Automatisation et IA : 5 solutions pratiques pour améliorer l’efficacité opérationnelle
Par Jakob Freund, CEO de Camunda
L’IA et l’automatisation modifient la nature du travail. Utilisées conjointement, ces deux technologies ouvrent de vastes perspectives d’amélioration de la productivité humaine et de l’efficacité des processus métier existants. Si les médias ont récemment mis l’accent sur des applications d’IA générative, telles que ChatGPT, de nombreuses autres applications pratiques de l’IA dans l’automatisation peuvent améliorer la productivité interne et fournir de meilleures expériences clients.
Ces technologies peuvent être regroupées en trois grands domaines: l’intelligence générative, l’intelligence prédictive et l’intelligence augmentée.
- Générative : Dans ce contexte, les algorithmes d’IA générative permettent de créer de nouveaux contenus ou de générer du code en réponse à des ensembles de données d’apprentissage.
- Prédictive : Les équipes peuvent utiliser des algorithmes d’IA prédictive pour prendre des décisions ou améliorer des processus en fonction de résultats antérieurs.
- Intelligence augmentée : Ce type d’IA peut contribuer à faciliter la prise de décisions qui auraient normalement été prises par un être humain, accélérant ainsi l’efficacité d’un processus.
Examinons cinq applications pratiques de l’IA qui relèvent de ces trois catégories, et la manière dont elles peuvent améliorer les résultats de l’automatisation en entreprise.
1. Amélioration continue des processus
Il est possible d’améliorer les processus de bout en bout en combinant l’orchestration des processus et l’IA. Par exemple, un système d’orchestration recueille des données sur l’exécution et la performance des processus sur différents endpoints (par exemple, les personnes, les systèmes et les appareils qui composent un processus). Ces données sur l’exécution des processus peuvent être injectées dans un modèle d’IA prédictive afin d’établir des prévisions sur l’exécution de certains processus (par exemple, leur durée), sur la base de l’exécution de processus similaires dans le passé.
Le Saint-Graal des processus autoréparateurs n’est pas loin avec l’ajout de modèles émergents d’intelligence augmentée. Cette technologie pourrait identifier les goulets d’étranglement des processus, suggérer des options d’amélioration et mettre à jour automatiquement des modèles (ou mettre à jour des modèles après vérification de la décision par un être humain).
2. Génération de données de test de processus
La génération de données de test de processus est une utilisation convaincante de l’IA générative. Par exemple, les formulaires peuvent comporter de nombreuses erreurs, en fonction des erreurs humaines typiques (différents formats de dates (1.15.23 ou 15.1.23 et 15 janvier 2023, etc.). En se basant sur des comportements humains antérieurs, le système pourrait générer des tests susceptibles de « perturber » un formulaire, tels que des champs numériques incorrects, des dépassements de limite de caractères, etc.
3. Accélération de la prise de décision
De nombreuses entreprises utilisent déjà l’automatisation pour accélérer certaines décisions, comme l’acceptation ou le rejet d’une demande de prêt hypothécaire en fonction du profil de risque du demandeur . L’IA prédictive peut être associée à des modèles décisionnels pour accélérer certaines prises de décision, comme la prédiction de cas de fraude sur la base de données utilisateurs antérieures dans un scénario de prévention de la fraude. Les entreprises ayant un niveau de maturité IA plus élevé peuvent exploiter des ensembles de données compatibles avec l’apprentissage automatique fournies par un système d’orchestration de processus, combinés à d’autres ensembles de données internes, afin de prévoir des modèles et prendre des décisions pertinentes.
4. Rationalisation des tâches humaines
L’IA générative peut jouer un rôle important dans la rationalisation de certaines tâches humaines. Prenons l’exemple d’une marketplace qui souhaite traiter les demandes de nouveaux fournisseurs. En intégrant l’API ChatGPT dans un modèle de processus, le marché pourrait extraire automatiquement les informations pertinentes des formulaires pour générer une acceptation ou un rejet. À partir de là, ChatGPT pourrait générer automatiquement des courriels d’acceptation ou de rejet des fournisseurs, et créer des descriptions de chaque fournisseur accepté dans la marketplace.
5. Développement de modèles de processus
Les architectes ou développeurs de logiciels qui écrivent le code des modèles de processus pourraient également bénéficier de l’IA générative. Les équipes pourraient expérimenter des générateurs de code open source (par exemple GitHub Copilot) pour développer et coder un modèle de processus basé sur des modèles précédents créés au sein de l’entreprise. Au lieu de partir d’une feuille blanche, ces technologies peuvent aider à tirer le meilleur parti de ressources de développement limitées et améliorer le degré d’automatisation à tous les niveaux de l’entreprise.
Aujourd’hui, de nombreux termes décrivent l’application optimisée de l’IA combinée à d’autres technologies d’automatisation – allant de l’automatisation intelligente à l’hyperautomatisation. L’objectif ultime est un processus de bout en bout, efficace et optimisé, qui améliore à la fois l’expérience des employés et les applications utilisées par les clients. Cet objectif sera bientôt à portée de main puisque les entreprises progressent sur leur parcours grâce à l’orchestration des processus et à l’IA.