- 57 % des PDG et des directeurs financiers prévoient d’accroître l’utilisation de l’IA et de l’automatisation dans leur entreprise.
- C’est une source de préoccupation pour les personnes travaillant dans diverses industries.
- Cependant, la véritable force de l’IA générative est d’augmenter, plutôt que de remplacer, le travail des experts humains.
Depuis la sortie de OpenAI GPT-3 grand modèle de langage en novembre et la publication ultérieure de GPT-4, on s’est beaucoup inquiété de ce que ces progrès de l’IA générative signifient pour l’avenir du travail.
Mais l’impact de l’IA générative ne se limite pas à celui de GPT sur la génération de texte et les conséquences potentielles pour le travail des journalistes et des écrivains. Il comprend l’impact de DALL-E-2 sur la génération d’images, CODEX sur le codage et MegaMoIBART sur la découverte de médicaments, pour n’en nommer que quelques-uns.
Trois éléments principaux sous-tendent les capacités de l’IA générative :
- Mémoire massive et reconnaissance des formes, avec la capacité de connecter des concepts ou des idées distants et de tirer des conclusions.
- Exigences de code faibles / nulles, réduisant considérablement la prime sur les compétences de codage.
- Absence de logique, car il fait des prédictions basées sur des quantités massives de données d’entraînement – avec des conséquences importantes pour le fonctionnement de ses applications.
Une récente Sondage Mercer ont signalé que 57 % des PDG et des directeurs financiers prévoyaient d’accroître l’utilisation de l’IA et de l’automatisation ; près d’un tiers redéfinissent le travail pour réduire la dépendance de leurs organisations vis-à-vis des personnes.
Dans , le pourcentage d’employés qui affirment que l’automatisation modifiera considérablement leur façon de travailler est passé de 44 % à 71 % au cours des deux dernières années. Contrairement aux précédentes itérations d’automatisation qui ont largement impacté le travail répétitif et basé sur des règles, l’IA générative affectera également le travail à faible volume et très variable, conduisant à ce que certains ont appelé la « démocratisation de la créativité ». Le travail dans de nombreuses professions, dont celle d’auteurs, de chercheurs, d’avocats et bien d’autres, sera fortement perturbé.
Par exemple, l’IA générative peut résumer un document juridique en quelques secondes avec une précision incroyable, tandis qu’un parajuriste peut passer des heures sur la même tâche.
Mais sa vraie force réside dans l’augmentation – plutôt que le remplacement – du travail des employés.
Un cadre pour naviguer dans la « suite » du travail
Dans le livre , John Boudreau et moi démontrons que les entreprises qui diriger avec le travail au lieu de la technologie sont mieux équipés pour assurer les combinaisons optimales entre l’homme et l’automatisation. Ces entreprises voient où l’automatisation peut le mieux remplacer le travail hautement répétitif et basé sur des règles ; où il peut augmenter la créativité humaine, la pensée critique et l’empathie et où il peut créer un nouveau travail humain.
Il existe quatre résultats potentiels distincts associés à tout ensemble de travaux :
- Élimination des erreurs – pensez à une partie du travail d’un pilote de ligne – où les conséquences d’une erreur sont élevées et où il existe un potentiel important de valeur négative pour l’organisation de tout écart par rapport à un niveau de performance acceptable.
- Minimiser la variance – comme le travail de traitement des transactions – lorsqu’il n’y a aucune valeur à améliorer les performances au-delà d’un niveau cible.
- Améliorer la productivité – le travail d’un vendeur, par exemple – où une amélioration des performances entraîne une amélioration proportionnelle de la valeur de l’organisation.
- Réaliser des percées – pensez à un travail hautement créatif, comme la science des données – où une petite amélioration des performances a un impact exponentiel sur la valeur.
L’automatisation établie comme l’automatisation robotique des processus (RPA) peut être utile pour remplacer l’effort humain dans un travail où l’objectif est de réduire la variance et où il y a une plus grande tolérance au risque. Envisagez l’application de la RPA pour réduire la variance avec laquelle le travail hautement répétitif et basé sur des règles d’analyse et de synthèse des données financières est effectué.
L’IA est utilisée depuis longtemps pour augmenter le travail d’analyse lorsque l’objectif est d’améliorer la productivité ou de réaliser une percée. Considérez comment les oncologues ont utilisé l’apprentissage automatique, formés sur des volumes importants de données et d’images spécifiques, pour augmenter de façon exponentielle la précision de la détection du cancer, non pas en remplaçant les compétences, mais en augmentant les capacités et en augmentant la prime à l’expérience et à l’expertise. Cependant, en ce qui concerne l’élimination des erreurs, nous voyons souvent l’automatisation utilisée pour réduire le potentiel d’erreur humaine d’abord par augmentation, puis par substitution au fur et à mesure que les ensembles de données spécifiques, la logique et les nouveaux garde-corps sont développés.
L’IA générative est à un stade naissant et peut être sujette à l’erreur, étant donné son manque de logique sous-jacente. Ce problème est aggravé par le fait que lorsque les enjeux sont élevés et que notre tolérance au risque est faible, nous sommes plus tolérants à l’erreur humaine qu’à la faillibilité de la machine. Il est essentiel que les dirigeants comprennent quand s’appuyer – et quand ne pas s’appuyer – sur ces technologies à ce stade de leur évolution, ainsi que les rôles spécifiques qu’elles devraient avoir dans le travail humain : substitution, augmentation ou création. L’IA générative est particulièrement utile pour démocratiser les connaissances et la créativité par l’augmentation, en réduisant les primes de compétences traditionnellement requises pour une variété de tâches créatives où l’objectif est de réaliser des gains de productivité et de rechercher une percée dans des domaines où la tolérance au risque est élevée.
Il est tout aussi important de comprendre les conséquences de son utilisation pour votre modèle de talents. Étant donné que de nombreuses professions sont construites sur un modèle d’apprentissage, comment résisterez-vous à la tentation de substituer le travail de talents juniors à une IA qui pourrait éliminer la prochaine génération de créateurs, de dirigeants et de gestionnaires ?
https://cdn.jwplayer.com/players/EcyXsZWx-ncRE1zO6.html
Un nouvel ensemble de garde-corps pour l’ère de l’IA générative
Alors que nous entrons dans cette nouvelle ère de l’automatisation, les entreprises doivent tenir compte des éléments suivants lorsqu’elles intègrent cette technologie prometteuse dans leur flux de travail.
Modèle de travail
Comment allez-vous créer un modèle opérationnel de travail avec les outils et les disciplines pour analyser le travail et appliquer de manière durable et responsable l’IA et l’automatisation émergentes ?
Modèle de talents
Pouvez-vous développer un modèle de talent qui assure un réservoir de compétences suffisant même si vous appliquez progressivement plus d’IA à votre travail ?
Développer les compétences futures
Alors que l’IA prolifère, il est essentiel de s’assurer que les employés effectuent un travail significatif et durable. Comment trouverez-vous des opportunités d’automatiser les tâches et de libérer du temps pour de nouvelles activités à valeur ajoutée tout en assurant le perfectionnement et la requalification transparents de votre main-d’œuvre pour la prochaine itération de travail ?
État d’esprit et culture
Alors que l’IA continue de réduire la prime à la créativité et de démocratiser l’accès, comment allez-vous assurer la réinvention perpétuelle de votre modèle d’entreprise et de vos effectifs ?
