Comment les dirigeants d'entreprise déploient des agents IA dans toute leur organisation

Dee Fitzgerald (CDO, Danone), Prem Natarajan (EVP, Chief Scientist, Capital One), Ratheesh Kamoor (Group VP, Head of Data and Analytics, Warner Bros. Discovery), Razal Minhas (VP, Data, Engineering and ML Platforms, Ford Credit), Murali Vridhachalam (VP, IT Head of Cloud, Data and AI, Gilead Sciences), et Arsalan Tavakoli (Co-founder and SVP of Field Engineering, Databricks) partagent leurs réflexions de dirigeants dans Leading the AI-Ready Enterprise.

Qu'est-ce qu'il faut pour transformer l'ambition en IA en résultats commerciaux mesurables ? Nous nous sommes entretenus avec des dirigeants axés sur l'IA de grandes marques pour comprendre comment ils envisagent le ROI et la valeur tangible de leurs initiatives IA, tout en gardant la gouvernance au premier plan.

Ce qui est ressorti de la discussion, c'est une tension commune : les dirigeants ressentent la pression de déployer des agents rapidement sans compromettre la confiance, la gouvernance ou le contrôle des coûts.

Je suis maintenant convaincu que le déploiement est la première étape de l'escalier de l'IA vers le paradis… Et tout ce qui suit, la surveillance, l'observabilité, l'évaluation des performances, l'apprentissage continu, ce sont les étapes qui créent de la valeur. — Prem Natarajan, EVP, Chief Scientist chez Capital One

Les dirigeants ont décrit un « moment de possibilités » où les avancées technologiques libèrent la créativité et mobilisent les équipes dans toute l'entreprise. L'IA étant désormais une priorité au niveau des PDG, les organisations vont au-delà des simples expériences pour approuver des cas d'utilisation percutants, tandis que les améliorations rapides de la précision des modèles élargissent le champ du possible presque chaque mois. Les agents orchestrant des flux de travail complexes et multi-étapes, les entreprises constatent qu'une gouvernance rigoureuse est le fondement de l'innovation.

Leur discussion a révélé cinq pratiques que toute organisation peut adopter pour déployer des agents IA de manière responsable et efficace :

Intégrer une gouvernance unifiée dans votre stratégie d'agents IA

Les dirigeants ont souligné que la gouvernance des données et de l'IA doit faire partie du cycle de vie de l'agent, et non un point de contrôle a posteriori.

Murali Vridhachalam, VP, IT Head of Cloud, Data and AI chez Gilead Sciences, a partagé que chaque agent subit une revue de risque formelle :

Avant même qu'un agent ne soit développé, il doit passer par une évaluation des risques. Et en fonction des niveaux de risque, les approbations appropriées sont obtenues. La chose la plus importante pour nous est : comment le cadre de risque est-il intégré à l'expérience utilisateur ?

Dans le cadre d'une stratégie de gouvernance d'entreprise complète, certaines organisations mettent en place des conseils de gouvernance. Ces conseils aident à définir la direction stratégique et les politiques pour des sujets tels que la propriété et la responsabilité des données, la conformité, la qualité des données, les risques, et plus encore.

Ratheesh Kamoor, Group VP, Head of Data and Analytics chez Warner Bros. Discovery, a expliqué comment son organisation utilise un conseil spécialisé pour empêcher les employés de coller par inadvertance des informations personnelles identifiables (PII) sensibles dans les outils IA, nécessitant un « feu vert » interfonctionnel des dirigeants, des équipes juridiques et techniques pour chaque cas d'utilisation. Parce que l'IA est fondamentalement probabiliste, Razal Minhas, VP, Data, Engineering and ML Platforms chez Ford Credit, a souligné que la gouvernance ne peut pas être une « approbation unique » mais doit impliquer une réévaluation continue pour garantir que le profil de risque d'un modèle n'a pas changé en raison de facteurs environnementaux externes.

En fin de compte, cette supervision centralisée empêche ce qu'Arsalan Tavakoli-Shiraji, Co-founder and SVP of Field Engineering de Databricks, appelle une « prolifération » de métriques contradictoires, en ancrant vos agents dans des « définitions certifiées » et des données standardisées plutôt que de leur permettre d'opérer sur « six versions différentes » de la vérité.

