Repenser le travail à l’ère de l’IA 

Ravin Jesuthasan : Après une première vague d’enthousiasme au sujet des applications genAI parmi de nombreux chefs d’entreprise, un sentiment de réalisme s’installe maintenant. Comme c’est souvent le cas, nous surestimons l’impact à court terme et sous-estimons le potentiel à long terme d’une technologie. Mais nous ne pouvons exploiter ce potentiel que si nous nous éloignons de l’état d’esprit selon lequel « l’IA n’est qu’un autre outil ».

Kai Anderson : L’IA est une technologie révolutionnaire, mais elle ne fait que libérer son plein potentiel lorsqu’elle est combinée correctement au travail humain. Donc, d’abord et avant tout, cela nécessite une discussion substantielle.

Ravin Jesuthasan : Les entreprises ont tendance à commencer par la technologie et à se demander quelles solutions spécifiques elle peut réaliser. Mais c’est la mauvaise approche. Les questions devraient plutôt être : Quel est le travail en cours ou à faire et comment la technologie peut l’améliorer ou créer des offres auparavant non envisagées.

Kai Anderson : Vous devez diviser le travail en tâches individuelles et analyser lesquelles d’entre elles peuvent être remplacées par l’IA, où elle peut fournir du soutien et où elle peut créer de nouvelles possibilités.

Ravin Jesuthasan : Cela semble simple, mais c’est difficile en pratique. Les entreprises doivent apprendre à penser en termes de tâches et de compétences, pas en termes d’emplois. Un exemple concret pourrait aider : Dans de nombreuses entreprises, le personnel de conformité passe beaucoup de temps à produire des rapports normalisés. Ces rapports sont importants, mais les tâches sous-jacentes suivent des schémas clairs et impliquent des processus de vérification répétitifs basés sur des règles.

Kai Anderson : C’est exactement là qu’il y a un potentiel élevé. Grâce à l’IA, ces tâches répétitives peuvent en grande partie être automatisées, par exemple, avec des systèmes qui analysent automatiquement les données, signalent les anomalies et préparent des rapports. Le professionnel de la conformité n’a qu’à examiner les cas critiques, à élaborer des évaluations des risques et à soutenir les décisions stratégiques. Non seulement cela crée de l’efficacité, mais cela rehausse également le rôle.

Ravin Jesuthasan : Il s’agit d’un excellent exemple de la façon dont la combinaison de la technologie et d’une nouvelle division de la main-d’œuvre réduit non seulement les coûts, mais permet également un travail de meilleure qualité. Et c’est exactement notre objectif : repenser le travail, ce qui signifie qu’il est efficace et prêt pour l’avenir.

Ravin Jesuthasan : En effet, même si l’avantage commercial de décomposer et repenser le travail est évident, de nombreuses entreprises ont du mal à passer au-delà des structures d’emploi rigides et historiquement évoluées et des façons de penser et de travailler associées. Seule la déconstruction, le redéploiement et la reconstruction peuvent être redistribués de manière sensée, entre les humains, les machines ou les deux.

Kai Anderson : Au début, nous rencontrons souvent des attentes très élevées en matière d’IA, beaucoup d’espoir pour des effets rapides et révolutionnaires. Dans le passé, les entreprises mettaient généralement en œuvre des technologies sans remettre en question ou adapter fondamentalement leurs flux de travail. Lorsque les résultats attendus ne se sont pas matérialisés, la déception a suivi. Mais c’est souvent le moment où la véritable priorité devient claire : La technologie ne passe pas avant tout, comprendre le travail l’est aussi. Ce n’est que lorsque le travail est clairement structuré et réinventé que l’IA peut atteindre son plein potentiel.

Ravin Jesuthasan : Il est également important de garder à l’esprit la vue d’ensemble, c’est-à-dire l’ensemble du processus, de bout en bout, y compris tous les intervenants et les technologies adjacentes ou connexes.

Ravin Jesuthasan : De nombreux décideurs dans les entreprises considèrent l’IA générative comme un simple outil. Mais sa véritable valeur émerge dans le contexte de son application spécifique : comment elle affecte et est affectée par diverses parties prenantes et peut se connecter à d’autres technologies, telles que l’automatisation robotique des processus et l’apprentissage automatique. C’est cette combinaison qui détient le secret pour réaliser son plein impact.

Kai Anderson : Cela montre également que les entreprises doivent penser ensemble au travail humain et à la technologie.

Kai Anderson : L’expérience montre que ces compétences ne se retrouvent pas toujours chez les personnes qui occupent actuellement les postes. Parfois, il vaut la peine de réaffecter des tâches au personnel subalterne, par exemple, ou aux équipes internationales.

Kai Anderson : Cet aspect doit être pris en compte avant même la mise en œuvre de l’IA, d’autant plus que de nombreux nouveaux domaines d’activité précédemment négligés émergent rapidement. Idéalement, les employés expérimentés acquièrent la capacité de travailler sur des tâches stratégiques, une communication plus axée sur le service avec les clients et une acquisition ciblée des clients. Les gains d’efficacité sont généralement importants, souvent aussi importants que les économies réalisées grâce à l’automatisation.

Ravin Jesuthasan : Clairement : La conception du travail doit devenir une capacité fondamentale de l’organisation. Il ne suffit pas d’avoir des cas d’utilisation discrets. Il doit y avoir une collaboration dans tous les domaines, du leadership aux TI en passant par les RH. Seulement en demandant continuellement : « Comment pouvons-nous réinventer le travail pour optimiser les capacités humaines et les capacités de la machine? » les entreprises peuvent-elles rester adaptables, surtout compte tenu du développement rapide de l’IA?

Kai Anderson : Oui, exactement, et ce n’est rien de nouveau. Nous devons simplement le dire à voix haute et dissiper le mythe : Vous implémentez une technologie une fois, et tout se passe bien. Non, maintenant, c'est vraiment plus captivant en ce qui concerne l’amélioration continue de l’utilisation de l’IA. Après les économies, les gains de performance réels commencent.