« Est-ce que l’IA peut être utilisée pour renforcer l’intelligence artificielle des entreprises ? »

Les outils de business intelligence aident déjà les dirigeants à en apprendre davantage sur les données qui alimentent leur entreprise et à prendre des décisions plus éclairées. Les tableaux de bord de BI, en particulier, aident les dirigeants d’entreprise à quantifier leurs réussites et à identifier les domaines d’amélioration à partir d’un point d’accès central. Lorsqu’il s’agit d’adopter efficacement l’IA, une surveillance appropriée et une compréhension de vos données peuvent être d’une importance capitale. Sur le papier, il pourrait y avoir un rôle important pour une combinaison de BI et d’IA, avec une identification intelligente des modèles pour informer davantage les responsables informatiques. Mais est-ce aussi simple en pratique? Dans cet épisode, Jane et Rory s’entretiennent avec Nick Magnuson, responsable de l’IA chez Qlik, pour découvrir comment la business intelligence et l’IA peuvent être efficacement combinées et quelles sont les principales erreurs commises par les entreprises lorsqu’il s’agit d’intégrer les deux. « Le pouvoir de l’apprentissage automatique peut dire: « Vous savez quoi, faisons une évaluation indépendante, ramenons toutes les données, quel est l’indicateur clé de performance que nous souhaitons mesurer, faisons l’analyse, exécutons les données historiques, utilisons les algorithmes, utilisons la puissance de toutes les connexions que les différentes mathématiques peuvent fournir ». Et il vous dira quelles sont les choses clés qui génèrent ces résultats. Et ces choses devraient en réalité être les choses sur lesquelles vous vous concentrez dans votre BI, ce sont les choses que vous exposez aux décideurs, car historiquement, ce sont elles qui ont eu un impact sur les résultats qui vous importent. » « J’ai vu beaucoup de gens qui ont créé un très bon modèle, puis l’ont donné à l’équipe commerciale et celle-ci l’a examiné en disant: « Oh, d’accord, que suis-je censé en faire ? » Et cela vient du fait de ne pas avoir confiance en ce modèle, de ne pas pouvoir expliquer comment le modèle fonctionne, ou de ne pas être en mesure d’auditer comment ce modèle a été créé avec quelles sources de données et quelles sortes de transformations peuvent avoir été apportées à ces données en cours de route. »