Gérer des flux de travail complexes avec des agents IA

Un thème récurrent parmi les dirigeants était le changement stratégique vers l'orchestration de tâches complexes par des agents spécialisés. Au lieu de simplement décomposer le travail en parties simples, les organisations se concentrent désormais sur l'obtention de résultats de haut niveau grâce à un cadre multi-agents qui gère de manière autonome des flux de travail sophistiqués et multi-étapes dans toute l'entreprise.

Avec les agents IA, nous passons d'une approche basée sur une tâche unique à une approche plus orchestrée et basée sur les résultats. Par exemple, l'intégration des employés - il y a plusieurs tâches… émettre un ordinateur portable ou enregistrer l'employé dans Workday. Maintenant, il s'agit d'une intégration basée sur les résultats d'un employé qui exécute de manière autonome des tâches indépendamment dans différents systèmes. — Murali Vridhachalam

Natarajan a noté que les véritables avantages surviennent lorsque vous pouvez automatiser ces tâches : « Si vous pouvez introduire un modèle IA capable de s'occuper d'une tâche spécialisée particulière par lui-même… les possibilités sont infinies lorsque vous regardez autour de vous et que vous vous demandez combien de tâches complexes je peux décomposer en tâches plus petites et réalisables, dans lesquelles je peux prendre un modèle IA spécialisé… et automatiser réellement des flux de travail complexes ? »

Créer des espaces dédiés à l'expérimentation IA

Alors que les équipes élargissent leur curiosité et leur utilisation des outils IA, il y a un besoin croissant de bacs à sable et d'environnements contrôlés. Ces environnements seront des espaces approuvés pour que les équipes puissent auditer les performances des agents par rapport aux systèmes existants sans risquer les opérations en direct.

Razal Minhas de Ford Credit a décrit comment son organisation exécute des « capacités fantômes où quelque chose fonctionne en production. Mais… cela fonctionne silencieusement en arrière-plan en tant que challenger. »

Cette approche permet aux organisations de valider la précision avant qu'un agent n'interagisse avec un flux de travail client. En réservant l'espace pour l'expérimentation, les dirigeants peuvent encourager leur personnel à tester des hypothèses audacieuses et à découvrir de nouvelles valeurs tout en maintenant le « rayon d'explosion » de l'expérimentation fermement contenu.

Présenter les premières réussites pour créer une dynamique IA

Tous les dirigeants ont convenu que l'adoption s'accélère lorsque les premières réussites sont concrètes et répétables.

Un exemple concret de cette approche vient de Capital One, où l'équipe a priorisé « Chat Concierge », un outil destiné aux concessionnaires automobiles. Cette application représente une « façon peu risquée mais utile » de valider les logiciels d'agents dans le monde réel.

Cette approche mesurée permet à des organisations comme Capital One d'établir des premières réussites et de renforcer la confiance institutionnelle nécessaire pour des applications plus complexes. Comme l'a dit Natarajan, voir ces outils en action « a libéré la créativité dans un endroit où tout le monde est maintenant un empiriste. »

Équipez votre personnel pour travailler avec des agents IA

Le déploiement responsable nécessite de préparer les employés à collaborer efficacement avec les agents. Dee Fitzgerald, Chief Data Officer chez Danone, a partagé comment plus de 90 000 employés, dont beaucoup travaillent en usine ou en première ligne, transforment leur travail avec l'IA : « Nous passons beaucoup de temps à former et à améliorer nos compétences en matière de prompt. »

Les interfaces en langage naturel au sein de la plateforme sont essentielles pour permettre aux utilisateurs non techniques de travailler avec les données et l'IA en toute sécurité, sans nécessiter d'expertise en SQL ou en Python.

Un message unificateur à travers la table ronde : l'IA agentique ne fonctionne que lorsque les données, la gouvernance, l'orchestration et le calcul résident au sein d'une architecture unique et sécurisée. Les dirigeants ont constamment souligné la nécessité de produits de données certifiés, de garde-fous cohérents et d'une plateforme capable de déployer et de surveiller les agents sur divers flux de travail.

Consultez la discussion complète pour découvrir comment les dirigeants opérationnalisent les agents dans les flux de travail RH, financiers, de chaîne d'approvisionnement et créatifs, et quelles mesures votre organisation peut prendre dans les 90 prochains jours pour déployer des agents de manière responsable et accélérer l'impact commercial.

(Cet article de blog a été traduit à l'aide d'outils basés sur l'intelligence artificielle) Article original