tecnología en otras áreas de negocios ”.

Adopción: ¿Tendremos que esperar a la próxima generación?

Esta cuestión de retorno de la inversión está, de hecho, directamente vinculada a la de la adopción de soluciones. "Sin embargo, el tema de la gestión del cambio a menudo se pasa por alto", dijo Chadi Hantouche, quien pide a las empresas a acentuar sus esfuerzos de capacitación. "El desafío es fortalecer la adopción del Genai sin demora en que una nueva generación llega a las empresas", dijo. Para Julie Pozzi, Data and AI Gerente de Air France - KLM, un grupo de usuarios de soluciones de IA durante muchos años, la verdadera dificultad en la adopción reside más bien en la automatización de "pequeñas operaciones diarias", en la que la resistencia a los usuarios a menudo es un día. "Y en esta área, el Genai nos ha ayudado", dice ella.

Finalmente, la tecnología misma plantea una serie de problemas. En particular debido al rápido desarrollo del sector de Genai, como lo demuestran los trastornos recientes traídos por los chinos profundos. "Más allá de la elección de un LLM o SLM, las empresas deben abordar adecuadamente los aspectos relacionados con la arquitectura y la organización", enfatiza Chadi Hantouche. Nos estamos moviendo hacia entornos de múltiples agentes de múltiples IA dentro de los cuales los modelos se convierten en comodidades ”. Esto plantea dificultades en términos de ciberseguridad, porque cada uno de estos modelos debe estar calificado, y sus riesgos evaluados, antes del despliegue en la producción. Finalmente, los países de origen de estos modelos, Estados Unidos y China, principalmente, y la concentración de estas tecnologías en manos de un puñado de actores imponen a los fabricantes de decisiones una reflexión sobre la autonomía estratégica de su organización a mediano plazo. "Dentro de ciertos sectores, en particular en Francia, se están realizando discusiones para construir un ecosistema limpio", asegura al socio de Wavestone.