GenAI rencontre des problèmes lors de la mise en œuvre

GenAI rencontre des problèmes lors de la mise en œuvre est profilée par BTW Media car des preuves publiées la lient à l'infrastructure Internet, à la gouvernance, aux dépendances opérationnelles ou à la visibilité du marché.

• Les organisations sont enthousiastes à l'idée du potentiel de l'IA générative, mais elles rencontrent des obstacles dans 4 domaines clés de la mise en œuvre.
• L'étude a interrogé 300 décideurs américains en stratégie GenAI ou en analyse de données pour évaluer les principaux domaines d'investissement et les obstacles auxquels les organisations sont confrontées.
• La GenAI devrait être considérée comme un contributeur idéal à l'hyperautomatisation et à l'accélération des processus et systèmes existants, plutôt que comme le nouveau jouet brillant qui aidera les organisations à réaliser toutes leurs aspirations commerciales.

Les organisations sont enthousiasmées par le potentiel de l'IA générative pour améliorer la productivité des employés et des entreprises, mais elles ne parviennent pas à en tirer pleinement parti en raison d'un manque de talents et d'une planification stratégique insuffisante, selon une étude menée début 2024 par Coleman Parkes Research et sponsorisée par la société d'analyse de données SAS.

Obstacles dans 4 domaines clés

Gagner en confiance dans l'utilisation des données tout en assurant la conformité. Seulement 10 % des organisations disposent d'un système robuste pour évaluer les risques de biais et de confidentialité dans les LLM (grands modèles de langage). De plus, la majorité des entreprises américaines risquent de ne pas être conformes aux réglementations, et 93 % d'entre elles ne disposent pas d'un cadre de gouvernance complet pour la GenAI.

Intégrer la GenAI dans les procédures et systèmes existants. Les organisations reconnaissent que l'intégration de la GenAI à leurs systèmes actuels pose des problèmes de compatibilité.

Aptitudes et compétences. La GenAI interne est insuffisante. Les dirigeants d'entreprise craignent que leurs services RH n'aient pas accès aux compétences nécessaires pour maximiser leur investissement dans la GenAI en raison d'une pénurie de candidats qualifiés.

Estimation des coûts. Les dirigeants soulignent que l'utilisation des LLM entraîne des coûts directs et indirects prohibitifs. L'estimation du coût des jetons fournie par les créateurs de modèles est désormais reconnue comme prohibitive par les organisations. Cependant, la préparation des connaissances privées, la formation et la gestion des ModelOps entraînent un coût long et complexe.

À propos de l'enquête

300 décideurs américains en stratégie GenAI ou en analyse de données ont été interrogés début 2024 par Coleman Parkes Research, avec le financement de la société d'analyse de données SAS. L'objectif de l'enquête était d'identifier les principaux domaines d'investissement et les défis auxquels les organisations sont confrontées.

« Les organisations se rendent compte que les grands modèles de langage (LLM) seuls ne résolvent pas les problèmes commerciaux », a déclaré Marinela Profi, conseillère stratégique en IA chez SAS.

Plutôt que d'être considérée comme le nouveau jouet brillant qui aidera les organisations à réaliser toutes leurs aspirations commerciales, la GenAI devrait être considérée comme un contributeur idéal à l'hyperautomatisation et à l'accélération des processus et systèmes actuels. Avant de se lancer tête baissée et de devenir « prisonnières », toutes les organisations devraient investir dans des technologies offrant l'intégration, la gouvernance et l'explicabilité des LLM et prendre le temps nécessaire pour élaborer une stratégie progressive.